1.2.2 Skapa din första fråga i BigQuery
Mål
- Utforska användargränssnittet för BigQuery
- Skapa en SQL-fråga i BigQuery
- Spara SQL-frågans resultat i en datauppsättning i BigQuery
Kontext
När Google Analytics-data är i BigQuery kapslas alla dimensioner, mått och andra variabler. Dessutom läses data från Google Analytics in dagligen i olika tabeller. Det innebär att det är svårt och inte bra att försöka koppla ihop Google Analytics-tabeller i BigQuery med Adobe Experience Platform direkt.
Lösningen på det här problemet är att omvandla Google Analytics-data till ett läsbart format för att underlätta importen till Adobe Experience Platform.
1.2.2.1 Skapa en datauppsättning för att spara nya BigQuery-tabeller
Gå till BigQuery-konsolen.
I Utforskaren visas ditt projekt-ID. Klicka på ditt projekt-ID (klicka inte på datamängden bigquery-public-data).
Du ser att det inte finns någon datauppsättning än, så vi skapar en nu.
Klicka på den 3 … och sedan på SKAPA DATAUPPSÄTTNING.
Till höger på skärmen visas menyn Skapa datauppsättning.
Använd namnkonventionen nedan för datauppsättnings-ID. Lämna standardinställningarna för de andra fälten.
--aepUserLdap--_BigQueryDataSetKlicka på SKAPA DATAUPPSÄTTNING.
Sedan är du tillbaka i BigQuery-konsolen när datauppsättningen har skapats.
1.2.2.2 Skapa din första SQL BigQuery
Därefter skapar du din första fråga i BigQuery. Målet med den här frågan är att ta Google Analytics exempeldata och omvandla dem så att de kan importeras i Adobe Experience Platform. Gå till fliken Namnlös fråga.
Kopiera följande SQL-fråga och klistra in den i den frågeredigeraren. Läs frågan och förstå Google Analytics BigQuery-syntaxen.
SELECT
CONCAT(fullVisitorId, CAST(hitTime AS String), '-', hitNumber) AS _id,
TIMESTAMP(DATETIME(Year_Current, Month_Current, Day_Current, Hour, Minutes, Seconds)) AS timeStamp,
fullVisitorId as GA_ID,
-- Fake CUSTOMER ID
CONCAT('3E-D4-',fullVisitorId, '-1W-93F' ) as customerID,
Page,
Landing_Page,
Exit_Page,
Device,
Browser,
MarketingChannel,
TrafficSource,
TrafficMedium,
-- Enhanced Ecommerce
TransactionID,
CASE
WHEN EcommerceActionType = '2' THEN 'Product_Detail_Views'
WHEN EcommerceActionType = '3' THEN 'Adds_To_Cart'
WHEN EcommerceActionType = '4' THEN 'Product_Removes_From_Cart'
WHEN EcommerceActionType = '5' THEN 'Product_Checkouts'
WHEN EcommerceActionType = '6' THEN 'Product_Refunds'
ELSE
NULL
END
AS Ecommerce_Action_Type,
-- Entrances (metric)
SUM(CASE
WHEN isEntrance = TRUE THEN 1
ELSE
0
END
) AS Entries,
--Pageviews (metric)
COUNT(*) AS Pageviews,
-- Exits
SUM(
IF
(isExit IS NOT NULL,
1,
0)) AS Exits,
--Bounces
SUM(CASE
WHEN isExit = TRUE AND isEntrance = TRUE THEN 1
ELSE
0
END
) AS Bounces,
-- Unique Purchases (metric)
COUNT(DISTINCT TransactionID) AS Unique_Purchases,
-- Product Detail Views (metric)
COUNT(CASE
WHEN EcommerceActionType = '2' THEN fullVisitorId
ELSE
NULL
END
) AS Product_Detail_Views,
-- Product Adds To Cart (metric)
COUNT(CASE
WHEN EcommerceActionType = '3' THEN fullVisitorId
ELSE
NULL
END
) AS Adds_To_Cart,
-- Product Removes From Cart (metric)
COUNT(CASE
WHEN EcommerceActionType = '4' THEN fullVisitorId
ELSE
NULL
END
) AS Product_Removes_From_Cart,
-- Product Checkouts (metric)
COUNT(CASE
WHEN EcommerceActionType = '5' THEN fullVisitorId
ELSE
NULL
END
) AS Product_Checkouts,
-- Product Refunds (metric)
COUNT(CASE
WHEN EcommerceActionType = '7' THEN fullVisitorId
ELSE
NULL
END
) AS Product_Refunds
FROM (
SELECT
-- Landing Page (dimension)
CASE
WHEN hits.isEntrance = TRUE THEN hits.page.pageTitle
ELSE NULL
END
AS Landing_page,
-- Exit Page (dimension)
CASE
WHEN hits.isExit = TRUE THEN hits.page.pageTitle
ELSE
NULL
END
AS Exit_page,
hits.page.pageTitle AS Page,
hits.isEntrance,
hits.isExit,
hits.hitNumber as hitNumber,
hits.time as hitTime,
date as Fecha,
fullVisitorId,
visitStartTime,
device.deviceCategory AS Device,
device.browser AS Browser,
channelGrouping AS MarketingChannel,
trafficSource.source AS TrafficSource,
trafficSource.medium AS TrafficMedium,
hits.transaction.transactionId AS TransactionID,
CAST(EXTRACT(YEAR FROM CURRENT_DATE()) AS INT64) AS Year_Current,
CAST(EXTRACT(MONTH FROM CURRENT_DATE()) AS INT64) AS Month_Current,
CAST(EXTRACT(DAY FROM CURRENT_DATE()) AS INT64) AS Day_Current,
CAST(EXTRACT(DAY FROM DATE_SUB(CURRENT_DATE(),INTERVAL 1 DAY)) AS INT64) AS Day_Current_Before,
CAST(FORMAT_DATE('%Y', PARSE_DATE("%Y%m%d", date)) AS INT64) AS Year,
CAST(FORMAT_DATE('%m', PARSE_DATE("%Y%m%d",date)) AS INT64) AS Month,
CAST(FORMAT_DATE('%d', PARSE_DATE("%Y%m%d",date)) AS INT64) AS Day,
CAST(EXTRACT (hour FROM TIMESTAMP_SECONDS(hits.time)) AS INT64) AS Hour,
CAST(EXTRACT (minute FROM TIMESTAMP_SECONDS(hits.time)) AS INT64) AS Minutes,
CAST(EXTRACT (second FROM TIMESTAMP_SECONDS(hits.time)) AS INT64) AS SecondS,
hits.eCommerceAction.action_type AS EcommerceActionType
FROM
`bigquery-public-data.google_analytics_sample.ga_sessions_*`,
UNNEST(hits) AS hits
WHERE
_table_suffix BETWEEN '20170101'
AND '20170331'
AND totals.visits = 1
AND hits.type = 'PAGE'
)
GROUP BY
1,
2,
3,
4,
5,
6,
7,
8,
9,
10,
11,
12,
13,
14
ORDER BY 2 DESC
När du är klar klickar du på Kör för att köra frågan:
Det kan ta några minuter att köra frågan.
När frågan har körts klart visas utdata nedan i frågeresultatet.
1.2.2.3 Spara resultatet av BigQuery SQL-frågan
Nästa steg är att spara frågans utdata genom att klicka på knappen SPARA RESULTAT .
Välj BigQuery-tabell som plats för dina utdata.
Därefter visas ett nytt popup-fönster där ditt projektnamn och datauppsättningsnamn är ifyllda i förväg. Datauppsättningsnamnet ska vara den datauppsättning som du skapade i början av den här övningen, med den här namnkonventionen:
--aepUserLdap--_BigQueryDataSetvangeluw_BigQueryDataSetNu måste du ange ett tabellnamn. Använd den här namnkonventionen:
--aepUserLdap--_GAdataTableBigQueryvangeluw_GAdataTableBigQueryKlicka på SPARA.
Det kan ta en stund innan data är klara i tabellen som du har skapat. Uppdatera webbläsaren efter några minuter. I datauppsättningen ska du sedan se tabellen --aepUserLdap--_GAdataTableBigquery under Utforskaren i ditt BigQuery-projekt.
Nu kan du fortsätta med nästa övning där du kopplar tabellen till Adobe Experience Platform.
Nästa steg
Gå till 1.2.3 Anslut GCP och BigQuery till Adobe Experience Platform
Gå tillbaka till Importera och analysera Google Analytics-data i Adobe Experience Platform med BigQuery Source Connector
Gå tillbaka till Alla moduler