Slides zum "Impulsvortrag" für idealerweise vorkenntnisfreie Interessierte an R - speziell im Zusammenspiel mit GoogleAnalyticsRa auf dem OMWest Barcamp April 2018. Die Slides sind auf den Umfang reduziert, der in der kurzen Zeit möglich war ;) Code für das kurz gezeigte Beispiel der Differenzbildung zweier Listen von Seiten und Aufrufen findet sich unter http://bit.ly/RExampleOMWest

1. Einstieg in R
R und Google Analytics – From Scratch
Markus Baersch
gandke gmbh
Gleich mitmachen?
• R Download bit.ly/r-laden
• RStudio Download bit.ly/rstudio-laden

2. Einführung:
R und Google
Analytics
Die Idee
• Erlebe meinen Einstieg mit
• „Protokollierte Reise“ der ersten Schritte
• „Un-Tutorial“
• Hands On Beispiele für Marketer
• Viel, aber nicht nur Google Analytics
• Keine Statistikvorlesung
Warum ich?
• Entwicklerherzen rosten nicht
• Statistisch weitestgehend unwissend.
So wie Du? Ideale Voraussetzungen! ;)

3. Einführung:
R und Google
Analytics
Wozu R nutzen?
• (automatisierbare und wiederholbare) Analyse
• Visualisierung von Daten
• Tests
• Vorhersagen
(Stichworte „Predictive Models“, „Forecasting“)

4. Einführung:
R und Google
Analytics
Was ist R?
• Programmiersprache
• Statistische Analyse und Visualisierung
• Scripts. So richtig. Gern „Batch-File“ für
Anweisungen. Keine Eventhandler, kein
Schnickschnack ;) …aber Debugging, Funktionen als Parameter und ganz
viel cooles Zeug!
• Simple Syntax im Kern
• Für Analysen besonders geeignete Datentypen,
vektorbasierte (parallele) Verarbeitung
• Arbeitet mit "beliebigen" Datenquellen, gern
auch groß. Übrigens auch aus BigQuery ;)
• 6000+ Packages. Für alles. Mächtig!
• Zugriff auf GA (oder SC) ist als Package einfach
installierbar

5. Einführung:
R und Google
Analytics
Beispiele in diesem Workshop
• Liste von "toten" URLs bestimmen
• Anhand von GA-Daten (oder GSC)
• Anhand von Crawl-Daten
• Conversion- / Umsatztrend-Analysen und
Vorhersagen
• „Grafische Analyse“
• Visualisierung für Dashboards
• More TBD

6. R und RStudio
Scripts
Ressourcen
Datendetails
(DataFrames etc.)
Console
Direkteingabe
„Echo“
Variablen
History
Plots
Viewer
Files
Hilfe

7. Allererste Schritte: R als „Taschenrechner“ -

8. Variablen und Datenstrukturen

9. Variablen und Datenstrukturen

10. Funktionen, Bedingungen, Schleifen & Co. .

11. Tutorial Tipps
https://www.codeschool.com/courses/try-r/

12. Tutorial Tipps
https://campus.datacamp.com/courses/free-introduction-to-r/

13. Live Code:
Erste
Abfragen,
erstes Script

14. Package GoogleAnalyticsR
• Einfacher Zugriff auf Daten via GA-API
• Schneller Start mit dem Defaultprojekt
• Id besorgen und Abfragen ausprobieren,
• Metriken und Dimensionen "lernen" bzw. finden:
• https://ga-dev-tools.appspot.com/query-explorer/
Achtung
Viele Tutorials und Videos basieren auf der alten
Fassung. Siehst Du "ga:xxxx" in den Abfragen, ist es
alter Kram.

15. Packages installieren

16. „Hello Word“: Daten aus GA abfragen

17. Live Code:
Daten aus
Google
Analytics
lesen
• Verbindung zu GA herstellen
• Daten beziehen und speichern
• Beispiel für Auswertungen:
„URL Leichen“ finden
(im Kern 8 Zeilen Code)

18. Einführung:
Visualisierung

19. Visualisierung
• Jede Menge Funktionen „von Haus aus“
• Spezialisierte Packages
• Nicht nur für Data Frames
• Analyse und Visualisierung „verschwimmen“ schnell in R
• Bei Erprobung von Modellen sind „Plots“ ein hilfreiches Werkzeug
• Erprobung / „Exploration“ eher in der Console
• In Scripts für wiederkehrende Visualisierungsaufgaben

20. Visualisierung
010002000300040005000

21. Durchschnitte & Abweichung
201604 201606 201608 201610 201612 201702
010002000300040005000

22. Einführung:
Modelle
(nicht Models!)

23. Analyse: Abhängigkeiten & Modelle
1000 2000 3000 4000
100200300400500
ga_dataset$users
ga_dataset$goal1Value

24. Noch ein Schnaps Theorie: Analyse & Forecasting .
goals.series
2013 2014 2015 2016 2017 2018
2006001000
5 10 15 20
-0.4-0.20.00.20.4
Lag
ACF
5 10 15 20
-0.4-0.20.00.20.4
Lag
PACF

25. Noch ein Schnaps Theorie: Analyse & Forecasting .
2006001000
data
-50050100
seasonal
450550650
trend
-4000200
2013 2014 2015 2016 2017 2018
remainder time

26. Noch ein Schnaps Theorie: Analyse & Forecasting .
300
600
900
2013 2014 2015 2016 2017 2018
Timegoals.series

27. Noch ein Schnaps Theorie: Analyse & Forecasting .
Kontaktformulare
Multiple linear regression model
Downloads
Multiple linear regression model
2013 2014 2015 2016 2017 2018 2019
0
1000
2000
3000
4000
0
300
600
900
Time

28. Wie geht es weiter?
• Das war „kratzen an der Oberfläche“
• So ganz ohne Statistik kommt man nur bis zu einem
gewissen Punkt
• Ich habe Buchempfehlungen ;)
Wie einsteigen?
• R Download bit.ly/r-laden
• RStudio Download bit.ly/rstudio-laden
• Das Beispiel für „tote URLs“auf Github
bit.ly/RExampleOMWest

29. N. D.

30. www.gandke.de
blog.markus-baersch.de
markus-baersch.de/facebook
markus-baersch.de/xing
markus-baersch.de/twitter
markus-baersch.de/googleplus
markus-baersch.de/slideshare
… Fragen? Melden!