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
R und Google Analytics Einführung (OMWest Barcamp)
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
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.
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
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
... aber behalte im Kopf, dass es auch mit einem eigenen Projekt in der Google Dev Console geht (Quota kann ein Grund sein, dann eigene ClientID und ClientSecret verwenden, Token holen, fertig)