Poziom naładowania baterii w Google Analytics + Google Tag Manager

Dla danych, które analizujemy, ważny jest kontekst. Może warto sprawdzić, czy na zachowanie użytkownika na stronie ma wpływ poziom naładowania baterii?

Poniżej modyfikacja kodu , który pozwoli zrobić to za pomocą Google Analytics oraz Google Tag Manager .

Utwórz niestandardowy tag HTML w Google Tag Manager:

Niestandardowy tag HTML w Google Tag Manager

Niestandardowy tag HTML w Google Tag Manager

Z kodem:

<script>
 if (navigator.getBattery) {
 navigator.getBattery().then(function(battery) {
 display(battery);
 });
 } else if (navigator.battery) {
 display(navigator.battery);
 } else {
 console.log("Sorry, Battery Status API is not supported");
 }
 
 function display(battery) {
 dataLayer.push({
 'battery_level': battery.level,
 'battery_is_charging': battery.charging,
 'battery_time_to_charge': battery.chargingTime,
 'battery_time_to_discharge': battery.dischargingTime,
 'event': 'battery_status'
 });
 }
</script>

Mamy już dane w dataLayer. Teraz pozostaje przechwycić ich wartości do zmiennych…

Utwórz 4 nowe zmienne w Google Tag Manager:

  • battery_level
  • battery_is_charging
  • battery_time_to_charge
  • battery_time_to_discharge

Przykład dla poziomu naładowania baterii (battery_level):

Typ: Zmienna warstwy danych
Nazwa zmiennej warstwy danych: battery_level

Zmienna z wartością ładowania baterii

Zmienna dataLayer z wartością ładowania baterii

…i wysłać do Google Analytics. Na przykład jako zdarzenie + niestandardowy wymiar do przyszłej segmentacji użytkowników 🙂 Pamiętaj, aby najpierw utworzyć niestandardowy wymiar w panelu Google Analytics.

Utwórz nowy tag w Google Tag Manager:

Typ tagu: Universal Analytics
Śledź typ: Zdarzenie

Zdarzenie Google Analytics zapisujące poziom baterii

Przykładowe zdarzenie Google Analytics zapisujące poziom baterii.

I wyślij je do Google Analytics, gdy Google Tag Manager sprawdzi status ładowania baterii.

Reguła uruchomienia zdarzenia Google Analytics:

Nowy czynnik uruchamiający

Nowy czynnik uruchamiający

Trzeba utworzyć nowy czynnik uruchamiający.

Typ: zdarzenie niestandardowe
Nazwa zdarzenia: battery_status

Reguła uruchamiająca zdarzenie

Reguła uruchamiająca zdarzenie

Podsumowując:

  1. Dodaj w Google Tag Manager niestandardowy tag HTML z kodem, który sprawdzi poziom ładowania baterii i umieści te dane w dataLayer.
  2. Odbierz dane z dataLayer do zmiennych w Google Tag Manager.
  3. Wyślij odebrane dane do Google Analytics:
    1. Utwórz tag , który wyśle zdarzenie do Google Analytics i wraz z nim ustawi wartość niestandardowego wymiaru. Dzięki temu będzie można segmentować użytkowników
    2. Wyślij zdarzenie do Google Analytics, kiedy dane o poziomie baterii będą już dostępne po wczytaniu strony.

Gotowe 🙂

 

Data mining w firmie

Jak wykorzystać metody eksploracji danych (data mining) w rozwijaniu witryny e-commerce i całej firmy? Zapraszam do lektury artykułu.

 

Czym jest eksploracja danych?

Pojęcie to ma wiele definicji. Jest to przede wszystkim odkrywanie wiedzy w zbiorze danych
(reguł, sieci połączeń, modeli matematycznych, czy prognoz). Odkryta wiedza pozwala na matematyczne opisanie zachodzących w rzeczywistości zjawisk, a tym samym lepsze ich poznanie i wykorzystanie tej wiedzy do podejmowania decyzji.

Eksploracja danych jest analizą (często ogromnych) zbiorów danych obserwacyjnych, w celu znalezienia nieoczekiwanych związków i podsumowania danych w oryginalny sposób tak, aby były one zrozumiałe i przydatne dla ich właściciela [1].

Jakie zadania realizuje?

Metody eksploracji danych obejmują między innymi:

 

Jak można wykorzystać metody data mining w firmie?

Poniżej przykład zastosowania eksploracji danych w procesie sprzedaży w sklepie internetowym.

Przed dokonaniem zakupu:

  • W systemach targetowania reklam – użytkownik zakwalifikowany jako zainteresowany danym produktem. Wykorzystujemy w tym miejscu klasyfikację.
  • Podczas przygotowania mailingu. Za pomocą reguł decyzyjnych można określić grupę potencjalnych klientów w swojej bazie mailingowej i tylko do nich skierować kampanię.
  • Na podstawie opisu można scharakteryzować grupę, która kupuje produkt (region, cechy demograficzne). Wiedza ta może posłużyć do podejmowania decyzji o dalszych działaniach marketingowych

W trakcie dokonywania zakupu:

  • Za pomocą klasyfikacji, posiadając wzorzec fałszywych transakcji, można je zidentyfikować i zablokować zanim zostaną złożone (np. zamówienia, które nie są opłacane przez klienta, a wysyłane za pobraniem).
  • Korzystając z  reguł
  • Posiadając wzorzec zachowania klienta można za pomocą klasyfikacji zidentyfikować osobę, która potencjalnie dokona zakupu i przedstawić jej ofertę, która dodatkowo zachęci ją do zakupu (np. darmowa dostawa).

Po zakończeniu procesu zakupowego:

  • Za pomocą modeli matematycznych można prognozować przyszłą wartość sprzedaży (predykcja). Wiedzę tą można wykorzystać do wyznaczania planów sprzedażowych lub planowania zapasów magazynowych.
  • Przygotowując segmenty klientów (np. kupujący tylko w promocji, składający regularne zamówienia) za pomocą klasteryzacji można  prowadzić w przyszłości bardziej precyzyjne działania marketingowe.
  • Reguły asocjacyjne mogą być pomocne w identyfikacji wartościowych źródeł ruchu w serwisie. Posiadając tą wiedzę można lepiej podzielić budżet marketingowy tak, aby osiągnąć lepszy zwrot z inwestycji w dane źródło ruchu.

Zobacz prezentację:

 

Literatura:

[1]: Hand D., H. Mannila, P. Smyth, „Eksploracja danych”, WNT, Warszawa 2005

 

Dla zainteresowanych

Dla osób bardziej zainteresowanych tematyką eksploracji danych polecam

darmowy kurs “Eksploracja danych”.

Public Data Explorer – wizualizacja danych

W poszukiwaniu narzędzi do eksploracji i wizualizacji danych natrafiłem na Public Data Explorer od Google.
Aplikacja ta jest prosta, ale przy odpowiednim wykorzystaniu może być nieocenioną pomocą w przygotowaniu prezentacji dla klienta albo pracy zaliczeniowej na studiach.

Korzystając z Public Data Explorer możemy:

  • eksplorować i przedstawiać na wykresach dane statystyczne udostępniane przez różne instytucje
    (np. Eurostat, Bank Światowy)
  • przesłać na serwer własny zbiór danych, i na jego podstawie przygotować efektowną wizualizację

Jak wygląda to w praktyce?

Porównajmy ceny paliw w Krajach Unii Europejskiej. Dla uproszczenia przykładu wybrałem Grecję, Niemcy, Polskę i Cypr w odniesieniu do średniej ceny paliwa Pb95 w całej Unii. Cena podana jest w euro. Jak widać paliwo w naszym kraju jest jednym z najtańszych w Unii (pomijając wysokość zarobków) 😉

Wygenerowany w ten sposób wykres możemy w bardzo prosty sposób umieścić na stronie internetowej.
Możemy także przedstawić jak badane zjawisko zmieniało się na przestrzeni czasu:

oraz odnieść zmiany do położenia geograficznego danego kraju:

Na koniec krótka prezentacja możliwości Public Data Explorera w formie wideo:

Powodzenia w odkrywaniu wiedzy z milionów danych, które nas otaczają 🙂
Wejdź: Public Data Explorer