Chamerstrasse 44, 6331 Hünenberg
+41 415 11 10 20

Machine Learning nutzen durch Google Analytics und BigQuery

Wer Analytics auf das nächste Level bringen will, der stösst mit Google Analytics irgendwann an Grenzen. Die Daten lassen sich zwar sehr einfach darstellen, bieten zahlreiche Integrationen und viele Möglichkeiten für Analysen. Wer bis anhin die Daten von Google Analytics für eigene Systeme nutzbar machen wollte (z.B. das eigene CRM), hatte es bisher nicht einfach (Kunden der Google Analytics 360 Suite mal ausgenommen).

Neuerdings bietet Google aber auch die Möglichkeit für Kunden des kostenlosen Google Analytics die Rohdaten in die eigene Datawarehouse-Lösung BigQuery zu exportieren. Das bietet für KMU’s zahlreiche Möglichkeiten, diese Daten sehr günstig verfügbar zu haben und zu nutzen.

Somit wird es beispielsweise möglich, Conversions auf Basis Ihrer Google Analytics-Daten durch Machine Learning zu steigern.

Was ist BigQuery?

BigQuery ist eine in der Google Cloud nutzbare, skalierbare Datenbank. Diese ist “serverless”, was bedeutet dass sie auf Googles gewaltige Rechenzentren zurückgreift und somit enorme Datenmengen in kürzester Zeit verarbeiten werden können.

BigQuery kann, wie der Name schon vermuten lässt, mit SQL (ANSI SQL) umgehen. Zudem bietet es kostenlose ODBC- und JDBC-Treiber, wodurch es problemlos mit zahlreichen SQL-Clients verbunden werden kann.

Ausserdem bietet BigQuery auch die Möglichkeit, Machine Learning (in einfachem SQL) zu nutzen. Wer also sein Unternehmen datentechnisch ins nächste Zeitalter bringen will, sollte sich definitiv die Lösungen von Google genauer ansehen.

Integration für das kostenlose Google Analytics mit BigQuery

Auch ohne 360 Suite bietet Google neuerdings die Möglichkeit, Rohdaten aus Google Analytics in BigQuery zu exportieren.

Hierfür wird eine Web+App-Property genutzt, die sich vom gewohnten Analytics für Web etwas unterscheidet:

Web+App Analytics Property

Im Google-Produkt Firebase lässt sich dann die Integration zu Google Analytics definieren. Sollten Sie dies selbst einrichten wollen, so finden Sie hier ausführliche Anleitungen:

Besonders spannend für die Schweiz: Serverstandort Zürich!

2019 eröffnete Google Zürich als neuen verfügbaren Standort in der Google Cloud-Plattform. Dieser lässt sich natürlich auch bei der Speicherung der Daten von BigQuery nutzen:

Google Cloud Zurich

Wenn Sie den Standort Ihres Datasets selbst bestimmen wollen, müssen Sie beim Naming allerdings sehr vorsichtig sein. Falls Sie bei der Integration mit Firebase z.B. den Namen des Datasets falsch definieren, wird automatisch ein neues Dataset mit dem GCP-Standort USA angelegt.

Möglichkeiten durch die Daten von Google Analytics in BigQuery

Selbstverständlich sind die Möglichkeiten nahezu endlos, daher haben wir mal zwei der verbreitetsten herausgepickt:

Vollständig anpassbare Reportings

BigQuery lässt sich an zahlreiche Reporting-Lösungen anbinden. Am einfachsten ist vermutlich die Integration zu Googles Data Studio, schliesslich kommt sie aus dem gleichen Haus. Wer also tiefe Analysen durchführen möchte, die Google Analytics an die Grenzen bringen, hat viele neue Möglichkeiten.

Manche Unternehmen verzichten mittlerweile sogar schon vollständig auf “einfache” Reporting-Tools wie Google Analytics und haben selbst definierte Reporting-Lösungen auf Basis von Tracking-Rohdaten im Einsatz.

Content- oder Produkt-Recommendations unterstützt durch Machine Learning

Ein Vorteil der Google Cloud ist die einfache Verknüpfung mit Googles Services bzw. Produkten. So lassen sich z.B. TensorFlow-Modelle (Googles Machine Learning Framework) in BigQuery importieren.

Ein sehr klassischer Usecase hierfür sind Recommendations. Dabei werden Nutzern beispielsweise Produkte im eigenen Webshop empfohlen. Welche Produkte dabei empfohlen werden, entscheidet ein Algorithmus, der auf die Daten von Google Analytics zurückgreift.

Google bietet hierfür übrigens auch ein Tutorial, allerdings richtet sich dieses an Nutzer der Google Analytics 360 Suite.

Das grosse Problem, auf das man mit dem Firebase-Export stossen wird: Die Integration ist nicht Realtime! Somit wird es schwierig Recommendations auf Basis von Daten in Echtzeit auszuspielen. Will man allerdings Produkte in einer Email-Kampagne empfehlen, so sollte es kein grosses Problem sein, dass Daten des heutigen Tages nicht verwendet werden können.

Welche Kosten entstehen durch dieses Setup?

Grundsätzlich sind bei diesem Setup Kosten an folgenden Stellen möglich:

  • Firebase (es ist der Blaze-Plan erforderlich, der nach Nutzung abrechnet)
  • BigQuery Speicherplatz (Die ersten 10GB pro Monat sind kostenlos)
  • BigQuery Abfragen (Das erste TB an Analysen pro Monat ist kostenlos)
  • BigQuery Machine Learning Abfragen (Die ersten 10GB pro Monat sind kostenlos)

Bezüglich der Nutzung, die über die kostenlosen “Budgets” hinaus geht, finden Sie bei Google weitere Infos.

Für KMU’s fallen also häufig keine weiteren Kosten an, falls keine grossen Analysen durchgeführt werden. Google bietet so einen echten Mehrwert für KMU, nicht nur durch die Vielfalt der Google Cloud, sondern auch durch ein attraktives Kosten-Nutzen-Verhältnis.

Sollte ich bereits beginnen Google Analytics Rohdaten in BigQuery zu speichern?

Sollten Sie kein anderes System im Einsatz haben, welches Trackingdaten sammelt, ist unsere Antwort definitiv: ja!

Selbst wenn Sie die Daten erst in Zukunft nutzen werden, sollten Sie bereits beginnen ein derartiges Setup aufzubauen. Der Aufwand ist schliesslich sehr gering und sie fangen dabei an, Daten von Grund auf zu sammeln. Leider ist es eben nicht möglich historische Rohdaten, aus Ihrer klassischen Google Analytics-Ansicht in BigQuery zu importieren.

Brauchen Sie Hilfe bei Ihrem Analytics Setup?

Wir beraten Sie gerne rund um eine optimale Infrastruktur Ihrer Analytics-Daten, sowie einer optimalen Nutzung dieser, auf Basis neuester Technologien.

Treten Sie gerne unverbindlich mit uns in Kontakt!

9. Oktober 2019

Leave a reply


Moritz dwb AG die wanderbienen

Kerstin Gärtner Senior Geomarketing Consultant
Kontaktieren Sie unsere Spezialistin.
+41 41 511 10 17

Peter Hartmann Inhaber
Kontaktieren Sie unseren Spezialisten.
+41 41 511 10 15

Christiane C. Okonek Senior Data Scientist
Kontaktieren Sie unsere Spezialistin.
+41 41 511 10 12

Simon Wiesmann Data Scientist
Kontaktieren Sie unseren Spezialisten.
+41 41 511 10 19

Patrick Grütter Data Scientist
Kontaktieren Sie unseren Spezialisten.
+41 41 511 10 14

Patricia Feubli Senior Data Scientist
Kontaktieren Sie unsere Spezialistin.
+41 41 511 10 16