Wie kann ich meine A/B-Tests über Looker Studio und Bigquery verfolgen?

Erstellen Sie ein Looker Studio-Dashboard für A/B-Test-Tracking mit BigQuery.

‍

In diesem Artikel untersuchen wir die Schritte zum Einrichten eines Looker Studio-Dashboards speziell zum Verfolgen von A/B-Tests mit Integration über BigQuery.

‍

Zusammenfassung:

Erstellen Sie ein Looker Studio-Dashboard für A/B-Test-Tracking mit BigQuery.

1. Hintergrund und Ziele
2. Was sind die Voraussetzungen für das Tracking von A/B-Tests mit BigQuery und Ihrem Analysetool ?
3. Schritte zum Verbinden Ihres A/B-Testtools
4. Schritte zum Verbinden Ihres Analysetools mit BigQuery
5. Nutzung von A/B-TEST-Daten in BigQuery
6. Erstellen Sie ein A/B-Test-Tracking-Dashboard in Looker Studio 

Hintergrund und Ziele 

Was ist das Ziel?

Erstellen Sie ein Looker Studio-Dashboard, um Ihre A/B-Testdaten über BigQuery zu verfolgen und mittels erweiterter Datenvisualisierung wichtige Erkenntnisse zu gewinnen.

Wie in unserem Dashboard - AB Test - Welyft 

Was ist BigQuery?

BigQuery ist ein Cloud-Dienst von Google, der zum schnellen Speichern, Verarbeiten und Analysieren großer Datenmengen konzipiert ist.

Einige Links, um mehr zu erfahren: 

• BigQuery-Übersicht 
• Lagerung  
• Analyse
• Verwaltung  

Welchen Vorteil bietet die Verwendung von BigQuery?

BigQuery unterstützt Sie bei der Automatisierung der A/B-Testverfolgung durch die Ausführung programmierter SQL-Abfragen , die die empfangenen Rohdaten (alle Daten ohne Aggregationen) von Ihren Analysetools direkt verarbeiten und so präzise und personalisierte Berechnungen ermöglichen.

Die Grenzen bestimmter Analysetools? 

Die Verwendung eines Connectors zwischen einigen Analysetools und Looker Studio kann einige Schwachstellen aufweisen: 

• Probenahme 
• Ermöglicht keine erweiterten Berechnungen (Uplift, Downlift, statistische Konfidenz) 

Durch die Stichprobennahme können die Ergebnisse ungenau oder sogar verzerrt sein. Bei einem A/B-Test mit ähnlicher Leistung der Varianten kann es passieren, dass eine Variante fälschlicherweise zum Gewinner gekürt wird, was zu falschen Entscheidungen führt.

Erfahren Sie mehr über die Stichprobennahme 

Daher bevorzugen wir BigQuery, um: 

• Automatisierung 
• Vermeiden Sie Stichproben 
• Berechnen Sie Uplifts, Downlifts und statistische Konfidenzen

Warum sollten Sie ein Analytics-Tool mit einer direkten Verbindung zwischen A/B-Test und BigQuery wählen?

Die meisten A/B-Testtools bieten keine BigQuery-Integration oder befinden sich lediglich in der Betaphase, was die praktische Nutzung von BigQuery für A/B-Testdaten erschwert.

Wir haben das Framework und Ziel, ein Looker Studio-Dashboard zum Verfolgen von A/B-Tests über BigQuery zu erstellen. Jetzt werden wir sehen, was die Voraussetzungen für dieses Tutorial sind. 

Was sind die Voraussetzungen für das Tracking von A/B-Tests mit BigQuery und Ihrem Analysetool ?

Um A/B-Tests mit BigQuery und Ihrem Analysetool zu verfolgen, benötigen Sie:

• Ein Analytics-Konto (GA4, Piano, Matomo) 
• Sie müssen über ein aktives Abrechnungskonto bei BigQuery verfügen.
• Eine aktive Verbindung zwischen dem A/B-Testtool und dem Analysetool
• A/B-Testkampagnen laufen
• Senden Sie Daten aus Ihren A/B-Testkampagnen an Ihr Analysetool. 
• SQL-Kenntnisse . Tatsächlich erfolgt die Implementierung von Abfragen in BigQuery über die SQL-Sprache. Ohne Kenntnisse ist die Implementierung kompliziert. 

Darüber hinaus ist zu beachten, dass der Vorgang aufgrund der Umsetzung aller Bestimmungen für GCP einige Zeit in Anspruch nehmen kann . Da die Datenextraktion aus Ihrer Analyse erfolgt und die SQL-Abfragen vorbereitet werden müssen, sollten Sie zwischen einem und zwei Tagen (Wartezeit) einplanen. 

Wir fahren jetzt mit dem Tutorial zum Erstellen eines Looker Studio-Dashboards zum Verfolgen von A/B-Tests mit BigQuery fort.

In unserem Tutorial verwenden wir beispielsweise GA4 als Analysetool und Kameleoon als A/B-Testtool. 

Schritte zum Verbinden Ihres A/B-Testtools

Wie verbinden Sie Ihre A/B-Testkampagnen mit Ihrem Analysetool?

Wir werden sehen, wie Sie Ihr A/B-Testtool mit Ihrem Analysetool verbinden. In unserem Beispiel verwenden wir GA4 und Kameleoon.

1. Melden Sie sich bei Ihrer Kameleoon-Oberfläche an : https://app.kameleoon.com/integrations/dashboard.
2. Gehen Sie zu „Verwalten“ , dann zu „Integration “ und dann zu „GA4 installieren“, wählen Sie Ihre Domäne und Ihre Tool-Einstellungen (GTM oder Gtag) aus, die festlegen, wie die Daten für Ihr Analysetool erfasst werden.

3. Wenn Sie einen Ihrer Tests erstellen, gehen Sie zu „Abschließen“ , dann zu „Tracking und Ziele “, dann zu „Andere Tracking-Tools “ und aktivieren Sie GA4 . Dadurch können Sie Ihre A/B-Test-Ereignisse aus dieser Kampagne an Ihr Analysetool senden (Sie müssen jede Kampagne konfigurieren).

4. Starten Sie Ihren Test . Google Analytics erstellt automatisch Ereignisse für alle Tests, die Sie ausgeführt und konfiguriert haben. 

Sobald Sie die Verbindung zwischen Kameleoon und GA4 eingerichtet haben, können Sie überprüfen, ob die Daten an GA4 zurückgesendet werden.

Überprüfen Sie, ob die Daten korrekt an Ihr Analysetool gesendet werden 

Überprüfen Sie in Ihren Berichten, ob die Ereignisse richtig konfiguriert sind. 

In unserem Beispiel verwenden wir Kameleoon- und GA4- Daten. Wenn Sie ein anderes A/B-Testtool verwenden, müssen Sie sich am Namen des Ereignisses orientieren, das Sie während der Integration mit Ihrem Analysetool eingerichtet haben. 

1. Melden Sie sich bei Ihrer GA4- Oberfläche an: https://analytics.google.com/analytics/web.
2. Gehen Sie zur Registerkarte „Berichte“ , auf der sich alle Ihre Analysen befinden.

3. Klicken Sie auf den Bereich „Engagement“, um ihn zu öffnen, und klicken Sie dann auf „Events“, um auf Ihre Event-Oberfläche zuzugreifen.

4. Sobald Sie sich in der Benutzeroberfläche befinden, können Sie in die Suchleiste den Namen Ihres Ereignisses eingeben, den Sie während der Integration Ihres Analyse- und A/B-Testtools ermittelt haben.

In unserem Beispiel ist dies ein Kameleoon_experiment-Ereignis.

5. Klicken Sie auf „Enter“, um zur Auswertung Ihrer Veranstaltung zu gelangen.

In unserem Beispiel stellen wir fest, dass Daten vorhanden sind, die dem A/B-Test entsprechen . Wenn keine Ergebnisse vorliegen, überprüfen Sie, ob es sich tatsächlich um das von Ihnen konfigurierte Ereignis handelt, oder überprüfen Sie die Konfiguration Ihres A/B-Testtools.

Da in unserem Analysetool nun A/B-TEST-Daten vorhanden sind, verbinden wir Ihr Tool mit BigQuery.

Schritte zum Verbinden Ihres Analysetools mit BigQuery

Um Daten aus Ihrem Analysetool zu exportieren, müssen Sie zunächst BigQuery so konfigurieren, dass die extrahierten Daten empfangen werden. In diesem Zusammenhang müssen wir Google Cloud Platform konfigurieren.

Was ist die Google Cloud Platform?

Google Cloud Platform (GCP) ist eine Suite aus Cloud-Computing-Diensten, zu der auch BigQuery gehört. Wenn Sie BigQuery verwenden möchten, benötigen Sie ein GCP-Konto.

Wenn Sie mehr über GCP erfahren möchten: Übersicht über die Google Cloud Platform.

Hier sind alle einzurichtenden Konfigurationen :

• Erstellen eines GCP-Kontos 
• Erstellen eines Projekts 
• Ein Zahlungskonto einrichten
• BigQuery konfigurieren 
• Konfigurieren der Datenübertragungs-API

Erstellen eines GCP-Kontos

1. Erstellen Sie ein Google Cloud Platform-Konto: 

Gehen Sie dazu auf die Plattform https://cloud.google.com/?hl=fr und klicken Sie dann auf „Jetzt starten“.

Wählen Sie Ihr Land aus und akzeptieren Sie.

Geben Sie Ihre Zahlungsinformationen ein.

Klicken Sie auf „Kostenlose Testversion starten“.

2. Erstellen Sie ein neues Projekt: 

Was ist ein Projekt?

Ein GCP-Projekt ist ein einzelner Arbeitsbereich, in dem Ihre Daten und Anwendungen zentralisiert sind. Dies erleichtert die Zusammenarbeit und die projektspezifische Abrechnung für Ihr gesamtes Unternehmen.

Dies bedeutet, dass Sie zur Vereinfachung der Rechnungsstellung und Ihrer Organisation ein einzelnes Projekt erstellen, in das Sie alle Ihre Daten integrieren.

Wenn Sie mehr über Projekte in GCP erfahren möchten: Projekteübersicht.

Wenn Sie noch kein Projekt erstellt haben, gehen Sie zu Ihrer GCP-Schnittstelle https://console.cloud.google.com/welcome und klicken Sie dann auf „Neues Projekt“.

• Geben Sie Ihren Projektnamen ein. Sie können einen allgemeinen Namen wie den Namen Ihres Unternehmens wählen. 
• Wählen Sie eine Organisation aus , die Sie beim Erstellen Ihres GCP-Kontos eingerichtet haben.
• Wählen Sie einen Bereich, der dem Ordner entspricht, in den Sie Ihr Projekt integrieren. 
• Drücken Sie dann auf „Erstellen“.

3. Abrechnungskonto zu Ihrem Projekt: 

Was ist ein Abrechnungskonto?

Ein Abrechnungskonto in Google Cloud Platform (GCP) ist eine Entität, die die Abrechnung verwaltet und mit einem Projekt verknüpft werden kann, um alle damit verbundenen Kosten zu zentralisieren und zu kontrollieren.

Weitere Informationen zu Abrechnungskonten: Verwalten Sie Ihr Abrechnungskonto .

Zum Aktivieren der BigQuery Data Transfer API ist ein Abrechnungskonto erforderlich (wir erklären später, was die Data Transfer API ist).

Wie erstelle ich ein Abrechnungskonto?

Wenn Sie bereits eins erstellt haben, gehen Sie hierhin. (Link zu: Wie verknüpfen Sie Ihr Abrechnungskonto mit Ihrem Projekt?).

Falls Sie bei der Erstellung des GCP-Kontos kein Abrechnungskonto erstellt haben: 

Gehen Sie zur GCP-Oberfläche, geben Sie „Abrechnungskonto“ in die Suchleiste ein und klicken Sie dann auf „Abrechnungskonto“. 

GCP teilt Ihnen mit, dass „Dieses Projekt keine Abrechnungskonten hat“. Klicken Sie auf „Abrechnungskonten verwalten“.

Klicken Sie auf „Abrechnungskonto hinzufügen“.

Wählen Sie Ihr Land. 

Die Erstellung eines Abrechnungskontos läuft wie folgt ab: 

• Kontotyp
• Steuerinformationen
• Name und Adresse
• Hauptkontakt
• Zahlungsabwicklung
• Zahlungsmethode

Wir werden Punkt für Punkt sehen, was die verschiedenen Informationen bedeuten, die Sie ausfüllen müssen.

Der Kontotyp ermöglicht Ihnen die Übermittlung von Informationen, unabhängig davon, ob Sie eine Einzelperson oder ein Unternehmen sind. In unserem Fall sind wir eine „Organisation“. 

Ihr Steuerstatus wird automatisch entsprechend Ihrer vorherigen Auswahl vervollständigt. Bei den Steuerinformationen können Sie nur Ihren Steuerstatus eintragen, der Rest ist optional.

Wenn Sie eine Organisation sind, geben Sie unter Name und Adresse Folgendes ein: 

• Der Name Ihres Unternehmens.
• Der Name des Erziehungsberechtigten.
• Adresse, Postleitzahl und Ort des Hauptsitzes.

Unter „Hauptkontakt“ : Fügen Sie den Kontaktnamen und die E-Mail-Adresse hinzu.

Zur Zahlungsabwicklung : Du hast 90 Tage lang einen Gratisaccount, darum musst du dir keine Gedanken machen. Wenn Sie weitere Informationen zur GCP-Testversion wünschen: https://cloud.google.com/free?hl=fr .

Geben Sie als Nächstes Ihre Zahlungsinformationen ein.

Wie verknüpfen Sie Ihr Abrechnungskonto mit Ihrem Projekt? 

Gehen Sie zurück zu „Abrechnungskonten verwalten“.

‍

Wählen Sie Ihre Organisation und dann Ihr Abrechnungskonto aus, um es Ihrem Projekt zuzuordnen.

Sobald Sie ein Abrechnungskonto mit Ihrem Projekt verknüpft haben, können Sie die BigQuery-API aktivieren, um Zugriff auf BigQuery und dann auf die Datenübertragungs-API zu erhalten.

‍

Aktivieren der BigQuery-API 

1. Aktivieren Sie die BigQuery-API . Die Aktivierung erfolgt nahezu augenblicklich.

Dadurch können Sie auf das BigQuery-Tool zugreifen und Daten empfangen.

2. Aktivieren Sie die BigQuery Data Transfer API: 

Was ist die BigQuery Data Transfer API? 

Es ermöglicht Ihnen: 

• Datenübertragung automatisieren (über Abfragen).
• Verwalten Sie die Übertragungsüberwachung.
• Behandeln Sie die Fehlerbehandlung.
• Automatische Aktualisierung der Datensätze.

In unserem Fall ermöglicht uns die API, automatisierte Abfragen zu erstellen, um A/B-Testdaten zu aggregieren und Tabellen für Looker Studio zu erstellen. 

Um die BigQuery Data Transfer API zu aktivieren, müssen Sie zur Data Transfer API gehen Klicken Sie dann auf „Aktivieren“ . Die Aktivierung kann mehrere Stunden dauern. 

Sobald die API aktiviert ist, ist alles für die Datenverarbeitung vorhanden. Der nächste Schritt besteht darin, die GA4-Daten in Ihre BigQuery zu exportieren.

Greifen Sie auf Ihr Analysetool zu und aktivieren Sie die BigQuery-Integration

In GA4 

1. Melden Sie sich bei Ihrem Google Analytics 4-Konto an: https://analytics.google.com/analytics/web.
2. Gehen Sie zu den Administratoreinstellungen und suchen Sie die Option „BigQuery-Links“.

6. Klicken Sie auf „Link“, um Ihre BigQuery-Connector-Einstellungen zu öffnen.

6. Klicken Sie auf „Projekt auswählen“.

8. Wählen Sie das Projekt aus, das Sie zuvor in GCP erstellt haben, und klicken Sie auf „Bestätigen“ .

9. Wählen Sie Ihren Datenspeicherort . Wählen Sie denselben Speicherort wie für Ihr Projekt , da die Daten sonst nicht empfangen werden. Klicken Sie dann auf „Weiter“ .

10. Konfigurieren Sie die Häufigkeit, indem Sie den Exporttyp auswählen .

Es gibt zwei Arten des GA4-Exports nach BigQuery: 

1. Streaming für Echtzeit- Updates, diese Option ist teurer. 
2. Im täglichen Fluss für die einmalige Datenübertragung.

Weitere Informationen finden Sie hier in der Dokumentation zu Exporthäufigkeit und -preis: 

• Informationen zur Exporthäufigkeit
• Preise für die Datenextraktion  

In unserem Beispiel wählen wir den täglichen Export, da dieser häufiger vorkommt, einfacher abzufragen ist und weniger kostet.

Klicken Sie anschließend auf „Weiter“.

11. Ihr BigQuery-Link wurde erstellt. Sie können diese Erfolgsmeldung und Ihren BigQuery-Projektnamen sehen.

Nachdem Sie Ihre Verknüpfung zwischen GA4 und BigQuery erstellt haben, kehren Sie zu BigQuery zurück, um zu überprüfen, ob Sie die Daten erhalten haben. 

Überprüfen Sie, ob Ihre Ereignisdaten korrekt nach BigQuery exportiert wurden. 

• Wenn Sie den täglichen Export gewählt haben: Warten Sie bis zum nächsten Morgen.
• Wenn Sie Streaming-Export gewählt haben: Sie können es direkt überprüfen.

Wir prüfen jetzt, ob die GA4-Daten in BigQuery vorhanden sind.

1. Gehen Sie zu BigQuery .
2. Gehen Sie als Nächstes zu BigQuery Studio.

3. Explorer anzeigen . Über den Explorer können Sie auf alle Ihre Datenquellen zugreifen.

4. Überprüfen Sie , ob der GA4- Datensatz vorhanden ist (er sollte automatisch hinzugefügt werden, wenn Sie die GA4-BigQuery-Verbindung erstellt haben). Sein Name beginnt mit „analytics_“. 

5. Klicken Sie nach Abschluss der Überprüfung auf den Pfeil, um den Knoten zu erweitern . Die Tabelle „events_“ wird angezeigt. 

6. Klicken Sie darauf, um alle Tabelleneinstellungen anzuzeigen. 

7. Klicken Sie dann auf „Vorschau“ . Daraufhin wird eine Vorschau aller Ihrer Daten angezeigt, um zu überprüfen, ob Sie über Ihre GA4-Daten verfügen.

Zur Information: GA4 verwendet eine ereignisbasierte Struktur, bei der jede Benutzerinteraktion als Ereignis mit zusätzlichen Parametern aufgezeichnet wird, um kontextbezogene Details bereitzustellen. In unserer Situation ermöglicht diese Struktur die Erstellung von Dimensionen und Metriken aus Ereignisparametern.

Sie können beobachten, dass die GA4-Daten die folgende Struktur haben: 

• Event_name: Name der Veranstaltung
• event_params.key : Name des Ereignisparameters 
• event_params.value.string_value: Parameterwert im String-Format (eine Zeichenfolge)
• event_params.value.int_value: Parameterwert im int-Format (numerische Werte)

Die Spalte event_params.key entspricht den Ereignisparametern. Sie ermöglichen Ihnen, die Dimensionen zu definieren, die Sie für Ihre Analyse benötigen. 

Die event_params_value-Spalten sind die Werte der verschiedenen Parameter. 

Da Sie nun GA4-Daten in Ihrer BigQuery haben, verarbeiten wir A/B-Testdaten aus diesem GA4-Datensatz.

Nutzung von A/B-TEST-Daten in BigQuery 

Grundlegendes zu A/B-Testereignissen in BigQuery 

In unserem Beispiel möchten wir die A/B-Testdaten von Kameleoon verwenden.

Vor Um die Daten zu verarbeiten, müssen wir analysieren, was in unseren A/B-Test-Ereignissen des GA4-Exports nutzbar ist. 

Wir werden eine SQL-Abfrage schreiben, um A/B-Testereignisse über Filter anzusprechen.

1. Gehen Sie zu BigQuery und klicken Sie dann auf „SQL QUERY“.

Es erscheint ein leeres Fenster, in dem Sie Ihre SQL-Abfragen schreiben und testen können.

Um genau zu analysieren, was in Ihren AB-Test-Ereignissen ausnutzbar ist, können Sie diese Ereignisse über Filter in Ihren Abfragen gezielt ansprechen.

2. Um A/B-Testereignisse gezielt anzusprechen, verwenden Sie die folgende Abfrage: 

Fügen Sie die Abfrage ein und ersetzen Sie Ihren Tabellenpfad durch Ihren Projektnamen, Ihren Analysedatensatz und Ihren Ereignisnamen: SELECT * FROM `project_name.analytics_XXXXXXXX.events_XXXXXXXX` where event_name in("your_event_name") LIMIT 10 

3. Klicken Sie auf „Ausführen“.

4. Nach der Ausführung können Sie Ihr AB-Testereignis analysieren.

Sie haben also alle Karten in der Hand, um alle gewünschten Dimensionen und Metriken für Ihre A/B-Testanalysen zu definieren.

Definieren Sie die Dimensionen und Metriken Ihrer Analysen

Beginnen Sie mit der Identifizieren und Klassifizieren der Dimensionen und Metriken, die Sie für Ihre Analyse benötigen: Erstellen Sie (einige KPIs sind benutzerdefiniert) die wichtigsten Dimensionen und Metriken, die die Leistung Ihrer A/B-Tests widerspiegeln.

Beispiel für Klassifizierungen:

1. G4 native Dimensionen : Experimentname, Variationsname, Kampagnen-ID, Gerätetyp.
2. G4 native Metriken: Conversion-Rate, Sitzungen, Seitenaufrufe, durchschnittliche Sitzungsdauer.
3. Benutzerdefinierte Metriken in BigQuery Uplift, Downlift.

Sobald Sie die Dimensionen und Metriken definiert haben, können Sie Ihre SQL-Abfrage einrichten. 

Bereiten Sie Ihre SQL-Abfrage vor, um Ihre Daten in BigQuery zu aggregieren 

Sobald Sie wissen, was Sie für Ihre Analysen benötigen, müssen Sie Ihre SQL-Abfrage an Ihre Bedürfnisse anpassen. Zur Generierung Ihrer Abfrage können Sie KI verwenden. 

Hier ist eine Beispielabfrage zum Abrufen der oben genannten Dimensionen und Messwerte: 

^{MIT experiment_events AS (SELECT user_pseudo_id,event_timestamp,event_name,(SELECT value.string_value FROM UNNEST(event_params) WHERE KEY='campaign') AS campaign,(SELECT value.string_value FROM UNNEST(event_params) WHERE KEY='variation_name') AS variation_name,(SELECT value.int_value FROM UNNEST(event_params) WHERE KEY='campaign_id') AS campaign_id,device.category as device_type FROM `project_name.data_set.events_*` WHERE event_name IN ('kameleoon_experiment','conversion','session_start','page_view')), session_metrics AS (SELECT user_pseudo_id,AVG(event_timestamp) ÜBER (PARTITION BY user_pseudo_id) - MIN(Ereigniszeitstempel) ÜBER (PARTITION NACH Benutzer-Pseudo-ID) AS Sitzungsdauer FROM Experimentereignisse WHERE Ereignisname='Sitzungsstart') SELECT Kampagne, Variationsname, Kampagnen-ID, Gerätetyp, SAFE_DIVIDE(ZÄHLENWENN(Ereignisname='Konvertierung'), ZÄHLENWENN(Ereignisname='Sitzungsstart')) AS Konvertierungsrate, ZÄHLENWENN(Ereignisname='Sitzungsstart') AS Sitzungen, DURCHSCHNITT(Sitzungsdauer) AS Sitzungsdurchschnitt, SAFE_DIVIDE(ZÄHLENWENN(Ereignisname='Konvertierung'), ZÄHLENWENN(Ereignisname='Sitzungsstart'))-(SELECT SAFE_DIVIDE(ZÄHLENWENN(Ereignisname='Konvertierung'), ZÄHLENWENN(Ereignisname='Sitzungsstart')) FROM Experimentereignisse WHERE Variationsname='Kontrolle') AS Uplift,(SELECT SAFE_DIVIDE(ZÄHLENWENN(Ereignisname='Konvertierung'),ZÄHLENWENN(Ereignisname='Sitzungsstart')) FROM experiment_events WHERE variation_name='Kontrolle')-SAFE_DIVIDE(ZÄHLENWENN(Ereignisname='Konvertierung'),ZÄHLENWENN(Ereignisname='Sitzungsstart')) AS downlift FROM experiment_events JOIN session_metrics USING (user_pseudo_id) GROUP BY campaign,variation_name,campaign_id,device_type ORDER BY conversion_rate DESC limit 10}

Es handelt sich hierbei um eine Beispielabfrage, verwenden Sie diese Abfrage jedoch nicht für Ihre Analysen . Sie können sich von dieser Abfrage inspirieren lassen, um Ihre eigene zu erstellen.

Befolgen Sie dann den gleichen Vorgang die Sie zuvor zum Ausführen von Abfragen gesehen haben, führen Sie Ihre Abfrage in BigQuery Studio aus und überprüfen Sie Ihre Ergebnisse.

Sobald Sie die Ergebnisse Ihrer Abfrage haben, können Sie geplante Abfragen erstellen, die automatisch ausgelöst werden.

Erstellen Sie Ihre geplanten Abfragen

Durch automatische Abfragen können Sie Tabellen erstellen, die dann für die Verbindung mit Looker Studio verfügbar sind. 

Wenn Sie in BigQuery Studio sind und Ihre Abfrageergebnisse gut sind, können Sie die folgenden Schritte ausführen: 

1. Klicken Sie auf „Planen“.

Auf der rechten Seite öffnet sich ein Fenster, in dem Sie Ihre Abfrage konfigurieren können.

2. Konfigurieren der geplanten Abfrage :
   1. Der Name der Abfrage: Sie können sie „ab test“ nennen, was den Namen Ihres Projekts, den Namen der Site oder den Testtyp ergibt.

2. Die Wiederholungshäufigkeit : Sie können die für Ihre Anforderungen am besten geeignete auswählen. Wir wählen eine Häufigkeit pro Tag, um eine wöchentliche Vision zu haben und uns an den täglichen Export von GA4 anzupassen.

3. Die Zeit der Wiederholungsfrequenz : Die Zeit ist in UTC, wir wählen eine Zeit, die nach dem Empfang der GA4-Daten liegt, damit die Anforderung nicht ausgelöst wird, bevor die Daten empfangen wurden.

4. Start- und Endzeit : Wenn wir nichts berühren, wird die Abfrage beim nächsten Durchlauf gemäß unserem Zeitplan zum ersten Mal ausgelöst und gemäß der Häufigkeit auf unbestimmte Zeit ausgeführt. 

5. Legen Sie das Ziel der Anfrage fest. 

Du kannst :

• Erstellen eines dedizierten Datensatzes 
• Wählen Sie einen vorhandenen Datensatz aus (z. B. Ihren Datensatz analytics_XXXXX, der durch die GA4-Verbindung erstellt wurde).

Wir werden sehen, wie bei beiden Möglichkeiten vorgegangen wird. 

6. Erstellen Sie einen dedizierten Datensatz : Wenn Sie einen dedizierten Datensatz erstellen möchten, klicken Sie auf „DATENSATZ ERSTELLEN“.

7. Es öffnet sich ein Fenster. Sie können Ihrem Datensatz einen Namen geben, zum Beispiel: A/B-Test . Wählen Sie anschließend die Region aus (Sie müssen dieselbe Region wie für den Analysedatensatz auswählen, sonst können Sie die Abfrage in diesem Datensatz nicht programmieren). Klicken Sie anschließend auf „DATENSATZ ERSTELLEN“.

8. Sobald Ihr Datensatz erstellt wurde (oder nicht), wählen Sie den Datensatz aus und benennen Sie Ihre Zieltabelle (der Einfachheit halber verwenden wir häufig denselben geplanten Abfragenamen wie den Tabellennamen).

9. Schreibpräferenz: 

• Zur Tabelle hinzufügen : Fügen Sie die Zeilen nach der Tabelle hinzu. Anschließend müssen Sie die SQL-Abfrage entsprechend anpassen, um Duplikate zu vermeiden.
• Tabelle überschreiben: Ersetzt die Tabelle bei jeder Ausführung durch neue Abfrageergebnisse, hilft bei der Vermeidung von Duplikaten und erfordert keine Änderung Ihrer Abfrage.

10. Standorttyp: Sie können die Region automatisch auswählen, indem Sie das Kontrollkästchen „Automatische Standortauswahl“ aktivieren.

Wenn Sie es manuell auswählen möchten: Es muss mit dem Ihres Analysedatensatzes übereinstimmen.

11. Speichern Sie die geplante Abfrage . Anschließend können Sie die Abfrageplanung überprüfen, indem Sie im Menü links auf „Geplante Abfragen“ gehen.

Dies ist die Schnittstelle für geplante Anfragen:

Sie finden folgende Informationen: 

• Abfragename
• Quelle : wird immer eine geplante Abfrage sein 
• Terminplanung : Entspricht Ihrer Terminplanungseinstellung, also Häufigkeit und Zeitpunkt 
• Region : In welcher Region Sie Ihre geplante Abfrage festlegen 
• Der Zieldatensatz : Dies ist das Ziel, wo die Ergebnisdaten Ihrer Abfrage gespeichert werden. 
• Die nächste Hinrichtung 
• Aktionen: Sie können löschen oder deaktivieren (es wird inaktiv) 

Wenn Sie Ihre Abfrage testen möchten, um sicherzustellen, dass keine Programmierprobleme vorliegen, können Sie sie manuell ausführen.

Klicken Sie hierzu auf Ihre Anfrage, um zu den Details Ihrer programmierten Anfrage zu gelangen und klicken Sie anschließend auf Terminausfüllung.

Klicken Sie zurück, dann sehen Sie an diesem Symbol, dass die Anfrage bearbeitet wird.

Wenn keine Ausführungsprobleme vorliegen, wird das Validierungssymbol angezeigt.

Andernfalls wird ein Fehlersymbol angezeigt. Wenn dies geschieht , gehen Sie zu den Details Ihrer Anfrage, um weitere Informationen zum Fehler zu erhalten und ihn zu beheben. Die Gründe können vielfältig sein . Falls Sie auf Schwierigkeiten stoßen, finden Sie hier eine Dokumentation : Probleme beim Ausführen von Abfragen .

Sobald Sie Ihre Abfrage programmiert haben, ist alles bereit für die Verbindung mit Looker Studio. 

Erstellen Sie ein A/B-Test-Tracking-Dashboard in Looker Studio 

Wie verbinde ich Looker Studio mit BigQuery? 

Looker Studio verfügt über native BigQuery-Konnektoren, die die direkte Verwendung von Daten aus Ihren BigQuery-Tabellen ermöglichen.

1. Gehen Sie zu Looker Studio .
2. Wenn Sie noch kein Konto haben, erstellen Sie eins. ‍
3. Jetzt definieren wir unsere BigQuery-Tabellen als Datenquellen. Klicken Sie anschließend auf „Erstellen“ und anschließend auf „Datenquelle“.

4. Wählen Sie den BigQuery-Connector.

5. Wählen Sie die entsprechende Tabelle aus: Sie müssen das Projekt, dann den Datensatz und dann die Tabelle auswählen, die der Zieltabelle Ihrer programmierten Abfrage entspricht, und dann auf „Zuordnen“ klicken.

6. Geben Sie Ihrer Datenquelle einen Namen, Beispiel : „A/B-Test – BigQuery “.

Ihre Datenquelle ist in Looker Studio integriert, Sie können jetzt mit der Erstellung Ihres Dashboards beginnen. 

Erstellen Sie Ihr Dashboard 

Sobald Sie in Looker Studio mit Ihren Tabellen verbunden sind, erstellen Sie Ihr Dashboard mit den verfügbaren Dimensionen und Metriken, um die Leistung Ihrer A/B-Tests einfach zu visualisieren und zu analysieren .

1. Erstellen Sie in Looker Studio einen Bericht, der als Ihr Dashboard dienen soll.

Beim Erstellen eines Berichts fordert Looker Studio automatisch auf, eine Datenquelle hinzuzufügen .

2. Gehen Sie zu „Meine Datenquellen“. 

3. Fügen Sie Ihre BigQuery- Datenquelle hinzu .

4. Geben Sie Ihrem Bericht oben links einen Namen und suchen Sie nach einer Nomenklatur dafür, z. B. „Dashboard gefolgt von A/B-Test“.

5. Fügen Sie die entsprechenden Visualisierungen ein, um Ihr Dashboard zu erstellen.

6. Fügen Sie Ihre Dimensionen und Metriken hinzu.

Wenn Sie im Banner rechts auf Ihre Visualisierung klicken, wird diese angezeigt.

Darin finden Sie rechts unter „Daten“ unter Ihren Quellen die Liste der Dimensionen und Metriken .

Sie können sie per Drag & Drop verschieben oder auf „Dimension/Metrik hinzufügen“ klicken, um sie zu Ihrer Visualisierung hinzuzufügen.

7. Um Ihre Visualisierung zu gestalten, klicken Sie auf Ihre Visualisierung und dann auf die Schaltfläche „Stil“, um die Einstellungen zum Anpassen des Stils Ihrer Datenvisualisierung anzuzeigen. 

‍

Sie haben jetzt die Karten in der Hand, um Ihr Looker Studio-Dashboard für die Verfolgung Ihrer A/B-Testdaten über BigQuery zu erstellen und über erweiterte Datenvisualisierung entscheidende Erkenntnisse zu erhalten.

‍