¿Cómo puedo hacer un seguimiento de mis pruebas A/B utilizando Looker studio y Bigquery?

Cree un panel de Looker Studio para supervisar las pruebas A/B con BigQuery.

‍

En este artículo, vamos a explorar los pasos necesarios para configurar un panel de Looker Studio dedicado al seguimiento de las pruebas A/B, con integración a través de BigQuery.

‍

Contenido:

Cree un panel de Looker Studio para supervisar las pruebas A/B con BigQuery.

1. Antecedentes y objetivos
2. ¿Cuáles son los requisitos previos para realizar el seguimiento de las pruebas A/B con BigQuery y su herramienta de análisis? ?
3. Pasos para conectar su herramienta de pruebas A/B
4. Pasos para conectar su herramienta de análisis a BigQuery
5. Explotación de datos A/B TEST en BigQuery
6. Creación de un panel de control de pruebas A/B en Looker Studio 

Antecedentes y objetivos 

¿Cuál es el objetivo?

Crea un cuadro de mando Looker Studio para monitorizar tus datos de test A/B, utilizando BigQuery para obtener insights decisivos a través de dataviz avanzado.

Como en nuestro Dashboard Dashboard - AB Test - Welyft 

‍¿Quées BigQuery?

BigQuery es un servicio en la nube de Google diseñado para almacenar, procesar y analizar rápidamente grandes cantidades de datos.

Aquí tiene algunos enlaces para saber más: 

• Presentación de BigQuery 
• Almacenamiento  
• Análisis
• Administración  

¿Cuáles son las ventajas de utilizar BigQuery?

BigQuery automatiza el seguimiento de las pruebas A/B mediante la ejecución de consultas SQL programadas que procesan directamente los datos en bruto recibidos (todos los datos sin agregar) de sus herramientas de análisis, lo que permite realizar cálculos precisos y personalizados.

¿Las limitaciones de algunas herramientas de análisis? 

El uso de un conector entre determinadas herramientas de análisis y Looker Studio puede tener sus inconvenientes: 

• Muestreo 
• No permite cálculos avanzados (subida, bajada, confianza estadística) 

El muestreo puede hacer que los resultados sean imprecisos o incluso distorsionados. En la situación de una prueba A/B en la que los resultados de las variaciones son similares: puede designar falsamente a una variación como ganadora, lo que conduce a decisiones erróneas.

Más información sobre el muestreo 

Así que preferimos utilizar BigQuery para : 

• Automatización 
• Evitar el muestreo 
• Cálculo de subidas, bajadas y confianza estadística

¿Por qué elegir una herramienta de análisis con conexión directa entre A/B Test y BigQuery?

La mayoría de las herramientas de pruebas A/B no ofrecen integración con BigQuery, o sólo están en la fase de versión beta, lo que significa que BigQuery no puede utilizarse para los datos de las pruebas A/B.

Ya tenemos el framework y el objetivo para crear un dashboard Looker Studio para monitorizar tests A/B usando BigQuery. Ahora vamos a ver los requisitos previos para este tutorial. 

¿Cuáles son los requisitos previos para realizar el seguimiento de las pruebas A/B con BigQuery y su herramienta de análisis? ?

Para realizar un seguimiento de las pruebas A/B con BigQuery y su herramienta de análisis, necesita..:

• Una cuenta de análisis (GA4, Piano, Matomo) 
• Tener una cuenta de facturación activa con BigQuery
• Una conexión activa entre la herramienta depruebas A/B y la herramienta de análisis
• Campañas de pruebasA/B en marcha
• Envíe los datos de sus campañas de pruebas A/B a su herramienta de análisis. 
• Conocimientos de SQL, ya que las consultas en BigQuery se configuran utilizando lenguaje SQL, sin estos conocimientos será complicado configurarlas. 

Además, hay que tener en cuenta que el proceso puede llevar tiempo, debido a la puesta en marcha de todos los preparativos para GCP, y el tiempo para recibir los datos de su extracción analítica, así como el tiempo para preparar las consultas SQL, permiten entre un día o dos (tiempo de espera). 

Ahora pasaremos al tutorial para crear un cuadro de mando Looker Studio para el seguimiento de las pruebas A/B utilizando BigQuery.

A lo largo de nuestro tutorial, utilizaremos GA4 como ejemplo de herramienta de análisis y Kameleoon como herramienta de pruebas A/B. 

Pasos para conectar su herramienta de pruebas A/B

¿Cómo conecta sus campañas de pruebas A/B a su herramienta de análisis?

Vamos a ver cómo conectar tu herramienta de test A/B con tu herramienta de análisis, en nuestro ejemplo estamos usando GA4 y Kameleoon.

1. Conéctese a su interfaz Kameleoon: https: //app.kameleoon.com/integrations/dashboard.
2. Vaya a Gestión, luego a Integración, luego a Instalar GA4, seleccione su dominio y la configuración de su herramienta (GTM o Gtag ), que definirá cómo se recopilarán los datos para su herramienta de análisis.

3. Cuando cree una de sus pruebas, vaya a Finalizar, luego a Seguimiento y objetivos, luego a "Otras herramientas de seguimiento" y marque GA4, lo que permitirá que los eventos de las pruebas A/B de esta campaña se envíen a su herramienta de análisis (debe configurar los parámetros para cada campaña).

4. Ejecute su prueba. Google Analytics crea automáticamente eventos para todas las pruebas que haya lanzado y configurado. 

Una vez establecida la conexión entre Kameleoon y GA4, puede comprobar que los datos vuelven a GA4.

Compruebe que los datos se introducen realmente en su herramienta de análisis 

En sus informes, compruebe que los eventos están correctamente configurados. 

En nuestro ejemplo, estamos utilizando datos de kameleoon y GA4. Si utiliza otra herramienta depruebas A/B, deberá utilizar el nombre del evento que configuró durante la integración con su herramienta de análisis. 

1. Conéctese a su interfaz GA4: https: //analytics.google.com/analytics/web.
2. Vaya a la pestaña Informes, donde encontrará todos sus análisis.

3. Haga clic en el panel Compromiso para abrirlo y, a continuación, en "Eventos" para acceder a la interfaz de sus eventos.

4. Una vez en la interfaz, puede escribir el nombre de su evento en la barra de búsqueda, que identificó durante la integración de su herramienta de análisis y pruebas A/B.

En nuestro ejemplo, se trata de un evento kameleoon_experiment.

5. Haga clic en "entrar" para ir al análisis de su evento.

En nuestro ejemplo, podemos ver que hay datos correspondientes a la prueba A/B. Si no hay resultados, compruebe que se trata del evento que ha configurado, o compruebe la configuración de su herramienta de pruebas A/B.

Ahora que tenemos los datos del A/B TEST en nuestra herramienta de análisis, vamos a conectar tu herramienta a BigQuery.

Pasos para conectar su herramienta de análisis a BigQuery

Para exportar datos desde su herramienta de análisis, primero debe configurar BigQuery para recibir los datos extraídos. Para ello, debemos configurar la plataforma en la nube de Google.

‍¿Quées Google Cloud Platform?

Google Cloud Platform (GCP) es un conjunto de servicios de computación en nube que incluye BigQuery. Necesita una cuenta GCP si desea utilizar BigQuery.

Para saber más sobre GCP: presentación de Google Cloud Platform.

Aquí están todas las configuraciones que hay que establecer:

• Crear una cuenta GCP 
• Crear un proyecto 
• Crear una cuenta de pago
• Configuración de BigQuery 
• Configuración de la API de transferencia de datos

‍Crearuna cuenta GCP

1. Cree una cuenta de Google Cloud Platform: 

Para ello, vaya a https://cloud.google.com/?hl=fr y haga clic en "Empezar ahora".

Elija su país y acepte.

Introduzca sus datos de pago.

Haga clic en "Iniciar prueba gratuita".

2. Crear un nuevo proyecto : 

¿Qué es un proyecto?

Un proyecto de GCP es un espacio de trabajo único donde se centralizan sus datos y aplicaciones, lo que facilita la colaboración y la facturación específica del proyecto para toda su organización.

Esto significa que, para facilitar la facturación y la organización, puede crear un único proyecto o integrar todos sus datos en él.

Para saber más sobre los proyectos en GCP: Visión general de los proyectos.

Si aún no ha creado un proyecto, vaya a su interfaz de GCP https://console.cloud.google.com/welcome y haga clic en "Nuevo proyecto ".

• Rellene el nombre de su proyecto, puede tomar un nombre amplio como el nombre de su empresa. 
• Elija una organización que haya configurado al crear su cuenta de GCP.
• Elija una zona, que corresponde a la carpeta en la que está integrando su proyecto. 
• A continuación, pulse "Crear".

3. Cuenta de facturación para su proyecto: 

‍¿Quées una cuenta de facturación?

Una cuenta de facturación en Google Cloud Platform (GCP) es una entidad que gestiona la facturación y puede vincularse a un proyecto para centralizar y controlar todos los costes asociados.

Más información sobre cuentas de facturación: Gestione su cuenta de facturación.

Se necesita una cuenta de facturación para activar la API de transferencia de datos de BigQuery (más adelante explicaremos qué es la API de transferencia de datos).

¿Cómo se crea una cuenta de facturación?

Si ya ha creado una, vaya aquí. (enlace a: Cómo vincular tu cuenta de facturación a tu proyecto).

Si no creó una cuenta de facturación durante la creación de la cuenta de GCP : 

Vaya a la interfaz de GCP y escriba "cuenta de facturación en la barra de búsqueda", después haga clic en "Cuenta de facturación". 

GCP le dirá que "Este proyecto no incluye ninguna cuenta de facturación ", así que haga clic en "Gestionar cuentas de facturación".

Haga clic en "Añadir una cuenta de facturación".

Seleccione su país. 

La creación de una cuenta de facturación se estructura del siguiente modo: 

• Tipo de cuenta
• Información fiscal
• Nombre y dirección
• Contacto principal
• Procesamiento de pagos
• Forma de pago

Vamos a ver paso a paso la información que debe rellenar.

El tipo de cuenta se utiliza para indicar si usted es un particular o una empresa; en nuestro caso somos una "Organización". 

Su situación fiscal se completa automáticamente según su elección anterior. Para la información fiscal, puede simplemente introducir su situación fiscal, el resto es opcional.

En nombre y dirección, si es una organización, rellene : 

• El nombre de su empresa.
• El nombre de la persona legalmente responsable.
• Dirección, código postal y localidad del domicilio social.

En "contacto principal": añada el nombre y la dirección de correo electrónico del contacto.

En cuanto al procesamiento de pagos, dispone de una cuenta gratuita durante 90 días, así que no tiene que preocuparse por eso. Si desea más información sobre la versión de prueba de GCP: https: //cloud.google.com/free?hl=fr.

A continuación, introduzca sus datos de pago.

¿Cómo se vincula la cuenta de facturación al proyecto? 

Volver a "Gestionar cuentas de facturación".

‍

Seleccione su organización y, a continuación, su cuenta de facturación para asociarla a su proyecto.

Una vez que tenga una cuenta de facturación asociada a su proyecto, puede activar la API BigQuery para acceder a BigQuery y, a continuación, la API de transferencia de datos.

‍

Activación de la API BigQuery 

1. Activar laAPI BigQueryAPI, la activación es casi instantánea.

Esto nos da acceso a la herramienta BigQuery y nos permite recibir datos.

2. Active la API de transferencia de datos de BigQuery: 

¿Qué es la API de transferencia de datos de BigQuery? 

Le permite : 

• Automatizar la transferencia de datos (mediante consultas).
• Gestionar el control de las transferencias.
• Gestión de errores.
• Actualización automática de los conjuntos de datos.

En nuestro caso, la API nos permitirá crear consultas automatizadas para agregar datos de Pruebas A/B y crear tablas para Looker Studio. 

Para activar la API de transferencia de datos de BigQuery, vaya a API de transferencia de datos La activación puede tardar varias horas. 

Una vez activada la API, todo está listo para procesar los datos. El siguiente paso es exportar los datos GA4 a su BigQuery.

Acceda a su herramienta de análisis y active la integración de BigQuery

En GA4 

1. Acceda a su cuenta de Google Analytics 4: https: //analytics.google.com/analytics/web.
2. Vaya a los ajustes de administración y busque la opción "Enlaces BigQuery".

6. Haga clic en "Enlace" para abrir la configuración de su conector BigQuery.

6. Haga clic en "Elegir un proyecto".

8. Elija el proyecto que ha creado anteriormente en GCP y haga clic en "Confirmar".

9. Elija la ubicación de sus datos, seleccione la misma ubicación que su proyecto, de lo contrario no se recibirán los datos, a continuación, haga clic en "Siguiente".

10. Configure la frecuencia seleccionando el tipo de exportación.

Existen 2 tipos de exportación de GA4 a BigQuery: 

1. El streaming para actualizaciones en tiempo real es una opción más cara. 
2. Como flujo diario para la transferencia de datos una vez al día .

Para más información, aquí tiene documentación sobre la frecuencia y el precio de las exportaciones: 

• Información sobre la frecuencia de exportación
• Tarifas de extracción de datos  

En nuestro ejemplo, hemos elegido la exportación diaria porque es más común, más fácil de solicitar y menos costosa.

A continuación, haga clic en "Siguiente".

11. Una vez que hayas creado tu enlace BigQuery, verás este mensaje de éxito y el nombre de tu proyecto BigQuery.

Una vez creado el enlace entre GA4 y BigQuery, vuelva a BigQuery para comprobar que ha recibido los datos. 

Compruebe que los datos de sus eventos se exportan correctamente a BigQuery 

• Si ha elegido la exportación diaria: espere hasta la mañana siguiente.
• Si has elegido la exportación en streaming: puedes comprobarlo directamente.

Ahora vamos a comprobar si los datos de GA4 están presentes en BigQuery.

1. Ir a BigQuery.
2. A continuación, vaya a BigQuery Studio.

3. Despliega el explorador, el explorador te da acceso a todas tus fuentes de datos.

4. Compruebe queel conjunto de datos GA4 está presente (debería añadirse automáticamente si ha creado la conexión GA4 BigQuery), su nombre empieza por "analytics_". 

5. Una vez finalizada la comprobación, haga clic en la flecha para expandir el nodo y se mostrará la tabla "events_". 

6. Haga clic en él para visualizar todos los parámetros de la tabla. 

7. A continuación, haz clic en "Vista previa", que mostrará una vista previa de todos tus datos para comprobar que tienes tus datos GA4 .

A título informativo, GA4 utiliza una estructura basada en eventos, en la que cada interacción del usuario se registra como un evento con parámetros adicionales para proporcionar detalles contextuales; en nuestra situación, esta estructura permite crear dimensiones y métricas a partir de los parámetros de los eventos.

Puede ver que los datos GA4 tienen la siguiente estructura: 

• Evenent_name: nombre del evento
• event_params.key: nombre del parámetro del evento 
• event_params.value.string_value: valor del parámetro en formato cadena (una cadena de caracteres)
• event_params.value.int_value: valor del parámetro en formato int (valores numéricos)

La columna event_params.key corresponde a los parámetros del evento, que se utilizan para definir las dimensiones que necesita para su análisis. 

Las columnas event_params_value son los valores de los distintos parámetros. 

Ahora que tienes los datos de GA4 en tu BigQuery, vamos a procesar los datos del test A/B de este conjunto de datos GA4.

Explotación de datos A/B TEST en BigQuery 

Comprender los eventos de las pruebas A/B en BigQuery 

En nuestro ejemplo, queremos utilizar los datos de las pruebas A/B de Kameleoon.

Antes de procesar los datos, tenemos que analizar qué se puede utilizar en nuestros eventos de prueba A/B para la exportación GA4. 

Vamos a escribir una consulta SQL para utilizar filtros para orientar los eventos de las Pruebas A/B.

1. Vaya a BigQuery y haga clic en "SQL REQUEST".

Aparecerá una ventana en blanco en la que podrá escribir y probar sus consultas SQL.

Para analizar con precisión lo que se puede explotar en sus eventos de pruebas AB, puede orientar estos eventos utilizando filtros en sus consultas.

2. Para orientar los eventos de las pruebas A/B, utilice la siguiente consulta: 

‍Pegala consulta, sustituyendo la ruta a tu tabla por tu nombre_proyecto, tu conjunto de datos analytics_ y tu nombre_evento: SELECT * FROM `nombre_proyecto.analytics_XXXXXX.eventos_XXXXXX` where nombre_evento in("tu_nombre_evento") LIMIT 10 

3. Haga clic en "Ejecutar".

4. Una vez ejecutado, puede analizar su evento de prueba AB.

Esto le permite definir todas las dimensiones y métricas que desee para sus análisis de pruebas A/B.

Defina las dimensiones y métricas de sus análisis

Empiece por identificar y clasificar las dimensiones y métricas que necesitará para su análisis: cree (algunos KPI se personalizan) las dimensiones y métricas clave que reflejen el rendimiento de sus pruebas A/B.

Ejemplos de clasificaciones:

1. G4 dimensiones nativas: experiment_name, variation_name, campaign_id, device_type.
2. Métricas G4 nativas conversion_rate, sessions, page_view, average_session_time.
3. Métricas personalizadas en BigQuery uplift, downlift.

Una vez definidas las dimensiones y las métricas, puede configurar su consulta SQL. 

Prepare su consulta SQL para agregar sus datos en BigQuery 

Una vez que sepa lo que necesita para sus análisis, deberá crear una consulta SQL adaptada a sus necesidades. Puede utilizar AI para generar su consulta. 

He aquí un ejemplo de consulta para obtener las dimensiones y métricas antes mencionadas: 

^{WITH 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) OVER (PARTITION BY user_pseudo_id) - MIN(event_timestamp) OVER (PARTITION BY user_pseudo_id) AS session_duration FROM experiment_events WHERE event_name='session_start') SELECT campaign,variation_name,campaign_id,device_type,SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) AS conversion_rate,COUNTIF(event_name='session_start') AS sessions,AVG(session_duration) AS session_average_time,SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start'))-(SELECT SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) FROM experiment_events WHERE variation_name='control')) AS uplift,(SELECT SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) FROM experiment_events WHERE variation_name='control')-SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) 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}

Se trata de una consulta de ejemplo: no la utilice para sus análisis, aunque puede inspirarse en ella para crear la suya propia.

A continuación, siga el mismo proceso que vio anteriormente para ejecutar consultas, ejecute su consulta en BigQuery Studio y compruebe los resultados .

Una vez obtenidos los resultados de la consulta, puede crear consultas programadas que se activen automáticamente.

Cree sus consultas programadas

Las consultas automáticas se pueden utilizar para crear tablas, que luego estarán disponibles para que Looker Studio se conecte a ellas. 

Cuando estés en BigQuery Studio y los resultados de tu consulta sean buenos, puedes seguir los siguientes pasos: 

1. Haga clic en Programar.

Se abrirá una ventana a la derecha en la que podrá configurar su solicitud.

2. Configurar la solicitud programada :
   1. El nombre de la solicitud: puede llamarla "ab test" con el nombre de su proyecto o el nombre del sitio, o el tipo de test.

2. La frecuencia de repetición : puede elegir la frecuencia que mejor se adapte a sus necesidades. Nosotros elegimos una frecuencia por días para ofrecerle una visión general semanal y adaptarnos a la exportación diaria de GA4.

3. La hora de la frecuencia de repetición: la hora está en UTC, elegimos una hora que sea posterior a la recepción de los datos GA4 para que la petición no se active antes de que se hayan recibido los datos.

4. Las horas de inicio y fin : si no tocamos nada, la petición se lanzará por primera vez la próxima vez que se ejecute según nuestra programación y se ejecutará con la misma frecuencia indefinidamente. 

5. Defina el destino de la solicitud. 

Puede :

• Crear un conjunto de datos específico 
• Elija un conjunto de datos existente (por ejemplo, su conjunto de datos analytics_XXXXX creado por la conexión GA4)

Veremos cómo proceder para ambas posibilidades. 

6. Crear un conjunto de datos dedicado : en la condición en la que desee crear un conjunto de datos dedicado , haga clic en "CREAR UN CONJUNTO DE DATOS".

7. Se abrirá una ventana en la que podrá asignar un nombre a su conjunto de datos, por ejemplo: A/B Test, seleccionar la región (debe seleccionar la misma región que el conjunto de datos de análisis, de lo contrario no podrá programar la consulta en este conjunto de datos) y, a continuación, hacer clic en "CREAR CONJUNTO DE DATOS".

8. Una vez creado el conjunto de datos, selecciónelo y asigne un nombre a la tabla de destino (a menudo, para simplificar, utilizamos el mismo nombre para la consulta programada que para el nombre de la tabla).

9. Preferencia de escritura : 

• Añadir a la tabla: añade las filas después de la tabla, y adapta la consulta SQL en consecuencia para evitar duplicados.
• Sobrescribir la tabla: sustituye la tabla por los nuevos resultados de la consulta cada vez que se ejecuta, evitando duplicados y sin necesidad de modificar la consulta.

10. Puede seleccionar la región automáticamente marcando la casilla "Selección automática de ubicación ".

Si desea seleccionarlo manualmente: debe coincidir con el de su conjunto de datos de análisis.

11. Guarde la solicitud programada, después podrá comprobar que la solicitud ha sido programada yendo al menú de la izquierda y seleccionando "Solicitudes programadas".

Esta es la interfaz de Consultas Programadas:

Encontrará la siguiente información: 

• Nombre de la consulta
• Fuente: siempre será la consulta programada 
• Programación: Corresponde a sus ajustes de programación, es decir, frecuencia y horario. 
• La región: la región en la que ha establecido su solicitud programada. 
• El conjunto de datos de destino: es el destino donde se almacenarán los resultados de la consulta. 
• La próxima carrera 
• Acciones: Puede eliminar o desactivar (quedará inactivo) 

Si desea probar su solicitud para comprobar que no hay problemas de programación, puede ejecutarla manualmente.

Para ello, haga clic en su solicitud para ir a los detalles de su solicitud programada y, a continuación, haga clic en Programar relleno.

Haga clic en Atrás y verá que la solicitud se está procesando con este símbolo.

Si no hay problemas de ejecución, verá el símbolo de validación.

Si no es así, verá un símbolo de error. Si esto ocurre, vaya a los detalles de su solicitud para saber más sobre el error y cómo resolverlo. Puede deberse a muchos motivos. A continuación encontrará documentación por si encuentra dificultades: Problema al ejecutar solicitudes.

Una vez que hayas programado tu solicitud, estarás listo para establecer la conexión con looker studio. 

Creación de un panel de control de pruebas A/B en Looker Studio 

¿Cómo conecto Looker Studio a BigQuery? 

Looker Studio dispone de conectores BigQuery nativos que le permiten utilizar directamente los datos de tus tablas BigQuery.

1. Ir a Estudio Looker.
2. Si no tiene una, cree una cuenta.‍
3. Ahora vamos a definir nuestras tablas BigQuery como fuentes de datos. A continuación, haga clic en crear, a continuación, en fuente de datos.

4. Elija el conector BigQuery.

5. Seleccione la tabla correspondiente: Debe seleccionar el proyecto, luego el conjunto de datos, luego la tabla que corresponde a su tabla de destino de consulta programada, luego haga clic en asociar.

6. Nombre su fuente de datos, por ejemplo: "Prueba A/B - BigQuery".

Ahora que tu fuente de datos se ha integrado en Looker Studio, puedes empezar a crear tu cuadro de mando. 

Cree su panel de control 

Una vez que te hayas conectado a tus tablas en Looker Studio, crea tu cuadro de mando utilizando las dimensiones y métricas disponibles para ver y analizar fácilmente el rendimiento de tus pruebas A/B.

1. Crea un informe en Looker Studio, que será tu cuadro de mando.

Al crear un informe, Looker Studio te pide automáticamente que añadas una fuente de datos.

2. Vaya a "Mis fuentes de datos". 

3. Añada su fuente de datos BigQuery.

4. En la esquina superior izquierda de su informe, asígnele un nombre, por ejemplo "Cuadro de mando seguido de Prueba A/B".

5. Inserte las visualizaciones apropiadas para crear su Cuadro de Mando.

6. Añade tus dimensiones y métricas.

Cuando haga clic en su visualización en el banner de la derecha, aparecerá lo siguiente.

Dentro de ella, a la derecha en "datos" debajo de su fuente, encontrará la lista de dimensiones y métricas.

Puede arrastrarlas y soltarlas, o hacer clic en "Añadir una dimensión/métrica" para añadirlas a su visualización.

7. Para dar estilo a las vistas, haga clic en la vista y, a continuación, en el botón "Estilo" para ver los ajustes que permiten personalizar el estilo del dataviz. 

‍

Ahora tienes las herramientas que necesitas para crear tu dashboard Looker Studio para monitorizar tus datos de test A/B, usando BigQuery para obtener insights decisivos vía dataviz avanzado.

‍