Come posso monitorare i miei test A/B utilizzando Looker studio e Bigquery?

Creare una dashboard di Looker Studio per monitorare i test A/B utilizzando BigQuery.

‍

In questo articolo esploreremo i passaggi necessari per impostare una dashboard di Looker Studio dedicata al tracciamento dei test A/B, con integrazione tramite BigQuery.

‍

Contenuti:

Creare una dashboard di Looker Studio per monitorare i test A/B utilizzando BigQuery.

1. Contesto e obiettivi
2. Quali sono i prerequisiti per tracciare i test A/B con BigQuery e il vostro strumento di analisi? ?
3. Passaggi per collegare lo strumento di test A/B
4. Passaggi per la connessione dello strumento di analisi a BigQuery
5. Sfruttare i dati di A/B TEST in BigQuery
6. Creazione di una dashboard di monitoraggio dei test A/B in Looker Studio 

Contesto e obiettivi 

Qual è l'obiettivo?

Creare una dashboard di Looker Studio per monitorare i dati dei test A/B, utilizzando BigQuery per ottenere approfondimenti decisivi tramite dataviz avanzati.

Come nel nostro cruscotto Cruscotto - AB Test - Welyft 

‍Che cos'è BigQuery?

BigQuery è un servizio cloud di Google progettato per archiviare, elaborare e analizzare rapidamente grandi quantità di dati.

Ecco alcuni link per saperne di più: 

• Introduzione a BigQuery 
• Immagazzinamento  
• Analisi
• Amministrazione  

Quali sono i vantaggi dell'utilizzo di BigQuery?

BigQuery automatizza il monitoraggio dei test A/B eseguendo query SQL programmate che elaborano direttamente i dati grezzi ricevuti (tutti i dati senza aggregazione) dai vostri strumenti di analisi, consentendo calcoli precisi e personalizzati.

I limiti di alcuni strumenti di analisi? 

L'utilizzo di un connettore tra alcuni strumenti di analisi e Looker Studio può presentare degli svantaggi: 

• Campionamento 
• Non consente calcoli avanzati (uplift, downlift, confidenza statistica). 

Il campionamento può rendere i risultati imprecisi o addirittura distorti. Nel caso di un test A/B in cui le prestazioni delle varianti sono simili, può far sì che una variante venga falsamente designata come vincente, portando a decisioni errate.

Per saperne di più sul campionamento 

Quindi preferiamo usare BigQuery per : 

• Automazione 
• Evitare il campionamento 
• Calcolo di rialzi, ribassi e confidenza statistica

Perché scegliere uno strumento di analisi con una connessione diretta tra A/B Test e BigQuery?

La maggior parte degli strumenti di A/B Test non offre l'integrazione con BigQuery, oppure è solo in fase di versione Beta, il che significa che BigQuery non può essere utilizzato per i dati di A/B Test.

Abbiamo il quadro e l'obiettivo di creare una dashboard di Looker Studio per il monitoraggio dei test A/B con BigQuery. Ora esamineremo i prerequisiti per questa esercitazione. 

Quali sono i prerequisiti per tracciare i test A/B con BigQuery e il vostro strumento di analisi? ?

Per monitorare i test A/B con BigQuery e lo strumento di analisi, è necessario..:

• Un account di analisi (GA4, Piano, Matomo) 
• Avere un account di fatturazione attivo con BigQuery
• Una connessione attiva tra lo strumento diA/B testing e lo strumento di analisi
• Campagne di testA/B in corso
• Inviate i dati delle campagne di test A/B al vostro strumento di analisi. 
• Conoscenza di SQL, poiché le query su BigQuery sono impostate utilizzando il linguaggio SQL. Senza questa conoscenza, sarà complicato impostarle. 

Inoltre, va notato che il processo può richiedere tempo, a causa dell'impostazione di tutte le disposizioni per GCP, e il tempo per ricevere i dati dalla vostra estrazione di analisi, così come il tempo per preparare le query SQL, consentono tra uno o due giorni (tempo di attesa). 

Passiamo ora al tutorial per la creazione di una dashboard di Looker Studio per il monitoraggio dei test A/B utilizzando BigQuery.

Nel corso della nostra esercitazione, utilizzeremo GA4 come esempio di strumento di analisi e Kameleoon come strumento di A/B test. 

Passaggi per collegare lo strumento di test A/B

Come si collegano le campagne di test A/B allo strumento di analisi?

Vedremo come collegare il vostro strumento di A/B Test al vostro strumento di analisi, nel nostro esempio stiamo usando GA4 e Kameleoon.

1. Accedere alla propria interfaccia Kameleoon: https: //app.kameleoon.com/integrations/dashboard.
2. Andate su Gestione, poi su Integrazione, quindi su Installa GA4, selezionate il vostro dominio e le impostazioni dello strumento (GTM o Gtag), che definiranno il modo in cui i dati saranno raccolti per il vostro strumento di analisi.

3. Quando create uno dei vostri test, andate su Finalizzazione, poi su Tracciamento e obiettivi, poi su "Altri strumenti di tracciamento" e spuntate GA4, che consentirà di inviare gli eventi del test A/B per questa campagna al vostro strumento di analisi (dovete impostare i parametri per ogni campagna).

4. Eseguire il test. Google Analytics crea automaticamente eventi per tutti i test lanciati e impostati. 

Una volta impostata la connessione tra Kameleoon e GA4, è possibile verificare che i dati tornino in GA4.

Verificate che i dati vengano effettivamente immessi nel vostro strumento di analisi. 

Nei rapporti, verificare che gli eventi siano configurati correttamente. 

Nel nostro esempio, utilizziamo i dati di kameleoon e GA4. Se si utilizza un altro strumento diA/B Test, è necessario utilizzare il nome dell'evento impostato durante l'integrazione con lo strumento di analisi. 

1. Accedere all'interfaccia GA4: https: //analytics.google.com/analytics/web.
2. Andate alla scheda Rapporti, dove troverete tutte le vostre analisi.

3. Fare clic sul riquadro Impegno per aprirlo, quindi fare clic su "Eventi" per accedere all'interfaccia degli eventi.

4. Una volta entrati nell'interfaccia, è possibile digitare nella barra di ricerca il nome dell'evento, identificato durante l'integrazione degli strumenti di analisi e di A/B Test.

Nel nostro esempio, si tratta di un evento kameleoon_experiment.

5. Cliccare su "enter" per passare all'analisi dell'evento.

Nel nostro esempio, possiamo vedere che ci sono dati corrispondenti al test A/B. Se non ci sono risultati, verificate che si tratti dell'evento che avete impostato, oppure controllate la configurazione del vostro strumento di test A/B.

Ora che abbiamo i dati dell'A/B TEST nel nostro strumento di analisi, dobbiamo collegare lo strumento a BigQuery.

Passaggi per la connessione dello strumento di analisi a BigQuery

Per esportare i dati dal vostro strumento di analisi, dovete prima configurare BigQuery per ricevere i dati estratti. Per farlo, dobbiamo configurare la piattaforma cloud di Google.

‍Che cos'èGoogle Cloud Platform?

Google Cloud Platform (GCP) è una suite di servizi di cloud computing che include BigQuery. Per utilizzare BigQuery è necessario un account GCP.

Per saperne di più su GCP: presentazione di Google Cloud Platform.

Ecco tutte le configurazioni da impostare:

• Creare un account GCP 
• Creare un progetto 
• Impostazione di un conto di pagamento
• Configurazione di BigQuery 
• Configurazione dell'API di trasferimento dati

‍Creareun account GCP

1. Creare un account Google Cloud Platform: 

Per farlo, accedere a https://cloud.google.com/?hl=fr, quindi fare clic su "Avvia ora".

Scegliete il vostro Paese e accettate.

Immettere i dettagli del pagamento.

Cliccate su "Avvia la prova gratuita".

2. Creare un nuovo progetto : 

Che cos'è un progetto?

Un progetto GCP è un unico spazio di lavoro in cui i dati e le applicazioni sono centralizzati, facilitando la collaborazione e la fatturazione specifica del progetto per l'intera organizzazione.

Ciò significa che, per facilitare la fatturazione e l'organizzazione, è possibile creare un unico progetto o integrare tutti i dati al suo interno.

Per saperne di più sui progetti in GCP: Panoramica dei progetti.

Se non si è ancora creato un progetto, accedere all'interfaccia di GCP https://console.cloud.google.com/welcome, quindi fare clic su "Nuovo progetto ".

• Inserite il nome del progetto, che può essere un nome ampio come quello della vostra azienda. 
• Scegliere un'organizzazione configurata al momento della creazione dell'account GCP.
• Scegliete una zona che corrisponde alla cartella in cui state integrando il progetto. 
• Quindi premere "Crea".

3. Conto di fatturazione per il progetto: 

‍Che cos'èun conto di fatturazione?

Un account di fatturazione in Google Cloud Platform (GCP) è un'entità che gestisce la fatturazione e può essere collegata a un progetto per centralizzare e controllare tutti i costi associati.

Ulteriori informazioni sui conti di fatturazione: Gestire il conto di fatturazione.

Per attivare l'API di trasferimento dati di BigQuery è necessario un account di fatturazione (spiegheremo più avanti cos'è l'API di trasferimento dati).

Come si crea un account di fatturazione?

Se ne avete già creato uno, andate qui. (link a: Come collegare l'account di fatturazione al progetto).

Se non è stato creato un account di fatturazione durante la creazione dell'account GCP : 

Accedere all'interfaccia di GCP e digitare "conto di fatturazione nella barra di ricerca", quindi fare clic su "Conto di fatturazione". 

GCP vi dirà che "Questo progetto non include alcun conto di fatturazione", quindi fate clic su "Gestisci conti di fatturazione".

Cliccate su "Aggiungi un conto di fatturazione".

Selezionare il paese. 

La creazione del conto di fatturazione è strutturata come segue: 

• Tipo di conto
• Informazioni fiscali
• Nome e indirizzo
• Contatto principale
• Elaborazione dei pagamenti
• Metodo di pagamento

Vediamo passo dopo passo le informazioni da compilare.

Il tipo di conto viene utilizzato per indicare se si tratta di una persona fisica o di un'azienda - nel nostro caso siamo un'"Organizzazione". 

Lo stato fiscale viene compilato automaticamente in base alla scelta precedente. Per le informazioni fiscali è sufficiente inserire il proprio stato fiscale, il resto è facoltativo.

In nome e indirizzo, se siete un'organizzazione, compilate : 

• Il nome della vostra azienda.
• Il nome della persona legalmente responsabile.
• Indirizzo, codice postale e città della sede legale.

In "contatto principale": aggiungere il nome e l'indirizzo e-mail del contatto.

Per quanto riguarda l' elaborazione dei pagamenti, avrete un account gratuito per 90 giorni, quindi non dovrete preoccuparvi di questo. Per ulteriori informazioni sulla versione di prova di GCP: https: //cloud.google.com/free?hl=fr.

Quindi inserire i dettagli del pagamento.

Come si collega il conto di fatturazione al progetto? 

Tornare a "Gestione dei conti di fatturazione".

‍

Selezionate la vostra organizzazione, quindi il vostro conto di fatturazione per associarlo al vostro progetto.

Una volta associato un account di fatturazione al progetto, è possibile attivare l'API BigQuery per ottenere l'accesso a BigQuery, quindi l'API di trasferimento dei dati.

‍

Attivazione dell'API BigQuery 

1. Attivare l'APIBigQuery APIAPI, l'attivazione è quasi istantanea.

Questo ci dà accesso allo strumento BigQuery e ci permette di ricevere i dati.

2. Attivare l'API di trasferimento dati di BigQuery: 

Che cos'è l'API di trasferimento dati di BigQuery? 

Consente di : 

• Automatizzare il trasferimento dei dati (tramite query).
• Gestire il monitoraggio dei trasferimenti.
• Gestione degli errori.
• Aggiornamento automatico dei set di dati.

Nel nostro caso, l'API ci consentirà di creare query automatizzate per aggregare i dati dei test A/B e creare tabelle per Looker Studio. 

Per attivare l'API di trasferimento dati di BigQuery, andare su API Trasferimento dati quindi fare clic su "Attiva". L'attivazione può richiedere alcune ore. 

Una volta attivata l'API, tutto è pronto per elaborare i dati. Il passo successivo consiste nell'esportare i dati GA4 in BigQuery.

Accedere allo strumento di analisi e attivare l'integrazione con BigQuery

In GA4 

1. Accedere al proprio account Google Analytics 4: https: //analytics.google.com/analytics/web.
2. Accedere alle impostazioni di amministrazione e trovare l'opzione "Collegamenti BigQuery".

6. Fare clic su "Link" per aprire le impostazioni del connettore BigQuery.

6. Fare clic su "Scegliere un progetto".

8. Scegliere il progetto creato in precedenza in GCP, quindi fare clic su "Conferma".

9. Scegliere la posizione dei dati, selezionando la stessa posizione del progetto, altrimenti i dati non verranno ricevuti, quindi fare clic su "Avanti".

10. Configurare la frequenza selezionando il tipo di esportazione.

Esistono due tipi di esportazione di GA4 in BigQuery: 

1. Lo streaming per gli aggiornamenti in tempo reale è un'opzione più costosa. 
2. Come flusso giornaliero per il trasferimento dei dati una volta al giorno .

Per maggiori informazioni, ecco una documentazione sulla frequenza e sul prezzo delle esportazioni: 

• Informazioni sulla frequenza di esportazione
• Tassi per l'estrazione dei dati  

Nel nostro esempio, abbiamo scelto l'esportazione giornaliera perché è più comune, più facile da richiedere e meno costosa.

Quindi fare clic su "Avanti".

11. Una volta creato il collegamento a BigQuery, si vedrà questo messaggio di successo e il nome del progetto BigQuery.

Una volta creato il collegamento tra GA4 e BigQuery, tornare a BigQuery per verificare la ricezione dei dati. 

Verificate che i dati degli eventi siano esportati correttamente in BigQuery. 

• Se avete scelto l'esportazione giornaliera: aspettate fino al mattino successivo.
• Se avete scelto l'esportazione in streaming: potete controllare direttamente.

Ora controlleremo se i dati di GA4 sono presenti in BigQuery.

1. Vai a BigQuery.
2. Andare quindi a BigQuery Studio.

3. Visualizzare l'explorer, che consente di accedere a tutte le fonti di dati.

4. Verificare cheil dataset GA4 sia presente (dovrebbe essere aggiunto automaticamente se è stata creata la connessione a BigQuery GA4), il suo nome inizia con "analytics_". 

5. Una volta completato il controllo, fare clic sulla freccia per espandere il nodo e visualizzare la tabella "eventi_". 

6. Fare clic su di esso per visualizzare tutti i parametri della tabella. 

7. Quindi fare clic su "anteprima", per visualizzare un'anteprima di tutti i dati e verificare che siano presenti i dati di GA4 .

A titolo informativo, GA4 utilizza una struttura basata sugli eventi, in cui ogni interazione dell'utente viene registrata come un evento con parametri aggiuntivi per fornire dettagli contestuali; nella nostra situazione questa struttura consente di creare dimensioni e metriche dai parametri degli eventi.

Si può notare che i dati di GA4 hanno la seguente struttura: 

• Nome_evento: nome dell'evento
• event_params.key: nome del parametro dell'evento 
• event_params.value.string_value: valore del parametro in formato stringa (una stringa di caratteri)
• event_params.value.int_value: valore del parametro in formato int (valori numerici)

La colonna event_params.key corrisponde ai parametri dell'evento, utilizzati per definire le dimensioni necessarie per l'analisi. 

Le colonne event_params_value sono i valori dei vari parametri. 

Ora che i dati di GA4 sono presenti in BigQuery, elaboriamo i dati del test A/B da questo set di dati GA4.

Sfruttare i dati di A/B TEST in BigQuery 

Capire gli eventi dei test A/B in BigQuery 

Nel nostro esempio, vogliamo utilizzare i dati dei test A/B di Kameleoon.

Prima di elaborare i dati, dobbiamo analizzare ciò che può essere utilizzato negli eventi del nostro A/B Test per l'esportazione GA4. 

Scriveremo una query SQL per utilizzare i filtri per indirizzare gli eventi del test A/B.

1. Andare su BigQuery, quindi fare clic su "SQL REQUEST".

Viene visualizzata una finestra vuota in cui è possibile scrivere e testare le query SQL.

Per analizzare con precisione ciò che può essere sfruttato negli eventi AB Test, è possibile indirizzare questi eventi utilizzando dei filtri nelle query.

2. Per indirizzare gli eventi del test A/B, utilizzare la seguente query: 

‍Incollarela query, sostituendo il percorso della tabella con il nome del progetto, il dataset di analytics e il nome dell'evento: SELECT * FROM `nome_progetto.analytics_XXXX.events_XXXXXX` where nome_evento in("nome_evento") LIMIT 10 

3. Fare clic su "Esegui".

4. Una volta eseguito, è possibile analizzare l'evento AB Test.

Questo vi dà la possibilità di definire tutte le dimensioni e le metriche che desiderate per le vostre analisi di A/B Test.

Definire le dimensioni e le metriche delle vostre analisi

Iniziate identificando e classificando le dimensioni e le metriche che saranno necessarie per la vostra analisi: create (alcuni KPI sono personalizzati) le dimensioni e le metriche chiave che riflettono le prestazioni dei vostri A/B test.

Esempi di classificazioni:

1. Dimensioni native G4: nome_esperimento, nome_variante, ID campagna, tipo_dispositivo.
2. Metriche G4 native conversion_rate, sessions, page_view, average_session_time.
3. Metriche personalizzate in BigQuery uplift, downlift.

Una volta definite le dimensioni e le metriche, è possibile impostare la query SQL. 

Preparare la query SQL per aggregare i dati in BigQuery 

Una volta che si sa di cosa si ha bisogno per le analisi, è necessario creare una query SQL su misura per le proprie esigenze. È possibile utilizzare l'intelligenza artificiale per generare la query. 

Ecco un esempio di query per ottenere le dimensioni e le metriche di cui sopra: 

^{CON experiment_events COME (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')) COME TASSO DI CONVERSIONE,COUNTIF(nome_evento='inizio_sessione') COME SESSIONI,AVG(durata_sessione) COME TEMPO MEDIO DI SESSIONE,SAFE_DIVIDE(COUNTIF(nome_evento='conversione'),COUNTIF(nome_evento='inizio_sessione'))-(SELECT SAFE_DIVIDE(COUNTIF(nome_evento='conversione'),COUNTIF(nome_evento='inizio_sessione')) FROM experiment_events WHERE variation_name='control') come uplift,(SELECT SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) FROM experiment_events WHERE variation_name='control')-SAFE_DIVIDE(COUNTIF(nome_evento='conversione'),COUNTIF(nome_evento='inizio_sessione')) come downlift come 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}

Questa è una query di esempio: non utilizzatela per le vostre analisi, ma potete ispirarvi a questa query per crearne una vostra.

Seguire quindi la stessa procedura vista in precedenza per l 'esecuzione delle query, eseguire la query in BigQuery Studio e verificare i risultati .

Una volta ottenuti i risultati delle query, è possibile creare query programmate che si attivano automaticamente.

Creare le query programmate

Le query automatiche possono essere utilizzate per creare tabelle, che saranno poi disponibili per la connessione a Looker Studio. 

Quando si è in BigQuery Studio e i risultati della query sono buoni, si può procedere come segue: 

1. Fare clic su Pianifica.

Sulla destra si apre una finestra in cui è possibile configurare la richiesta.

2. Configurare la richiesta programmata :
   1. Il nome della richiesta: potete chiamarla "ab test" con il nome del vostro progetto o il nome del sito, o il tipo di test.

2. La frequenza di ripetizione : potete scegliere la frequenza più adatta alle vostre esigenze. Abbiamo scelto una frequenza per Giorni per darvi una panoramica settimanale e per adattarci all'esportazione giornaliera di GA4.

3. L'ora della frequenza di ripetizione: l'ora è in UTC, si sceglie un'ora successiva alla ricezione dei dati GA4 in modo che la richiesta non venga attivata prima che i dati siano stati ricevuti.

4. I tempi di inizio e fine : se non tocchiamo nulla, la richiesta verrà attivata per la prima volta alla successiva esecuzione secondo la nostra programmazione e verrà eseguita con la stessa frequenza all'infinito. 

5. Definire la destinazione della richiesta. 

È possibile :

• Creare un set di dati dedicato 
• Scegliere un set di dati esistente (ad esempio il set di dati analytics_XXXXX creato dalla connessione GA4).

Vediamo come procedere per entrambe le possibilità. 

6. Creare un set di dati dedicato: nella condizione in cui si desidera creare un set di dati dedicato , fare clic su "CREA UN SET DI DATI".

7. Si aprirà una finestra in cui è possibile assegnare un nome al dataset , ad esempio: A/B Test, quindi selezionare la regione (è necessario selezionare la stessa regione del dataset di analisi, altrimenti non sarà possibile programmare la query in questo dataset), quindi fare clic su "CREATE DATASET".

8. Una volta creato il dataset, selezionarlo e assegnare un nome alla tabella di destinazione (spesso, per semplicità, si usa lo stesso nome per la query programmata e per il nome della tabella).

9. Preferenza di scrittura : 

• Aggiungi alla tabella: aggiunge le righe dopo la tabella e adatta la query SQL di conseguenza per evitare duplicati.
• Sovrascrivi la tabella: sostituisce la tabella con i risultati della nuova query ogni volta che viene eseguita, evitando duplicati e non richiedendo alcuna modifica alla query.

10. È possibile selezionare automaticamente la regione selezionando la casella "Selezione automatica della località ".

Se si desidera selezionarlo manualmente, deve corrispondere a quello del dataset di analisi.

11. Salvare la richiesta programmata, quindi verificare che la richiesta sia stata programmata andando nel menu a sinistra e selezionando "Richieste programmate".

Questa è l'interfaccia Query programmate:

Troverete le seguenti informazioni: 

• Nome della query
• Fonte: sarà sempre una query programmata. 
• Pianificazione: corrisponde alle impostazioni di pianificazione, cioè frequenza e orario. 
• La regione: la regione in cui è stata impostata la richiesta programmata. 
• Il set di dati di destinazione: è la destinazione in cui verranno memorizzati i risultati della query. 
• La prossima corsa 
• Azioni: È possibile eliminare o disattivare (sarà inattivo). 

Se si desidera testare la richiesta per verificare che non ci siano problemi di programmazione, è possibile eseguirla manualmente.

A tal fine, fare clic sulla richiesta per accedere ai dettagli della richiesta programmata, quindi fare clic su Compilazione programmata .

Facendo clic su Indietro, si vedrà che la richiesta viene elaborata con questo simbolo.

Se non ci sono problemi di esecuzione, viene visualizzato il simbolo di convalida.

In caso contrario, verrà visualizzato un simbolo di errore. In questo caso, andare ai dettagli della richiesta per saperne di più sull'errore e su come risolverlo. Le ragioni possono essere molteplici. Di seguito è riportata una documentazione in caso di difficoltà: Problema nell'esecuzione delle richieste.

Una volta programmata la richiesta, si è pronti a stabilire la connessione con looker studio. 

Creazione di una dashboard di monitoraggio dei test A/B in Looker Studio 

Come si collega Looker Studio a BigQuery? 

Looker Studio dispone di connettori nativi per BigQuery che gli consentono di utilizzare direttamente i dati delle tabelle BigQuery.

1. Vai a Studio Looker.
2. Se non ne avete uno, create un account.‍
3. Ora definiremo le nostre tabelle BigQuery come fonti di dati. Fare clic su Crea e poi su Origine dati.

4. Scegliere il connettore BigQuery.

5. Selezionare la tabella corrispondente: È necessario selezionare il progetto, poi il set di dati, quindi la tabella corrispondente alla tabella di destinazione della query programmata, quindi fare clic su associa.

6. Assegnare un nome all'origine dei dati, ad esempio: "A/B Test - BigQuery".

Ora che la fonte di dati è stata integrata in Looker Studio, si può iniziare a creare il dashboard. 

Creare il cruscotto 

Dopo aver collegato le tabelle a Looker Studio, create la vostra dashboard utilizzando le dimensioni e le metriche disponibili per visualizzare e analizzare facilmente le prestazioni dei test A/B.

1. Creare un report in Looker Studio, che sarà il vostro cruscotto.

Quando si crea un report, Looker Studio chiede automaticamente di aggiungere un'origine dati.

2. Andare a "Le mie fonti di dati". 

3. Aggiungere l 'origine dati BigQuery.

4. Nell'angolo in alto a sinistra del report, assegnategli un nome, ad esempio "Dashboard seguito da A/B Test".

5. Inserire le visualizzazioni appropriate per creare il Dashboard.

6. Aggiungete le dimensioni e le metriche.

Cliccando sulla vostra visualizzazione nel banner a destra, vedrete .

Al suo interno, a destra in "dati" sotto la vostra fonte, troverete l'elenco delle dimensioni e delle metriche.

È possibile trascinarli o fare clic su "Aggiungi una dimensione/metrica" per aggiungerli alla visualizzazione.

7. Per creare lo stile delle viste, fare clic sulla vista, quindi fare clic sul pulsante 'Stile' per visualizzare le impostazioni per personalizzare lo stile del dataviz. 

‍

Ora avete gli strumenti necessari per creare la vostra dashboard di Looker Studio per monitorare i dati dei test A/B, utilizzando BigQuery per ottenere approfondimenti decisivi tramite dataviz avanzati.

‍