Google Analytics教程:通过MP协议发送社交交互数据到GA

这篇文章主要介绍GA中的MP协议,在GA中,社交互动可能是:

Facebook likesFacebook unlikesTwitter TweetsTwitter FollowsTwitter RetweetTwitter ClicksGoogle +1s etc.

这些社交互动全部能跟踪到用户的点击次数和分享次数,社交互动在GA中有以下几种类型:
#1 socialNetwork – 发生社交行为的站点
#2 socialAction – 发生社交行为的动作
#3 socialTarget – 行为多对应的URL

‘socialNetwork’ 可以是以下值:

TwitterFacebookLinkedInDisqusStack OverflowGoogle+PocketitQuoraNetvibes etc

‘socialAction’ 可以是以下;

likeunlikeclicktweet+ 1followretweet etc

为了通过MP协议发送社交互动数据,各个类型需要用到以下协议字段:

#1 Social Action
Social Action被缩写成‘sa’,值是字符型,如:

sa=like

完成的就是:

v=1&t=social&tid=UA-1500844-34&cid=4bae429a-8589-4d89-91d9-c3f45f2b58e2&sa=like&sn=facebook&st=https%3A%2F%2Fwww.optimizesmart.com%2Fanalytics-consultation%2F

#2 Social Network
Social Network被缩写成‘sn’,值是字符型,如:

sn=Facebook

完成的就是:

v=1&t=social&tid=UA-1500844-34&cid=4bae429a-8589-4d89-91d9-c3f45f2b58e2&sa=like&sn=facebook&st=https%3A%2F%2Fwww.optimizesmart.com%2Fanalytics-consultation%2F

#3 Social Target
Social Target被缩写成‘st’,至是url,如:

st=https%3A%2F%2Fwww.optimizesmart.com%2Fanalytics-consultation%2F

完成就是:

v=1&t=social&tid=UA-1500844-34&cid=4bae429a-8589-4d89-91d9-c3f45f2b58e2&sa=like&sn=facebook&st=https%3A%2F%2Fwww.optimizesmart.com%2Fanalytics-consultation%2F

当你构造完要发送的数据后,还需要组装成如下才能向GA服务器发送

User-Agent: user_agent_stringPOST https://www.google-analytics.com/collect?payload_dataFor example:User-Agent: Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.69 Safari/537.36POST https://www.google-analytics.com/collect?v=1&t=social&tid=UA-1500844-34&cid=4bae429a-8589-4d89-91d9-c3f45f2b58e2&sa=like&sn=facebook&st=https%3A%2F%2Fwww.optimizesmart.com%2Fanalytics-consultation%2F

 


来源:GA小站

机器学习-线性回归与Logistic

变量间的关系:
? ? ? 不确定:相关关系,通常用相关系数表示,相关系数的取值范围是[-1,1],大于0 表示正相关,小于0表示负相关;绝对值接近于1,表示相关性越强
? ? ? ?确定:函数关系,通常用公式表示:Y=a+bX,通常也叫线性回归
线性回归:

一元线性回归:Y=a+bX
求解参数通常是通用最小线性二乘法求解参数a和b
检验通常包含:方程检验,拟合度用R^2,RSS,方程显著性用P-value,
参数检验:方差分析,用P-value
实际意义检验:是否符合实际
残差检验:是否符合正太分布

多元线性回归:Y=a+b1X1+b2X2……
1、导入数据,查看数据结构和分布:head和summary函数
2、数据预处理与变量选择
数据预处理:缺失值处理,平滑噪声,异常值检验,虚拟变量等
变量选择:相关系数,相关系数越接近于1的,选择1个变量就够;尽量选择变量组合数量比较少的,能够提高R^2
Kappa值,大于1000,存在多重共线性
Pairs图,通过目测图形去做对变量做选择
3、逐步回归建模:向前,向后,两者
模型选择:AIC,BIC,越小越好
4、模型检验
方程检验,拟合度用R^2,RSS,方程显著性用P-value,
参数检验:方差分析,用P-value或T值
实际意义检验:是否符合实际
残差检验:是否符合正太分布,越大越好
5、预测

Logistic回归:能够转化为线性回归,将离散变量转成连续变量

广义线性回归(GLM):通过函数转化,能用现有的线性回归规则使用的回归
指数
对数
幂函数
倒数


来源:GA小站

计算用户登录次数(可计算三登率)

undefined
基本原理:当用户成功登录的时候,用tag中用js标识进行计数,并将次数写到cookie,再用GTM的variable去读入该cookie,同时在Ga里设置字段,最后新建tag触发即可
有了这个可以计算一段时间的三登率,用于评估用户的活跃程度。

实现过程

1、tag中自定义js将登录次数写入cookie
undefined
不累加:

<script>    function createCookie(name,value,days) {        if (days) {            var date = new Date();            date.setTime(date.getTime()+(days*24*60*60*1000));            var expires = "; expires="+date.toGMTString();        }        else var expires = "";        document.cookie = name+"="+value+expires+"; path=/";    }createCookie('_gtm_s2', 1, 30);</script>

累计登录次数,每次登录,将cookie保存的登录次数+1,代码如下:

<script>    function createCookie(name,value,days) {        if (days) {            var date = new Date();            date.setTime(date.getTime()+(days*24*60*60*1000));            var expires = "; expires="+date.toGMTString();        }        else var expires = "";        document.cookie = name+"="+value+expires+"; path=/";    }    function readCookie(name) {        var nameEQ = name + "=";        var ca = document.cookie.split(';');        for(var i=0;i < ca.length;i++) {            var c = ca[i];            while (c.charAt(0)==' ') c = c.substring(1,c.length);            if (c.indexOf(nameEQ) == 0) return c.substring(nameEQ.length,c.length);        }        return null;    }    cookieValue = parseInt(readCookie("_gtm_s1"));    if (cookieValue) {        cookieValue += 1;        createCookie('_gtm_s1', cookieValue, 30);    } else {        createCookie('_gtm_s1', 1, 30);    }</script>

如果要计算累加,将代码替换成下面的,写入cookie的变量名要做对应调整

? ? ?2、在GTM变量中使用第一方cookie存储的tag写入的次数
undefined

3、设置表单Trigger,这里有个先后顺序,页面p_login.php是登录页,overview.php是登录成功的页面,两个都满足的时候表示登录成功
undefined

4、tag中建立向Ga发送数据的代码,其中触发页面为步骤4建立的触发器,metric中是GA设置的index及对应的名字
undefined

5、结果:unique event表示人数,event value表示次数汇总,二级维度加userid就可以知道某个用户在这段时间内的登录次数undefined
有了登录次数,三登率就方便计算了


来源:GA小站

Leave a comment