Sapevi che in BiqQuery puoi analizzare l’interazione degli utenti, aggregando dati provenienti da eventi registrati in un intervallo temporale definito?

Questo approccio è particolarmente utile quando devi analizzare il comportamento dell’utente attraverso diversi eventi, consentendoti di avere una visione compatta e completa delle azioni dell’utente.

Ecco un esempio di report, estratto da un sito e-commerce, che potrebbe rendere meglio l’idea:

Consideriamo l’utente etichettato con lo user_id 145733: il report ci dice che ha effettuato 28 eventi tra ricerche utilizzando il motore di ricerca interno, inizio di sessione e visualizzazioni di pagina.

PS. Ricorda di sostituire your_project, your_dataset e your_table con i tuoi identificativi di progetto, dataset e tabella effettivi. Queste query sono solo punti di partenza e potrebbero necessitare di personalizzazioni per adattarsi alle tue esigenze specifiche e alla struttura dei tuoi dati.

Ecco la query per ottenere questo report:

SELECT
  user_id,
  ARRAY_AGG(DISTINCT event_name) AS eventi,
  COUNT(event_name) AS conteggio_eventi
FROM
  `your_project.your_dataset.your_table`
  Where
   _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 365 DAY)) AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())  -- Modifica ultimi X giorni
GROUP BY
  user_id

In questa query, stiamo raccogliendo tutti gli eventi distinti (event_name) per ogni user_id in un array e contando il numero totale di eventi.

Questa semplice estrazione può essere utile per analisi comportamentali, segmentazione dell’utenza e ottimizzazione delle strategie di engagement.

Vediamo i dettagli.

Estrazione di Insights Comportamentali

Identificazione degli Eventi per Utente: La funzione ARRAY_AGG(DISTINCT event_name) aggrega in un array tutti gli eventi distinti che ciascun utente ha generato. Questo permette di comprendere quali funzionalità della piattaforma attirano maggiormente l’utente o quali percorsi vengono seguiti durante la navigazione

Conteggio delle Interazioni: Con COUNT(event_name) AS conteggio_eventi, la query calcola il numero totale di eventi generati da ciascun utente. Questo dato è fondamentale per misurare l’engagement dell’utente con la piattaforma, identificando sia gli utenti più attivi che quelli meno coinvolti.

Segmentazione dell’Utente

Personalizzazione dell’Esperienza Utente: I dati aggregati possono essere utilizzati per personalizzare l’esperienza utente sulla piattaforma. Conoscendo gli eventi specifici di interesse per ciascun utente, è possibile adattare i contenuti, le offerte e le notifiche per aumentare la rilevanza e l’efficacia delle interazioni.

Identificazione di Pattern Comportamentali: Analizzando gli eventi distinti per utente e il loro volume, è possibile identificare pattern comportamentali comuni o tendenze, che possono informare lo sviluppo di nuove funzionalità, miglioramenti dell’interfaccia utente o strategie di marketing mirate.

Concludendo, l’analisi degli eventi aggregati in BigQuery offre un’opportunità unica per comprendere in profondità il comportamento degli utenti e ottimizzare le strategie di engagement e personalizzazione.

Giuseppe Cristofaro

Data Scientist
Sono un Data Scientist con esperienza nell’applicazione di tecniche avanzate di Machine Learning per l’analisi di complessi set di dati nel campo del marketing digitale. Specializzato nell’uso di Python, sviluppo modelli predittivi e di analisi dei dati che permettono di identificare e risolvere criticità nei progetti.