Первой моей публикацией на Хабре была "Обзор R пакетов для интернет маркетинга, часть 1", с тех пор прошло почти 3 года. За это время какие-то пакеты стали не актуальны, какие-то сильно изменились и конечно появились новые пакеты, которые могут значительно облегчить жизнь интернет маркетологам и веб аналитикам.

В этой статье мы рассмотрим следующую порцию R пакетов предназначенных для интернет - маркетинга.

Каждый из приведённых в статье пакетов будет рассмотрен по приведённым ниже пунктам:

основное назначение пакета;
возможности пакета;
установка пакета;
пример кода;
полезные ссылки.

Содержание

Если вы интересуетесь анализом данных возможно вам будут полезны мои telegram и youtube каналы. Большая часть контента которых посвящены языку R.

rgoogleads - пакет для работы с Google Ads API
googleAnalyticsR - пакет для работы с Google Analytics API
rappsflyer - пакет для работы с AppsFlyer Pull API
searchConsoleR - пакет для загрузки данных из Google Search Console
bigrquery - пакет для работы с Google BigQuery

rgoogleads - пакет для работы с Google Ads API

Работа над rgoogleads пакетом была начата в июне 2021 года. Основной мотивацией для его разработки послужило то, что популярный ранее пакет RAdwords, который я рассматривал в первой части статьи, прекратит своё существование 27 апреля 2022 года, вместе с отключением Google Adwords API.

Основные возможности пакета:

авторизация в API Google Ads;
загрузка списка аккаунтов верхнего уровня;
загрузка всей иерархии аккаунтов из управляющих аккаунтов;
загрузка объектов рекламного кабинета: кампании, группы объявлений, объявления и другое;
загрузка статистических данных из рекламных аккаунтов;
загрузка метаданных ресурсов, полей ресурсов, сегментов и метрик;
загрузка прогноза и исторических данных из планировщика ключевых слов.

Установка пакета:

install.packages('rgoogleads')

Пример кода:

library(rgoogleads)

# авторизация
gads_auth(email = 'me@gmail.com')

# загрузка данных по эффективности рекламных кампаний
data2 <- gads_get_report(
  resource = 'campaign',
  fields   = c('campaign.name',
              'segments.date',
              'metrics.clicks'),
  date_from         = '2021-06-01',
  date_to           = '2021-06-30',
  customer_id       = 'xxx-xxx-xxxx', # id рекламного аккаунта
  login_customer_id = 'xxx-xxx-xxxx'  # id управляющего аккаунта (опционально)
)

Полезные ссылки:

Пакет совсем свежий, поэтому по нему ещё не так много документации, тем не менее следующие ссылки помогут вам в нём более детально разобраться:

googleAnalyticsR - пакет для работы с Google Analytics API

Пакет предназначенный для работы с различными API Google Analytics.

Основные возможности пакета:

авторизация в Google Analytics API;
работа с Core Reporting API 3 и 4 версий;
работа с Management API;
работа с Multi Channel Funnels API;
работа с Real time Reportnig API;
работа с User Activity API;
работа с Data API (Google Analytics 4);
автоматический обход семплирования данных;
загрузка различны данных в Google Analytics, включая данные о расходах из рекламных кабинетов.

Установка пакета:

install.packages('googleAnalyticsR')

Пример кода:

Работа с Google Analytics Core API 4:

## подключение пакета
library(googleAnalyticsR)

## авторизация
ga_auth()

## запрос списка представлений
account_list <- ga_account_list()

## просмотр списка идентификаторов доступных представлений
account_list$viewId

## создаём переменную с идентификатором нужного представления
ga_id <- 123456

## запрашиваем отчёт
google_analytics(ga_id, 
                 date_range = c("2017-01-01", "2017-03-01"), 
                 metrics = "sessions", 
                 dimensions = "date")

Работа с Google Analytics Data API (Google Analytics 4):

# подключение пакета
library(googleAnalyticsR)

# авторизация
ga_auth(email="my@email.com")

# запрос списка доступных ресурсов Google Analytics 4
ga_account_list("ga4")

# запрос отчёта из Google Analytics 4
dimensions <- ga_data(
    my_property_id,
    metrics = c("activeUsers","sessions"),
    dimensions = c("date","city","dayOfWeek"),
    date_range = c("2020-03-31", "2020-04-27")
)

Полезные ссылки:

rappsflyer - пакет для работы с AppsFlyer Pull API

Пакет rappsflyer предназначен для работы с AppsFlyer Pull API.

AppsFlyer - сервис аналитики мобильной рекламы, помогающий маркетологам точно определить таргетинг, оптимизировать расходы на рекламу и повысить рентабельность инвестиций.

Основные возможности пакета:

запрос данных из AppsFlyer Pull API;
запрашивать агрегированный отчёт (привлечение пользователей и ретаргетинг);
запрашивать отчеты по сырым данным (неорганические);
запрашивать отчеты по сырым данным (органические);
запрашивать сырые данные по доходу от рекламы.

Установка пакета:

install.packages('rappsflyer')

Пример кода:

library('rappsflyer')

# авторизация
af_set_api_token('ваш API токен')

# запрос отчёта
af_data <- af_get_aggregate_data(
  date_from         = '2021-08-01',
  date_to           = Sys.Date() - 1, 
  report_type       = "geo_by_date_report",
  additional_fields = c("install_app_store", "match_type", "oaid"),
  app_id            = 'myapp.app'
)

Полезные ссылки:

searchConsoleR - пакет для загрузки данных из Google Search Console

Пакет searchConsoleR предназначен для работы с Google Search Console API.

Основные возможности пакета:

авторизация в Google Search Console API;
запрос, удаление и добавление веб сайтов в Search Console;
запрос, удаление и добавление файлов Sitemap в Search Console;
получение статистики из Google Search Console.

Установка пакета:

install.packages('searchConsoleR')

Пример кода:

library(searchConsoleR)

# авторизация
scr_auth(email = 'alsey.netpeak@gmail.com')

# список доступных сайтов
list_websites()

# получить данные из Search Console
data <- search_analytics(
  siteURL    = "http://www.my-site.ru/",
  startDate  = "2021-01-01", 
  endDate    = "2021-07-31",
  dimensions = c("query", "page")
)

Полезные ссылки:

README пакета

bigrquery - Пакет для работы с Google BigQuery

Пакет предназначенный для работы с облачной базой данных Google BigQuery, которая очень популярна в решении аналитических задач интернет маркетинга.

Основные возможности пакета:

авторизация в Google BigQuery API;
возможность запрашивать метаданные объектов Google BigQuery, таких, как проект, набор данных и таблица;
предоставляет интерфейс для работы с низкоуровневым API, с помощью которого можно запрашивать или загружать данные в BigQuery;
предоставляет DBI интерфейс для подключения и работы с Google BigQuery;
предоставляет dbplyr интерфейс для работы с данными, хранящимися в Google BigQuery.

Установка пакета:

install.packages('bigrquery')

Пример кода:

Работа с низкоуровневым API:

library(bigrquery)

# запросить данные из BigQuery
## текст SQL запроса
sql <- "SELECT year, month, day, weight_pounds FROM `publicdata.samples.natality`"
## загрузка данных в R
tb <- bq_project_query('id проекта', sql) %>%
      bq_table_download()

# отправка данных в Google BigQuery
bq_table(project = "id проекта",
         dataset = "id набора данных",
         table   = "название таблицы") %>%
  bq_table_upload(values = mtcars,
                  create_disposition = "CREATE_IF_NEEDED",
                  write_disposition = "WRITE_APPEND")

Работа через DBI интерфейс:

library(DBI)

# подключение к BigQuery
con <- dbConnect(
  bigrquery::bigquery(),
  project = "publicdata",
  dataset = "samples",
  billing = billing
)

# запрос данных
dbGetQuery(con, sql)

# отправка данных в BigQuery
dbWriteTable(
  con, 
  name      = "название таблицы", 
  value     = mtcars, 
  append    = FALSE, 
  overwrite = TRUE
)

# закрываем соединение
dbDisconnect(con)

Полезные ссылки:

Заключение

В этой статье мы разобрали очередную порцию полезных для интернет маркетологов R пакетов. С помощью представленных в статье пакетов вы сможете быстро начать работать с API таких сервисов как: Google Ads, Google Analytics, AppsFlyer, Google Search Console и Google BigQuery.

Надеюсь материал приведённый в данной статье будет вам полезен. Буду рад видеть вас среди подписчиков своего telegram и youtube канала R4marketing.

Обзор R пакетов для интернет маркетинга, часть 2