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 APIgoogleAnalyticsR- пакет для работы с Google Analytics APIrappsflyer- пакет для работы с AppsFlyer Pull APIsearchConsoleR- пакет для загрузки данных из Google Search Consolebigrquery- 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:
Доклад: Как работать с API Google Analytics на языке R с помощью пакета googleAnalyticsR (8P Online)
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:
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.
