रविवार, जून 16, 2024

Top 5 This Week

Play Games for Free and Get Rewards Daily!

Related Posts

उदाहरण के साथ SEO विशेषज्ञ BigQuery के लिए ChatGPT का उपयोग कैसे कर सकते हैं


एआई कौशल (जैसे कोडिंग या) बनाकर हर क्षेत्र को आकार देता है विज़ुअलाइज़ेशन के लिए डेटा) सभी के लिए सुलभ, जो पहले उपलब्ध नहीं थे।

एक एआई ऑपरेटर जो सही निर्देशों को निष्पादित कर सकता है वह कम और मध्यम कठिनाई के कार्य कर सकता है, जिससे रणनीतिक निर्णय लेने पर अधिक ध्यान केंद्रित किया जा सकता है।

इस ट्यूटोरियल में, हम आपको चरण-दर-चरण बताएंगे कि आपकी SEO रिपोर्टिंग आवश्यकताओं के लिए जटिल BigQuery क्वेरी चलाने के उदाहरण के रूप में ChatGPT के साथ AI चैटबॉट का उपयोग कैसे करें।

हम दो उदाहरणों की समीक्षा करेंगे:

यह आपको एक समग्र विचार भी देगा कि आप एसईओ रिपोर्ट चलाते समय लोड को कम करने के लिए चैटबॉट का उपयोग कैसे कर सकते हैं।

आपको BigQuery क्यों सीखना चाहिए?

Google सर्च कंसोल या Google Analytics 4 जैसे SEO टूल में सुलभ उपयोगकर्ता इंटरफ़ेस हैं जिनका उपयोग आप डेटा तक पहुंचने के लिए कर सकते हैं। लेकिन अक्सर, वे आप जो कर सकते हैं उसे सीमित कर देते हैं और अधूरा डेटा दिखाते हैं, जिसे आमतौर पर डेटा सैंपलिंग कहा जाता है।

जीएससी में, ऐसा इसलिए होता है क्योंकि टूल छूट जाता है अनाम प्रश्न और तालिका पंक्तियों को 1,000 पंक्तियों तक सीमित करता है।

जीएससी से स्क्रीनशॉट Google सर्च कंसोल से स्क्रीनशॉट, मई 2024

BigQuery का उपयोग करके, आप इस समस्या को हल कर सकते हैं और अपनी इच्छानुसार कोई भी जटिल रिपोर्ट चला सकते हैं, जिससे बड़ी वेबसाइटों के साथ काम करते समय अक्सर होने वाली डेटा सैंपलिंग समस्या दूर हो जाती है।

(वैकल्पिक रूप से, आप उपयोग करने का प्रयास कर सकते हैं स्टूडियो लुकरलेकिन इस लेख का उद्देश्य यह बताना है कि आप BigQuery के लिए ChatGPT को कैसे सक्षम कर सकते हैं।)

इस लेख के लिए, हम मानते हैं कि आपने पहले ही अपने GSC और GA4 खातों को BigQuery से कनेक्ट कर लिया है। यदि आपने पहले से ऐसा नहीं किया है, तो हो सकता है कि आप हमारी मार्गदर्शिकाएँ देखना चाहें कि कैसे:

एसक्यूएल मूल बातें

यदि आप संरचित क्वेरी भाषा (एसक्यूएल) जानते हैं, तो आप ऐसा कर सकते हैं इस अनुभाग को छोड़ें. लेकिन जो लोग ऐसा नहीं करते, उनके लिए यहां SQL कथनों का एक त्वरित संदर्भ दिया गया है:

अस्वीकरण विवरण
चुनना तालिकाओं से डेटा पुनर्प्राप्त करता है
डालना तालिका में नया डेटा जोड़ना
UNNEST पंक्तियों के एक सेट के लिए एक सरणी सतह
अद्यतन करने किसी तालिका के भीतर मौजूदा डेटा को अपडेट करता है
स्पष्ट किसी तालिका से डेटा हटाता है
एक बनाने के एक नई तालिका या डेटाबेस बनाता है
को बदलने किसी मौजूदा तालिका को संशोधित करता है
नीचे किसी तालिका या डेटाबेस को हटा देता है.

हम जिन शब्दों का उपयोग करेंगे ताकि आप स्वयं को जान सकें:

परिस्थिति विवरण
कहाँ विशिष्ट स्थितियों के लिए रिकॉर्ड फ़िल्टर करें
और दो या दो से अधिक स्थितियों को जोड़ता है जहाँ सभी स्थितियाँ सत्य होनी चाहिए
या दो या दो से अधिक शर्तों को जोड़ता है जहां कम से कम एक शर्त सत्य होनी चाहिए
नहीं एक शर्त को नकारता है
के समान किसी कॉलम में निर्दिष्ट पैटर्न की खोज करता है।
में जाँचता है कि कोई मान मानों के सेट के भीतर है या नहीं
बीच में किसी दी गई सीमा में मानों का चयन करें
शून्य है शून्य मानों की जाँच करता है
निरर्थक नहीं है गैर-शून्य मानों की जाँच करता है
मौजूद जाँचता है कि क्या कोई सबक्वेरी कोई रिकॉर्ड लौटाती है

अब, आइए उदाहरणों पर गौर करें कि BigQuery का उपयोग ChatGPT के साथ कैसे किया जा सकता है।

1. कैसे ट्रा विश्लेषणGoogle के एल्गोरिथम के प्रभाव के कारण ffic में गिरावट

यदि आप Google एल्गोरिथम अपडेट से प्रभावित हुए हैं, तो सबसे पहले आपको प्रभावित पृष्ठों पर रिपोर्ट चलानी चाहिए और विश्लेषण करना चाहिए कि आप क्यों प्रभावित हुए।

याद रखें, सबसे बुरी चीज जो आप कर सकते हैं वह है घबराहट में तुरंत साइट पर कुछ बदलना शुरू करना। इससे खोज ट्रैफ़िक में उतार-चढ़ाव हो सकता है और प्रभाव विश्लेषण और भी कठिन हो सकता है।

यदि आपके पास कम अनुक्रमित पृष्ठ हैं, तो आपको अपने डेटा का विश्लेषण करने के लिए जीएससी यूआई डेटा का उपयोग करना संतोषजनक लग सकता है, लेकिन यदि आपके पास हजारों पृष्ठ हैं, तो यह आपको 1,000 से अधिक पंक्तियों (पृष्ठ या क्वेरी) डेटा को निर्यात करने की अनुमति नहीं देगा।

मान लीजिए कि एल्गोरिदम अपडेट समाप्त होने के बाद से आपके पास एक सप्ताह का डेटा है, और आप इसकी तुलना पिछले सप्ताह के डेटा से करना चाहते हैं। इस रिपोर्ट को BigQuery में चलाने के लिए, आप इस सरल संकेत से शुरुआत कर सकते हैं:

Imagine you are a data analyst experienced in Google Analytics 4 (GA4), Google Search Console, SQL, and BigQuery.
Your task is to generate an SQL query to compare 'WEB' Search Console data for the periods '2024-05-08' to '2024-05-20' and '2024-04-18' to '2024-04-30'. 
Extract the total clicks, impressions, and average position for each URL for each period. 
Additionally, calculate the differences in these metrics between the periods for each URL 
(where average position should be calculated as the sum of positions divided by the sum of impressions).

Details:

BigQuery project name: use_your_bigquery_projectname
Dataset name: searchconsole
Table name: searchdata_url_impression
Please provide the SQL query that meets these requirements.

एक बार जब आपको कुछ SQL कोड मिल जाए, तो उसे कॉपी करें और BigQuery SQL संपादक में पेस्ट करें, लेकिन मुझे यकीन है कि आपको प्राप्त प्रारंभिक कोड में त्रुटियां होंगी। उदाहरण के लिए, तालिका में कॉलम नाम BigQuery डेटासेट में मौजूद नामों से मेल नहीं खा सकते हैं।

जब कॉलम नाम डेटासेट कॉलम से मेल नहीं खाता तो BigQuery SQL त्रुटि।जब कॉलम नाम डेटासेट कॉलम से मेल नहीं खाता तो BigQuery SQL त्रुटि।

ChatGPT का उपयोग करके कोडिंग कार्य करते समय ऐसी चीज़ें अक्सर होती हैं। अब, आइए देखें कि आप इस प्रकार की समस्याओं को शीघ्रता से कैसे ठीक कर सकते हैं।

बस बाएँ-दाएँ फलक में अपने डेटासेट पर क्लिक करें, दाईं ओर सभी कॉलम चुनें और क्लिक करें तालिका के रूप में कॉपी करें.

बिगक्वेरी में सभी टेबल कॉलम का चयन कैसे करें।BigQuery में किसी तालिका के सभी कॉलम का चयन कैसे करें।

एक बार जब यह आपके पास आ जाए, तो बस इसे कॉपी करके जारी रखें संकेत के रूप में पेस्ट करें और क्लिक करें प्रवेश करना.

Generate SQL again by taking into account that my table schema is as follows : 
"fullname mode type description
data_date DATE 
site_url STRING 
url STRING 
query STRING 
is_anonymized_query BOOLEAN 
is_anonymized_discover BOOLEAN 
country STRING 
search_type STRING 
device STRING 
is_amp_top_stories BOOLEAN 
is_amp_blue_link BOOLEAN 
is_job_listing BOOLEAN 
is_job_details BOOLEAN 
is_tpf_qa BOOLEAN 
is_tpf_faq BOOLEAN 
is_tpf_howto BOOLEAN 
is_weblite BOOLEAN 
is_action BOOLEAN 
is_events_listing BOOLEAN 
is_events_details BOOLEAN 
is_search_appearance_android_app BOOLEAN 
is_amp_story BOOLEAN 
is_amp_image_result BOOLEAN 
is_video BOOLEAN 
is_organic_shopping BOOLEAN 
is_review_snippet BOOLEAN 
is_special_announcement BOOLEAN 
is_recipe_feature BOOLEAN 
is_recipe_rich_snippet BOOLEAN 
is_subscribed_content BOOLEAN 
is_page_experience BOOLEAN 
is_practice_problems BOOLEAN 
is_math_solvers BOOLEAN 
is_translated_result BOOLEAN 
is_edu_q_and_a BOOLEAN 
impressions INTEGER 
clicks INTEGER 
sum_position INTEGER 
is_product_snippets BOOLEAN 
is_merchant_listings BOOLEAN 
is_learning_videos BOOLEAN "

यह जीएससी तालिका संरचना के अनुसार उत्पन्न एसक्यूएल को निम्नानुसार ठीक करेगा:

WITH period1 AS (
 SELECT 
   url,
   SUM(clicks) AS clicks,
   SUM(impressions) AS impressions,
   IFNULL(SUM(sum_position) / NULLIF(SUM(impressions), 0), 0) AS avg_position
 FROM 
   `use_your_bigquery_projectname.searchconsole.searchdata_url_impression`
 WHERE 
   data_date BETWEEN '2024-05-08' AND '2024-05-20' 
 AND search_type="WEB"
  GROUP BY 
  url
), 
period2 AS (
 SELECT 
  url,
  SUM(clicks) AS clicks,
  SUM(impressions) AS impressions,
  IFNULL(SUM(sum_position) / NULLIF(SUM(impressions), 0), 0) AS avg_position
 FROM 
  `use_your_bigquery_projectname.searchconsole.searchdata_url_impression`
  WHERE 
  data_date BETWEEN '2024-04-18' AND '2024-04-30'
 AND search_type="WEB"
 GROUP BY 
 url
),
comparison AS (
 SELECT
  COALESCE(p1.url, p2.url) AS url,
  IFNULL(p1.clicks, 0) AS clicks_period1,
  IFNULL(p2.clicks, 0) AS clicks_period2,
  IFNULL(p1.impressions, 0) AS impressions_period1,
  IFNULL(p2.impressions, 0) AS impressions_period2,
  IFNULL(p1.avg_position, 0) AS avg_position_period1,
  IFNULL(p2.avg_position, 0) AS avg_position_period2,
  IFNULL(p1.clicks, 0) - IFNULL(p2.clicks, 0) AS clicks_diff,
  IFNULL(p1.impressions, 0) - IFNULL(p2.impressions, 0) AS impressions_diff,
  IFNULL(p1.avg_position, 0) - IFNULL(p2.avg_position, 0) AS avg_position_diff
 FROM
  period1 p1
 FULL OUTER JOIN
   period2 p2
 ON
  p1.url = p2.url
)
SELECT 
 url,
 clicks_period1,
 clicks_period2,
 clicks_diff,
 impressions_period1,
 impressions_period2,
 impressions_diff,
 avg_position_period1,
 avg_position_period2,
 avg_position_diff
FROM 
 comparison
ORDER BY 
 url;

अब, इसे चलाएं और सीएसवी या Google शीट्स पर निर्यात करके डेटा का आनंद लें।

BigQuery में SQL कैसे चलाएँBigQuery में SQL कैसे चलाएं.

यदि आपके पास लाखों यूआरएल हैं, तो आप Google शीट्स या सीएसवी निर्यात के साथ काम नहीं कर पाएंगे क्योंकि डेटा बहुत बड़ा है। इसके अतिरिक्त, इन ऐप्स में आपके द्वारा एक दस्तावेज़ में शामिल की जा सकने वाली पंक्तियों की संख्या की सीमा होती है। उस स्थिति में, आप परिणामों को BigQuery तालिका के रूप में सहेज सकते हैं और डेटा देखने के लिए इसे लुकर स्टूडियो से कनेक्ट कर सकते हैं।

लेकिन कृपया याद रखें कि BigQuery एक फ्रीमियम सेवा है। यह प्रति माह 1 टीबी तक संसाधित क्वेरी डेटा मुफ़्त है। एक बार जब आप इस सीमा को पार कर जाते हैं, तो आपके क्रेडिट कार्ड से स्वचालित रूप से शुल्क लिया जाएगा आपके उपयोग के आधार पर.

इसका मतलब यह है कि यदि आप BigQuery को कनेक्ट करते हैं स्टूडियो लुकर और वहां अपना डेटा देखें, जब भी आप अपना लुकर डैशबोर्ड खोलेंगे तो यह आपके बिल में गिना जाएगा।

यही कारण है कि जब निर्यात में कई दसियों हज़ार या सैकड़ों हज़ार पंक्तियाँ होती हैं, तो मैं Google शीट्स का उपयोग करना पसंद करता हूँ। मैं इसे आसानी से लुकर स्टूडियो से जोड़ सकता हूं डेटा विज़ुअलाइज़ेशन और फ़्यूज़नऔर यह मेरे आरोप में नहीं गिना जाएगा.

यदि आपके पास चैटजीपीटी प्लस है, तो आप उसका उपयोग कर सकते हैं कस्टम जीपीटी मैंने तैयार किया है, जो GA4 और सर्च कंसोल के लिए तालिका स्कीमा को ध्यान में रखता है। उपरोक्त ट्यूटोरियल में, मैंने मान लिया कि आप मुफ़्त संस्करण का उपयोग कर रहे हैं, और यह दर्शाता है कि आप BigQuery चलाने के लिए सामान्य रूप से ChatGPT का उपयोग कैसे कर सकते हैं।

यदि आप जानना चाहते हैं कि इस कस्टम जीपीटी में क्या है, तो यहां बैकएंड का स्क्रीनशॉट है।

bigQuery टेबल स्कीमा के साथ कस्टम GPTBigQuery टेबल स्कीमा के साथ कस्टम GPT।

कुछ भी जटिल नहीं – आपको बस BigQuery से JSON के रूप में तालिकाओं को कॉपी करना होगा चरण ऊपर बताया गया है और उन्हें कस्टम GPT पर अपलोड करें ताकि वह तालिका संरचना को संदर्भित कर सके। इसके अतिरिक्त, एक निर्देश है जिसमें जीपीटी से प्रश्न लिखते समय संलग्न JSON फ़ाइलों को संदर्भित करने के लिए कहा गया है।

यह इस बात का एक और उदाहरण है कि आप कार्यों को अधिक कुशलता से पूरा करने और दोहराए जाने वाले कार्यों को खत्म करने के लिए चैटजीपीटी का उपयोग कैसे कर सकते हैं।

यदि आपको किसी भिन्न डेटासेट (GA4 या GSC से भिन्न) के साथ काम करने की आवश्यकता है और आप SQL नहीं जानते हैं, तो आप BigQuery से ChatGPT में तालिका स्कीमा अपलोड कर सकते हैं और उस तालिका संरचना के लिए विशिष्ट SQL संकलित कर सकते हैं। आसान, है ना?

होमवर्क के रूप में, मेरा सुझाव है कि आप विश्लेषण करें कि कौन से प्रश्न प्रभावित हुए एआई समीक्षा.

ऐसा करने के लिए Google खोज कंसोल तालिका में कोई अंतर नहीं है, लेकिन आप यह देखने के लिए एक क्वेरी चला सकते हैं कि 14 मई, 2024 के बाद, जब Google ने AI समीक्षा पेश की, कौन से पेजों की रैंक नहीं गिरी, लेकिन CTR में उल्लेखनीय गिरावट आई।

आप 14 मई के बाद के दो सप्ताह की अवधि की तुलना इसके पहले के दो सप्ताह से कर सकते हैं। यह अभी भी संभव है कि सीटीआर में गिरावट अन्य खोज सुविधाओं के कारण हुई हो, जैसे किसी प्रतियोगी को फ़ीचर्ड स्निपेट मिलना, लेकिन आपको पर्याप्त वैध मामले मिलने चाहिए जहां आपके क्लिक एआई समीक्षाओं (पूर्व में सर्च जेनरेशन एक्सपीरियंस या “एसजीई”) से प्रभावित हुए थे।

2. कैसे सियरक को एकीकृत करेंh GA4 से सहभागिता मेट्रिक्स के साथ ट्रैफ़िक डेटा

खोज ट्रैफ़िक का विश्लेषण करते समय, यह समझना आवश्यक है कि उपयोगकर्ता उपयोगकर्ता के कारण सामग्री से कितना जुड़ते हैं मिश्रित इशारे वे रैंकिंग कारक हैं। ध्यान दें कि मैं GA4 में परिभाषित सटीक मेट्रिक्स का उल्लेख नहीं कर रहा हूँ।

हालाँकि, GA4 के जुड़ाव मेट्रिक्स – जैसे “प्रति विज़िट औसत जुड़ाव समय”, जो कि आपकी साइट उपयोगकर्ता के ब्राउज़र में फोकस में रहने का औसत समय है – यह संकेत दे सकता है कि आपके लेख उपयोगकर्ताओं के पढ़ने के लिए पर्याप्त अच्छे हैं या नहीं।

यदि यह बहुत कम है, तो इसका मतलब है कि आपके ब्लॉग पृष्ठों में कोई समस्या हो सकती है, और उपयोगकर्ता उन्हें नहीं पढ़ रहे हैं।

यदि आप इस मीट्रिक को सर्च कंसोल डेटा के साथ जोड़ते हैं, तो आप पा सकते हैं कि निम्न-रैंकिंग वाले पृष्ठों में भी प्रति विज़िट का औसत जुड़ाव समय कम है।

कृपया ध्यान दें कि GA4 और GSC के अलग-अलग स्रोत एट्रिब्यूशन मॉडल हैं। GA4 अंतिम-क्लिक एट्रिब्यूशन मॉडल का उपयोग करता है, जिसका अर्थ है कि यदि कोई Google से किसी लेख पृष्ठ पर एक बार जाता है और फिर दो बार सीधे लौटता है, तो GA4 सभी तीन विज़िट का श्रेय Google को दे सकता है, जबकि GSC केवल एक रिपोर्ट करेगा।

इसलिए, यह 100% सटीक नहीं है और उद्यम रिपोर्टिंग के लिए उपयुक्त नहीं हो सकता है, लेकिन जीएससी डेटा के साथ जीए4 से जुड़ाव मेट्रिक्स होने से जुड़ाव के साथ आपकी रेटिंग के सहसंबंधों का विश्लेषण करने के लिए बहुमूल्य जानकारी मिलती है।

BigQuery के साथ ChatGPT का उपयोग करने के लिए थोड़ी तैयारी की आवश्यकता होती है। ट्यूटोरियल में जाने से पहले, मेरा सुझाव है कि आप पढ़ें कि GA4 टेबल कैसे बनाई जाती हैं, क्योंकि यह GSC टेबल जितनी सरल नहीं है।

इसमें एक इवेंट_परम्स कॉलम है, जिसमें एक रिकॉर्ड प्रकार है और इसमें आयाम शामिल हैं page_location, ga_session_idऔर सगाई_समय_एमएसईसी. यह ट्रैक करता है कि कोई उपयोगकर्ता आपकी साइट पर कितने समय तक सक्रिय है।

इवेंट_परम्स कुंजी engagement_time_msec साइट पर कुल समय नहीं बल्कि विशिष्ट इंटरैक्शन (जैसे क्लिक करना या स्क्रॉल करना) पर बिताया गया समय, प्रत्येक इंटरैक्शन में जुड़ाव समय का एक नया खंड जुड़ जाता है। यह उन सभी छोटे क्षणों को जोड़ने जैसा है जब उपयोगकर्ता आपकी वेबसाइट या ऐप का सक्रिय रूप से उपयोग कर रहे हैं।

इसलिए, यदि हम इस मीट्रिक को जोड़ते हैं और पृष्ठों के लिए साइट गतिविधियों में इसका औसत निकालते हैं, तो हमें प्रति विज़िट औसत जुड़ाव समय मिलता है।

अब जैसे ही आपको समझ आएगा engagement_time_msec आइए चैटजीपीटी से एक ऐसी क्वेरी बनाने में मदद करने के लिए कहें जो प्रत्येक यूआरएल के लिए जीए4 “प्रति सत्र औसत जुड़ाव समय” खींचती है और इसे जीएससी लेख खोज प्रदर्शन डेटा के साथ जोड़ती है।

मैं जिस संकेत का उपयोग करूंगा वह है:

Imagine you are a data analyst experienced in Google Analytics 4 (GA4), Google Search Console, SQL, and BigQuery.
Compose a SQL query that pulls the following data from Google Search Console for each URL for the previous 7 days, excluding the current day:

1. Clicks,
2. Impressions,
3. Average position (calculated as the sum of positions divided by the sum of impressions).

From GA4 BigQuery table unnest from event_params ga_session_id, engagement_time_msec and page_location.
Select only rows which have engagement_time_msec set as not null group all sessions with the same IDs and page_location and SUM engagement_time_msec and devides to SUM of sessions number 

Join GA4 and Google Search Console data by URLs for the same period. 
Additonally Optimize the query to pull from GA4's table partitions and not query the entire table.

Details:
1. BigQuery project name: use_your_bigquery_projectname 
2. GA4 dataset name: use_your_ga4_bigquery_dataset_name
3. GA4 table name: use_your_ga4_bigquery_table_name_under_dataset
3. Google Search Console dataset name: use_your_gsc_bigquery_table_name_under_dataset
3. Google Search Console table name: use_your_gsc_bigquery_table_name_under_dataset
4. Here is BigQuery tables schemas for GA4: [copy table schema here]
5. Here is BigQuery tables schemas for Google Search Console: [copy table schema here]



BigQuery में कॉपी और पेस्ट करने के बाद, इसने मुझे परिणाम दिए जहां “प्रति सत्र औसत सहभागिता समय” रिक्त है। तो जाहिर तौर पर चैटजीपीटी को GA4 कैसे काम करता है, इस पर अधिक संदर्भ और मार्गदर्शन की आवश्यकता है।

मैंने डिलीवरी में मदद की अतिरिक्त ज्ञान आधिकारिक GA4 दस्तावेज़ से अनुवर्ती प्रश्न के रूप में कि यह engagement_time_msec की गणना कैसे करता है। मैंने दस्तावेज़ को ट्रैकिंग प्रॉम्प्ट में कॉपी और पेस्ट किया और क्वेरी बनाते समय इस ज्ञान का संदर्भ लेने के लिए कहा, जिससे मदद मिली। (यदि आपको कोई वाक्यविन्यास त्रुटि मिलती है, तो इसे अनुवर्ती प्रश्न के रूप में कॉपी/पेस्ट करें और इसे ठीक करने के लिए कहें।)

15 मिनट के प्रयास के परिणामस्वरूप, मुझे सही SQL मिला:


WITH
-- Step 1: Filter GA4 data for the last 7 days and unnest event_params
ga4_data AS (
  SELECT
    event_date,
    event_timestamp,
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id') AS ga_session_id,
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'engagement_time_msec') AS engagement_time_msec,
    (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'page_location') AS page_location
  FROM
    `your_bq_project_name.your_bq_ga4_dataset.events_*`
  WHERE
     _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 8 DAY))
    AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
    AND (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'engagement_time_msec') IS NOT NULL
),

-- Step 2: Aggregate GA4 data by session ID and page location
aggregated_ga4_data AS (
  SELECT
    page_location,
    SUM(engagement_time_msec/1000) / NULLIF(COUNT(DISTINCT ga_session_id), 0) AS avg_engagement_time_msec
  FROM
    ga4_data
  GROUP BY
    page_location
),
-- Step 3: Filter GSC data for the last 7 days and select urls which had clicks
gsc_data AS (
  SELECT
    url,
    SUM(clicks) AS clicks,
    SUM(impressions) AS impressions,
    SUM(sum_position) / SUM(impressions) AS avg_position
  FROM
    `your_bq_project_name.searchconsole.searchdata_url_impression`
  WHERE
    data_date BETWEEN DATE_SUB(CURRENT_DATE(), INTERVAL 8 DAY) AND DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY)
    and 
    clicks > 0
  GROUP BY
    url
)

-- Joining Google Search Console data with GA4 data by page_location and url 
SELECT
  gsc.url,
  gsc.clicks,
  gsc.impressions,
  gsc.avg_position,
  ga4.avg_engagement_time_msec
FROM
  gsc_data AS gsc
LEFT JOIN
  aggregated_ga4_data AS ga4
ON
  gsc.url = ga4.page_location
ORDER BY
  gsc.clicks DESC;

यह GA4 से सहभागिता मेट्रिक्स के साथ GSC डेटा खींचता है।

सर्च कंसोल ने डेटा को GA4 के साथ संयोजित कियासर्च कंसोल ने डेटा को GA4 के साथ संयोजित किया

ध्यान दें कि आप GA4 UI में संख्याओं और BigQuery तालिकाओं से पूछे गए डेटा के बीच विसंगतियां देख सकते हैं।

ऐसा इसलिए होता है क्योंकि GA4 “सक्रिय उपयोगकर्ताओं” पर ध्यान केंद्रित करता है और दुर्लभ डेटा बिंदुओं को “(अन्य)” श्रेणी में समूहित करता है, जबकि BigQuery सभी कच्चे डेटा को दिखाता है। सहमति प्रदान नहीं किए जाने पर GA4 अंतराल के लिए नमूना डेटा का भी उपयोग करता है, जिसे BigQuery शामिल नहीं करता है।

इसके अतिरिक्त, GA4 तेज़ रिपोर्ट के लिए डेटा का नमूना ले सकता है, जबकि BigQuery में सभी डेटा शामिल होते हैं। इन विविधताओं का मतलब है कि GA4 एक त्वरित अवलोकन प्रदान करता है, जबकि BigQuery विस्तृत विश्लेषण प्रदान करता है। ऐसा क्यों होता है इसकी अधिक विस्तृत व्याख्या जानें इस आलेख में.

शायद परिणामों को GA4 UI के एक कदम करीब लाने के लिए केवल सक्रिय उपयोगकर्ताओं को शामिल करने के लिए क्वेरीज़ बदलने का प्रयास करें।

वैकल्पिक रूप से, आप डेटा को मर्ज करने के लिए लुकर स्टूडियो का उपयोग कर सकते हैं, लेकिन वह सीमाएँ हैं बहुत बड़े डेटासेट के साथ. BigQuery टेराबाइट्स डेटा को कुशलतापूर्वक संसाधित करके स्केलेबिलिटी प्रदान करता है, जो इसे बड़े पैमाने पर एसईओ रिपोर्ट और विस्तृत विश्लेषण के लिए आदर्श बनाता है।

इसकी उन्नत एसक्यूएल क्षमताएं गहन अंतर्दृष्टि के लिए जटिल प्रश्नों को सक्षम करती हैं जिनका लुकर स्टूडियो या अन्य डैशबोर्ड टूल से मिलान नहीं किया जा सकता है।

सारांश

अपनी रिपोर्टिंग आवश्यकताओं के लिए BigQuery प्रश्नों को इकट्ठा करने के लिए ChatGPT की कोडिंग क्षमताओं का उपयोग करना आपको उन्नत बनाता है और नए क्षितिज खोलता है जहां आप कई डेटा स्रोतों को जोड़ सकते हैं।

यह दर्शाता है कि कैसे चैटजीपीटी जटिल डेटा विश्लेषण कार्यों को सुव्यवस्थित कर सकता है, जिससे आप रणनीतिक निर्णय लेने पर ध्यान केंद्रित कर सकते हैं।

साथ ही, इन उदाहरणों ने हमें सिखाया कि मनुष्यों को निश्चित रूप से एआई चैटबॉट चलाना चाहिए क्योंकि वे मतिभ्रम कर सकते हैं या गलत उत्तर उत्पन्न कर सकते हैं।

अतिरिक्त संसाधन:


विशेष रुप से प्रदर्शित छवि: निकोएलनीनो/शटरस्टॉक

ibnkamal
ibnkamalhttps://iseotools.me
Wasim Ibn Kamal | founder of iseotools.me, newslike.site and healtinfo.space | A developer and UI/UX designer. Cluster-notes.blogspot.com and tsbdu.blogspot.com are two of my blogs.

1 टिप्पणी

कोई जवाब दें

कृपया अपनी टिप्पणी दर्ज करें!
कृपया अपना नाम यहाँ दर्ज करें

Popular Articles

Discover more from iseotools

Subscribe now to keep reading and get access to the full archive.

Continue Reading