Analiza leja e-commerce | GA4 + BigQuery + Tableau
Stworzyłem analityczny dashboard w funnelu e-commerce, używając przykładu danych GA4.
Cel projektu:
Pomóc menedżerowi marketingu zrozumieć, jak użytkownicy poruszają się w funnelu zakupowym oraz określić, na którym etapie następuje największa utrata konwersji.
Co zrobiłem:
• Otrzymałem i przekształciłem dane GA4 w BigQuery za pomocą SQL (CTE, JOIN)
• Zbudowałem zestaw danych na poziomie sesji z kluczowymi etapami funnelu
• Opracowałem interaktywny dashboard w Tableau Public
• Zrealizowałem filtry według daty, źródła ruchu, kampanii, urządzenia, systemu operacyjnego i języka
• Zwizualizowałem pełny funnel — od początku sesji do zakupu
Kluczowe spostrzeżenia:
• Największy odpływ użytkowników następuje na etapie dodawania produktu do koszyka
• Nie wszystkie źródła ruchu, które generują sesje, prowadzą do zakupów
• Efektywność funnelu znacznie różni się w zależności od kanału ruchu i typu urządzenia
Stos technologiczny:
SQL (BigQuery), GA4, Tableau Public
Cel projektu:
Pomóc menedżerowi marketingu zrozumieć, jak użytkownicy poruszają się w funnelu zakupowym oraz określić, na którym etapie następuje największa utrata konwersji.
Co zrobiłem:
• Otrzymałem i przekształciłem dane GA4 w BigQuery za pomocą SQL (CTE, JOIN)
• Zbudowałem zestaw danych na poziomie sesji z kluczowymi etapami funnelu
• Opracowałem interaktywny dashboard w Tableau Public
• Zrealizowałem filtry według daty, źródła ruchu, kampanii, urządzenia, systemu operacyjnego i języka
• Zwizualizowałem pełny funnel — od początku sesji do zakupu
Kluczowe spostrzeżenia:
• Największy odpływ użytkowników następuje na etapie dodawania produktu do koszyka
• Nie wszystkie źródła ruchu, które generują sesje, prowadzą do zakupów
• Efektywność funnelu znacznie różni się w zależności od kanału ruchu i typu urządzenia
Stos technologiczny:
SQL (BigQuery), GA4, Tableau Public