Beispielscript zum Export von Daten aus Google Universal Analytics mittels R

Universal-Export-R-Beispiel.R

#---------------------------------------------------------------------------------
# Beispielscript: Export von Daten aus Google Universal Analytics mittels R  
#---------------------------------------------------------------------------------
# Dieses Beispiel gehört zum Blogpost unter
# https://www.markus-baersch.de/blog/universal-analytics-daten-sichern-was-und-wie/  

# Damit es nutzbar ist: 
#  - R installieren: https://cran.rstudio.com/ 
#  - RStudio installieren: https://www.rstudio.com/ 
#  - Dieses Script in RStudio öffnen 
#  - Anweisungen im Script folgen und Zeilen einzeln durch STRG + ENTER 
#    ausführen, um die Schritte nachvollziehen zu können 

#---------------------------------------------------------------------------------
# SETUP
#---------------------------------------------------------------------------------
# Hier die eigene ID eintragen - kann aus dem Query Exporer in der ID Zeile
# abgelesen werden (siehe Blogpost). 
checkId = "1234567890"

# HINWEIS: Dieses Script verwendet die "öffentliche" Anbindung von googleAnalyticsR 
# (https://code.markedmondson.me/googleAnalyticsR/index.html). 
# Es gibt eine Alternative, die ggf. den eigenen Datenschutzanforderungen gerechter  
# wird dafür aber etwas mehr Aufwand bedeutet. Siehe dazu: 
# https://code.markedmondson.me/googleAnalyticsR/articles/setup.html#professional-mode-your-own-google-project 

# Datumsbereich wählen. Hier ein Beispiel, das vom akt. Datum abhängt und 
# 90 Tage seit gestern abruft: 
# c(Sys.Date()-91, Sys.Date()-1)
# Es können aber feste Zeiträume im Format "yyyy-mm-dd" angegeben 
# werden, was hier deutlich sinnvoller erscheint. Hier als Beispiel das Jahr 2021 
checkDateRange = c("2021-01-01", "2021-12-31");

#---------------------------------------------------------------------------------
# VORBEREITUNG
#---------------------------------------------------------------------------------
# die folgende Zeile einmalig ausführen, um das Paket zum Zugriff auf die GA API 
# zu installieren. Dazu das "#" vor der Zeile entfernen und STRG+ENTER zum 
# Ausführen der Zeile verwenden 
#install.packages("googleAnalyticsR", dependencies=TRUE)

# Weitere Infos und Doku siehe 
# https://cran.r-project.org/web/packages/googleAnalyticsR/googleAnalyticsR.pdf


#---------------------------------------------------------------------------------
# Bibliothek laden und Zugriff erlauben
#---------------------------------------------------------------------------------
library(googleAnalyticsR)
ga_auth()

#---------------------------------------------------------------------------------
# DATEN ABRUFEN - Beispiel 1: User und Sessions nach Monat und Kanal 
#---------------------------------------------------------------------------------
# Dokumentation aller Optionen der hier verwendeten Funktion: 
# https://code.markedmondson.me/googleAnalyticsR/articles/v4.html 
# Wesentlich ist in diesem Beispiel die Verwendung von anti_sample = TRUE, um ggf. 
# in mehreren Aufrufen nacheinander alle Daten abzurufen, wenn dies möglich ist (auch   
# das hat seine Grenzen). Hinweis: Es mag sein, dass Hinzufügen von slow_fetch = TRUE
# zu den Optionen bessere Ergebnissen bei großen Datenmengen liefert 
ga_channel_data = google_analytics(viewId = checkId,
                             date_range = checkDateRange,
                             metrics = c("sessions","users"),
                             dimensions = c("channelGrouping","yearMonth"),
                             anti_sample = TRUE)

#---------------------------------------------------------------------------------
# DATEN ABRUFEN - Beispiel 2: Seiten aus dem Blog für den o. a. Zeitraum gesamt
#---------------------------------------------------------------------------------
# Je nach Umfang / Vorhaben müssen ggf. Filter gesetzt werden. Dies passiert 
# in folgendem Format, hier z. B. als Dimensionsfilter nur für Seitenpfade, 
# die (mit /blog/) beginnen: 
pg_filter <- dim_filter(dimension="pagePath",operator="BEGINS_WITH",expressions="/blog/")
f_clause <- filter_clause_ga4(list(pg_filter))
# Hilfe zu Filtern finden sich ebenso im Query Explorer 
# (siehe Blogbeitrag) - weitere Optionen der Funktion siehe unten

ga_blogpage_data = google_analytics(viewId = checkId,
                                   date_range = checkDateRange,
                                   metrics = c("pageviews","entrances", "bounces"),
                                   dimensions = c("pagePath", "yearMonth"),
                                   dim_filters = f_clause,
                                   anti_sample = TRUE)

#---------------------------------------------------------------------------------
# AUSGABE in Console
#---------------------------------------------------------------------------------
# Einfache Ausgabe einer Übersicht und der ersten Zeilen beider Tabellen.
# Die Ergebnisse beider Abfragen finden sich rechts oben im "Environment" Fenster 
# und kann dort per Klick auf ga_channel_data bzw. ga_blogpage_data geöffnet 
# und betrachtet werden etc. 
summary(ga_channel_data)
head(ga_channel_data)

summary(ga_blogpage_data)
head(ga_blogpage_data)

#---------------------------------------------------------------------------------
# ERGEBNISSE ALS CSV SPEICHERN
#---------------------------------------------------------------------------------
# Soll eine Speicherung auf dem eigenen Rechner erfolgen, die folgenden Zeilen 
# ausführen. Dort entweder den Speicherort und Dateinamen anpassen - sonst landet 
# das Ergebnis im Home- bzw. Arbeits-Ordner, der sehr wahrscheinlich gerade unter 
# "Files" rechts unten geöffnet ist

write.csv2(ga_channel_data, file="universal_export_channels.csv")
write.csv2(ga_blogpage_data, file="universal_export_blogpages.csv")

# Dieser Vorgang kann nun durch mehrfachen Aufruf der google_analytics Funktion 
# mit anderen Parametern wiederholt werden und jedes Ergebnis wie oben
# mit passendem Dateinamen gespeichert werden 

Dieses Beispiel gehört zum Blogpost unter https://www.markus-baersch.de/blog/universal-analytics-daten-sichern-was-und-wie/