Привіт 🙌
Це остання розсилка у 2025 році.
І так, зараз саме той самий момент наприкінці грудня, коли всі трохи пригальмовують, хтось уже подумки «після свят», хтось підбиває підсумки, а хтось просто намагається закрити всі хвости до Нового року. Ми — десь посередині 🙂
Сьогодні, як завжди, буде багато корисного. І підсумки року будуть, і багато іншого.
Але як завжди — все по порядку.
🔍 Сьогодні в розсилці:
🌟 Практичний гайд для старту роботи з сирими даними GA4 у BigQuery.
🌟 ТОП статей на наших блогах за 2025 рік.
🌟 Як змінилась академія у 2025 році.
Новини Google Analytics
🔹 Analytics Advisor у GA4: тест на реальних даних.
Новини Google Tag Manager
🔹 Нові змінні в Google Tag Manager.
Новини Power BI
🔹 Підсумки 2025 року і великий крок у web-версії.
Новини Google BigQuery
🔹 Розширення функціоналу BigQuery Data Transfer Service.
Корисні матеріали
🔸 Гайд по Google cookies для налаштування consent.
🔸 Як оцінити реальний вплив промо на продажі з допомогою Power BI.
📰 Практичний гайд для старту роботи з сирими даними GA4 у BigQuery
На Чорну п'ятницю, дуже неочікувано для мене, найбільш продаваним курсом був BigQuery for Marketing.
Причин чому він був таким популярним, може бути багато, але для себе я вирішив, що це знак, що усе більше людей реально доходять до роботи з сирими даними, а не просто дивляться на звіти в інтерфейсі. Саме з цього й народилась ідея серії матеріалів про те, як почати працювати з сирими даними в BigQuery з нуля.
Перший матеріал уже вийшов на блозі академії. Навіть якщо тобі здається, що "нахіба це все, якщо є чатгпт і компанія, які можуть без проблем написати такі SQL-запити" - так, вони можуть, але ця стаття не стільки про сам SQL, скільки про розуміння схеми даних і процесу побудови звіту на сирих даних загалом. Тому рекомендую до ознайомлення!
Приємного читання!
🔥 ТОП статей на наших блогах за 2025 рік
Насправді я спочатку планував опублікувати два матеріали про BigQuery цього року. Але невеличке, але доволі запекле опитування в Telegram показало, що значна частина з вас уже в режимі «краще пісня свят» — тож новий глибокий матеріал логічніше залишити на січень.
Я повертаюся в робочий режим 8 січня, але залишати тебе на канікули без корисного контенту — не варіант. Тому вирішив піти на компроміс: нову статтю відкладаємо, зате саме зараз — ідеальний момент трохи підсумувати рік і згадати найпопулярніші матеріали з наших блогів.
Якщо ти щось пропустив протягом 2025-го — ось твій шанс наздогнати. Уся ця інформація не втратить актуальності за час свят, а навпаки — допоможе почати 2026-й уже з нормальною базою. До речі, багато хто досі не знає, але у нас є аж три різні блоги з різним фокусом:
- Блог PROANALYTICS.ACADEMY - тут публікуються більш загальні матеріали початкового і середнього рівня
- Блог нашої аналітичної команди ProAnalytics.Team - тут рівень матеріалів від середнього і вище
- Мій особистий блог Analytics Tips - тут мої думки, тести і ідеї.
Ось наш топ за цей рік — те, що ви читали найбільше:
Блог PROANALYTICS.ACADEMY
- 🥇1 місце: Покроковий гайд з налаштування Google Analytics 4 (GA4)
- 🥈 2 місце: Як налаштувати аудиторії в Google Analytics 4: від простих рішень до складних сценаріїв.
- 🥉 3 місце: Нове в шаблонах тегів: як тепер налаштовуються розширені конверсії для веб у Google Tag Manager.
Блог команди ProAnalytics.Team
- 🥇1 місце: Маркетингова аналітика для E-commerce
- 🥈 2 місце: Аналітика для SaaS: Які показники потрібно аналізувати і чому
- 🥉3 місце: Наскрізна аналітика. У чому її користь для бізнесу. Інтерактивний приклад всередині
Блог Analytics Tips
- 🥇1 місце: Чому і як Google Ads MCP змінює підхід до аналітики рекламних кампаній
- 🥈2 місце: Model Context Protocol: що це і чому за ним — майбутнє аналітики
- 🥉 3 місце: Мені здається вічна стаття - Налаштування Ecommerce в Google Analytics 4 через Google Tag Manager. Детальна інструкція
Приємного читання!
🔥 Як змінилась академія у 2025 році
Але наш 2025-й — це не тільки пости й статті.
Увесь цей рік ми робили багато іншого, не менш важливого. Усе — в рамках нашої великої місії: щоб українських аналітиків знали й цінували у всьому світі. І для цього важливо не лише писати контент, а й будувати нормальну, зручну й зрозумілу екосистему.
За цей рік ми суттєво оновили сайт академії. З’явилися:
- Довідник з налаштувань GA4 — як база знань, до якої можна повертатися.
2. Архів розсилок, щоб ніякі важливі новини не губилися.
3. Сторінка про нас і нашу команду. Щоб ви нарешті могли дізнатись з чого все почалося)
Але розвиток академії — це не тільки сайт. Я вже кілька розсилок поспіль писав про оновлення матеріалів курсів, і ось буквально на цьому тижні було записано нове відео для курсу Server-side GTM Basics, яке з'явиться на платформі вже на початку січня.
Але і це ще не все. Є ще й — розвиток самої платформи. Буквально минулого тижня у нас був великий реліз оновленого дашборду. Ось основні зміни, які мають тобі легше орієнтуватись під час навчання.
По-перше, повністю оновилась сама сторінка дашборду:
— нові картки курсів
— у кожній картці тепер видно прогрес
— з’явилось сортування курсів
— оновлений календар подій
— перероблений блок рекомендованих курсів
— маркетинговий хедер, той самий, де ти можеш шукати промокоди на знижки, тепер логічно розміщений зверху
По-друге, ми допрацювали мобільну версію дашборду:
— забрали навігацію знизу, тепер усе в хедері
— а у меню, що відкривається, з’явився календар подій
А також:
— нова сторінка при виході з акаунта
— сторінки підписок і сертифікатів переїхали на оновлений візуал (так, з новими котиками 🐱)
— покращили швидкість завантаження
— ну і багато інших більш мілких апдейтів, які мають зробити твоє навчання приємніше.
На цьому наші новини все. Перейдімо до новин сервісів, які ми всі щодня використовуємо 🔥
👉 Google Analytics 4
Цього разу новина фактично одна, але важлива — Analytics Advisor. Я вже писав про нього раніше, коли він тільки починав з’являтися в окремих акаунтах, але зараз його вже розкатали для всіх.
Я вирішив ще раз протестувати його на конкретному, прикладному питанні — по суті, це тест «відповідь на питання», яке аналітик реально може поставити в роботі. І на якому минулого разу він провалився.
Питання було таке:
які джерела / канали трафіку мають найкращі та найгірші показники конверсії з додавання до кошика в покупку?
На першому скріншоті ти бачиш, що я працюю з періодом останні 30 днів, і Advisor підготував мені відповідь. Але якщо уважно подивитися на цифри, вони трохи відрізняються від того, що я бачу у власноруч побудованому звіті.
Спочатку я подумав про семплінг. Але, як видно на скріншоті, зверху є оранжевий трикутник — це означає, що в мене висока кардинальність даних, і частина інформації зібрана в (other). Тобто семплінгу тут не було, але дані розходяться. Чому саме — відповіді я так і не знайшов.
Але розбіжності в цифрах не єдина причина, чому мене не влаштувала ця відповідь. Інша причина - сам підхід. Фактично Advisor порахував кількість подій. А мене цікавило зовсім інше:
Який відсоток користувачів, які додали товари до кошика зробили покупку, і рахувати це я звик по користувачах, а не по подіях.
Тому я спробував вдруге й перефразував питання, прямо вказавши, що мене цікавлять користувачі. І от тут, на другому скріншоті, дані вже повністю зійшлися з моїм звітом. Плюс — Advisor одразу порахував коефіцієнт конверсії, і це реально зручно: раніше це доводилося робити вручну.
Але я все одно залишився не до кінця задоволеним. Чому? Тому що в самому інтерфейсі GA4 я бачу індикатор семплінгу, а в чаті — жодного слова про те, що дані можуть бути не повними. Тобто контекст просто губиться.
Якщо дивитися ширше, я все ще вважаю, що підхід із GA4 MCP (який, скоріше за все, і лежить в основі цього Advisor’а) у вигляді окремого GA4 MCP, який ти запускаєш сам, виглядає сильніше. Там ти бачиш, з яких даних і з якою логікою формуються висновки, і можеш зрозуміти, чому щось не зійшлося. Тут же тобі просто віддають результат — без деталей.
Резюмуючи.
Мені подобається напрямок, у якому рухається Google Analytics. Advisor може бути корисним, особливо для невеликих проєктів і ad hoc задач, якщо ти добре розумієш, що саме питати і як формулювати запит. Він реально може зекономити час.
Але користуватися ним варто обережно:
— не завжди зрозуміло, які саме дані він використовує
— він не сигналізує про семплінг або обмеження даних
— правильну відповідь я отримав лише з другої спроби, чітко сформулювавши запит у розрізі користувачів, а до цього мав зовсім інші дані. Тобто без перевірки у вигляді побудови звіту можна було легко промахнутись.
Тому поки що виглядає так, що для регулярної аналітики готові звіти все ще виграють. А Advisor — це хороший інструмент, але саме як допоміжний.
Читати про новину в офіційній довідці >>>
👉 Google Tag Manager
Команда Google Tag Manager теж вирішила нагадати про себе під кінець року й випустила невеликий, але корисний апдейт.
У Tag Manager з’явилися нові вбудовані та user-defined змінні:
— Analytics Client ID
— Analytics Session ID
— Analytics Session Number
Вони дозволяють напряму отримувати відповідні значення з cookies, без додаткових костилів і кастомних рішень. Загалом — дуже зручне оновлення, особливо для тих, хто працює з Measurement Protocol або більш складними схемами трекінгу.
Особисто я дуже сподіваюсь, що з такими апдейтами ми більше не будемо ловити ситуації, як на початку літа, коли Google без попередження змінив формат cookies для session identifier.
Тож апдейт невеликий, але гарний.
👉 Power BI
Ми вже звикли, що команда Power BI щомісяця приносить великі апдейти. Але цього разу — тиша. Схоже, під кінець року масштабних релізів уже не буде (хоча, звісно, я можу помилятись).
Але думаю вони заслуговують на відпочинок. За цей рік інструмент значно прокачався. А особливо я б виділив один напрямок, який, на мою думку, став знаковим у використанні Power BI — паритет між Desktop і web-версією в частині data modeling.
Фактично тепер більшість задач зі створення звітів і семантичних моделей можна закрити повністю в онлайн-версії Power BI. Раніше повноцінна робота з моделями була прив’язана до Power BI Desktop і, відповідно, до Windows. Тепер же створення, редагування і підтримка semantic models доступні прямо в Power BI Online — через браузер.
Це означає, що користувачі macOS тепер можуть будувати end-to-end рішення без жодних обхідних шляхів: від завантаження й трансформації даних у Power Query — до моделювання та побудови звітів, не виходячи з вебу. Усі зміни автоматично зберігаються, плюс працює історія версій моделей.
Звісно, такі люди як я, ті хто полюбили десктоп Power BI, навряд чи найближчим часом перейдуть в веб-версію. Але нова аудиторія я думаю підтягнеться швидко.
Плюс на блозі Power BI вийшов підсумковий пост за 2025 рік, де команда зібрала ключові зміни та оновлення, які вони зробили протягом року. І якщо подивитись на нього уважно, стає зрозуміло: рік був дуже сильний.
Якщо цікаво глибше — посилання на їхній рік у цифрах і фічах, як завжди, нижче. Читати матеріал >>>
👉 Google BigQuery
Складається враження, що більшу частину грудня команда Google BigQuery працювала майже виключно в одному напрямку — розширення BigQuery Data Transfer Service. І це, насправді, максимально логічний крок.
Якщо Google хоче, щоб усередині Cloud і BigQuery люди будували моделі і працювали з даними, то спочатку потрібно зробити сам збір цих даних простішим і зручнішим.
Тільки за останні два тижня до існуючого переліку можливостей Data Transfer додалося:
Загальнодоступні (GA) конектори:
- Transfer з PostgreSQL → BigQuery
- Transfer з MySQL → BigQuery
- Transfer з Oracle → BigQuery
У Preview:
- Transfer з Microsoft SQL Server → BigQuery
- Transfer з blob storage:
- Amazon S3
- Azure Blob Storage
- Cloud Storage
(у BigLake Iceberg таблиці)
- Transfer з маркетингових платформ:
- Klaviyo
- HubSpot
Якщо подивитись на цей список ширше, то він дуже показовий. Тут фактично три великі категорії джерел:
- класичні, суперпопулярні бази даних;
- сховища неструктурованих даних;
- маркетингові платформи.
І це ще один чіткий крок Google Cloud і BigQuery у бік того, щоб BigQuery все частіше обирали саме маркетингові команди.
Усі оновлення BigQuery Data Transfer Service за грудень можна подивитися за посиланням >>>
На цьому новини все - Переходимо до корисних матеріалів 🔥
🔥 Як виміряти реальний вплив промо на продажі в Power BI
На відміну від команди Power BI, яка цього разу не принесла апдейти в грудні, я про вас не забув :)
Тим більше з урахуванням поточного контексту: акції, промо, знижки — у кінці року цього всього традиційно багато.
Саме тому в сьогоднішній підбірці є дуже доречний матеріал — про аналіз промоактивностей і їхній вплив на продажі товарів. Це якраз один з тих кейсів, де Power BI розкривається максимально практично: не просто подивитись цифри, а зрозуміти, які саме активності реально працюють
.
Якщо працюєш із продажами, маркетингом або просто хочеш краще розуміти ефект від промо — дуже раджу ознайомитися.
🔥 Робота з Google Tag Manager напряму з VS Code
Про це рішення я знаю вже кілька тижнів (якщо бути точним, то за декілька днів до його офіційної появи), але вирішив додати його саме в цю розсилку не випадково. Для мене це дуже влучне резюме того, що насправді відбулося з аналітикою у 2025 році.
А відбулося просте, але важливе зміщення: все більше аналітиків з різних причин переходять до роботи через IDE (Integrated Development Environment) для закриття своїх задач.
Причин тут багато.
- і тому, що Power BI нарешті нормально запрацював із Git, і керувати цим значно зручніше саме через IDE;
- і тому, що MCP сервери стають стандартом, а IDE виступає одним із ключових середовищ для роботи агентів;
- і тому, що LLM-чати реально допомагають швидше писати код, складніші скрипти й закривати задачі навіть тоді, коли не вистачає якихось знань;
- і.. список можна продовжувати довго.
Чесно кажучи, мені вже складно уявити аналітика рівня middle і вище, який не використовує IDE у своїй роботі хоча б кілька разів на тиждень.
І на цьому фоні David Vallejo зробив дуже логічний крок — випустив розширення для VS Code, яке дозволяє працювати з Google Tag Manager напряму з IDE: писати код, налаштовувати теги, шаблони й структуру, не перемикаючись постійно в веб-інтерфейс.
Звісно, ідеального рішення не існує. У веб-версію GTM все одно доведеться заходити — для preview, перевірок і дебагу цього ніхто не скасовував. Але якщо твоя задача більш «складніша і розробницька» — написати великий скрипт, підготувати кастомний шаблон тега або просто провести аудит — це рішення дуже добре заходить.
Особисто мені воно подобається ще й тим, що я використовую його для перевірки домашніх завдань студентів. Ну і ще тому, що VS Code вміє працювати з LLM-агентами — а вони можуть допомагати писати/перевіряти код прямо на місці, без постійного копіювання між чатами й GTM.
Тож якщо ти ще не почав активно використовувати IDE у своїй роботі — наприклад, VS Code або той самий Google Antigravity, про який я говорив на одному з нещодавніх вебінарів, — дуже раджу спробувати. Якщо не зараз, то точно на старті наступного року.
🔥 Як увійти в 2026 рік із розумінням AI, а не з питаннями.
Ну і наостанок — про AI, бо якщо вже підбиваємо підсумки року, то обійти цю тему просто неможливо.
Я не втомлюся повторювати: AI не забере роботу аналітика. Але він точно її змінює — і змінює доволі сильно. Причому, як на мене, у кращий бік.
AI забирає рутину, пришвидшує базові операції й звільняє час на те, чим аналітик насправді має займатись: аналіз, пошук інсайтів і роботу з гіпотезами, а не нескінченну базову ручну роботу.
І це не лише моя думка. Багато людей говорять про те саме — змінюється інструментарій, підхід до задач і фокус роботи, але не сама професія. Вже декілька розсилок поспіль я даю приклади роздумів на цю тему, щоб закріпити цю думку для вас. І сьогодні ще два лінки:
👉 Короткий пост, як аналітичні рішення ламаються без базового розуміння даних
👉 Короткий пост, чому LLM не можуть думати за бізнес
Я спеціально не вказую тут імен, але це люди які знають, що говорять.
Але навіть якщо наша робота залишається, ми маємо розуміти, як ми можемо використовувати AI і орієнтуватись в усіх цих термінах і процесах, про які ще рік тому багато хто навіть не чув.
І тут Google зробив, на мій погляд, дуже вдалу річ. Вони запустили Advent-календар із навчальними матеріалами про AI-агентів. Фактично це серія коротких відео, кожне — до 5 хвилин, але з однією чіткою ідеєю: пояснити окремий процес або концепцію, з яких складається загальне розуміння побудови першого агента.
Зараз календар уже майже добігає кінця: відкрито 22 дні з 25, залишилося буквально кілька відео. Але це навіть плюс — можна пройти все спокійно, без поспіху, за кілька підходів.
Звісно, я не вважаю, що кожному аналітику потрібно вміти будувати власних AI-агентів з нуля. Але розуміння того, як це все влаштовано, плюс знайомство з новими поняттями й підходами — це вже база нашої професії.
Перейти до адвент-календаря >>>
Вітаю з Новим 2026 роком 🎄
Нехай 26-й рік принесе нам більше спокою, світлих новин, відчуття, що ми рухаємось у правильному напрямку, і ,звісно, ПЕРЕМОГУ. Бережи себе і своїх близьких.
На всяк випадок нагадую, що існує англомовна версія розсилки на LinkedIn, на яку ти теж можеш підписатися та поділитися з англомовними колегами.
Твій сенсей, Макс Гапчук 🔥
Будь в курсі актуальних новин зі світу аналітики!