- Головна
- /
- Архів розсилок
- /
- Дайджест з вебаналітики #57
від 30 Квітня 2026р.
Привіт 🙌
Зараз у мене період, який я називаю «міжсезоння». Це той період, коли всі потоки PRO-курсів уже завершилися, а до старту нових ще є приблизно місяць.
Зазвичай у такі моменти я раптом згадую, що можна не тільки перевіряти домашки по вечорах, а й зробити щось ще цікавіше 🙂 І от на минулому тижні мені захотілося знову провести вебінари — давно вже їх не було.
Спочатку в мене був простий план: я зробив пост в Facebook і вирішив, якщо під постом на якусь тему збереться хоча б 30 голосів — проведу цей вебінар. Я запропонував 4 теми, і в результаті тільки "найнепопулярніша" тема набрала 29 голосів, а всі інші без проблем пройшли поріг 30. Тому я вирішив не обмежуватися і провести всі 4 🔥
Фактично виходить такий мінікурс по сучасним процесам у вебаналітиці — з акцентом на практику і реальні кейси.
📚 Теми вебінарів:
- Аналіз даних GA4.
Якщо коротко, то ідея вебу показати трохи фішок по аналізу даних: перша частина вебу буде в інтерфейсі га4 для тих хто любить класику, в другій покажу як подружити ваш га4 з Claude і які можливості вам це дає. - Data-агенти в BigQuery.
Команда BigQuery нещодавно викатили ВАУ інструмент - агентів. Формула супер проста: візьміть ллм заточену під роботу з даними, додайте дані вашого бізнесу і пропишіть бізнес контекст. На виході чат, який розуміє ваші нюанси, має доступ до ваших даних, все це прямо в інтерфейсі BigQuery і ще й SQL запит, яким був отримана відповідь на питання додається. Оскільки я люблю практичні вебінари, то суть цього вебу в тому, щоб пройти весь цей шлях від початку до кінця. - AI у вебаналітиці.
AI в вебаналітиці: де і як варто використовувати, а що краще не делегувати. Тут, якщо що, буде трішки більше рефлексії, але з того що я бачу останнім часом - тема дуже важлива. Наші клієнти зараз досить активно цікавляться як AI може допомогти в аналітиці, тому думаю може бути цікаво й іншим. Звісно по частині "де варто використовувати" будуть і практичні приклади, як без неї. - Сучасний стек вебаналітика: які інструменти обрати відділу маркетингу.
Ця тема навіяна зустрічами на цьому тижні. Як би багато не говорилось про всі ці GA4, серверні гтми, BigQuery, стейпи, PowerBI, Lookerи, CAPI, амплітуди, аірбайти, і інші назви й абревіатури, коли діло доходить до моменту, де треба обрати правильні інструменти під потрібні задачі у багатьох є нерозуміння можливостей, переваг і недоліків. Ідея цього вебу розкласти все по поличках. Щодо практичної частини цього вебу: надіюсь, що дехто з учасників буде зараз на стадії пошуку потрібних інструментів під вебаналітичну інфраструктуру, і як раз на їх прикладі ми й розберемо практичні кейси і що варто врахувати. Якщо ж таких не буде - я розповім про наш набір інструментів для побудови наскрізної, і чому ми використовуємо саме його.
Оскільки вебінарів 4 - думаю варто розділити на два тижні. Вебінари планую провести в наступні дати (далі: номер теми - дата)
🗓️ Дати проведення:
- 1 — Четвер, 21 травня
- 2 — П’ятниця, 22 травня
- 3 — Четвер, 28 травня
- 4 — П’ятниця, 29 травня
📌 Вартість та формати участі
Спочатку я думав провести один вебінар за $20 і на цьому зупинитися. Але з фідбеку стало зрозуміло, що багато хто хоче відвідати кілька тем, а дехто — всі одразу. Тому зробив два варіанти участі:
- 🎫 можна обрати будь-який окремий вебінар — $20
- 🎫 або взяти доступ одразу до всіх чотирьох — $50
⚠️ Як записатися?
Є один нюанс: через технічні моменти з оплатою я поки не можу дати прямі лінки.
Тому замість цього переходь за посиланням на пост у Facebook і залиш під ним коментар:
- номер вебінару (або кілька), які тебе цікавлять
- або напиши «всі», якщо хочеш взяти весь пакет
Як тільки я вирішу технічну частину з оплатою — скину тобі лінк і тегну в коментарях, щоб ти нічого не пропустив.
Якщо ти не використовуєш Facebook - напиши відповідь на цей лист.
Ну а тепер перейдемо до основної частини. За час від останньої розсилки відбулась подія, яку складно ігнорувати — Google Cloud Next — коли Google показує своє бачення того, куди все рухається. Тому сьогодні будуть тільки новини і апдейти сервісів. Одразу скажу, презентували дуже багато всього, тому я звертаю увагу тільки на основне.
🔍 Сьогодні в розсилці:
Наші новини:
⚠️❗️ Зміна розкладу наступних розсилок.
🌟 Як покроково зібрати звіт Traffic Acquisition у BigQuery.
🌟 Як передавати дані у BigQuery на прикладі PostgreSQL: Data Transfer vs Datastream.
Новини Google Analytics:
🔹 Task Assistant у GA4: з’явився офіційний анонс.
Новина Server-Side GTM:
🔹 Нова версія server-side Google Tag Manager.
Новини Google Cloud Platform:
🔹 Чому перейменування Data Studio - це більше, ніж просто зміна назви.
🔹 Аналітика графів в BigQuery: оновлення функціоналу (Preview).
🔹 Prism - open source рішення для оцінки агентів Conversational Analytics від Google.
🔹 Data Engineering Agent в BigQuery (Загальний доступ).
🔹 Як Google бачить майбутнє детектингу аномалій.
🔹 AI.KEY_DRIVERS: пошук факторів впливу в даних (Preview).
🔹 Оновлення BigQuery MCP Server (Загальнодоступно).
🔹 Папки в BigQuery (Загальнодоступно).
🔹 Матеріалізовані представлення для CDC (Загальнодоступно).
🔹 Dataform: зміни в доступах (breaking update).
Новини Power BI:
🔹 Copilot у Power BI на мобільних.
🔹 Оновлення візуалізації “Картка” (Card visual).
🔹 Canvas settings: готові розміри під популярні екрани.
Інші новини:
🔹 Помилка в Google Search Console: некоректні покази (impressions).
🔹 Рух Meta в сторону AI-управління рекламою (MCP і CLI).
🔹 Meta запускає налаштування CAPI в один клік (будьте обережні).
📰 Як покроково зібрати звіт Traffic Acquisition у BigQuery
Як ти, можливо, вже помітив, я вирішив зробити квітень таким собі “місяцем BigQuery”. Тому лови ще два нових матеріали з наших блогів на цю тему.
Перший - моя нова стаття про те, як перестати боятися цього інструменту і нарешті зрозуміти, як з ним працювати на практиці. Наприклад, для того щоб відтворити на сирих даних звіт Traffic Acquisition вам потрібно знати всього 10 функцій. При цьому 6 з яких мають прямі аналоги в Excel. А довчити ще 4 нових слова - ну це ж не важко?)
Щоб це довести, я взяв один з найпопулярніших звітів — Traffic Acquisition — і на його прикладі показав весь процес:
- які базові речі потрібно знати на старті;
- як працює логіка цього звіту;
- і як з сирих даних зібрати зрозумілий результат.
Плюс у статті є готовий SQL-запит, який ти можеш одразу використовувати в роботі.
Якщо ти ще не працюєш з BigQuery — дуже рекомендую хоча б переглянути цей матеріал. Навіть просто для того, щоб краще зрозуміти логіку джерел трафіку в GA4 і побачити, що все не так страшно, як здається.
📰 Як передавати дані у BigQuery на прикладі PostgreSQL: Data Transfer vs Datastream
Здається, тенденція писати “томи” по BigQuery починає розростатися :) Бо не тільки я вирішив зануритись у це глибше.
Моя колега Поліна Мерзлікіна теж підготувала свій "том" — уже про іншу, але не менш важливу частину всієї цієї історії.
Її стаття про вирішення однієї з базових задач у сучасній вебаналітиці — зібрати всі дані з різних систем в одному місці.
Розбирається два популярних рішення від Google — Data Transfer та Datastream, які дозволяють організувати передачу даних у BigQuery без жодного рядка коду.
Розбір зроблений на прикладі передачі даних з PostgreSQL, але сам підхід значно ширший — ці інструменти підтримують набагато більше джерел.
P.S. Якщо хочеш прокачатися в BigQuery значно глибше, ніж один-два матеріали — welcome на курс BigQuery for Marketing. Це формат самостійного навчання, але з нормальною структурою та практикою і з готовими шаблонами під найпопулярніші задачі: побудова базових звітів, воронок, поєднання даних з call tracking, CRM, рекламних систем і GA4 в одну систему і т.д.
📌 Детальна програма курсу тут >>>
І якщо раптом ти все ще дивишся на BigQuery і думаєш “навіщо мені це взагалі?” — дуже рекомендую почати з бази. У нас на блозі є матеріал, який завжди актуальний: Що таке BigQuery, навіщо він потрібен і яку цінність дає для бізнесу.
На цьому наші новини все. Перейдімо до новин сервісів, які ми всі щодня використовуємо 🔥
Оскільки нещодавно відбувся Google Cloud Next сьогодні буде трохи інший формат: окрім класичних новин (тобто того, що вже офіційно зарелізили), я додатково зверну увагу на цікаві анонси з Google Next, які дають розуміння, що нас чекає далі. Я згрупую цей мікс із фактичних та запланованих релізів в логічні блоки, щоб об'єднувати в одну тему, де видно, що вже є, а що планується.
До речі, якщо хочеш подивитися повний список усього, що Google анонсував (не тільки по аналітиці, а загалом по Google Cloud) — рекомендую офіційний recap:
260 things we announced at Google Cloud Next '26 – a recap.
І ще цікавий момент. Буквально нещодавно вийшла фінансова звітність Google за Q1 2026 — і там дуже показові цифри. Якщо коротко: Google Cloud (і AI функціонал в ньому) дуже сильно росте. Прибуток від цього напрямку зріс з 12 до 20 млрд в порівняння з аналогічним періодом минулого року. І це добре пояснює, чому зараз виходить так багато апдейтів і чому Google так активно пушить цей напрямок.
Ну а тепер повертаємось до новин. І почнемо, як завжди, з Google Analytics.
👉 Новини Google Analytics
🚩 Task Assistant у GA4: з’явився офіційний анонс.
Про цей функціонал я вже згадував в одній з попередніх розсилок, і він не заслуговує багато уваги, тому просто нагадаю: рекомендую ставитись до цього блоку максимально обережно. Не як до списку того, що “треба зробити”,
а як до списку того, що варто переглянути і подумати, чи це взагалі потрібно у твоєму кейсі.
Як ти вже напевно знаєш, рекомендації від Google не завжди враховують специфіку конкретного бізнесу. Тому будь обережним.
На цьому новини по Google Analytics 4 все.
👉 Новини Server-Side GTM
Тут теж без якихось гучних апдейтів. Вийшла нова версія server-side Google Tag Manager, яка включає певні оновлення безпеки. Оновлення мінорне, тому апдейт зробити варто, але він не горить на "зробити вчора".
👉 Новини Google Cloud Platform
🚩 Чому перейменування Data Studio - це більше, ніж просто зміна назви
У минулій розсилці я вже згадував цей апдейт, коли Looker Studio знову перейменували назад у Data Studio. Але якщо відкинути жарти, насправді за цим стоїть доволі логічний, як на мене, крок.
Google поступово змінює саму роль цього інструменту. Тепер це вже не просто “студія для візуалізованих даних”. Фактично це стає таким собі датахабом:
— тут залишаються класичні звіти
— сюди ж тепер підтягуються BigQuery Conversational Agents (тобто можливість “спілкуватися” зі своїми даними)
— і з’являється новий рівень — інтерактивні data apps — тепер можна використовувати Colab Data Apps, щоб перетворювати аналіз із Colab-блокнотів у повноцінні інтерактивні додатки.
Фактично для мене Data Studio зі своїм оновленим функціоналом — це вже не просто інструмент для візуалізації, він стає схожим на сервіс, який добре дозволяє закривати ad hoc задачі нетехнічних користувачів. Але з іншого боку, це все ще не BI-інструмент рівня Looker від того ж Google. І якщо за старої назви ці інструменти часто плутали, то зараз я радий, що їх знову зможуть розрізняти)
Про Colab Data Apps можна почитати тут >>>
А про BigQuery Conversational Agents я буду говорити на одному з вебінарів, про які писав на початку листа.
🚩 Аналітика графів в BigQuery: оновлення функціоналу (Preview)
Про аналітику графів в BigQuery я вже згадував у кількох останніх розсилках. Цей напрямок активно розвивається, і Google явно робить на нього ставку. І цього разу з’явився ще один важливий крок вперед.
Тепер ти можеш візуалізувати результати графових запитів прямо в BigQuery Studio — без використання додаткових інструментів або блокнотів.
Функція поки що в preview, але вже виглядає дуже перспективно.
Щоб було зрозуміліше, як це працює, я вирішив показати простий приклад (скрін нижче👇). У моєму випадку — це граф, який показує, як користувачі переходять між курсами на нашій освітній платформі.
Тобто:
- вузли — це курси;
- зв’язки — переходи між ними;
- і є кількість таких переходів.
Це максимально базовий сценарій, але він добре показує саму ідею.
Зверни увагу, це не найкращий приклад практичного використання графів. Тут скоріше демонстрація можливостей, ніж реальний бізнес-кейс. Тому якщо тема цікавить — рекомендую окремо подивитися більш прикладні сценарії використання графів у цьому матеріалі.
Читати про новину детальніше >>>
Знайомство з BigQuery Graph: розкриття прихованих зв'язків у ваших даних >>>
Інші новини щодо аналітики графів в BigQuery, які варті твоєї уваги:
🚩 З’явився окремий інструмент для роботи з графами — Graph Visual Modeler (Preview).
По суті, це інтерфейс, який дозволяє візуально будувати і редагувати графові моделі, а не тільки писати їх через код. Це важливо, бо такий підхід сильно спрощує роботу з ними.
🚩 Інтеграція роботи з графами у Conversational Analytics (Preview).
Тепер ти можеш не тільки будувати графи, а й працювати з ними через чат, ставити питання до своїх даних і отримувати відповіді. І тут якраз видно, куди все рухається: від "написати запит" → до "поспілкуватися з даними". (Головне не забути ці дані правильно приготувати перед спілкуванням, а то вийде сировато)
Ця тема зараз тільки набирає обертів. Багато функціоналу ще в preview, частину речей я ще навіть не встиг нормально протестувати. Тому зараз, як на мене, цих оновлень достатньо, щоб зрозуміти напрямок розвитку. Детальніше читай на сторінці оновлень тут >>>
🚩 Prism - open source рішення для оцінки агентів Conversational Analytics від Google
З моїх останніх розсилок ти, напевно, зрозумів, що Google зараз активно розвиває Conversational Analytics, але разом з можливостями з'являється і відповідальність. Виникає цілком логічне питання: наскільки взагалі можна довіряти таким даним? Як їх валідувати? Яка точність відповідей? Наскільки стабільно це працює?
Команда Google прекрасно це розуміє, тому вони анонсували новий інструмент — Prism, який дозволяє оцінювати агентів розмовної аналітики.
Детальніше про рішення від Google >>>
🚩 Data Engineering Agent в BigQuery (Загальний доступ)
Продовжуючи тему агентів — Google розвиває не тільки Conversational Analytics, а й інші типи агентів. Зокрема Data Engineering Agent уже доступний у статусі GA.
Його задача — допомагати в роботі з пайплайнами даних:
- будувати;
- змінювати;
- і дебажити data pipelines прямо в BigQuery.
Тобто це ще один крок у сторону того, щоб частину задач data engineering можна було автоматизувати через AI.
🚩 Як Google бачить майбутнє детектингу аномалій
В новому матеріалі на блозі Google показує бачення того, як буде виглядати аналітика в майбутньому.
Один із ключових напрямків — це виявлення аномалій + швидка реакція на них. Це завжди була важлива частина аналітики, але зараз вона отримує новий рівень за рахунок:
- агентів;
- event-driven підходів;
- і взаємодії між сервісами.
А тепер давай повернемось від новин “про майбутнє” до більш практичних речей, які вже можна використовувати.
Звісно, ці 2 тижні для BigQuery не могли пройти без оновлень AI :), саме з цієї сфери наша наступна новина.
🚩 AI.KEY_DRIVERS: пошук факторів впливу в даних (Preview).
Задача цієї функції — допомогти знайти, які сегменти або фактори реально впливають на зміну метрики. Тобто не просто подивитися “в нас щось виросло або впало”, а зрозуміти:
- за рахунок чого це сталося;
- які саме групи даних дали найбільший вплив;
- і де зміни статистично значущі.
🚩 Оновлення BigQuery MCP Server (Загальнодоступно)
Недалеко відходячи від теми використання AI, BigQuery MCP server офіційно вийшов у статусі GA. По суті, це інструмент, який дозволяє AI-додаткам напряму працювати з твоїми даними в BigQuery.
Тепер через AI можна:
- переглядати ресурси BigQuery;
- генерувати SQL-запити;
- безпечно виконувати ці запити;
- і одразу інтерпретувати результати.
Добре, що не всі апдейти Google зараз про AI або якісь глобальні зміни. Є і більш “приземлені” речі, які просто роблять роботу з інструментом зручнішою 👇
🚩 Папки в BigQuery (Загальнодоступно)
Тепер використання папок у BigQuery стало загальнодоступним. І це якраз той апдейт, який не змінює підхід до аналітики, але сильно покращує організацію роботи.
Що з’явилось:
- можливість структурувати ресурси через папки;
- керування доступами на рівні папок;
- масові операції (переміщення, видалення);
- зручніший перегляд структури (breadcrumb-навігація).
🚩 Матеріалізовані представлення для CDC (Загальнодоступно)
Якщо тебе цікавить real-time аналітика, цей апдейт для тебе. Тепер можна створювати materialized views поверх таблиць з увімкненим Change Data Capture (CDC).
Взагалі, для більшості бізнесів real-time, на мою думку, over історія, але мова зараз не про це.
🚩 Dataform: зміни в доступах (breaking update)
Якщо у тебе на цьому тижні раптом щось “відпало” при роботі з Dataform — причина може бути в запланованому апдейті. Google змінив підхід до доступів. Тепер для запуску:
- dataform workflows,
- bigQuery pipelines,
- notebooks,
- data preparations,
оптимально використовувати custom service account. Тобто якщо раніше щось працювало “само по собі”, то тепер без явного налаштування доступів — вже ні. Я, до речі, писав про це раніше (ще до того, як це докотилось до всіх), але якщо ти тоді не звернув увагу — ось пояснення як виправляти.
Щодо Google Next 2026, я описав насамперед ті новини, які, на мою думку, є найбільш важливі. Більш детальніший розбір анонсованих функцій Looker, BigQuery, Data Studio та Agentic Analytics можеш знайти за посиланням >>>
А весь список оновлень BigQuery за останні 2 тижні можеш переглянути тут >>>
👉 Новини Power BI
Новин по Google Cloud цього разу було реально багато завдяки Google Next 2026, тому по Power BI я вибрав тільки 3 апдейти, які, як на мене, реально мають найбільшу практичну цінність. Почнемо з новини для багатих.
🚩 Copilot у Power BI на мобільних
Якщо у тебе є ліцензія Fabric і тобі дозволено використання Copilot, то тепер на мобілці це взагалі виглядає як вау-історія.
Тому що в будь-якому репорті ти можеш одразу зручно задавати питання до своїх даних. Приклад того, як це виглядає — на скріні 👇
🚩 Оновлення візуалізації “Картка” (Card visual)
Одна з тих новинок, яка, напевно, буде актуальна практично всім — і при цьому максимально проста. У візуалі "картка" додали більше інтерактивності і трохи підчистили логіку відображення.
- Тепер, коли ти обираєш певну картку, це нормально видно: обрана карточка підсвічується, а всі інші — затемнюються.
- якщо додати кілька полів у категорію — вони акуратно об’єднуються в заголовку.
- Також можна через Edit interactions контролювати, як саме ця карточка впливає на інші візуалізації в репорті.
Виглядає як один з тих апдейтів, який навіює питання: а чому цього не було раніше?
🚩 Canvas settings: готові розміри під екрани
Якщо ти, як і я, з тих людей, які постійно забувають розміри популярних розширень екранів — типу HD, Full HD і так далі — то це оновлення для тебе, тепер в налаштуваннях полотна (Canvas settings) можна просто обрати потрібне.
📌 Про менш важливі апдейти Power BI можна почитати за посиланням >>>
Я розумію, що сьогодні багато всього, тому далі коротко про інші важливі новини, які тобі варто знати.
👉 Помилка в Google Search Console: некоректні покази (impressions)
У Search Console була помилка в логуванні, через яку покази (impressions) відображались некоректно. Фактично частина даних була завищена. При цьому кліки та інші метрики не постраждали — проблема стосувалася саме показів і CTR.
Google зазначає, що помилка впливала на дані ще з травня 2025 року і буде поступово виправлена. Що важливо з цього винести?
Дані, з якими ти працюєш, потрібно перевіряти. Бо саме на їх основі приймаються рішення. І перевірити їх нормально може тільки той, хто будує звіт, а не той, хто ним користується.
Виходить, що мільйони людей по всьому світу користувалися даними Search Console і вважали їх коректними. І лише майже через рік з’ясувалося, що це не так. Тому що хтось не приділив достатньо уваги перевірці даних.
Якщо ти використовуєш ці дані у своїх звітах, варто врахувати цю історію і переглянути свої висновки.
👉 Рух Meta в сторону AI-управління рекламою (MCP і CLI)
Meta теж рухається в сторону автоматизації і випустила нові інструменти — Meta Ads MCP і CLI. Якщо коротко, це ще один крок до того, щоб працювати з рекламою через AI, автоматизувати частину процесів і потенційно навіть керувати кампаніями через агентів.
І тут двояка історія. З одного боку, це виглядає як логічний крок — наприклад, доступ до звітності або прості дії через AI дійсно можуть економити час. З іншого боку помилка агента може коштувати дуже дорого.
Коли читав новину перед очима одразу з'явився мем:
Детальніше про новий функціонал Meta >>>
Скрін нижче - автоматичний переклад офіційної довідки про можливості Meta MCP.
👉 Meta запускає налаштування CAPI в один клік
Meta рухається в сторону максимального спрощення налаштувань і запускає можливість підключення Conversions API (CAPI) буквально в один клік. На перший погляд це виглядає як ВАУ! новина: швидко, просто, без зайвих технічних деталей. Але це якраз той випадок, коли я додаю новину не для того, щоб сказати “йди і користуйся”, а щоб трохи застерегти.
У сучасному світі все, що робиться в один клік і безкоштовно, зазвичай має дві сторони:
- Перша — рішення буде побудоване саме так, як вигідно платформі, яка його розробила. У цьому випадку в виграші буде Meta, яка хоче отримувати більше даних і підвищувати свої доходи з реклами.
- Друга — це питання коректності і прозорості збору і передачі даних.
Плюс до цього, в самій новині є акцент на використанні AI, що означає ще більше автоматизації і ще менше прозорості процесу. Тому мій головний меседж простий: будь обережний вдвічі. Це може бути швидко, але це не означає, що це буде краще ніж олдскульний класичний, контрольований підхід до збору даних через Google Tag Manager. До речі, про те, як це правильно робити, я розповідаю на курсі PRO GTM. Старт вже в червні — буду радий бачити тебе там.
Будь в курсі актуальних новин зі світу аналітики!
