Привіт 🙌
За останні два тижні назбиралося чимало новин і корисних матеріалів: багато опублікували ми, не менше важливого відбулося й у світі аналітики. Але, як завжди, про все по порядку.
Наші матеріали та новини:
🔸 Як побудувати маркетингову аналітику, що працює на бізнес.
🔸 Як передавати дані про ліди з Google Sheets до Google Ads.
🔸 Онлайн- та офлайн-дані в одній конверсії: нова бета Google Ads.
🔸 Reporting Identity в GA4 - Налаштування, яке змінює кількість користувачів у твоїх звітах.
🔸 Жодної форми і транзакцій, які ти не зможеш відстежити: новий потік PRO GTM.
Новини Google Analytics:
🔹 Тепер в GA4 можна будувати власні дашборди.
🔹 У Google Analytics розширили налаштування вікон конверсії.
Новини Google BigQuery:
🔹 Нові функції для аналізу часових рядів у Conversational Analytics. (Preview)
🔹 У BigQuery з’явився моніторинг роботи data-агентів. (Preview)
🔹 BigQuery автоматизує збагачення метаданих для кращого контексту агентів. (Preview)
🔹 Зовнішні AI-агенти отримали більше можливостей у BigQuery. (Preview)
🔹 Логи Python UDF у реальному часі стали загальнодоступними.
Новини Power BI:
🔹 Оновлення матриці в Power BI: згортання стовпців і фіксація заголовків.
🔹 Оновлений Date picker для слайсерів.
🔹 Додаткове значення в центрі donut chart.
🔹 Коментарі до звітів в org apps.
🔹 Експорт даних у Excel з мобільного Power BI — від Excel не втекти?
Інші новини:
🔹 Microsoft Advertising запустила власний Conversions API.
Корисні матеріали:
🔥 Чому Power BI залишається одним із найкращих варіантів для бізнес-аналітики.
🔥 Як AI допомагає тестувати DAX-міри в Power BI.
Перше вересня - День Знань - вже зовсім скоро. Саме тому протягом останніх двох тижнів ми підготували багато корисних матеріалів, а найближчими днями їх стане ще більше.
🎯 Як побудувати маркетингову аналітику, що працює на бізнес
Почну зі своєї нової статті для блогу ProAnalytics Team, у якій детально розбираю, як побудувати маркетингову аналітику, що не перетвориться на чергову звітність, яку ніхто не відкриває, а допомагатиме досягати реальних бізнес-результатів.
Маркетингова аналітика — це не просто звіти або разове дослідження, а безперервний процес. Продукт і бізнес змінюються, нові відповіді породжують нові запитання, тому аналітика також не може залишатися на одному місці.
У статті розповідаю, як:
- визначити бізнес-цілі та KPI;
- сформувати вимоги до даних;
- поступово вибудувати аналітичну архітектуру під реальні завдання твого бізнесу.
Три нові відео на YouTube-каналі Analytics Tips
Останні два тижні також були багатими на нові відео. Ми опублікували два ролики з Женею Максимовою про роботу з конверсіями в Google Ads, а також новий урок із курсу GA4 Basics про ідентифікацію користувачів у Google Analytics 4.
📥 Як передавати дані про ліди з Google Sheets до Google Ads
У цьому відео Женя детально показує, як налаштувати імпорт лідів через джерело даних Google Sheets і передавати інформацію про конверсії до Google Ads.
🧩 Онлайн- та офлайн-дані в одній конверсії: нова бета Google Ads
У другому відео Женя розбирає новий бета-функціонал Google Ads, який дозволяє підключити до конверсії, налаштованої за допомогою Google tag, додаткове джерело офлайн-даних.
⚙️ Reporting Identity в GA4 - Налаштування, яке змінює кількість користувачів у твоїх звітах
У цьому ролику я пояснюю, як GA4 ідентифікує користувачів і чому після зміни одного налаштування може змінитися їхня кількість у звітах. Відео допоможе зрозуміти, як працюють різні методи ідентифікації та який із них використовується у твоєму ресурсі GA4.
🛠️ Жодної форми і транзакцій, які ти не зможеш відстежити: новий потік PRO GTM
На цьому тижні на курсі PRO GTM відбувся фінальний іспит — ще один потік завершив навчання. Вітаю студентів, які пройшли шлях від базового налаштування Google Tag Manager до роботи зі складними сценаріями відстеження.
А ми вже відкрили набір на новий потік PRO GTM, який стартує 12 жовтня.
Протягом 10 тижнів ти навчишся відстежувати різні дії користувачів на сайті, працювати з формами, відео та dataLayer, налаштовувати електронну торгівлю й розв’язувати складні завдання з трекінгу. На тебе чекають 30+ годин лекцій, 10 вебінарів і 70+ практичних завдань на реальних сайтах.
Дізнатися більше про PRO GTM >>>
💬 Якщо маєш питання або бажання записатися — пиши мені в особисті в телеграм або фейсбук.
А тепер від наших новин переходимо до оновлень сервісів, якими ми користуємося щодня. Почнемо, як завжди, із Google Analytics.
👉 Новини Google Analytics
🚩 Тепер в GA4 можна будувати власні дашборди
Відео як це виглядає з офіційної пабліку Google Analytics.
Першою реакцією хотів написати заголовок типу "Google Data Studio помер", але, якщо трохи задуматись і подивитись на останні зміни в екосистемі Google - все виглядає набагато цікавіше, як то кажуть "слідкуйте за руками":
- Тепер базові маркетингові звіти можна збирати в GA4.
Нагадаю, GA4 вже давно дає можливість як напряму підтягувати дані про витрати з популярних рекламних систем (Meta, TikTok, Snap і т. д.), так і завантажувати їх зі сховищ даних (BigQuery, PostgreSQL, Snowflake і т. д.). Залишається лише проблема передачі даних з CRM до GA4 (там і Measurement Protocol, і Data Manager API нормально оброблюють дані тільки перші 48 годин; а значить, будь-які кейси, де від створення замовлення до реальної покупки минуло більше часу, GA4 не покриває). - Інтерфейс побудови дашбордів в GA4 дуже схожий на Data Studio
Як наслідок, користувачі звикають до нього, і їм уже хочеться продовжити роботу саме у звичному інструменті. - У свою чергу Data Studio теж змінився: він усе більше перетворюється на хаб даних.
І поява в ньому можливості спілкуватися зі своїми даними в чаті (про яку я писав в одному з нещодавніх матеріалів) є тому підтвердження. І тепер Data Studio стає не просто звичним інструментом для репортингу, а наступним рівнем, на який багато хто захоче перейти (чому див. пункт 2). - А спілкування з даними через Conversational Analytics, який наче як і відбувається в інтерфейсі Data Studio, але під капотом потребує BigQuery усе більше затягує користувачів у екосистему Google.
Ну а там уже платна хмарна інфраструктура і, звісно, оплата за токени та виконання SQL-запитів. І, як наслідок, пряма монетизація для Google.
Фінальний результат: усі дороги зрештою ведуть до екосистеми Google Cloud Platform.
І це добре і для ринку, і для Google. Для ринку — тому що він переходить на наступний рівень роботи з даними. Для Google — бо він зі своїх безкоштовних продуктів зробив плавний місток до платних.
Звісно, це все мої думки, і не факт, що в менеджерів Google вони складаються саме в такий ланцюжок, але виглядає так, що цей апдейт — це ще один великий і, що дуже важливо, з іншої сторони, плавний пінок від Google до нормальної архітектури ваших даних.
Але відійдімо трохи від роздумів і повернімося до новин, бо це ще далеко не все.
🚩 У Google Analytics розширили налаштування вікон конверсії.
Тепер у Google Analytics можна детальніше налаштовувати вікна конверсії — періоди, протягом яких взаємодія користувача може бути врахована під час атрибуції конверсії.
Тепер не обов’язково підлаштовуватися під фіксовані або заздалегідь визначені варіанти:
- для конверсій після залученого перегляду (Engaged-view conversions, EVC) можна самостійно вказати будь-який період від 1 до 30 днів замість стандартних трьох;
- для конверсій після кліку ( Click-through conversions, CTC) можна обрати будь-яке ціле значення від 1 до 90 днів, а не лише один із шести готових варіантів.
Тобто тепер вікна атрибуції можна точніше узгодити з реальною поведінкою клієнтів.
Змінити ці параметри можна в Google Analytics за шляхом Advertising → Conversion management → ⋮ → Settings або через налаштування конверсій у зв’язаному акаунті Google Ads.
Після Google Analytics за планом мали б перейти до GTM. Ще наприкінці весни команда сервісу почала готувати нас до значних оновлень, запланованих на літо.
Але літо вже майже закінчилося, а обіцяних релізів ми так і не побачили (ось те невелике оновлення інтерфейсу я б і корисним оновленням не назвав).
Щоправда, на початку тижня GTM працював із перебоями. Тож, можливо, це був не баг, а тизер майбутнього оновлення. Принаймні хочеться в це вірити 😅
А поки в GTM тихо, переходимо до BigQuery, де команда, як завжди, підготувала чимало оновлень — передусім у напрямі AI.
👉 Новини Google BigQuery
🚩 Нові функції для аналізу часових рядів у Conversational Analytics. (Preview)
Google розширив можливості Conversational Analytics і додав підтримку трьох табличних ML-функцій:
- ML.TREND — для визначення загального напряму змін у даних;
- ML.SEASONALITY — для пошуку сезонних закономірностей;
- ML.DETECT_CHANGE_POINTS — для виявлення періодів, коли поведінка даних суттєво змінилася.
Ці функції можна використовувати для аналізу часових рядів безпосередньо в редакторі запитів і під час роботи з Conversational Analytics. Поки що вони доступні в режимі Preview.
Тобто Google продовжує поступово розширювати аналітичні можливості свого AI-агента.
До речі, якщо ти ще не створював власного data-агента в BigQuery, дуже рекомендую протестувати цю можливість. У своїй статті я детально показав, як створити й налаштувати агента та почати працювати з ним.
Створити data-агента за моєю інструкцією >>>
А якщо ти хочеш налаштувати такого агента для своєї компанії, але не маєш часу розбиратися самостійно, пиши мені — з радістю допоможу.
🚩 У BigQuery з’явився моніторинг роботи data-агентів. (Preview)
За допомогою Google Cloud Observability у BigQuery тепер можна відстежувати основні показники роботи data-агентів: продуктивність, рівень використання, затримки й витрати, а також аналізувати розмови з ними.
🚩 BigQuery автоматизує збагачення метаданих для кращого контексту агентів. (Preview)
BigQuery pipelines тепер підтримують автоматизоване збагачення метаданих. Семантичні метадані можна задавати безпосередньо в конфігураціях SQLX, а потім синхронізувати з Knowledge Catalog. Крім того, Data Engineering Agent може самостійно генерувати метадані, спираючись на контекст і намір користувача.
Як на мене, це оновлення насамперед про додатковий бізнес-контекст для AI-агентів. Щоб в майбутньому агент правильно розумів дані й формував корисні відповіді, йому недостатньо бачити лише назви таблиць і полів. Потрібна інформація про те, що ці дані означають саме для твого бізнесу.
Якщо роботу з даними налаштовано правильно, значна частина такого контексту зберігається в Knowledge Catalog. У результаті агент отримує більше інформації для розуміння даних і формування точніших відповідей.
🚩 Зовнішні AI-агенти отримали більше можливостей у BigQuery. (Preview)
Команда BigQuery розвиває не лише власних агентів, а й розширює можливості для підключення зовнішніх AI-агентів через Cloud CLI remote MCP server.
Новий інструмент run_bq_command надає агентам доступ до командного рядка bq, завдяки чому вони можуть виконувати складніші операції в BigQuery, зокрема:
- планувати й керувати завданнями;
- контролювати їх виконання;
- керувати резервуваннями ресурсів.
Доступ до цих операцій надається через керовану MCP-точку підключення. Функція поки перебуває в режимі Preview.
🚩 Логи Python UDF у реальному часі стали загальнодоступними.
Ну і для тих, хто все ще по-старому сам пише код і використовує кастомні функції Python — Python UDF, — також є невелике, але корисне оновлення.
Тепер у Cloud Logging можна переглядати логи виконання Python UDF у реальному часі. Це має спростити моніторинг роботи функцій і пошук помилок у коді.
👉 Новини Power BI
Як завжди, команда Power BI викотила всі оновлення одним великим щомісячним релізом. Тож давай розберемося, що цього разу найцікавіше.
🚩 Power BI пришвидшує роботу з PBIP: застосування зовнішніх змін без перезапуску та інтеграція з VS Code.
Якщо ти працюєш із Power BI Projects (PBIP), тепер можеш редагувати файли проєкту за межами Power BI Desktop і застосовувати зміни без перезапуску програми. Power BI Desktop сам виявить, що файли змінилися, і запропонує підхопити нову версію одним кліком.
Крім того, тепер проєкт можна відкрити у Visual Studio Code безпосередньо з Power BI Desktop.
Для мене це оновлення важливе одразу з двох причин.
- По-перше, воно робить значно зручнішою спільну роботу з AI-агентами. Агент може змінювати файли звіту, а тобі більше не потрібно після кожної правки закривати й заново відкривати Power BI Desktop.
Такий сценарій уже став можливим після появи Power BI Desktop Bridge, про який я розповідав у червневій розсилці. Він дозволив AI-агентам і зовнішнім інструментам підключатися безпосередньо до запущеної сесії Power BI Desktop, перезавантажувати звіт після внесених змін і робити скріншоти для візуальної перевірки результату. Тобто працювати в постійному циклі «змінив → перевірив».
Нове оновлення не замінює Desktop Bridge, а робить увесь процес ще зручнішим: Power BI Desktop тепер сам помічає зміни у файлах PBIP і пропонує застосувати їх одним кліком. А завдяки прямій інтеграції з VS Code цей сценарій стає ще доступнішим. - По-друге, мені дуже подобається, сам факт прямої інтеграції з VS Code. Останні кілька років ринок усе активніше рухається до сприйняття звітів як повноцінного процесу розробки — із файлами проєкту, зовнішніми інструментами, Git і контролем версій.
У бізнесі досі можна почути щось на кшталт: «Та що там той звіт зібрати?» Але хороший бізнес-звіт — це не просто накидати кілька графіків у Data Studio. Побудувати справді якісний дашборд — це майже як побудувати хороший сайт: потрібно продумати структуру, логіку, модель даних, взаємодію з користувачем, дизайн, тестування та подальшу підтримку.
Між «просто візуалізувати дані» та «побудувати хороший дашборд для бізнесу» — дуже велика різниця.
І тут тобі може здатися, що я вступив до якоїсь секти старовірів і відмовляюся приймати нову реальність, у якій агенти спрощують роботу й "половину всього роблять за нас". Але те, що сервіси показують у своїх маркетингових матеріалах, і те, як аналітика працює в реальних проєктах, — поки що різні речі.
AI-агенти вже можуть суттєво допомагати. Я сам постійно про це пишу й буквально вище закликав тебе створити data-агента в BigQuery. Але наразі агенти не замінюють якісний звіт і не покривають професійний процес його розробки.
Тому добре, що Power BI не просто додає AI-функції, а й паралельно з цим дедалі глибше інтегрується у звичайне розробницьке середовище — із можливістю працювати у VS Code, використовувати зовнішні інструменти, контролювати версії і т.д.
🚩 Оновлення матриці в Power BI: згортання стовпців і фіксація заголовків.
Щодо інших новин, то, на мою думку, найважливіші стосуються матриці — одного з найпопулярніших візуальних елементів Power BI:
- Розгортання та згортання заголовків стовпців. Тепер у матриці можна розгортати й згортати ієрархії у стовпцях за допомогою значків +/−, як це вже працювало для рядків. Колір і розмір значків також можна налаштувати. Читати деталі >>>
- Збереження стандартного стану фіксації заголовків. У розділі Layout → Freeze автор звіту може визначити, чи повинні заголовки залишатися на екрані під час горизонтального прокручування. Вибраний стан зберігається разом зі звітом і застосовується для всіх користувачів. Читати деталі >>>
Серед інших новин від команди Power BI я б виділив ще три корисні оновлення, частина з яких тепер просто стала загальнодоступною:
🚩 Оновлений Date picker для слайсерів.
Тепер в одному елементі можна поєднати відносний період, який автоматично зміщується з часом, із календарем і повзунком для ручного вибору однієї дати або діапазону. Відносний період можна рахувати від сьогоднішнього дня, першої або останньої дати у стовпці. Читати детальніше >>>
🚩 Додаткове значення в центрі donut chart.
У центрі кільцевої діаграми тепер можна показати загальне значення або окрему міру без накладання додаткової картки. Також доступні підпис, зображення та налаштування оформлення центральної частини. Читати детальніше >>>
🚩 Коментарі до звітів в org apps.
Користувачі можуть залишати коментарі до сторінок і окремих візуальних елементів, згадувати колег через @ та обговорювати дані безпосередньо у звіті. Разом із коментарем зберігається поточний контекст звіту, щоб інші учасники бачили саме той стан даних, про який ідеться. Читати детальніше >>>
🚩 Експорт даних у Excel з мобільного Power BI — від Excel не втекти?
І наостанок — новина, якій в офіційному анонсі відвели напрочуд багато уваги й яка мене просто "прибила".
Знаєте цю ситуацію: Ти тижнями будуєш звіт, відточуєш модель даних, логіку, візуалізації та взаємодію з користувачем, потім презентуєш результат бізнесу — й отримуєш головне запитання: "А як це можна вивантажити в Excel?"
Тепер Power BI зробив ще один крок назустріч цьому вічному бажанню бізнесу: дані з візуальних елементів можна експортувати в Excel безпосередньо з мобільного застосунку для iOS та Android.
Вивантаження враховує поточні фільтри, слайсери, рівень деталізації, дозволи користувача та row-level security. Готовий файл можна відкрити, зберегти або одразу надіслати з телефона чи планшета.
А тепер перейдемо до інших новин, які мають значення для нашої з вами роботи.
👉 ChatGPT Ads уже в Європі
З 24 серпня ChatGPT Ads запрацювала ще у 31 європейській країні. Це найбільше географічне розширення рекламної платформи OpenAI від моменту її запуску.
Тож якщо твій бізнес працює у США, Великій Британії або одній із підтримуваних країн Європи, до ChatGPT Ads уже точно варто придивитися. України в переліку поки немає, тому чекаємо й сподіваємося, що до нас цей рекламний канал також дістанеться найближчим часом.
Просто нагадаю, що ми вже давно встигли познайомитись з платформою і моя колега, Наташа Федоренко, підготувала великий покроковий матеріал про налаштування OpenAI Pixel і відстеження конверсій через client-side та server-side GTM, який чекає вас на нашому блозі.
👉 Microsoft Advertising запустила власний Conversions API
Ще одна велика новина — у Microsoft Advertising з’явився власний Conversions API, який дозволяє передавати дані про конверсії безпосередньо із сервера.
Загалом Microsoft пішла добре знайомим шляхом: рішення дуже нагадує Meta Conversions API, з яким багато хто працює вже не перший рік. І тут, здається, все добре з усіх боків. По-перше, тепер у Microsoft Advertising можна передавати конверсії через CAPI. По-друге, тим, хто вже налаштовував Meta Conversions API, буде значно простіше зрозуміти загальну логіку роботи нового рішення.
Офіційно Conversions API можна використовувати разом із браузерним UET tag, а дедуплікація допоможе уникнути подвійного зарахування тих самих конверсій. Але ми з вами знаємо, що краще мінуснути зайву рекламну бібліотеку з сайту і налаштувати передачу через серверний GTM.
Переглянути офіційну документацію Microsoft >>>
А колеги зі Stape вже підготували детальний покроковий гайд із налаштування Microsoft Conversions API через server-side GTM.
Налаштувати Microsoft Conversions API за гайдом Stape >>>
Ось так через офіційну документацію Microsoft і покроковий гайд від Stape ми з тобою непомітно перейшли від новин сервісів до корисних матеріалів. Тож продовжимо в тому самому напрямі.
🔥 Чому Power BI залишається одним із найкращих варіантів для бізнес-аналітики
Gartner опублікувала новий Magic Quadrant for Analytics and Business Intelligence Platforms. У дослідженні можна подивитися, як змінилися позиції основних BI-платформ і хто сьогодні перебуває серед лідерів ринку.
Magic Quadrant — це не зовсім рейтинг від першого до останнього. Gartner оцінює платформи за двома напрямами: здатністю реалізовувати заявлену стратегію та повнотою бачення розвитку продукту. Але якщо поглянути на сектор Leaders, стає досить зрозуміло, чому в цій розсилці я так часто пишу саме про оновлення Power BI.
Microsoft уже багато років залишається серед лідерів і продовжує активно розвивати Power BI. Google також посилює свої позиції, особливо в окремих напрямах, пов’язаних із хмарною інфраструктурою, AI та роботою з великими обсягами даних.
Я дуже люблю архітектуру Google для зберігання й обробки даних. Але якщо говорити саме про візуалізацію, подання інформації та побудову повноцінної бізнес-аналітики, то Power BI, як на мене, усе ще на кілька кроків попереду.
Звісно, якщо у твоїй команді вже є люди, які добре знають Tableau або Looker, а навколо цих інструментів вибудувані процеси, переходити на Power BI лише через позицію Microsoft у Magic Quadrant немає сенсу. Але за інших рівних умов, коли досвіду роботи з BI-платформами ще немає і систему аналітики потрібно будувати з нуля, Power BI залишається одним із найпрактичніших варіантів.
🔥 Як AI допомагає тестувати DAX-міри в Power BI
Після всіх хороших слів, які я сьогодні сказав про Power BI, логічно буде завершити цю розсилку ще одним матеріалом про нього. Але цього разу — на перетині одразу двох тем, про які ми сьогодні багато говорили: AI та перетворення роботи зі звітами на повноцінний процес розробки.
Команда SQLBI підготувала практичний матеріал про те, як за допомогою AI можна частково автоматизувати створення тестів для DAX-мір у Power BI.
У звичайній розробці автоматизовані тести — абсолютно нормальна практика. Вони перевіряють, чи продовжує працювати реєстрація, купівля або інший важливий сценарій після чергової зміни в коді. Їхнє завдання просте: не допустити ситуації «змінив одне — зламав інше».
З розрахунками у Power BI логіка та сама. Зміна DAX-міри може зберегти правильний результат для одного фільтра, але зламати підрахунок для іншого. Хороший аналітик, звісно, перевіряє такі сценарії сам, але пошук відповідних прикладів і написання тестових запитів займають чимало часу.
Саме цю рутинну частину автори пропонують частково передати AI. Підключений до семантичної моделі асистент може дослідити дані, знайти показові сценарії та згенерувати DAX-запити для їх повторної перевірки. Але очікуваний результат і правильність бізнес-логіки все одно має перевіряти людина.
Найкраще цю думку підсумовує фінальна фраза зі статті:
«Використовуйте AI для дослідження моделі та генерації повторюваного коду, але визначення правильного результату залишайте під контролем людини».
Здається, це хороший принцип не лише для тестування DAX, а й загалом для використання AI в аналітиці.
Дізнатися, як створювати тести для DAX-мір за допомогою AI >>>
На цій важливій ноті на сьогодні все. До зустрічі в наступних розсилках!
Будь в курсі актуальних новин зі світу аналітики!