in English

Whitepaper’et ”Google Analytics, ML og AI” fra eCapacity gennemgår, hvordan du gør dine web analytics-data velegnede til predictive ML-analytics. Med Custom dimensions og Python scripts mm. (For English, press here)

De bedste analyser af, hvad der i virkeligheden er afgørende for, om brugere køber, klikker eller læser på den måde, du gerne vil have dem til, når de besøger dit site, kommer ofte fra data. En Random Forrest, eller andre ML-algoritmer, kan f.eks. identificere, hvilke af de mange spor en bruger efterlader sig, der i virkeligheden er afgørende for hans eller hendes handlinger.

Whiltepaper på bord

Whitepaper’et ”Google analytics, ML og AI” gennemgår, hvordan du trækker ML-analyserbare data ud af Google Analytics.  Du kan downloade whitepaper’et gratis lige her

Før du kommer så langt, skal algoritmen imidlertid kunne læse dine data. Og her giver Google Analytics udfordringer. Hvis du trækker data ud gennem Google Analytics standard API, kommer data ud i en stor pærevælling uden f.eks. noget bruger-id til at binde dem sammen. Og du går heller ikke alle data, men kun samplede stikprøver.

Imidlertid er der hjælp at hente. Tricket består i først at oprette to nye Customs Dimensions, tilrette din Google Tag manager og så køre en håndfuld Python Scripts. Og alt sammen gennemgås – hands-on – i det nye whitepaper ”Google Analytics, ML og AI”.

Whitepaper består af fire kapitler, der alle har været udgivet som seperate blogposts. Men nu kan du få dem i sin helhed, samlet i et enkelt PDF-dokument. Det fylder 29 sider, er helt gratis og kan downloades her.

in English