Google Data Studio, oltre a rappresentare graficamente le principali metriche e dimensioni presenti nei dataset delle sorgenti dati, permette anche di creare dei nuovi elementi o “Custom Fields”, attraverso l’uso di alcune formule.

Di seguito sono riportate le 6 più utilizzate, mentre seguendo a questo link trovate tutte le funzioni messe a disposizione dallo strumento.

1. CASE

CASE può essere paragonato all’istruzione IF in excel: fondamentalmente controlla se una condizione è soddisfatta e restituisce un valore TRUE, in caso positivo, altrimenti FALSE; ha il vantaggio di poter essere combinata ed annidiata con la maggior parte delle funzioni di Google Data Studio.

Sintassi: è costituita dalla clausola WHEN, dai due parametri condizionali, dal valore da restituire se le condizioni sono soddisfatte e viene chiuso il ciclo con END finale. Può contenere anche la condizione ELSE.

Esempio: vogliamo raggruppare i principali Paesi da cui provengono i nostri utenti per Marco Aree (es. America del nord, Europa, ecc)

2. REGEXP_MATCH()

Questa è una funzione boolean ed è molto utile quando dobbiamo confrontare una determinata dimensione con un set o subset di informazioni. Viene utilizzata all’interno del ciclo WHEN della funzione CASE. Attenzione, è case sensitive!

Sintassi: REGEXP_MATCH(dimensione, regex)

Esempio: abbiamo affidato il traffico paid a N agenzie ed ognuna ha utilizzato un utm_medium diverso (es. cpc, cpa, cpm, ppc, ads, banner, ecc); vogliamo raggruppare tutti questi valori sotto un’unica dimensione Paid, altrimenti consideriamo il traffico Organico

3. UPPER()/LOWER()

Semplice ma utilissima funzione che trasforma l’argomento di riferimento o tutto maiuscolo (upper) o tutto minuscolo (lower).

Sintassi: Upper(testo) / Lower(testo)

Esempio: In Google Analytics, strumento case sensitive, ci troviamo di fronte ad accessi derivanti da fonte “FACEBOOK” e “facebook”, da “Concessionaria” e “concessionaria”, ecc. Vogliamo quindi riportare questa dimensione a lowercase per poter visualizzare un unico dato aggregato

4. CONCAT()

Funziona esattamente come il concatena di Excel e serve a “mettere assieme” due valori specifici.

Sintassi: CONCAT(X,Y)

Esempio: Vogliamo conoscere le visite provenienti da Browser accoppiato con Sistema Operativo (es. Chrome Windows, Chrome Machintosh, ecc)

5. REGEX_EXTRACT()

Funzione leggermente più complicata delle precedenti ma serve per estrarre un valore, tramite l’utilizzo delle regular expression, da una determinata sorgente di origine.

Sintassi: REGEX_EXTRACT(dimensione, regex)

Esempio: Vogliamo creare una tabella con le sessioni solo dei sistemi operativi Android e iOS

6. REGEX_REPLACE()

Tramite questa funzione è possibile rinominare il testo di una dimensione presente nei nostri dati.

Sintassi: REGEX_REPLACE(dimensione, testo da sostituire, nuova label)

Esempio: Abbiamo lanciato una campagna newsletter ma purtroppo è stata inviata con un utm_campaign errato.

Con la lista di tutte le formule presente nel link iniziale potete costruire quasi qualsiasi cosa attraverso i calculated fields.

Se vuoi approfondire la tematica della data visualization scrivetemi cliccando il pulsante qui sotto

Se invece vuoi approfondire il tema “Conversion Rate Optimization, Ecommerce Edition” iscriviti -aggiungendo il tuo nome alla lista d’attesa –all’evento GRATUITO Analytics PowerUp di Maggio 2018 ma affrettati.. i posti sono veramente limitati!