聯絡我們LINE加入 LINEFacebook粉絲專頁
GA4教學|Measurment Protocol 實例
GA4PYTHON數位應用

GA4教學|Measurment Protocol 實例

Measurement Protocol 是甚麼? 如何透過GA4的Measurement Protocol在特定無法埋設GA4代碼的情境等,可以發送指定的事件? 這一篇想要透過Measurement Protocol - MP通訊協定,來進行GA4的事件發送。 Measurement Protocol 基本上就是像https請求的方式,對GA4的伺服器進行傳遞「瀏覽內容、電商資訊、推薦來源等」。另外也可以透過Python,來實作一個MP的事件發送工具, 我的網站很早就蓋好了這工具 ,也歡迎你直接使用 :)。 GA4是如何收到事件 從這張圖最上方可以看到,發送端有「WebClient, Ser

Measurement Protocol 是甚麼? 如何透過GA4的Measurement Protocol在特定無法埋設GA4代碼的情境等,可以發送指定的事件? 這一篇想要透過Measurement Protocol - MP通訊協定,來進行GA4的事件發送。

Measurement Protocol 基本上就是像https請求的方式,對GA4的伺服器進行傳遞「瀏覽內容、電商資訊、推薦來源等」。另外也可以透過Python,來實作一個MP的事件發送工具, 我的網站很早就蓋好了這工具 ,也歡迎你直接使用 :)。

GA4是如何收到事件

從這張圖最上方可以看到,發送端有「WebClient, Server, Mobile Client」。橫向是講解Client如何與Server溝通,縱向為講解三個發送端分別帶入甚麼資料,給GA4伺服器,後續GA4接收終端,再分別將資料分派給GA、DATA API、BQ。

圖片來源: GA4官方文件

Measurement Protocol 實例

這次會透過官方提供的 - Event Builder工具 ,來進行Measurment 的事件發送操作。文章後面我也會展示PYTHON怎麼打造一個Measurement的工具。

Measurement Protocol 必備資料

使用Measurement Protocol - MP時,有4個必備「 ga_session_id, client_id, event_timestamp, api_secret, measurment_id 」。

  • ga_session_id: 為判別使用者的來源/媒介,他會接續一開始使用者進入時,被GA4設定好的 ga_session_id ,如果缺少那來源媒介就會 not set 。
  • client_id :GA4用於記錄使用者的判別方式。這一個資料可以從BigQuery中的 user_pseudo_id 撈取,也可以透 過指定JS在前端、GTM中直接撈取 。
  • event_timestamp :事件時間戳,為時間單位標示方式的一種,經常出現在程式語言、BigQuery也會出現,用於給機器讀取時間格式資料。這一個資料也得從 BigQuery 進行撈取。另外如果你想要將時間戳轉換成人類易懂的時間表示,你也可以上網搜尋「timestamp convert」。
  • api_secret :你可以從GA4「設定」 > 「資料串流」> 「你要發送的資源」> 「Measurement Protocol 密鑰」(下方圖一) > 「申請一組API KEY」 (下方圖二) 。

measurment_id :則是你的GA4資源代碼。

BigQuery撈取session_id

透過BigQuery的查詢 ,可以在這邊看到Client_id;也就是對應BigQuery的 user_pseudo_id 。 ga_session_id, event_stamp也可以在BigQuery中拿到。

Event_Builder設定

打開Event_builder填入以上必要的資料。

本次範例以share事件作為範例,直接將這個事件傳入GA4。另外 注意timestamp_micros會攸關事件的順序 。例如page_view不可能發生的比session_start還要早。所以 務必對齊事件的發生順序 ;把傳送事件timestampe設定 > 前一個事件的timestampe。資料透過MP傳入的,就會藉於兩個事件的順序當中。

Session_id則是在事件層級中維度填入。

確認GA4即時報表

如果在Event Build事件發送出去有看到「Event is valid」,並且有發送至GA4,就可以前往GA4的即時報表查看該事件。

你也可以看到裡面自帶一個ga_session的參數。

利用Python製作MP事件工具

透過前端請求的API,我們可以直接利用這個cURL - 來進行PYTYON的請求。目前的請求方式都是 使用post 。簡單來說,就是在請求的時候,帶上一些資料,例如網頁標題、購買產品名、推薦來源等參數。

以下也整理一些常見的參數,當然你也可以直接透過瀏覽器的f12,看一下GA4還有哪一些參數能用,進而帶入到自己寫的python程式中。

  • tid = gid
  • cid = client_id
  • dl = page_location
  • dt = page_title
  • sr = screen resolution
  • cu = currency (電子商務事件)
  • en = event_name
  • epn.value = event_value
  • pr1: product1 price
  • ep.transaction_id = transasionID
  • shippint = shipping

注意,下方程式碼由於放在網路關係,因此沒有將dict做好分類;程式碼無經過排版。實際做的時候,其實可以讓這邊的資料美化一些。但由於這個範例所夾帶的都是大量數據參數,所以你可能會覺得看起來非常凌亂,但仔細看他還是會有規則的。

總結

隔天就可以看到透過Measurment Protocol發送的事件出現在GA4。不管你是透過ga提供的event_builder來進行事件發送,或者是透過Python直接本地事件發送。不外乎一個原則就是帶參數,告訴GA4這個事件是甚麼、來自哪裡....等。

唯一不同的是 PYTHON進行發送不需要apikey,只需要MeasurmentID 。務必使用python的時候,也先確認好自己帶的參數正不正確,以免將GA4的資料弄髒。

需要任何協助嗎?

最快一個工作天將與您聯繫。

其他文章推薦

查看更多 →
GTM 教學|Shopify 如何設定META 免費像素?
GTM

GTM 教學|Shopify 如何設定META 免費像素?

這篇會教你使用SHOPIFY 的顧客事件 (自訂像素) Customer Pixel 來安裝行銷常用代碼。例如,META, GA4, Gads 轉換代碼等。透過AI 可以快速協助我們完成這些行銷追蹤碼的設定。

Meta 廣告數據保存時間多久|解決 Meta 廣告數據保存問題?
BigQuery

Meta 廣告數據保存時間多久|解決 Meta 廣告數據保存問題?

如果你要拉取超過 3 年以上的數據,Meta 廣告數據僅保存期限36個月不能超過 37 個月,也就是保存三年的意思。

【成功案例】GA4 電商事件規劃
成功案例

【成功案例】GA4 電商事件規劃

本次黑客協助規劃舒康雞電商網站,完整規劃GA4電子商務必要事件,以及正確觸發事件。精準蒐集網站用戶行為,大幅提高網店轉換率。

【成功案例】轉換率優化模組
成功案例

【成功案例】轉換率優化模組

本次黑客與三隻斑馬合作,提供轉換率優化模組埋設,幫助電商網站改善用戶動線、用戶體驗,以增加廣告用戶的實際購買轉換率。本次黑客協助提供撰寫前端轉換率模組,以及完整設定、指導轉換率模組使用教學。

Meta Ads MCP 是什麼?不用寫程式也能讓 AI 分析 Meta 廣告
AI

Meta Ads MCP 是什麼?不用寫程式也能讓 AI 分析 Meta 廣告

行銷人、廣告投手一定要學的 MCP 串接方式。輕鬆讓 AI 讀取 Meta 廣告資料,透過 MCP 開始分析你的 Meta 廣告數據、GA4 數據等更多。一站式輕鬆分析廣告數據、廣告操作等複雜任務交給AI!

【成功案例】網站設計&動線規劃
成功案例

【成功案例】網站設計&動線規劃

本次黑客與金旺貿易合作,網站設計與網站流程用戶規劃。透過黑客的網站設計與數據分析經驗規劃網站整體動線,讓 2B 網站能夠在名單蒐集提升轉換率,以及最大化部落格自然流量效益

【成功案例】網站轉換率優化
成功案例

【成功案例】網站轉換率優化

本次黑客與懶得煮的Tom老闆合作,電商網站轉換率優化案例。包刮,提供加入購物車成效、提供產品瀏覽次數。以及協助完成網站改版網站設計。成功提高購物車轉換率 10.6%、瀏覽產品 3.7 %。

【成功案例】GA4 導入
成功案例

【成功案例】GA4 導入

本次黑客與 低調生活DLIFE 合作,協助提供完整 GA4 數據健檢、完整GA4事件規劃、提供頂尖數據儀表板。再透過快客數據串接,協助客戶打造一系列的數據報表,同時也提供完整數據流工作的完整解說。

【成功案例】GA4 導入
成功案例

【成功案例】GA4 導入

本次黑客與 澄駒國際車業 合作,協助提供完整GA4事件規劃、提供頂尖數據儀表板。透過快客數據串接,協助客戶打造一系列飛快的數據報表,同時也提供完整數據流工作的完整解說。