এই নথিটি Google Analytics ডেটা API v1-এর বেশ কয়েকটি উন্নত বৈশিষ্ট্য বর্ণনা করে। API এর বিস্তারিত রেফারেন্সের জন্য, API রেফারেন্স দেখুন।
কাস্টম সংজ্ঞা তালিকাবদ্ধ করুন এবং প্রতিবেদন তৈরি করুন
ডেটা API নিবন্ধিত কাস্টম মাত্রা এবং কাস্টম মেট্রিক্সের উপর প্রতিবেদন তৈরি করতে পারে। মেটাডেটা API পদ্ধতিটি আপনার সম্পত্তির নিবন্ধিত কাস্টম সংজ্ঞাগুলির API নাম তালিকাভুক্ত করতে ব্যবহার করা যেতে পারে। এই API নামগুলি উদাহরণস্বরূপ runReport পদ্ধতিতে প্রতিবেদনের অনুরোধে ব্যবহার করা যেতে পারে।
নিম্নলিখিত বিভাগগুলি প্রতিটি ধরণের কাস্টম সংজ্ঞার উদাহরণ দেখায়। এই উদাহরণগুলিতে, আপনার সম্পত্তি ID দিয়ে GA_PROPERTY_ID
প্রতিস্থাপন করুন।
ইভেন্ট-স্কোপযুক্ত কাস্টম মাত্রা
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ধাপ 2: ইভেন্ট-স্কোপড কাস্টম মাত্রা খুঁজুন আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। মাত্রা উপস্থিত না থাকলে, আপনাকে মাত্রা নিবন্ধন করতে হবে।
"dimensions": [
...
{
"apiName": "customEvent:achievement_id",
"uiName": "Achievement ID",
"description": "An event scoped custom dimension for your Analytics property."
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মাত্রা অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "2020-09-01", "endDate": "2020-09-15" }],
"dimensions": [{ "name": "customEvent:achievement_id" }],
"metrics": [{ "name": "eventCount" }]
}
ব্যবহারকারীর সুযোগযুক্ত কাস্টম মাত্রা
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ধাপ 2: প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আপনি আগ্রহী ব্যবহারকারী-স্কোপড কাস্টম মাত্রা খুঁজুন। মাত্রা উপস্থিত না থাকলে, আপনাকে মাত্রা নিবন্ধন করতে হবে।
"dimensions": [
...
{
"apiName": "customUser:last_level",
"uiName": "Last level",
"description": "A user property for your Analytics property."
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মাত্রা অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"entity": { "propertyId": "GA_PROPERTY_ID" },
"dateRanges": [{ "startDate": "7daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "customUser:last_level" }],
"metrics": [{ "name": "activeUsers" }]
}
ইভেন্ট-স্কোপযুক্ত কাস্টম মেট্রিক্স
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ধাপ 2: ইভেন্ট-স্কোপড কাস্টম মেট্রিক খুঁজুন যেটি আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। মেট্রিক উপস্থিত না থাকলে, আপনাকে মেট্রিক নিবন্ধন করতে হবে।
"metrics": [
...
{
"apiName": "customEvent:credits_spent",
"uiName": "Credits Spent",
"description": "An event scoped custom metric for your Analytics property.",
"type": "TYPE_STANDARD"
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মেট্রিক অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "customEvent:credits_spent" }]
}
একটি মূল ইভেন্টের জন্য মূল ইভেন্ট রেট মেট্রিক্স
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ধাপ 2: আপনি প্রতিক্রিয়া থেকে রিপোর্ট তৈরি করতে আগ্রহী এমন একটি মূল ইভেন্টের জন্য মূল ইভেন্ট রেট মেট্রিক খুঁজুন। মূল ইভেন্টটি উপস্থিত না থাকলে, আপনাকে কী ইভেন্ট সেট আপ করতে হবে।
"metrics": [
...
{
"apiName": "sessionKeyEventRate:add_to_cart",
"uiName": "Session key event rate for add_to_cart",
"description": "The percentage of sessions in which a specific key event was triggered",
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে মূল ইভেন্ট রেট মেট্রিক অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "sessionKeyEventRate:add_to_cart" }]
}
ইভেন্ট-স্কোপড কাস্টম মেট্রিক গড়
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ধাপ 2: ইভেন্ট-স্কোপড কাস্টম মেট্রিক গড় খুঁজুন আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। মেট্রিক উপস্থিত না থাকলে, আপনাকে মেট্রিক নিবন্ধন করতে হবে।
"metrics": [
...
{
"apiName": "averageCustomEvent:credits_spent",
"uiName": "Average Credits Spent",
"description": "The average of an event scoped custom metric for your Analytics property.",
"type": "TYPE_STANDARD"
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মেট্রিক গড় অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "2020-11-01", "endDate": "2020-11-10" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "averageCustomEvent:credits_spent" }]
}
কোহর্ট রিপোর্টের উদাহরণ
সমগোত্রীয় প্রতিবেদনগুলি গোষ্ঠীর জন্য ব্যবহারকারীর ধরে রাখার একটি টাইম সিরিজ তৈরি করে। প্রতিটি API ক্ষেত্রের বিস্তারিত ডকুমেন্টেশনের জন্য, CohortSpec-এর জন্য REST রেফারেন্স দেখুন।
একটি সমগোত্রীয় প্রতিবেদন তৈরি করুন
এখানে একটি নমুনা কোহর্ট রিপোর্ট যেখানে:
- দলটি হল
2020-12-01
-এরfirstSessionDate
সহ ব্যবহারকারী; এটিcohorts
অবজেক্ট দ্বারা কনফিগার করা হয়। রিপোর্টের প্রতিক্রিয়ার মাত্রা এবং মেট্রিক্স শুধুমাত্র কোহোর্টের ব্যবহারকারীদের উপর ভিত্তি করে করা হবে। - কোহর্ট রিপোর্ট তিনটি কলাম দেখাবে; এটি মাত্রা এবং মেট্রিক্স অবজেক্ট দ্বারা কনফিগার করা হয়।
- ডাইমেনশন
cohort
হল কোহোর্টের নাম। - মাত্রা
cohortNthDay
হল2020-12-01
থেকে দিনের সংখ্যা। - মেট্রিক
cohortActiveUsers
হল এখনও সক্রিয় ব্যবহারকারীর সংখ্যা।
- ডাইমেনশন
-
cohortsRange
অবজেক্টটি নির্দিষ্ট করে যে রিপোর্টে এই দলটির জন্য2020-12-01
থেকে শুরু হওয়া এবং2020-12-06
এ শেষ হওয়া ইভেন্ট ডেটা থাকা উচিত।- যখন
DAILY
এর একটি গ্রানুলারিটি ব্যবহার করা হয়, তখন সামঞ্জস্যের জন্য মাত্রাcohortNthDay
সুপারিশ করা হয়।
- যখন
কোহর্টের জন্য রিপোর্ট অনুরোধ হল:
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dimensions": [{ "name": "cohort" }, { "name": "cohortNthDay" }],
"metrics": [{ "name": "cohortActiveUsers" }],
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-12-01", "endDate": "2020-12-01" }
}
],
"cohortsRange": {
"endOffset": 5,
"granularity": "DAILY"
}
},
}
এই অনুরোধের জন্য, একটি উদাহরণ রিপোর্ট প্রতিক্রিয়া হল:
{
"dimensionHeaders": [
{ "name": "cohort" }, { "name": "cohortNthDay" }
],
"metricHeaders": [
{ "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
],
"rows": [
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
"metricValues": [{ "value": "293" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
"metricValues": [{ "value": "143" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
"metricValues": [{ "value": "123" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
"metricValues": [{ "value": "92" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0005" }],
"metricValues": [{ "value": "86" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
"metricValues": [{ "value": "83" }]
}
],
"metadata": {},
"rowCount": 6
}
এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের জন্য একটি চার্ট অনুসরণ করে। এই প্রতিবেদন থেকে একটি অন্তর্দৃষ্টি হল যে এই দলটির সক্রিয় ব্যবহারকারীদের মধ্যে সবচেয়ে বেশি হ্রাস প্রথম এবং দ্বিতীয় দিনের মধ্যে।
একাধিক সমগোত্রীয় এবং ব্যবহারকারী ধরে রাখার ভগ্নাংশ
ব্যবহারকারী অধিগ্রহণ এবং ধরে রাখা হল আপনার ওয়েবসাইট বা অ্যাপ বৃদ্ধির উপায়। সমগোত্রীয় প্রতিবেদনগুলি ব্যবহারকারীর ধরে রাখার উপর ফোকাস করে। এই উদাহরণে, প্রতিবেদনটি দেখায় যে এই সম্পত্তিটি দুই সপ্তাহের ব্যবধানে তার 4 দিনের ব্যবহারকারী ধরে রাখার 10% উন্নতি করেছে।
এই প্রতিবেদনটি তৈরি করতে, আমরা তিনটি সমগোত্রকে নির্দিষ্ট করি: প্রথমটি 2020-11-02
এর firstSessionDate
সহ, দ্বিতীয়টি 2020-11-09
-এর firstSessionDate
সহ এবং তৃতীয়টি 2020-11-16
-এর firstSessionDate
সহ৷ যেহেতু এই তিন দিনের জন্য আপনার সম্পত্তিতে ব্যবহারকারীর সংখ্যা আলাদা হবে, তাই আমরা সরাসরি cohortActiveUsers
মেট্রিক ব্যবহার না করে cohortActiveUsers/cohortTotalUsers
এর ব্যবহারকারীর ধরে রাখার ভগ্নাংশ মেট্রিকের তুলনা করি।
এই সমগোত্রের জন্য রিপোর্ট অনুরোধ হল:
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dimensions": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
"metrics": [
{
"name": "cohortRetentionFraction",
"expression": "cohortActiveUsers/cohortTotalUsers"
}
],
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-02", "endDate": "2020-11-02" }
},
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-09", "endDate": "2020-11-09" }
},
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-16", "endDate": "2020-11-16" }
}
],
"cohortsRange": {
"endOffset": 4,
"granularity": "DAILY"
}
},
}
এই অনুরোধের জন্য, একটি উদাহরণ রিপোর্ট প্রতিক্রিয়া হল:
{
"dimensionHeaders": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
"metricHeaders": [{
"name": "cohortRetentionFraction",
"type": "TYPE_FLOAT"
}
],
"rows": [
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0001" }],
"metricValues": [{ "value": "0.308" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0001" }],
"metricValues": [{ "value": "0.272" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0002" }],
"metricValues": [{ "value": "0.257" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
"metricValues": [{ "value": "0.248" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0003" }],
"metricValues": [{ "value": "0.235" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0004" }],
"metricValues": [{ "value": "0.211" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0002" }],
"metricValues": [{ "value": "0.198" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
"metricValues": [{ "value": "0.172" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0003" }],
"metricValues": [{ "value": "0.167" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0004" }],
"metricValues": [{ "value": "0.155" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
"metricValues": [{ "value": "0.141" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
"metricValues": [{ "value": "0.118" }]
}
],
"metadata": {},
"rowCount": 15
}
এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের জন্য একটি চার্ট অনুসরণ করে। এই প্রতিবেদন থেকে একটি অন্তর্দৃষ্টি হল যে দুই সপ্তাহের মধ্যে 4 দিনের ব্যবহারকারী ধারণ 10% বৃদ্ধি পেয়েছে। 2020-11-16
এর firstSessionDate
সহ পরবর্তী দলটি 2020-11-02
এর firstSessionDate
সাথে আগের দলটির ধারণকে ছাড়িয়ে গেছে৷
সাপ্তাহিক সমগোত্রীয় এবং অন্যান্য API বৈশিষ্ট্য সহ সমগোত্রীয়দের ব্যবহার
ব্যবহারকারীর আচরণে প্রতিদিনের বৈচিত্র্য দূর করতে, সাপ্তাহিক দলগুলি ব্যবহার করুন৷ সাপ্তাহিক কোহর্ট রিপোর্টে, একই সপ্তাহে firstSessionDate
সহ সমস্ত ব্যবহারকারীরা দল গঠন করে। সপ্তাহ রবিবার শুরু হয় এবং শনিবার শেষ হয়। এছাড়াও এই প্রতিবেদনে, আমরা মেক্সিকোতে কার্যকলাপ সহ ব্যবহারকারীদের সাথে রাশিয়ার কার্যকলাপ সহ ব্যবহারকারীদের তুলনা করার জন্য দলটিকে টুকরো টুকরো করছি। এই স্লাইসিং শুধুমাত্র দুটি দেশ বিবেচনা করার জন্য country
মাত্রা এবং একটি dimensionFilter
ব্যবহার করে।
এই সমগোত্রের জন্য রিপোর্ট অনুরোধ হল:
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dimensions": [
{ "name": "cohort" },
{ "name": "cohortNthWeek" },
{ "name": "country" }
],
"metrics": [{ "name": "cohortActiveUsers" }],
"dimensionFilter": {
"filter": {
"fieldName": "country",
"inListFilter": {
"values": [ "Russia", "Mexico" ]
}
}
},
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": {
"startDate": "2020-10-04",
"endDate": "2020-10-10"
}
}
],
"cohortsRange": {
"endOffset": 5,
"granularity": "WEEKLY"
}
},
}
এই অনুরোধের জন্য, একটি উদাহরণ রিপোর্ট প্রতিক্রিয়া হল:
{
"dimensionHeaders": [
{ "name": "cohort" },
{ "name": "cohortNthWeek" },
{ "name": "country" }
],
"metricHeaders": [
{ "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
],
"rows": [
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0000" },{ "value": "Russia" }
],
"metricValues": [{ "value": "105" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0000" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "98" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0001" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "35" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0002" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "24" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0001" },{ "value": "Russia" }
],
"metricValues": [{ "value": "23" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0004" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "17" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0003" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "15" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0005" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "15" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0002" },{ "value": "Russia" }
],
"metricValues": [{ "value": "3" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0003" },{ "value": "Russia" }
],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0004" },{ "value": "Russia" }
],
"metricValues": [{ "value": "1" }]
}
],
"metadata": {},
"rowCount": 11
}
এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের একটি চার্ট অনুসরণ করে। এই প্রতিবেদনের উপর ভিত্তি করে, এই সম্পত্তি রাশিয়ার কার্যকলাপ সহ ব্যবহারকারীদের তুলনায় মেক্সিকোতে কার্যকলাপ সহ ব্যবহারকারীদের ধরে রাখতে ভাল করছে।
তুলনা
তুলনা আপনাকে আপনার ডেটার উপসেটগুলি পাশাপাশি মূল্যায়ন করতে দেয়। আপনি রিপোর্ট সংজ্ঞায় comparisons
ক্ষেত্র নির্দিষ্ট করে তুলনা সংজ্ঞায়িত করতে পারেন। ডেটা API-এর তুলনা বৈশিষ্ট্যটি Google Analytics ফ্রন্টএন্ডের তুলনার মতো।
প্রতিটি API ক্ষেত্রের বিস্তারিত ডকুমেন্টেশনের জন্য, তুলনার জন্য REST রেফারেন্স দেখুন।
একটি তুলনা তৈরি করুন
আপনি তুলনা করতে চান প্রতিটি ডেটাসেটের জন্য একটি পৃথক তুলনা তৈরি করতে পারেন। উদাহরণস্বরূপ, অ্যাপ এবং ওয়েব ডেটা তুলনা করতে, আপনি Android এবং iOS ডেটার জন্য একটি তুলনা এবং ওয়েব ডেটার জন্য আরেকটি তুলনা তৈরি করতে পারেন।
এখানে একটি নমুনা প্রতিবেদন রয়েছে যা দুটি তুলনা সংজ্ঞায়িত করে এবং দেশ অনুসারে সক্রিয় ব্যবহারকারীদের ফিরিয়ে দেয়।
"অ্যাপ ট্র্যাফিক" নামের প্রথম তুলনাটি "iOS" এবং "Android" মানগুলির সাথে platform
মাত্রা মেলাতে inListFilter
ব্যবহার করছে। "ওয়েব ট্র্যাফিক" নামের দ্বিতীয় তুলনাটি "ওয়েব" এর সাথে platform
মাত্রা মেলাতে stringFilter
ব্যবহার করে।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"comparisons": [
{
"name": "App traffic",
"dimensionFilter": {
"filter": {
"fieldName": "platform",
"inListFilter": {
"values": [
"iOS",
"Android"
]
}
}
}
},
{
"name": "Web traffic",
"dimensionFilter": {
"filter": {
"fieldName": "platform",
"stringFilter": {
"matchType": "EXACT",
"value": "web"
}
}
}
}
],
"dateRanges": [
{
"startDate": "2024-05-01",
"endDate": "2024-05-15"
}
],
"dimensions": [
{
"name": "country"
}
],
"metrics": [
{
"name": "activeUsers"
}
]
}
তুলনা বৈশিষ্ট্য ব্যবহার করে সমস্ত অনুরোধের জন্য, ক্ষেত্রের comparison
স্বয়ংক্রিয়ভাবে জেনারেট করা প্রতিবেদনে যোগ করা হয়। এই ফিল্ডে অনুরোধে দেওয়া তুলনার নাম রয়েছে।
এখানে তুলনা সম্বলিত একটি প্রতিক্রিয়ার একটি নমুনা স্নিপেট রয়েছে:
{
"dimensionHeaders": [
{
"name": "comparison"
},
{
"name": "country"
}
],
"metricHeaders": [
{
"name": "activeUsers",
"type": "TYPE_INTEGER"
}
],
"rows": [
{
"dimensionValues": [
{
"value": "Web traffic"
},
{
"value": "United States"
}
],
"metricValues": [
{
"value": "638572"
}
]
},
{
"dimensionValues": [
{
"value": "Web traffic"
},
{
"value": "Japan"
}
],
"metricValues": [
{
"value": "376578"
}
]
},
{
"dimensionValues": [
{
"value": "App traffic"
},
{
"value": "United States"
}
],
"metricValues": [
{
"value": "79527"
}
]
},
...
],
...
}