Google Analytics Data API

• with Python

Automation Help: Google Analytics Data API (GA4) with Python [Extensive Guide]

Google Analytics Data API (GA4)

• Google 애널리틱스 데이터 API(GA4) 활성화
  • Google Cloud Platform 콘솔로 이동하여 Google Analytics Data API를 활성화하는 것부터 시작

• IAM 및 서비스를 클릭한 다음 서비스 계정을 클릭하여 서비스 계정 설정으로 이동

• CREATE SERVICE ACCOUNT를 클릭하여 필요한 서비스 계정 생성을 시작

• 서비스 계정의 이름을 입력한 다음 완료를 클릭
  • 이름은 중요하지 않지만 모범 사례를 위해 이 서비스 계정을 사용하는 방법을 설명하는 설명과 설명을 포함하는 것이 좋음

• 서비스 계정을 만든 이후에는 서비스 계정 키를 생성
  • API를 인증하기 위해 스크립트에서 사용할 수 있는 JSON 파일
  • 서비스 계정의 오른쪽에 있는 세 개의 점을 클릭한 다음 키 관리를 클릭

• 현재 이 서비스 계정과 연결된 키가 없음을 알 수 있으므로 키 추가를 클릭하고 새 키를 클릭
  • 접근 방식에서는 JSON 파일을 사용할 것이므로 설정을 그대로 두고 CREATE를 클릭
  • 그러면 JSON 파일 다운로드가 자동으로 시작

GA4 속성에 Google 애널리틱스 데이터 API(GA4) 서비스 계정 추가

• 코드 작성을 시작하기 전 마지막 단계에는 Google 애널리틱스 4 속성으로 이동하여 서비스 계정을 사용자 관리에 추가하는 작업 필요
  • Google 애널리틱스에서 GA4 속성으로 이동하여 관리자 설정 → 속성 사용자 관리를 클릭
  • 오른쪽 상단 모서리에 큰 파란색 더하기 버튼이 표시되어야 함
  • 읽기 및 분석 권한이 충분해야 함

Google Analytics Data API(GA4)를 사용

• 터미널에서 다음 pip 명령을 사용하여 Google Analytics Data API(GA4)를 설치
  • pip install google-analytics-data

• 로컬 시스템에서 스크립트를 실행하는 경우 JSON 파일을 Python 파일과 동일한 폴더에 넣은 이후 진행
  • 아래 코드를 사용 하여 JSON 파일 값으로 GOOGLE_APPLICATION_CREDENTIALS라는 환경 변수를 설정
  • 이것은 스크립트가 JSON 파일이 있는 위치를 아는 데 필요

import os
# Set environment variables
os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = service_account_file_path

• 이제 다음 코드를 사용하여 간단한 보고서를 실행할 수 있음
  • PROPERTY_ID를 속성 ID로 변경
  • 속성 ID를 찾으려면 Google 애널리틱스 관리자 설정으로 이동하여 속성 설정으로 이동
    • 오른쪽 상단에서 속성 ID를 찾을 수 있음
    • 중요: 속성 ID와 측정 ID를 혼동 주의

from google.analytics.data_v1beta import BetaAnalyticsDataClient
from google.analytics.data_v1beta.types import DateRange
from google.analytics.data_v1beta.types import Dimension
from google.analytics.data_v1beta.types import Metric
from google.analytics.data_v1beta.types import RunReportRequest


def sample_run_report(property_id):
    """Runs a simple report on a Google Analytics 4 property."""
    # Using a default constructor instructs the client to use the credentials
    # specified in GOOGLE_APPLICATION_CREDENTIALS environment variable.
    client = BetaAnalyticsDataClient()

    request = RunReportRequest(
        property=f"properties/{property_id}",
        dimensions=[Dimension(name="city")],
        metrics=[Metric(name="activeUsers")],
        date_ranges=[DateRange(start_date="2020-03-31", end_date="today")],
    )
    response = client.run_report(request)

    print("Report result:")
    for row in response.rows:
        print(row.dimension_values[0].value, row.metric_values[0].value)


sample_run_report(PROPERTY_ID)

결과를 CSV 또는 Excel로 저장

• Pandas 라이브러리 사용 가능
  • CSV로 저장하려면 .to_csv를 사용하고 Excel의 경우 .to_excel을 사용

import pandas as pd

def sample_run_report(property_id, export_path):
    """Runs a simple report on a Google Analytics 4 property."""

    # Using a default constructor instructs the client to use the credentials
    # specified in GOOGLE_APPLICATION_CREDENTIALS environment variable.
    client = BetaAnalyticsDataClient()

    request = RunReportRequest(
        property=f"properties/{property_id}",
        dimensions=[Dimension(name="city")],
        metrics=[Metric(name="activeUsers")],
        date_ranges=[DateRange(start_date="2020-03-31", end_date="today")],
    )
    response = client.run_report(request)

    output = []
    print("Report result:")
    for row in response.rows:
      output.append({"City":row.dimension_values[0].value, "Active Users": row.metric_values[0].value})
    df = pd.DataFrame(output)
    df.to_csv(export_path)
  
sample_run_report(PROPERTY_ID, "export.csv")
df = pd.read_csv("export.csv")
df.head(5)