구글 애널리틱스

1장. 새로운 구글 애널리틱스
__GA4 소개
____모바일과 웹 분석의 통합
____파이어베이스와 빅쿼리: 클라우드로의 첫걸음
____GA4 배포
____유니버설 애널리틱스와 GA4 비교
__GA4 데이터 모델
____이벤트
____맞춤 매개변수
____전자상거래 항목
____사용자 속성
__구글 클라우드 플랫폼
____관련 GCP 서비스
____코딩 기술
____GCP에 온보딩
____서버리스 피라미드 위로 이동
____GCP 소개 마무리
__사용 사례 소개
____사용 사례: 예측 구매
____사용 사례: 잠재 고객 세분화
____사용 사례: 실시간 예측
__요약


2장. 데이터 아키텍처와 전략
__목표 달성을 위한 환경 조성
____이해관계자 동의
____우주선 문제를 피하기 위한 사용 사례 중심 접근 방식
____비즈니스 가치 입증
____디지털 성숙도 평가
____사용 사례의 우선순위 지정
__기술적 요구 사항
__데이터 수집
__데이터 스토리지
__데이터 모델링
____모델 성능 대비 비즈니스 가치
____데이터의 최소 이동 원칙
____정보 출력에 대한 원시 데이터 입력
____데이터 과학자/모델러 지원
____모델 KPI 설정
____모델링의 최종 위치
__데이터 활성화
____대시보드가 아닐 수도 있다
____최종 사용자와의 상호작용
__사용자 프라이버시
____사용자 프라이버시 선택 존중
____설계에 의한 프라이버시
__유용한 도구
____gcloud
____버전 관리/깃
____통합 개발자 환경
____컨테이너(도커 포함)
__요약


3장. 데이터 수집
__데이터 사일로 해체
____적은 것이 더 많은 것
____데이터 스키마 지정
__GA4 구성
____GA4 이벤트 유형
____GTM으로 GA4 이벤트 수집
____사용자 정의 필드 구성
____GA4 이벤트 수정이나 생성
____사용자 속성
____측정 프로토콜 v2
__API를 통해 GA4 데이터 내보내기
____데이터 API로 인증
____데이터 API 쿼리 실행
__빅쿼리
____빅쿼리와 GA4 연결
____GA4 내보내기의 빅쿼리 SQL
____기타 데이터 소스용 빅쿼리
____공개 빅쿼리 데이터 세트
____GTM 서버 사이드
__구글 클라우드 스토리지
____이벤트 기반 스토리지
____데이터 프라이버시
____GCS를 통한 CRM 데이터베이스 가져오기
__깃허브로 클라우드 빌드 CI/CD 설정
____깃허브 설정
____클라우드 빌드에 대한 깃허브 연결 설정
____리포지터리에 파일 추가
__요약


4장. 데이터 스토리지
__데이터 원칙
____정리된 데이터
____다양한 역할을 위한 데이터 세트
__빅쿼리
____빅쿼리를 사용해야 하는 경우
____데이터 세트 구성
____테이블 팁
__Pub/Sub
____GA4 빅쿼리 내보내기를 위한 Pub/Sub 토픽 설정
____GA4 내보내기에서 파티션을 나눈 빅쿼리 테이블 생성
____Pub/Sub에 대한 서버 사이드 푸시
__파이어스토어
____파이어스토어를 사용해야 하는 경우
____API를 통해 파이어스토어 데이터에 액세스
__GCS
__데이터 가져오기 예약
____데이터 가져오기 유형: 스트리밍 대비 예약된 배치 처리
____빅쿼리 뷰
____빅쿼리 예약 쿼리
____클라우드 컴포저
____클라우드 스케줄러
____클라우드 빌드
__스트리밍 데이터 흐름
____스트리밍 데이터용 Pub/Sub
____아파치 빔/데이터플로
____클라우드 펑션을 통한 스트리밍
__사용자 개인정보 보호
____설계에 의한 데이터 프라이버시
____빅쿼리의 데이터 만료
____데이터 손실 방지 API
__요약


5장. 데이터 모델링
__GA4 데이터 모델링
____표준 보고서와 탐색
____기여도 모델링
____사용자와 세션 결정
____동의 모드 모델링
____잠재 고객 생성
____예측 측정 항목
____인사이트
__데이터를 인사이트로 전환
____데이터 결과 범위 지정
____정확도 대비 증분 이점
____접근 방식 선택
____모델링 파이프라인을 최신 상태로 유지
____데이터 세트 연결
__빅쿼리 ML
____빅쿼리 ML 모델 비교
____모델을 프로덕션에 적용
__머신러닝 API
____ML API를 프로덕션에 적용
__구글 클라우드 AI: 버텍스 AI
____버텍스 API를 프로덕션에 적용
__R과의 통합
____기능 개요
____도커
____R 프로덕션
__요약


6장. 데이터 활성화
__데이터 활성화의 중요성
__GA4 잠재 고객과 구글 마케팅 플랫폼
__구글 옵티마이즈
__시각화
____대시보드 활용
____GA4 대시보드 옵션
____데이터 스튜디오
____루커
____기타 타사 시각화 도구
____데이터 기반 의사 결정을 가져오는 집계 테이블
____캐싱과 비용 관리
__마케팅 API 생성
____마이크로서비스 생성
____이벤트 트리거
____파이어스토어 통합
__요약


7장. 사용 사례: 구매 예측
__비즈니스 사례 생성
____가치 평가
____리소스 추정
____데이터 아키텍처
__데이터 수집: GA4 구성
__데이터 스토리지와 개인정보 보호 설계
__데이터 모델링: 잠재 고객을 구글 애즈로 내보내기
__데이터 활성화: 성능 테스트
__요약


8장. 사용 사례: 잠재 고객 세분화
__비즈니스 사례 생성
____가치 평가
____리소스 추정
____데이터 아키텍처
__데이터 수집
____GA4 데이터 캡처 구성
____GA4 빅쿼리 내보내기
__데이터 스토리지: 데이터 세트의 변환
__데이터 모델링
__데이터 활성화
____GTM SS를 통해 GA4 가져오기 설정
____GA4에서 잠재 고객 내보내기
____성능 테스트
__요약


9장. 사용 사례: 실시간 예측
__비즈니스 사례 생성
____필요한 리소스
____데이터 아키텍처
__데이터 수집
____GA4 구성
__데이터 스토리지
____클라우드 런에서 샤이니 앱 호스팅
__데이터 모델링
__데이터 활성화: 실시간 대시보드
____실시간 샤이니 앱용 R 코드
____서비스 계정으로 GA4 인증
____샤이니 앱에 모든 것을 통합
__요약


10장. 다음 단계
__동기 부여: 이 책의 내용을 알게 된 계기
__학습 리소스
____도움 요청
____자격증
__마지막 생각