Registrati 
Accedi 
- Perché utilizzare Python per Google Analytics?
- Prerequisiti per l’utilizzo dello script
- Installazione delle librerie necessarie
- Autenticazione con l’API di Google Analytics
- Richiesta di report da Google Analytics
- Elaborazione dei dati ricevuti
- Creazione di un report automatizzato
- Programmazione dello script
- Conclusione
Google Analytics è uno strumento fondamentale per le aziende che desiderano monitorare e analizzare il traffico sul proprio sito web. Tuttavia, l’analisi dei dati può richiedere tempo e sforzi significativi. In questo articolo, esploreremo come utilizzare Python per creare uno script che automatizza la generazione di report su Google Analytics. Questo approccio non solo semplifica la gestione dei dati, ma consente anche di ottenere informazioni preziose in modo rapido ed efficiente.
Perché utilizzare Python per Google Analytics?
Python è un linguaggio di programmazione versatile e potente, particolarmente apprezzato per la sua facilità d’uso e le sue librerie dedicate all’analisi dei dati. Utilizzando Python per interagire con Google Analytics, è possibile automatizzare la raccolta, l’elaborazione e la visualizzazione dei dati. Inoltre, Python offre diverse librerie che semplificano l’integrazione con le API di Google Analytics, rendendo l’intero processo più accessibile.
Prerequisiti per l’utilizzo dello script
Prima di iniziare a scrivere lo script, è importante assicurarsi di avere i seguenti prerequisiti:
- Account Google Analytics: Assicurati di avere accesso a un account Google Analytics e di avere i permessi necessari per accedere ai dati.
- API di Google Analytics: Dovrai attivare l’API di Google Analytics nel tuo progetto Google Cloud e ottenere le credenziali necessarie.
- Ambiente Python: Assicurati di avere Python installato sul tuo computer, insieme alle librerie richieste.
Installazione delle librerie necessarie
Per interagire con Google Analytics, è necessario installare alcune librerie. Puoi farlo utilizzando pip, il gestore di pacchetti di Python. Le librerie chiave da installare sono:
pip install google-auth google-auth-oauthlib google-auth-httplib2 google-api-python-client pandasQueste librerie ti permetteranno di autenticarti con l’API di Google Analytics e di lavorare con i dati in modo efficace.
Autenticazione con l’API di Google Analytics
La prima cosa da fare è autenticarsi con l’API di Google Analytics. Dovrai utilizzare un file di credenziali JSON che puoi scaricare dal tuo progetto Google Cloud. Ecco come procedere:
from google.oauth2 import service_account
from googleapiclient.discovery import build
# Sostituisci con il percorso del tuo file JSON di credenziali
SERVICE_ACCOUNT_FILE = 'path/to/your/service-account-file.json'
# Sostituisci con l'ID della tua vista Google Analytics
VIEW_ID = 'YOUR_VIEW_ID'
# Autenticazione
credentials = service_account.Credentials.from_service_account_file(
SERVICE_ACCOUNT_FILE,
scopes=['https://www.googleapis.com/auth/analytics.readonly']
)
analytics = build('analyticsreporting', 'v4', credentials=credentials)Questo codice carica le credenziali e crea un oggetto di servizio per interagire con l’API di Google Analytics.
Richiesta di report da Google Analytics
Una volta autenticato, puoi iniziare a effettuare richieste per ottenere i report desiderati. Ecco un esempio di come richiedere un report sulle sessioni del tuo sito web:
def get_report(analytics):
return analytics.reports().batchGet(
body={
'reportRequests': [
{
'viewId': VIEW_ID,
'dateRanges': [{'startDate': '30daysAgo', 'endDate': 'today'}],
'metrics': [{'expression': 'ga:sessions'}],
'dimensions': [{'name': 'ga:date'}]
}
]
}
).execute()
response = get_report(analytics)In questo esempio, stiamo richiedendo il numero di sessioni per un periodo di 30 giorni. Puoi personalizzare la richiesta modificando le dimensioni e le metriche in base alle tue esigenze.
Elaborazione dei dati ricevuti
Dopo aver ottenuto il report, è importante elaborare i dati per renderli utili. Puoi utilizzare la libreria pandas per gestire e analizzare i dati in modo efficace. Ecco come puoi farlo:
import pandas as pd
def parse_response(response):
data = response.get('reports', [])[0].get('data', {}).get('rows', [])
records = []
for row in data:
metrics = row.get('metrics', [])[0].get('values', [])
dimensions = row.get('dimensions', [])
records.append(dimensions + metrics)
return pd.DataFrame(records, columns=['Date', 'Sessions'])
df = parse_response(response)
print(df)Questo codice estrae i dati dal report e li converte in un DataFrame di pandas per una facile analisi.
Creazione di un report automatizzato
Ora che hai i dati elaborati, puoi creare un report automatizzato. Puoi scegliere di esportare i dati in vari formati, come CSV o Excel. Ecco un esempio di come salvare i dati in un file CSV:
def save_report(df, filename):
df.to_csv(filename, index=False)
save_report(df, 'analytics_report.csv')Questo semplice script salva il DataFrame in un file CSV, pronto per essere condiviso o analizzato ulteriormente.
Programmazione dello script
Per automatizzare l’esecuzione dello script, puoi utilizzare un task scheduler come cron su Linux o Task Scheduler su Windows. Ciò ti permetterà di eseguire lo script a intervalli regolari, generando report senza necessità di intervento manuale.
Ad esempio, per eseguire lo script ogni giorno alle 8:00 del mattino, puoi aggiungere una riga al tuo crontab:
0 8 * * * /usr/bin/python3 /path/to/your/script.pyConclusione
Automatizzare la creazione di report su Google Analytics utilizzando Python può semplificare notevolmente la gestione dei dati. Con pochi passaggi, è possibile ottenere report dettagliati e personalizzati, riducendo il tempo dedicato all’analisi e aumentando l’efficienza. Seguendo i passaggi descritti in questo articolo, sarai in grado di sviluppare il tuo script per generare report automatizzati e ottenere il massimo dalle informazioni di Google Analytics.
