1. مقدمه
دلایل زیادی برای اجرای نظرسنجی وجود دارد: ارزیابی رضایت مشتری، انجام تحقیقات بازار، بهبود محصول یا خدمات، یا ارزیابی مشارکت کارکنان. با این حال، اگر قبلاً سعی کرده اید با داده های نظرسنجی کار کنید، احتمالاً می دانید که کار با قالب استاندارد دشوار است. در این راهنما، ما یک خط لوله خودکار می‌سازیم که نتایج Google Forms را ضبط می‌کند، داده‌ها را برای تجزیه و تحلیل با Cloud Dataprep آماده می‌کند، آن‌ها را در BigQuery بارگیری می‌کند و به تیم شما اجازه می‌دهد تا تجزیه و تحلیل بصری را با استفاده از ابزارهایی مانند Looker یا Data Studio انجام دهد.
چیزی که خواهی ساخت
در این کد لبه، شما از Dataprep برای تبدیل پاسخ‌های نمونه نظرسنجی Google Forms ما به قالبی استفاده می‌کنید که برای تجزیه و تحلیل داده‌ها مفید است. داده‌های تبدیل‌شده را به BigQuery منتقل می‌کنید، جایی که می‌توانید سؤالات عمیق‌تری با SQL بپرسید و آن‌ها را برای تجزیه و تحلیل‌های قوی‌تر به مجموعه‌های داده دیگر بپیوندید. در پایان، می توانید داشبوردهای از پیش ساخته شده را کاوش کنید یا ابزار هوش تجاری خود را برای ایجاد گزارش های جدید به BigQuery متصل کنید.
چیزی که یاد خواهید گرفت
- نحوه تبدیل داده های نظرسنجی با استفاده از Dataprep
- چگونه داده های نظرسنجی را به BigQuery منتقل کنیم
- چگونه از داده های نظرسنجی بینش بیشتری بدست آوریم
آنچه شما نیاز دارید
- پروژه Google Cloud با صورتحساب، BigQuery و Dataprep فعال است
- دانش اولیه Dataprep مفید است، اما لازم نیست
- دانش اولیه BigQuery و SQL مفید است، اما لازم نیست
2. پاسخ های Google Forms را مدیریت کنید
ما با نگاهی دقیق تر به پاسخ های Google Forms به نظرسنجی نمونه خود شروع می کنیم.
نتایج نظرسنجی را می‌توان با کلیک کردن روی نماد Google Sheets و ایجاد یک صفحه‌گسترده جدید یا بارگیری نتایج در صفحه‌گسترده موجود، از برگه «پاسخ‌ها» صادر کرد. Google Forms همچنان به افزودن پاسخ‌ها به صفحه‌گسترده ادامه می‌دهد، زیرا پاسخ‌دهندگان پاسخ‌های خود را ارسال می‌کنند تا زمانی که دکمه «پذیرش پاسخ‌ها» را لغو انتخاب کنید.
اکنون بیایید هر نوع پاسخ و نحوه ترجمه آن را در فایل کاربرگ‌نگار Google مرور کنیم.
3. تغییر پاسخ های نظرسنجی
سوالات نظرسنجی را می توان در چهار خانواده دسته بندی کرد که فرمت صادرات خاصی دارند. بر اساس نوع سوال، باید داده ها را به روش خاصی بازسازی کنید. در اینجا، هر یک از گروه ها و انواع تبدیل هایی که باید اعمال کنیم را بررسی می کنیم.
سوالات تک گزینه ای: پاسخ کوتاه، پاراگراف، کشویی، مقیاس خطی و غیره.
- نام سوال : نام ستون
- پاسخ : مقدار سلول
- الزامات تبدیل : هیچ تغییری مورد نیاز نیست. پاسخ همانطور که هست بارگذاری می شود.
سوالات چند گزینه ای: چند گزینه ای، چک باکس
- نام سوال : نام ستون
- پاسخ : لیست مقادیر با جداکننده نقطه ویرگول (به عنوان مثال "Resp 1; Resp 4; Resp 6")
- نیازمندی‌های تبدیل : فهرست مقادیر باید استخراج و چرخش شود، بنابراین هر پاسخ به یک ردیف جدید تبدیل می‌شود.
سوالات شبکه چند گزینه ای
در اینجا مثالی از یک سوال چند گزینه ای آورده شده است. فرد باید از هر ردیف یک مقدار واحد را انتخاب کند.
- نام سوال : هر سوال فردی به نام ستونی با این قالب "سوال [گزینه]" تبدیل می شود.
- پاسخ : هر پاسخ فردی در شبکه تبدیل به یک ستون با یک مقدار منحصر به فرد می شود.
- الزامات تبدیل : هر سوال/پاسخ باید به یک ردیف جدید در جدول تبدیل شود و به دو ستون تقسیم شود. یک ستون با ذکر گزینه سوال و ستون دیگر با پاسخ.
سوالات شبکه ای با کادر انتخاب چندگانه
در اینجا یک نمونه از یک شبکه چک باکس است. از هر سطر می توان هیچ کدام را به چندین مقدار انتخاب کرد.
- نام سوال : هر سوال فردی به نام ستونی با این قالب "سوال [گزینه]" تبدیل می شود.
- پاسخ : هر پاسخ فردی در شبکه به ستونی تبدیل می‌شود که فهرستی از مقادیر به صورت نیمه ویرگول از هم جدا شده است.
- نیازمندی‌های تغییر شکل : این انواع سؤال دسته‌های «چک باکس» و «شبکه انتخاب‌های چندگانه» را ترکیب می‌کنند و باید به این ترتیب حل شوند.
ابتدا، فهرست مقادیر هر پاسخ باید استخراج و چرخش شود، بنابراین هر پاسخ به یک ردیف جدید برای سؤال خاص تبدیل می شود.
دوم: هر پاسخ فردی باید به یک ردیف جدید در جدول تبدیل شود و به دو ستون تقسیم شود. یک ستون با ذکر گزینه سوال و ستون دیگر با پاسخ.
در مرحله بعد، نشان خواهیم داد که چگونه این تبدیل ها با Cloud Dataprep انجام می شود.
4. Cloud Dataprep Flow را بسازید
"الگوی طراحی Google Forms Analytics" را در Cloud Dataprep وارد کنید
بسته جریان الگوی طراحی Google Forms Analytics را دانلود کنید (بدون باز کردن آن). در برنامه Cloud Dataprep ، روی نماد Flow در نوار پیمایش سمت چپ کلیک کنید. سپس در صفحه جریان ها، از منوی زمینه، Import را انتخاب کنید.
پس از اینکه جریان را وارد کردید، جریان وارد شده را برای ویرایش آن انتخاب کنید، صفحه شما باید به شکل زیر باشد:
صفحه‌گسترده نتایج نظرسنجی Google Sheets را متصل کنید
در سمت چپ جریان، منبع داده باید دوباره به کاربرگ‌نگار Google حاوی نتایج Google Forms متصل شود. بر روی شیء مجموعه داده های Google Sheet کلیک راست کرده و "Replace" را انتخاب کنید.
سپس روی پیوند "وارد کردن مجموعه داده ها" در پایین مدال کلیک کنید. روی مداد "ویرایش مسیر" کلیک کنید.
از آنجا، مقدار فعلی را با این پیوند که به یک برگه Google اشاره می کند با برخی از نتایج Google Forms جایگزین کنید، می توانید از مثال ما یا کپی خود استفاده کنید: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk /edit?usp=اشتراک گذاری
روی «Go» و سپس «Import & Add to Flow» در پایین سمت راست کلیک کنید. هنگامی که به حالت مودال برگشتید، روی دکمه "Replace" در پایین سمت راست کلیک کنید.
جداول BigQuery را متصل کنید
در سمت راست جریان، باید خروجی ها را به نمونه BigQuery خود متصل کنید. برای هر یک از خروجی ها، روی نماد کلیک کنید و سپس ویژگی های آن را به صورت زیر ویرایش کنید.
ابتدا، با ویرایش "مقصدهای دستی" شروع کنید
در صفحه زیر "تنظیمات انتشار"، روی دکمه ویرایش کلیک کنید
هنگامی که صفحه "Publishing Action" را می بینید، باید تنظیمات اتصال را با کلیک کردن روی اتصال BigQuery و ویرایش ویژگی های آن تغییر دهید.
مجموعه داده BigQuery را انتخاب کنید که می‌خواهید نتایج Google Forms در آن بارگذاری شود. اگر هنوز هیچ مجموعه داده BigQuery ایجاد نکرده‌اید، می‌توانید «پیش‌فرض» را انتخاب کنید.
پس از ویرایش "مقصدهای دستی"، به همین ترتیب برای خروجی "مقصدهای برنامه ریزی شده" ادامه دهید.
روی هر خروجی با همان مراحل تکرار کنید. در کل باید 8 مقصد را ویرایش کنید.
5. Cloud Dataprep Flow توضیح داده شد
ایده اصلی جریان «الگوی طراحی تجزیه و تحلیل فرم‌های Google» این است که تغییرات را در پاسخ‌های نظرسنجی همانطور که قبلاً توضیح داده شد، انجام دهد - با تقسیم کردن هر دسته سؤال به یک دستور تبدیل داده خاص Cloud Dataprep.
این جریان سؤالات را به 4 جدول تقسیم می کند (مطابق با 4 دسته سؤال، برای اهداف ساده)
پیشنهاد می‌کنیم هر یک از دستور العمل‌ها را یک به یک بررسی کنید و با «Clean Headers» شروع کنید و سپس «SingleChoiceSELECT-Questions» و سپس دستور العمل‌های زیر را دنبال کنید.
تمام دستور العمل ها برای توضیح مراحل مختلف تبدیل توضیح داده شده است. هنگامی که در یک دستور غذا هستید، می توانید یک مرحله را ویرایش کنید و وضعیت قبل و بعد از یک ستون خاص را پیش نمایش کنید.
6. Cloud Dataprep Flow را اجرا کنید
اکنون که منبع و مقصد شما به درستی پیکربندی شده‌اند، می‌توانید جریان را برای تبدیل و بارگذاری پاسخ‌ها در BigQuery اجرا کنید. هر یک از خروجی ها را انتخاب کرده و روی دکمه "Run" کلیک کنید. اگر جدول BigQuery مشخص شده وجود داشته باشد، Dataprep ردیف های جدیدی را اضافه می کند، در غیر این صورت یک جدول جدید ایجاد می کند.
برای نظارت بر کارها، روی نماد "تاریخچه کار" در سمت چپ کلیک کنید. ادامه و بارگیری جداول BigQuery باید چند دقیقه طول بکشد.
وقتی همه کارها تکمیل شدند، نتایج نظرسنجی در BigQuery در قالبی تمیز، ساختاریافته و نرمال آماده برای تجزیه و تحلیل بارگذاری می شود.
7. داده های نظرسنجی را در BigQuery تجزیه و تحلیل کنید
در Google Console برای BigQuery ، باید بتوانید جزئیات هر یک از جداول جدید را ببینید.
با داده های نظرسنجی در BigQuery، می توانید به راحتی سؤالات جامع تری بپرسید تا پاسخ های نظرسنجی را در سطح عمیق تری درک کنید. به عنوان مثال، فرض کنید می‌خواهید بفهمید که چه زبان برنامه‌نویسی معمولاً توسط افراد با عناوین حرفه‌ای مختلف استفاده می‌شود - می‌توانید درخواستی مانند این بنویسید:
SELECT
programming_answers.Language AS programming_answers_language,
project_answers.Title AS project_answers_title,
AVG((case when programming_answers.Level='None' then 0
when programming_answers.Level='beginner' then 1
when programming_answers.Level='competent' then 2
when programming_answers.Level='proficient' then 3
when programming_answers.Level='expert' then 4
else null end) ) AS programming_answers_average_level_value
FROM `my-project.DesignPattern.A000111_ProjectAnswers` AS project_answers
INNER JOIN `my-project.A000111_ProgrammingAnswers` AS programming_answers
ON programming_answers.RESPONSE_ID = project_answers.RESPONSE_ID
GROUP BY 1,2
ORDER BY 3 DESC
برای قوی‌تر کردن تحلیل‌های خود، می‌توانید پاسخ‌های نظرسنجی را به داده‌های CRM بپیوندید تا ببینید آیا شرکت‌کنندگان به حساب‌هایی که قبلاً در انبار داده‌های شما گنجانده شده‌اند نقشه می‌دهند یا خیر. این می تواند به کسب و کار شما کمک کند تا تصمیمات آگاهانه تری در مورد پشتیبانی مشتری یا هدف قرار دادن کاربران برای راه اندازی های جدید بگیرد.
در اینجا، نشان می‌دهیم که چگونه می‌توانید داده‌های نظرسنجی را بر اساس دامنه پاسخ‌دهنده و وب‌سایت حساب به جدول حساب اضافه کنید. اکنون، می‌توانید توزیع پاسخ‌ها را بر اساس نوع حساب مشاهده کنید، که به شما کمک می‌کند بفهمید چه تعداد پاسخ‌دهنده به حساب‌های مشتری موجود تعلق دارند.
SELECT
account.TYPE AS account_type,
COUNT(DISTINCT project_answers.Domainname) AS project_answers_count_domains
FROM `my-project.A000111_ProjectAnswers` AS project_answers
LEFT JOIN `my-project.testing.account` AS account
ON project_answers.Domainname=account.website
GROUP BY 1
8. تجزیه و تحلیل بصری را انجام دهید
اکنون که داده های نظرسنجی شما در یک انبار داده متمرکز شده است، می توانید به راحتی داده ها را در ابزار هوش تجاری تجزیه و تحلیل کنید. چند نمونه گزارش در Data Studio و Looker ایجاد کرده ایم.
نگاه کننده
اگر قبلاً یک نمونه Looker دارید، می‌توانید از LookML در این پوشه برای شروع تجزیه و تحلیل نمونه نظرسنجی و داده‌های CRM برای این الگو استفاده کنید. به سادگی یک پروژه Looker جدید ایجاد کنید، LookML را اضافه کنید، و نام اتصال و جدول را در فایل جایگزین کنید تا با پیکربندی BigQuery شما مطابقت داشته باشد. اگر نمونه Looker ندارید اما علاقه مند به یادگیری بیشتر هستید، می توانید یک نسخه نمایشی را در اینجا برنامه ریزی کنید.
Data Studio
از طرف دیگر، برای ایجاد گزارش در استودیو داده ، روی قاب با علامت «گزارش خالی» Google کلیک کنید و به BigQuery متصل شوید. تمام دستورالعمل های Data Studio را دنبال کنید. اگر می‌خواهید بیشتر بدانید، می‌توانید یک شروع سریع و معرفی ویژگی‌های اصلی Data Studio را در اینجا پیدا کنید. همچنین می توانید داشبوردهای استودیوی داده از پیش ساخته شده ما را در اینجا بیابید.
9. تمیز کردن
ساده ترین راه برای حذف صورتحساب، حذف پروژه Cloud است که برای آموزش ایجاد کرده اید. از طرف دیگر، می توانید منابع فردی را حذف کنید.
- در Cloud Console، به مدیریت منابع بروید
- در لیست پروژه، پروژه ای را که می خواهید حذف کنید انتخاب کنید و سپس روی Delete کلیک کنید.
- در محاوره، شناسه پروژه را تایپ کنید و سپس روی Shut down کلیک کنید تا پروژه حذف شود.