۱. 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 کردهاید با دادههای نظرسنجی کار کنید، احتمالاً میدانید که کار با فرمت استاندارد دشوار است. در این راهنما، ما یک خط لوله خودکار ایجاد میکنیم که نتایج Google Forms را ثبت میکند، دادهها را برای تجزیه و تحلیل با Cloud Dataprep آماده میکند، آنها را در BigQuery بارگذاری میکند و به تیم شما اجازه میدهد تا با استفاده از ابزارهایی مانند Looker یا Data Studio تجزیه و تحلیل بصری انجام دهد.
آنچه خواهید ساخت
در این آزمایشگاه کد، شما از Dataprep برای تبدیل پاسخها از نمونه نظرسنجی Google Forms ما به فرمتی که برای تجزیه و تحلیل دادهها مفید است، استفاده خواهید کرد. دادههای تبدیلشده را به BigQuery منتقل خواهید کرد، جایی که میتوانید با SQL سوالات عمیقتری بپرسید و آن را برای تجزیه و تحلیلهای قدرتمندتر به مجموعه دادههای دیگر متصل کنید. در پایان، میتوانید داشبوردهای از پیش ساخته شده را بررسی کنید یا ابزار هوش تجاری خود را به BigQuery متصل کنید تا گزارشهای جدیدی ایجاد کنید.
آنچه یاد خواهید گرفت
- نحوه تبدیل دادههای نظرسنجی با استفاده از Dataprep
- نحوه وارد کردن دادههای نظرسنجی به BigQuery
- چگونه از دادههای نظرسنجی بینش بیشتری کسب کنیم
آنچه نیاز دارید
- یک پروژه گوگل کلود با قابلیت صدور صورتحساب، BigQuery و Dataprep
- دانش اولیه در مورد Dataprep مفید است، اما الزامی نیست.
- دانش پایه از BigQuery و SQL مفید است، اما الزامی نیست.
۲. مدیریت پاسخهای فرمهای گوگل
ما با نگاهی دقیقتر به پاسخهای گوگل فرم به نمونه نظرسنجی خود شروع خواهیم کرد.
نتایج نظرسنجی را میتوان از برگه «پاسخها» با کلیک روی نماد Google Sheets و ایجاد یک صفحه گسترده جدید یا بارگذاری نتایج در یک صفحه گسترده موجود، استخراج کرد. فرمهای Google به افزودن پاسخها به صفحه گسترده ادامه میدهند، زیرا پاسخدهندگان پاسخهای خود را ارسال میکنند تا زمانی که دکمه «پذیرش پاسخها» را از حالت انتخاب خارج کنید.
اکنون بیایید هر نوع پاسخ و نحوه ترجمه آن را در فایل Google Sheets بررسی کنیم.
۳. پاسخهای نظرسنجی را متحول کنید
سوالات نظرسنجی را میتوان در چهار خانواده گروهبندی کرد که قالب خروجی خاصی خواهند داشت. بر اساس نوع سوال، باید دادهها را به روشی خاص بازسازی کنید. در اینجا، هر یک از گروهها و انواع تبدیلهایی را که باید اعمال کنیم، بررسی میکنیم.
سوالات تک گزینهای: پاسخ کوتاه، پاراگرافی، منوی کشویی، مقیاس خطی و غیره
- نام سوال : نام ستون
- پاسخ : مقدار سلول
- الزامات تبدیل : هیچ تبدیلی لازم نیست؛ پاسخ به همان صورت که هست بارگذاری میشود.
سوالات چند گزینهای: چند گزینهای، کادر انتخاب
- نام سوال : نام ستون
- پاسخ : فهرستی از مقادیر با جداکننده نقطه ویرگول (";" به عنوان مثال "پاسخ ۱؛ پاسخ ۴؛ پاسخ ۶")
- الزامات تبدیل : لیست مقادیر باید استخراج و محور شود، بنابراین هر پاسخ به یک ردیف جدید تبدیل میشود.
سوالات چند گزینه ای شبکه ای
در اینجا مثالی از یک سوال چند گزینهای آورده شده است. باید از هر ردیف یک مقدار واحد را انتخاب کنید.
- نام سوال : هر سوال جداگانه به یک نام ستون با این قالب "سوال [گزینه]" تبدیل میشود.
- پاسخ : هر پاسخ جداگانه در شبکه به ستونی با مقدار منحصر به فرد تبدیل میشود.
- الزامات تبدیل : هر سوال/پاسخ باید به یک ردیف جدید در جدول تبدیل شود و به دو ستون تقسیم شود. یک ستون شامل گزینه سوال و ستون دیگر شامل پاسخ باشد.
سوالات شبکهای با گزینه های چندگانه
در اینجا مثالی از یک شبکه چکباکسی آورده شده است. میتوان از هر ردیف هیچ تا چندین مقدار را انتخاب کرد.
- نام سوال : هر سوال به صورت جداگانه به یک ستون با نام «سوال [گزینه]» تبدیل میشود.
- پاسخ : هر پاسخ جداگانه در شبکه، به ستونی تبدیل میشود که لیستی از مقادیر آن با نقطه ویرگول از هم جدا شدهاند.
- الزامات تبدیل : این نوع سوالات، دستههای «چکباکس» و «شبکه چندگزینهای» را با هم ترکیب میکنند و باید به این ترتیب حل شوند.
ابتدا، فهرست مقادیر هر پاسخ باید استخراج و محوربندی شود، بنابراین هر پاسخ به یک ردیف جدید برای آن سوال خاص تبدیل میشود.
دوم: هر پاسخ باید به یک ردیف جدید در جدول تبدیل شود و به دو ستون تقسیم شود. یک ستون شامل گزینه سوال و ستون دیگر شامل پاسخ آن باشد.
در ادامه، نحوه مدیریت این تبدیلات با Cloud Dataprep را نشان خواهیم داد.
۴. جریان آمادهسازی دادههای ابری را بسازید
«الگوی طراحی Google Forms Analytics» را در Cloud Dataprep وارد کنید
بسته جریان الگوی طراحی Google Forms Analytics را دانلود کنید (بدون اینکه آن را از حالت فشرده خارج کنید). در برنامه Cloud Dataprep ، روی نماد Flows در نوار پیمایش سمت چپ کلیک کنید. سپس در صفحه Flows، از منوی زمینه، Import را انتخاب کنید.
بعد از اینکه جریان را وارد کردید، جریان وارد شده را برای ویرایش انتخاب کنید، صفحه شما باید به این شکل باشد:
اتصال به صفحه گسترده نتایج نظرسنجی گوگل شیت
در سمت چپ جریان، منبع داده باید دوباره به یک Google Sheets حاوی نتایج Google Forms متصل شود. روی شیء Google Sheet datasets کلیک راست کرده و "Replace" را انتخاب کنید.
سپس روی لینک «وارد کردن مجموعه دادهها» در پایین پنجره کلیک کنید. روی مداد «ویرایش مسیر» کلیک کنید.
از آنجا، مقدار فعلی را با این لینک که به یک Google Sheets با نتایج Google Forms اشاره میکند، جایگزین کنید. میتوانید از مثال ما یا مثال خودتان استفاده کنید: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing
روی «برو» و سپس «وارد کردن و افزودن به جریان» در پایین سمت راست کلیک کنید. وقتی به پنجرهی نمایش برگشتید، روی دکمهی «جایگزینی» در پایین سمت راست کلیک کنید.
اتصال جداول BigQuery
در سمت راست جریان، باید خروجیها را به نمونه BigQuery خودتان متصل کنید. برای هر یک از خروجیها، روی آیکون کلیک کنید و سپس ویژگیهای آن را به شرح زیر ویرایش کنید.
ابتدا، با ویرایش «مقصدهای دستی» شروع کنید.
در صفحه «تنظیمات انتشار» که در ادامه میآید، روی دکمه ویرایش کلیک کنید.
وقتی صفحه «اقدامات انتشار» را مشاهده کردید، باید با کلیک روی اتصال BigQuery و ویرایش ویژگیهای آن، تنظیمات اتصال را تغییر دهید.
مجموعه داده BigQuery را که میخواهید نتایج Google Forms در آن بارگذاری شود، انتخاب کنید. اگر هنوز هیچ مجموعه داده BigQuery ایجاد نکردهاید، میتوانید «پیشفرض» را انتخاب کنید.
پس از ویرایش «مقصدهای دستی»، برای خروجی «مقصدهای زمانبندیشده» نیز به همین روش عمل کنید.
روی هر خروجی، مراحل مشابه را تکرار کنید. در مجموع باید ۸ مقصد را ویرایش کنید.
۵. توضیح جریان آمادهسازی دادههای ابری
ایده اصلی جریان «الگوی طراحی Google Forms Analytics» انجام تبدیلات روی پاسخهای نظرسنجی همانطور که قبلاً توضیح داده شد است - با تجزیه هر دسته سوال به یک دستورالعمل تبدیل داده Cloud Dataprep خاص.
این جریان، سوالات را به ۴ جدول تقسیم میکند (مطابق با ۴ دسته سوال، برای سادگی)
پیشنهاد میکنیم هر یک از دستورها را یکی یکی بررسی کنید و از «Clean Headers» شروع کنید و سپس «SingleChoiceSELECT-Questions» و در ادامه دستورهای بعدی را بررسی کنید.
تمام دستور پختها دارای توضیحاتی برای مراحل مختلف تبدیل هستند. در یک دستور پخت، میتوانید یک مرحله را ویرایش کنید و حالت قبل/بعد یک ستون خاص را پیشنمایش دهید.
۶. جریان آمادهسازی دادههای ابری را اجرا کنید
اکنون که منبع و مقصد شما به درستی پیکربندی شدهاند، میتوانید جریان تبدیل و بارگذاری پاسخها را در BigQuery اجرا کنید. هر یک از خروجیها را انتخاب کرده و روی دکمه "اجرا" کلیک کنید. اگر جدول BigQuery مشخص شده وجود داشته باشد، Dataprep ردیفهای جدیدی را اضافه میکند، در غیر این صورت یک جدول جدید ایجاد میکند.
برای نظارت بر کارها، روی نماد «سابقه کار» در پنل سمت چپ کلیک کنید. ادامه و بارگذاری جداول BigQuery باید چند دقیقه طول بکشد.
وقتی همه کارها تکمیل شد، نتایج نظرسنجی در BigQuery در قالبی تمیز، ساختاریافته و نرمالشده بارگذاری شده و آماده تجزیه و تحلیل خواهد بود.
۷. دادههای نظرسنجی را در BigQuery تجزیه و تحلیل کنید
در کنسول گوگل برای BigQuery ، باید بتوانید جزئیات هر یک از جداول جدید را مشاهده کنید.
با دادههای نظرسنجی در BigQuery، میتوانید به راحتی سوالات جامعتری بپرسید تا پاسخهای نظرسنجی را در سطح عمیقتری درک کنید. به عنوان مثال، فرض کنید میخواهید بفهمید که کدام زبان برنامهنویسی بیشتر توسط افراد با عناوین حرفهای مختلف استفاده میشود - میتوانید یک پرسوجو 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 اینکه تحلیلهایتان را قویتر کنید، میتوانید پاسخهای نظرسنجی را به دادههای CRM اضافه کنید تا ببینید آیا شرکتکنندگان به حسابهایی که از قبل در انبار دادههای شما موجود هستند، مرتبط هستند یا خیر. این میتواند به کسبوکار شما کمک کند تا تصمیمات آگاهانهتری در مورد پشتیبانی مشتری یا هدف قرار دادن کاربران برای محصولات جدید بگیرد.
در اینجا، ما نشان میدهیم که چگونه میتوانید دادههای نظرسنجی را بر اساس دامنه پاسخدهنده و وبسایت حساب، به یک جدول حساب کاربری متصل کنید. اکنون، میتوانید توزیع پاسخها را بر اساس نوع حساب کاربری مشاهده کنید، که به شما کمک میکند بفهمید چند پاسخدهنده به حسابهای کاربری 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
۸. انجام تجزیه و تحلیل بصری
اکنون که دادههای نظرسنجی شما در یک انبار داده متمرکز شده است، میتوانید به راحتی دادهها را در یک ابزار هوش تجاری تجزیه و تحلیل کنید. ما چند گزارش نمونه در Data Studio و Looker ایجاد کردهایم.
تماشاچی
اگر از قبل یک نمونه Looker دارید، میتوانید از LookML موجود در این پوشه برای شروع تجزیه و تحلیل دادههای نمونه نظرسنجی و CRM برای این الگو استفاده کنید. کافیست یک پروژه Looker جدید ایجاد کنید، LookML را اضافه کنید و نامهای اتصال و جدول را در فایل جایگزین کنید تا با پیکربندی BigQuery شما مطابقت داشته باشد. اگر نمونه Looker ندارید اما علاقهمند به کسب اطلاعات بیشتر هستید، میتوانید یک نسخه آزمایشی را از اینجا برنامهریزی کنید.
استودیو داده
روش دیگر، برای ایجاد گزارش در Data Studio ، روی کادری که علامت ضربدر گوگل روی آن "Blank Report" است کلیک کنید و به BigQuery متصل شوید. تمام دستورالعملهای Data Studio را دنبال کنید. اگر میخواهید اطلاعات بیشتری کسب کنید، میتوانید یک شروع سریع و مقدمهای بر ویژگیهای اصلی Data Studio را اینجا بیابید. همچنین میتوانید داشبوردهای از پیش ساخته شده Data Studio ما را اینجا پیدا کنید.
۹. تمیز کردن
سادهترین راه برای حذف هزینهها، حذف پروژه ابری است که برای آموزش ایجاد کردهاید. همچنین میتوانید منابع را به صورت جداگانه حذف کنید.
- در کنسول ابری، به بخش مدیریت منابع بروید
- در لیست پروژهها، پروژهای را که میخواهید حذف کنید انتخاب کنید و سپس روی «حذف» کلیک کنید.
- در کادر محاورهای، شناسه پروژه را تایپ کنید و سپس برای حذف پروژه، روی خاموش کردن کلیک کنید.