เอกสารนี้อธิบายฟีเจอร์ขั้นสูงหลายอย่างของ Google Analytics Data API v1 ดูข้อมูลอ้างอิงโดยละเอียดของ API ได้ที่เอกสารอ้างอิง API
แสดงรายการคำจำกัดความที่กำหนดเองและสร้างรายงาน
Data API สามารถสร้างรายงานเกี่ยวกับมิติข้อมูลที่กำหนดเองและเมตริกที่กำหนดเองที่ลงทะเบียนไว้ คุณใช้เมธอด Metadata API เพื่อแสดงชื่อ API ของคำจำกัดความที่กำหนดเองที่ลงทะเบียนของพร็อพเพอร์ตี้ได้ ชื่อ API เหล่านี้ใช้ได้ในคำขอรายงานไปยังเมธอด runReport เป็นต้น
ส่วนต่อไปนี้แสดงตัวอย่างของคำจำกัดความที่กำหนดเองแต่ละประเภท ใน
ตัวอย่างเหล่านี้ ให้แทนที่ GA_PROPERTY_ID ด้วยรหัสพร็อพเพอร์ตี้ของคุณ
มิติข้อมูลที่กําหนดเองซึ่งกำหนดขอบเขตระดับเหตุการณ์
ขั้นตอนที่ 1: ส่งคำค้นหาเมธอด Metadata API ด้วยรหัสพร็อพเพอร์ตี้
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ขั้นตอนที่ 2: ค้นหามิติข้อมูลที่กําหนดเองระดับเหตุการณ์ที่คุณสนใจ สร้างรายงานจากคําตอบ หากไม่มีมิติข้อมูล คุณจะต้องลงทะเบียนมิติข้อมูล
"dimensions": [
...
{
"apiName": "customEvent:achievement_id",
"uiName": "Achievement ID",
"description": "An event scoped custom dimension for your Analytics property."
},
...
],
ขั้นตอนที่ 3: รวมมิติข้อมูลที่กำหนดเองไว้ในคำขอรายงาน ตัวอย่างคำขอไปยังเมธอด runReport มีดังนี้
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "2020-09-01", "endDate": "2020-09-15" }],
"dimensions": [{ "name": "customEvent:achievement_id" }],
"metrics": [{ "name": "eventCount" }]
}
มิติข้อมูลที่กําหนดเองซึ่งกำหนดขอบเขตระดับผู้ใช้
ขั้นตอนที่ 1: ส่งคำค้นหาเมธอด Metadata API ด้วยรหัสพร็อพเพอร์ตี้
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ขั้นตอนที่ 2: ค้นหามิติข้อมูลที่กําหนดเองระดับผู้ใช้ที่คุณสนใจ สร้างรายงานจากคําตอบ หากไม่มีมิติข้อมูล คุณจะต้องลงทะเบียนมิติข้อมูล
"dimensions": [
...
{
"apiName": "customUser:last_level",
"uiName": "Last level",
"description": "A user property for your Analytics property."
},
...
],
ขั้นตอนที่ 3: รวมมิติข้อมูลที่กำหนดเองไว้ในคำขอรายงาน ตัวอย่างคำขอไปยังเมธอด runReport มีดังนี้
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"entity": { "propertyId": "GA_PROPERTY_ID" },
"dateRanges": [{ "startDate": "7daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "customUser:last_level" }],
"metrics": [{ "name": "activeUsers" }]
}
เมตริกที่กําหนดเองที่กำหนดขอบเขตระดับเหตุการณ์
ขั้นตอนที่ 1: ส่งคำค้นหาเมธอด Metadata API ด้วยรหัสพร็อพเพอร์ตี้
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ขั้นตอนที่ 2: ค้นหาเมตริกที่กําหนดเองระดับเหตุการณ์ที่คุณสนใจ สร้างรายงานจากคําตอบ หากไม่มีเมตริก คุณต้องลงทะเบียนเมตริก
"metrics": [
...
{
"apiName": "customEvent:credits_spent",
"uiName": "Credits Spent",
"description": "An event scoped custom metric for your Analytics property.",
"type": "TYPE_STANDARD"
},
...
],
ขั้นตอนที่ 3: รวมเมตริกที่กําหนดเองไว้ในคําขอรายงาน ตัวอย่างคำขอไปยังเมธอด runReport มีดังนี้
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "customEvent:credits_spent" }]
}
เมตริกอัตราเหตุการณ์สําคัญสําหรับเหตุการณ์สําคัญ 1 เหตุการณ์
ขั้นตอนที่ 1: ส่งคำค้นหาไปยังMetadata API Method ด้วยรหัสพร็อพเพอร์ตี้
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ขั้นตอนที่ 2: ค้นหาเมตริกอัตราเหตุการณ์สําคัญสําหรับเหตุการณ์สําคัญ 1 รายการที่คุณสนใจ สร้างรายงานจากคําตอบ หากไม่มีเหตุการณ์สําคัญ คุณต้องตั้งค่าเหตุการณ์สําคัญ
"metrics": [
...
{
"apiName": "sessionKeyEventRate:add_to_cart",
"uiName": "Session key event rate for add_to_cart",
"description": "The percentage of sessions in which a specific key event was triggered",
},
...
],
ขั้นตอนที่ 3: รวมเมตริกอัตราเหตุการณ์สําคัญไว้ในคําขอรายงาน ตัวอย่างคำขอไปยังเมธอด runReport มีดังนี้
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "sessionKeyEventRate:add_to_cart" }]
}
ค่าเฉลี่ยของเมตริกที่กําหนดเองระดับเหตุการณ์
ขั้นตอนที่ 1: ส่งคำค้นหาเมธอด Metadata API ด้วยรหัสพร็อพเพอร์ตี้
GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata
ขั้นตอนที่ 2: ค้นหาค่าเฉลี่ยของเมตริกที่กําหนดเองระดับเหตุการณ์ที่คุณสนใจ สร้างรายงานจากคําตอบ หากไม่มีเมตริก คุณต้องลงทะเบียนเมตริก
"metrics": [
...
{
"apiName": "averageCustomEvent:credits_spent",
"uiName": "Average Credits Spent",
"description": "The average of an event scoped custom metric for your Analytics property.",
"type": "TYPE_STANDARD"
},
...
],
ขั้นตอนที่ 3: รวมค่าเฉลี่ยของเมตริกที่กำหนดเองไว้ในคำขอรายงาน ตัวอย่างคำขอไปยังเมธอด runReport มีดังนี้
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "2020-11-01", "endDate": "2020-11-10" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "averageCustomEvent:credits_spent" }]
}
ตัวอย่างรายงานกลุ่มประชากรตามรุ่น
รายงานกลุ่มประชากรตามรุ่นจะสร้างอนุกรมเวลาของการเก็บรักษาผู้ใช้สำหรับกลุ่มประชากรตามรุ่น ดูเอกสารประกอบโดยละเอียดของแต่ละฟิลด์ API ได้ที่ข้อมูลอ้างอิง REST สำหรับ CohortSpec
สร้างรายงานกลุ่มประชากรตามรุ่น
ตัวอย่างรายงานกลุ่มประชากรตามรุ่นมีดังนี้
- กลุ่มประชากรตามรุ่นคือผู้ใช้ที่มี
firstSessionDateเป็น2020-12-01ซึ่งกำหนดค่าโดยออบเจ็กต์cohortsมิติข้อมูลและเมตริกในคำตอบของรายงาน จะอิงตามผู้ใช้ของกลุ่มประชากรตามรุ่นเท่านั้น - รายงานกลุ่มประชากรตามรุ่นจะแสดง 3 คอลัมน์ ซึ่งกำหนดค่าโดยออบเจ็กต์มิติข้อมูลและเมตริก
- มิติข้อมูล
cohortคือชื่อกลุ่มประชากรตามรุ่น - มิติข้อมูล
cohortNthDayคือจำนวนวันนับตั้งแต่2020-12-01 - เมตริก
cohortActiveUsersคือจํานวนผู้ใช้ที่ยังใช้งานอยู่
- มิติข้อมูล
- ออบเจ็กต์
cohortsRangeระบุว่ารายงานควรมีข้อมูลเหตุการณ์ โดยเริ่มจาก2020-12-01และสิ้นสุดที่2020-12-06สำหรับกลุ่มประชากรตามรุ่นนี้- เมื่อใช้ระดับความละเอียดของ
DAILYเราขอแนะนำให้ใช้มิติข้อมูลcohortNthDayเพื่อความสอดคล้องกัน
- เมื่อใช้ระดับความละเอียดของ
คำขอรายงานสำหรับกลุ่มประชากรตามรุ่นคือ
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dimensions": [{ "name": "cohort" }, { "name": "cohortNthDay" }],
"metrics": [{ "name": "cohortActiveUsers" }],
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-12-01", "endDate": "2020-12-01" }
}
],
"cohortsRange": {
"endOffset": 5,
"granularity": "DAILY"
}
},
}
สำหรับคำขอนี้ ตัวอย่างการตอบกลับรายงานคือ
{
"dimensionHeaders": [
{ "name": "cohort" }, { "name": "cohortNthDay" }
],
"metricHeaders": [
{ "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
],
"rows": [
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
"metricValues": [{ "value": "293" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
"metricValues": [{ "value": "143" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
"metricValues": [{ "value": "123" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
"metricValues": [{ "value": "92" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0005" }],
"metricValues": [{ "value": "86" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
"metricValues": [{ "value": "83" }]
}
],
"metadata": {},
"rowCount": 6
}
จากคำตอบของรายงานนี้ จะมีแผนภูมิสำหรับรายงานกลุ่มประชากรตามรุ่นนี้ ข้อมูลเชิงลึก จากรายงานนี้คือการลดลงของผู้ใช้ที่ใช้งานอยู่มากที่สุดสำหรับกลุ่มประชากรตามรุ่นนี้ อยู่ระหว่างวันที่ 1 กับวันที่ 2

กลุ่มประชากรตามรุ่นหลายกลุ่มและเศษส่วนการคงผู้ใช้ไว้
การได้ผู้ใช้ใหม่และการรักษาผู้ใช้ไว้เป็นวิธีเพิ่มการเติบโตของเว็บไซต์หรือแอป รายงานกลุ่มประชากรตามรุ่น มุ่งเน้นที่การรักษาผู้ใช้ไว้ ในตัวอย่างนี้ รายงานแสดงให้เห็นว่าพร็อพเพอร์ตี้นี้ เพิ่มการคงผู้ใช้ไว้ได้ 4 วันขึ้น 10% ในช่วง 2 สัปดาห์
หากต้องการสร้างรายงานนี้ เราจะระบุกลุ่มประชากรตามรุ่น 3 กลุ่ม ได้แก่ กลุ่มแรกมีfirstSessionDateเท่ากับ 2020-11-02 กลุ่มที่ 2 มีfirstSessionDateเท่ากับ 2020-11-09 และกลุ่มที่ 3 มีfirstSessionDateเท่ากับ 2020-11-16 เนื่องจากจำนวนผู้ใช้ในพร็อพเพอร์ตี้จะแตกต่างกันใน 3 วันนี้ เราจึงเปรียบเทียบเมตริกเศษส่วนการรักษาผู้ใช้ของกลุ่มประชากรตามรุ่นที่ cohortActiveUsers/cohortTotalUsers แทนที่จะใช้เมตริก cohortActiveUsers โดยตรง
คำขอรายงานสำหรับกลุ่มประชากรตามรุ่นเหล่านี้คือ
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dimensions": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
"metrics": [
{
"name": "cohortRetentionFraction",
"expression": "cohortActiveUsers/cohortTotalUsers"
}
],
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-02", "endDate": "2020-11-02" }
},
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-09", "endDate": "2020-11-09" }
},
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-16", "endDate": "2020-11-16" }
}
],
"cohortsRange": {
"endOffset": 4,
"granularity": "DAILY"
}
},
}
สำหรับคำขอนี้ ตัวอย่างการตอบกลับรายงานคือ
{
"dimensionHeaders": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
"metricHeaders": [{
"name": "cohortRetentionFraction",
"type": "TYPE_FLOAT"
}
],
"rows": [
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0001" }],
"metricValues": [{ "value": "0.308" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0001" }],
"metricValues": [{ "value": "0.272" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0002" }],
"metricValues": [{ "value": "0.257" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
"metricValues": [{ "value": "0.248" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0003" }],
"metricValues": [{ "value": "0.235" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0004" }],
"metricValues": [{ "value": "0.211" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0002" }],
"metricValues": [{ "value": "0.198" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
"metricValues": [{ "value": "0.172" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0003" }],
"metricValues": [{ "value": "0.167" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0004" }],
"metricValues": [{ "value": "0.155" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
"metricValues": [{ "value": "0.141" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
"metricValues": [{ "value": "0.118" }]
}
],
"metadata": {},
"rowCount": 15
}
จากคำตอบของรายงานนี้ จะมีแผนภูมิสำหรับรายงานกลุ่มประชากรตามรุ่นนี้ ข้อมูลเชิงลึกจากรายงานนี้คือการคงผู้ใช้ไว้ 4 วันเพิ่มขึ้น 10% ในช่วง 2 สัปดาห์ กลุ่มประชากรตามรุ่นในภายหลังที่มี firstSessionDate ของ 2020-11-16
มีอัตราการคงผู้ใช้ไว้สูงกว่ากลุ่มประชากรตามรุ่นก่อนหน้าที่มี firstSessionDate
ของ 2020-11-02

กลุ่มประชากรตามรุ่นรายสัปดาห์และการใช้กลุ่มประชากรตามรุ่นกับฟีเจอร์ API อื่นๆ
ใช้กลุ่มประชากรตามรุ่นรายสัปดาห์เพื่อขจัดความแปรปรวนในพฤติกรรมของผู้ใช้แบบวันต่อวัน ในรายงานกลุ่มประชากรตามรุ่นรายสัปดาห์ ผู้ใช้ทั้งหมดที่มีfirstSessionDateในสัปดาห์เดียวกันจะรวมกันเป็นกลุ่มประชากรตามรุ่น สัปดาห์จะเริ่มต้นในวันอาทิตย์และสิ้นสุดในวันเสาร์ นอกจากนี้ ในรายงานนี้ เราจะ
แบ่งกลุ่มประชากรตามรุ่นเพื่อเปรียบเทียบผู้ใช้ที่มีกิจกรรมในรัสเซียกับผู้ใช้ที่มี
กิจกรรมในเม็กซิโก การแบ่งกลุ่มนี้ใช้มิติข้อมูล country และ dimensionFilter เพื่อพิจารณาเฉพาะ 2 ประเทศ
คำขอรายงานสำหรับกลุ่มประชากรตามรุ่นเหล่านี้คือ
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"dimensions": [
{ "name": "cohort" },
{ "name": "cohortNthWeek" },
{ "name": "country" }
],
"metrics": [{ "name": "cohortActiveUsers" }],
"dimensionFilter": {
"filter": {
"fieldName": "country",
"inListFilter": {
"values": [ "Russia", "Mexico" ]
}
}
},
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": {
"startDate": "2020-10-04",
"endDate": "2020-10-10"
}
}
],
"cohortsRange": {
"endOffset": 5,
"granularity": "WEEKLY"
}
},
}
สำหรับคำขอนี้ ตัวอย่างการตอบกลับรายงานคือ
{
"dimensionHeaders": [
{ "name": "cohort" },
{ "name": "cohortNthWeek" },
{ "name": "country" }
],
"metricHeaders": [
{ "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
],
"rows": [
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0000" },{ "value": "Russia" }
],
"metricValues": [{ "value": "105" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0000" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "98" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0001" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "35" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0002" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "24" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0001" },{ "value": "Russia" }
],
"metricValues": [{ "value": "23" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0004" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "17" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0003" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "15" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0005" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "15" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0002" },{ "value": "Russia" }
],
"metricValues": [{ "value": "3" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0003" },{ "value": "Russia" }
],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0004" },{ "value": "Russia" }
],
"metricValues": [{ "value": "1" }]
}
],
"metadata": {},
"rowCount": 11
}
จากคำตอบของรายงานนี้ จะมีแผนภูมิของรายงานกลุ่มประชากรตามรุ่นนี้ จากรายงานนี้ พร็อพเพอร์ตี้นี้รักษาผู้ใช้ที่มีกิจกรรมในเม็กซิโกได้ดีกว่าผู้ใช้ที่มีกิจกรรมในรัสเซีย

การเปรียบเทียบ
การเปรียบเทียบช่วยให้คุณประเมินข้อมูลชุดย่อยเทียบกันได้ คุณสามารถ
กําหนดการเปรียบเทียบได้โดยการระบุฟิลด์ comparisons
ในคําจํากัดความของรายงาน ฟีเจอร์การเปรียบเทียบของ Data API คล้ายกับการเปรียบเทียบในส่วนหน้าของ Google Analytics
ดูเอกสารประกอบโดยละเอียดของแต่ละช่องใน API ได้ที่ข้อมูลอ้างอิง REST สำหรับ การเปรียบเทียบ
สร้างการเปรียบเทียบ
สร้างการเปรียบเทียบแยกสำหรับชุดข้อมูลแต่ละชุดที่ต้องการเปรียบเทียบได้ เช่น หากต้องการเปรียบเทียบข้อมูลแอปและเว็บ คุณอาจสร้างการเปรียบเทียบ 1 รายการสำหรับข้อมูล Android และ iOS แล้วสร้างการเปรียบเทียบอีก 1 รายการสำหรับข้อมูลเว็บ
ต่อไปนี้คือตัวอย่างรายงานที่กําหนดการเปรียบเทียบ 2 รายการและแสดงผู้ใช้ที่ใช้งานอยู่ โดยแยกตามประเทศ
การเปรียบเทียบแรกชื่อ "การเข้าชมแอป" ใช้ inListFilter เพื่อ
จับคู่มิติข้อมูล platform กับค่า "iOS" และ "Android" การเปรียบเทียบที่ 2 ชื่อ "การเข้าชมเว็บ" ใช้ stringFilter เพื่อจับคู่มิติข้อมูล platform
กับ "เว็บ"
POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
"comparisons": [
{
"name": "App traffic",
"dimensionFilter": {
"filter": {
"fieldName": "platform",
"inListFilter": {
"values": [
"iOS",
"Android"
]
}
}
}
},
{
"name": "Web traffic",
"dimensionFilter": {
"filter": {
"fieldName": "platform",
"stringFilter": {
"matchType": "EXACT",
"value": "web"
}
}
}
}
],
"dateRanges": [
{
"startDate": "2024-05-01",
"endDate": "2024-05-15"
}
],
"dimensions": [
{
"name": "country"
}
],
"metrics": [
{
"name": "activeUsers"
}
]
}
สําหรับคําขอทั้งหมดที่ใช้ฟีเจอร์การเปรียบเทียบ ระบบจะเพิ่มฟิลด์ comparison ลงในรายงานที่สร้างขึ้นโดยอัตโนมัติ
ฟิลด์นี้มีชื่อ
ของการเปรียบเทียบที่ระบุในคำขอ
ต่อไปนี้คือตัวอย่างข้อมูลโค้ดของการตอบกลับที่มีการเปรียบเทียบ
{
"dimensionHeaders": [
{
"name": "comparison"
},
{
"name": "country"
}
],
"metricHeaders": [
{
"name": "activeUsers",
"type": "TYPE_INTEGER"
}
],
"rows": [
{
"dimensionValues": [
{
"value": "Web traffic"
},
{
"value": "United States"
}
],
"metricValues": [
{
"value": "638572"
}
]
},
{
"dimensionValues": [
{
"value": "Web traffic"
},
{
"value": "Japan"
}
],
"metricValues": [
{
"value": "376578"
}
]
},
{
"dimensionValues": [
{
"value": "App traffic"
},
{
"value": "United States"
}
],
"metricValues": [
{
"value": "79527"
}
]
},
...
],
...
}