การใช้ที่ปรึกษา Analytics เพื่อค้นหาและวิเคราะห์ข้อมูล

เมธอด chat ของ Data API ให้สิทธิ์เข้าถึงแบบเป็นโปรแกรม ที่ปรึกษา Analytics ซึ่งเป็นผู้ช่วยด้านการวิเคราะห์ที่ทำงานด้วยระบบ AI ที่ช่วยคุณ ค้นหา วิเคราะห์ และวินิจฉัยข้อมูล Google Analytics โดยใช้ภาษาธรรมชาติ

แม้ว่าที่ปรึกษา Analytics จะพร้อมใช้งานแบบอินเทอร์แอกทีฟภายในอินเทอร์เฟซผู้ใช้ของ Google Analytics แต่ chat API จะอนุญาตให้นักพัฒนาซอฟต์แวร์ เอเจนต์ AI แบบอัตโนมัติ และเครื่องมือภายในโต้ตอบกับที่ปรึกษา Analytics แบบเป็นโปรแกรมผ่าน HTTP

สำคัญ: ผลิตภัณฑ์นี้ใช้ AI และอาจแสดงข้อมูลที่ไม่ถูกต้อง ระบบอาจใช้กิจกรรมการแชทของคุณเพื่อปรับปรุงผลิตภัณฑ์ และการใช้งานของคุณจะอยู่ภายใต้ข้อกำหนด, นโยบายการใช้ AI และนโยบายความเป็นส่วนตัวของ Google

ภาพรวม

เมธอด chat ช่วยให้คุณถามคำถามเกี่ยวกับข้อมูลเฉพาะกิจแบบเทิร์นเดียวและเซสชันการสนทนาไปมาแบบหลายเทิร์นได้

  1. คำค้นหาแบบเทิร์นเดียว: ถามคำถามเชิงวิเคราะห์ทันที (เช่น "ช่องทางการเข้าชมยอดนิยมของเราเมื่อสัปดาห์ที่แล้วคืออะไร") และรับคำตอบเป็นภาษาธรรมชาติพร้อมกับตารางข้อมูลที่มีโครงสร้าง
  2. การสนทนาแบบผ่านการสนทนาไปมา: ส่ง sessionId เพื่อเก็บประวัติการสนทนาและถามคำถามติดตามผลการวินิจฉัย (เช่น "ทําไมการเข้าชมจากการค้นหาทั่วไปจึงลดลงในช่วงนั้น")
  3. การตอบกลับ Structured Data: นอกเหนือจากคำบรรยายที่เป็นข้อความแล้ว การตอบกลับยังมีบล็อกtableที่มีโครงสร้างพร้อมส่วนหัวคอลัมน์และแถว
  4. การตรวจสอบโควต้าของ Chat: ตรวจสอบโควต้าโทเค็นของ Chat ที่เหลือต่อวันและต่อชั่วโมงโดยตั้งค่า returnPropertyQuota เป็น true

การตรวจสอบสิทธิ์

การเรียกเมธอด chat ต้องมีการให้สิทธิ์ OAuth 2.0 ที่มีขอบเขตต่อไปนี้

ก่อนเริ่มต้น

  1. ติดตั้งและเริ่มต้น gcloud CLI

  2. หากต้องการสร้างข้อมูลเข้าสู่ระบบเริ่มต้นของแอปพลิเคชัน และให้ขอบเขตที่จำเป็นแก่บัญชี ให้เรียกใช้คำสั่งต่อไปนี้

    gcloud auth application-default login --scopes="https://www.googleapis.com/auth/cloud-platform,https://www.googleapis.com/auth/analytics.chatbot.read"
    
  3. ในUI ของ Google Analytics ให้สิทธิ์เข้าถึงพร็อพเพอร์ตี้ Google Analytics แก่บัญชีผู้ใช้

  4. กำหนดค่าตัวแปรสภาพแวดล้อมโดยป้อนข้อมูลต่อไปนี้ แทนที่ PROJECT_ID ด้วยรหัส โปรเจ็กต์ และ PROPERTY_ID ด้วยรหัสพร็อพเพอร์ตี้ Google Analytics

      export PROJECT_ID=PROJECT_ID
      export PROPERTY_ID=PROPERTY_ID

ตัวอย่างที่ 1: คำค้นหาแบบเลี้ยวเดียวที่มีการติดตามโควต้า

หากต้องการเริ่มการสนทนาใหม่ ให้สร้าง ChatRequest ที่มี userQuery ตั้งค่า returnPropertyQuota เป็น true เพื่อตรวจสอบยอดโทเค็นคงเหลือ

สถานการณ์: รายได้และอัตรา Conversion ตามอุปกรณ์

คุณต้องการเปรียบเทียบรายได้และอัตรา Conversion ของเซสชันในอุปกรณ์ต่างๆ ในช่วง 30 วันที่ผ่านมา

คำขอ HTTP

curl -X POST \
  "https://analyticsdata.googleapis.com/v1alpha/properties/${PROPERTY_ID}:chat" \
  -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
  -H "x-goog-user-project: ${PROJECT_ID}" \
  -H "Content-Type: application/json" \
  -d '{
    "userQuery": "Compare our revenue and conversion rate across mobile vs desktop over the last 30 days.",
    "returnPropertyQuota": true
  }'

การตอบสนองของ HTTP

คำตอบประกอบด้วยข้อมูลต่อไปนี้

  • sessionId ที่เพิ่งได้รับมอบหมาย ซึ่งคุณสามารถใช้สำหรับการพูดต่อได้
  • รายการblocks ที่มีทั้งสรุปภาษาธรรมชาติ (text) และตารางที่มีโครงสร้าง (table) บล็อกข้อความอาจมีการจัดรูปแบบ Markdown เช่น การทำข้อความเป็นตัวหนา หัวเรื่อง และ ลิงก์
  • รายละเอียดpropertyQuotaของที่พัก
{
  "sessionId": "692e9ab9-b338-4426-b006-a05f21ac7cd6",
  "blocks": [
    {
      "text": "Your report on revenue and conversion rates for mobile vs. desktop over the last 30 days (August 15 - September 13, 2026) is ready.\n\nHere is a summary of your revenue and conversion rate by device category:\n"
    },
   {
      "table": {
        "headers": [
          {
            "header": "Device Category",
            "dataType": "string"
          },
          {
            "header": "Total Revenue",
            "dataType": "string"
          },
          {
            "header": "User Conversion Rate",
            "dataType": "string"
          }
        ],
        "rows": [
          {
            "columns": [
              {
                "value": "Desktop"
              },
              {
                "value": "$17,412.62"
              },
              {
                "value": "99.9%"
              }
            ]
          },
          {
            "columns": [
              {
                "value": "Mobile"
              },
              {
                "value": "$15,309.41"
              },
              {
                "value": "99.46%"
              }
            ]
          }
      }
    },
    {
      "text": "**Revenue and Conversion Rate Trends:**\n\nRevenue from desktop devices saw a peak on August 18th, while mobile revenue peaked on August 30th. Conversion rates remained high and relatively stable for both desktop and mobile throughout the period."
    },
    {
      "text": "This product uses AI and may display inaccurate info. Your chat activity may be used to improve the product and your use is subject to Google's [Terms](https://policies.google.com/terms), [AI Use Policy](https://policies.google.com/terms/generative-ai/use-policy), and [Privacy Policy](https://policies.google.com/privacy). [Learn more about Chat AI Privacy](https://support.google.com/helpguide/answer/14185196)."
    }
  ],
   "propertyQuota": {
    "tokensPerDay": {
      "consumed": 26849,
      "remaining": 3723151
    },
    "tokensPerHour": {
      "consumed": 26849,
      "remaining": 473151
    }
  }
}

ตัวอย่างที่ 2: การวินิจฉัยแบบสนทนาหลายรอบ

หากต้องการถามคำถามต่อเนื่องขณะที่ยังคงบริบทไว้ ให้ใส่ sessionId ที่ได้จากการตอบกลับก่อนหน้าไว้ในคำขอ

สถานการณ์: เปรียบเทียบกับช่วงเวลาก่อนหน้า

หลังจากเปรียบเทียบอุปกรณ์ก่อนหน้านี้แล้ว คุณขอให้ที่ปรึกษาเปรียบเทียบ ผลลัพธ์กับช่วงเวลาก่อนหน้า

คำขอ HTTP

curl -X POST \
  "https://analyticsdata.googleapis.com/v1alpha/properties/${PROPERTY_ID}:chat" \
  -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
  -H "x-goog-user-project: ${PROJECT_ID}" \
  -H "Content-Type: application/json" \
  -d '{
    "sessionId": "692e9ab9-b338-4426-b006-a05f21ac7cd6",
    "userQuery": "Compare results with the same period in the previous mounth."
  }'

การตอบสนองของ HTTP

ที่ปรึกษา Analytics ใช้หน่วยความจำเซสชันเพื่อเชื่อมโยงผลลัพธ์กับช่วงก่อนหน้า

{
  "sessionId": "eb3284b2-49ce-4aed-b6d0-fdc15cb87b5f",
  "blocks": [
    {
      "text": "The following table provides a detailed comparison of total revenue and user conversion rate by device category for the two periods.\n"
    },
    {
      "table": {
        "headers": [
          {
            "header": "Device Category",
            "dataType": "string"
          },
          {
            "header": "Metric",
            "dataType": "string"
          },
          {
            "header": "Jul 16 - Aug 15, 2026",
            "dataType": "string"
          },
          {
            "header": "Aug 16 - Sep 14, 2026",
            "dataType": "string"
          }
        ],
        "rows": [
          {
            "columns": [
              {
                "value": "Desktop"
              },
              {
                "value": "Total Revenue"
              },
              {
                "value": "$17,412.62"
              },
              {
                "value": "$19,565.46"
              }
            ]
          },
          {
            "columns": [
              {
                "value": "Desktop"
              },
              {
                "value": "User Conversion Rate"
              },
              {
                "value": "1.90%"
              },
              {
                "value": "1.95%"
              }
            ]
          },
          {
            "columns": [
              {
                "value": "Mobile"
              },
              {
                "value": "Total Revenue"
              },
              {
                "value": "$13,997.19"
              },
              {
                "value": "$15,309.41"
              }
            ]
          },
          {
            "columns": [
              {
                "value": "Mobile"
              },
              {
                "value": "User Conversion Rate"
              },
              {
                "value": "1.95%"
              },
              {
                "value": "1.99%"
              }
            ]
          }
      }
    }
  ]
}

โครงสร้างการตอบกลับและบล็อกข้อมูล

ออบเจ็กต์ ChatResponse จะแสดงผลคอมโพเนนต์ที่มีโครงสร้างในอาร์เรย์ blocks

ประเภทการบล็อก ช่อง คำอธิบาย
ข้อความบรรยาย blocks[].text คำอธิบายที่มนุษย์อ่านได้และประเด็นสำคัญในการวิเคราะห์ระดับสูง
ตารางที่มีโครงสร้าง blocks[].table รายละเอียดข้อมูลแบบตารางที่มี headers (ชื่อและประเภทข้อมูล) และ rows (ค่าเซลล์)

ประเภทข้อมูลส่วนหัวของตาราง

คอลัมน์ใน blocks[].table.headers อธิบายประเภทข้อมูลเชิงความหมายดังนี้

  • string: ค่าข้อความเชิงหมวดหมู่ (เช่น "desktop", "/shop/apparel")
  • float: ตัวเลขจุดลอยตัว

การจัดการโควต้าแชท

คำขอจากที่ปรึกษา Analytics จะใช้โทเค็นแชทตามความซับซ้อนของคำค้นหา ระบบจะแสดงผลสถานะโควต้าปัจจุบันใน propertyQuota เมื่อ returnPropertyQuota เป็น true

  • tokensPerDay: ขีดจำกัดโทเค็นรายวันและยอดคงเหลือ
  • tokensPerHour: โควต้าแบบเลื่อนต่อชั่วโมงและยอดคงเหลือ

แอปพลิเคชันการผสานรวมที่แนะนำ

วิธี properties.chat ช่วยให้ทีมและเครื่องมือต่างๆ สามารถใช้สถาปัตยกรรมการผสานรวมได้หลายแบบ

แชทบ็อตและการทำงานร่วมกันสำหรับองค์กร

เชื่อมต่อพื้นที่ทํางานของแชทในทีมกับ Google Analytics โดยตรง

  • เซสชันแบบเธรด: จัดเก็บ sessionId เทียบกับรหัสเธรดแชทเพื่อให้สมาชิกในทีมถามคำถามติดตามผลร่วมกันได้
  • การแสดงผล Rich Card: จัดรูปแบบtable บล็อกการตอบกลับเป็นวิดเจ็ตการ์ดแบบอินเทอร์แอกทีฟ

เครื่องมือ Agent AI แบบอัตโนมัติและ Model Context Protocol (MCP)

ติดตั้งเครื่องมือจัดระเบียบ LLM (เช่น Gemini, LangChain หรือ Claude) ด้วย เครื่องมือวิเคราะห์ GA:

  • แทนที่จะบังคับให้ LLM สร้างคำค้นหา runReport ที่ซับซ้อน เอเจนต์ LLM สามารถเรียกใช้เมธอด chat ด้วยความตั้งใจในภาษาธรรมชาติได้
  • เอเจนต์จะได้รับข้อมูลสรุปที่มีความถูกต้องสูงและตารางที่มีโครงสร้าง เพื่อสังเคราะห์เป็นคำแนะนำด้านการตลาดหลากหลายแชแนล

สรุปสำหรับผู้บริหารและการแจ้งเตือนอัตโนมัติ

สร้างบริการที่กำหนดเวลาไว้ซึ่งจะตรวจสอบความผิดปกติในเชิงรุก

  • งาน Cron รายวันจะค้นหา "สรุปเมตริกประสิทธิภาพหลักของเมื่อวานและ ระบุการลดลงของ Conversion ที่ผิดปกติ"
  • หากพบความผิดปกติ สคริปต์จะทริกเกอร์การค้นหาติดตามผลโดยอัตโนมัติเพื่อ วินิจฉัยสาเหตุหลักและโพสต์ข้อมูลสรุปไปยังแดชบอร์ดภายในหรือระบบ CRM