BigQuery教學｜BigQuery預測GA4數據

BigQuery除了可以幫GA4數據保存以外，他也提供數據應用的方式，其中包含SQL的深度數據分析，我想最讓人期待的應該是機器學習，利用現有的數據進行未來的預測。本篇文章會透過BigQueryML教你打造數據預測模型。務必看這一篇文章前，GA4已經有做好與BigQuery的串接，且有一定量的數據可進行模型製作。

本篇內容需要對SQL、PYTHON一定的深度，以進行機器學習(ML)模型的打造。

章節內容

1 教學前需知
- 1.1 甚麼是機器學習 (Machine Learning)
- 1.2 開始付款專案
2 BigQuery 機器學習
3 BigQueryML預測結果
4 總結
5 更多文章

教學前需知

甚麼是機器學習 (Machine Learning)

透過數學公式將目前有的數據 (已清理)，進行模型的訓練，以及預測。當未來如果有新的資料時，就可以透過你的模型，將數據置入，並且透過打造好的模型，進行數據預測。題外話，其實這一項功能在GA4內建就有。

開始付款專案

開始使用BigQuery時，務必確認開啟專案的付款模式。BigQueryAPI, BigQueryML都需要在已經開啟付款的專案下進行。

BigQuery 機器學習

確立想要預測的數據

本篇透過消費者在網站上的停留、事件行為，進行「是否會購買」的數據預測。如果你有其他的想要進行預測的，都可以透過查詢SQL調閱對應的資料，接著最後在於SQL最上方創立一個VIEW的虛擬表格，以提供下一步驟機器學習的數據導入。

--SQL
CREATE OR REPLACE VIEW ga.module AS
--YOUR SQL QUERY

創立view

創立view目的是於下一步，需要將數據導入模型供與學習，增加效率、畫面簡潔。VIEW可以提供SQL查詢時的效率、以及安全性，他的概念是產生一張虛擬資料表，view這張表示不存在的，但是裡面的資料卻是可以查詢、進行結構變更。

例如上面的例子。因為有上百行的SQL查詢，我就先創立view，在後續我就只要打上以下，就可以代替上百行程式碼的查詢。

SELECT * FROM `bigquery.ga.ga_view` LIMIT 1000

創立好沒問題後，你可以看到左邊選單中的資料叢集下，已經多一個我創立好的VIEW (ga_view)。

下圖則是將view的資料表進行資料的查詢。可以看到只打上一行，就可以顯示我要的資料。

建立機器學習模型

透過以下語法，引入我剛剛建立view的數據，可以看到第六行，就是只有一行，而不是上百行很負責的SQL查詢。都輸入好後就直接按下執行，BigQuery就會開始從view導入數據，進行機器學習的模型訓練。

BigQuery提供以下的ML模型，詳情可以直接參考Google BigQuery的官方文件，讓我們可以進行預測數據。

線性迴歸用於預測。例如，此模型可以預測給定日期的商品銷售額。標籤為實值，也就是說，標籤不能為正無窮大、負無窮大或 NaN（非數字）。

邏輯迴歸用於對兩個或多個可能值進行分類，例如輸入是 low-value、medium-value 還是 high-value。標籤最多可包含 50 個唯一值。

K-means 聚類用於資料細分。例如，此模型可識別客戶細分。 K-means 是一種非監督式學習技術，因此模型訓練不需要標籤，也不需要為訓練或評估拆分資料。

矩陣分解用於建立產品推薦系統。您可以使用歷史客戶行為、交易和產品評分來建立產品推薦，然後使用這些推薦來打造個人化的客戶體驗。

主成分分析 (PCA) 是計算主成分並使用主成分來轉換資料的過程。它通常用於資料降維，具體方法是將每個資料點僅投影到前幾個主要成分上，從而獲得維度較低的數據，並保留盡可能多的資料差異性。

model_type = 'LOGISTIC_REG', input_label_cols=['has_converson'])
--model_type = 為選擇模型的種類
--input_label_cols = 要預測 (輸出) 的資料

下方是BigQuery進行模型訓練的情況。

完成後，這一個ga4_purchase_model會出現在你的左列選單中，可以供未來使用。請注意，機器學習的範圍會關於統計學很多專有名詞，也需要先判斷這個模型的預測能力好壞，如果預測能力不好，就表示你在第一步選擇特徵時，沒有挑選到核心關鍵，那就務必透過修改最一開始SQL的查詢，找出關鍵的特徵，提高模型訓練的準確度。

建議剛開始接觸機器學習，可以直接以「預測資料vs實際資料」的情形比較，自然就會比較簡單好懂。

查看一下模型表現概況，主要看一下模型的預測能力好不好，通常會看一下左邊那一排的指標。

查全率（Recall）：
表示真實正類樣本中，被模型正確預測為正的比例。
查準率（Precision）：
表示模型預測的正樣本中，真正正確的比例。
準確率（Accuracy）：
表示模型正確預測的總樣本數占總樣本數的比例。
F1 分數（F1 Score）：
精確度和喚回度的調和平均值，用於平衡精確度和喚回度之間的關係。
對數損失（Log Loss）：
用來評估分類模型預測概率的指標，值越小表示模型預測的概率越準確。另外也可以用cost function/ loss function來衡量預測的準確度，
ROC AUC：
Receiver Operating Characteristic (ROC) 曲線下的面積，用來評估模型分類預測的能力。ROC 曲線是以假正率（False Positive Rate）為橫軸，真正率（True Positive Rate，即查全率）為縱軸的曲線，ROC AUC 值越接近1，模型性能越好。