Google Bewertungen in BigQuery

Google Business Profile gibt Ihnen eine Bewertung pro Standort und eine Liste der Bewertungen darunter. Es wird Ihnen nie sagen, dass einunddreißig Standorte zwischen 4,5 und 4,7 liegen, während einer bei 3,4 steht, denn es hat keine Möglichkeit, diese Zahlen nebeneinanderzustellen. Im Warehouse ist das ein GROUP BY und ein ORDER BY, und es passt auf einen Bildschirm.

Google ordnet jede Bewertung einem Standort zu, und Reviewflowz gibt jedem Standort sein eigenes Profil, also wird der Standortname auf jede Zeile geschrieben, statt aus dem Text abgeleitet zu werden. Ein standortförmiges Problem hat dann eine Form, nach der Sie abfragen können.

Diese Form ist die Diagnose. Eine Preisänderung liest sich so, als würde das ganze Filialnetz gemeinsam abdriften. Eine Lücke im Dienstplan, ein Kartenlesegerät, das ausgefallen ist, ein Manager, der im März gegangen ist, liest sich so, dass ein Standort fällt, während seine Nachbarn stabil bleiben. Welcher Standort sagt Ihnen, wen Sie anrufen müssen, und das ist eine Abfrage, keine Vermutung.

Die Anschlussfrage ist eine WHERE-Klausel, denn der vollständige Bewertungstext ist eine gewöhnliche Spalte. Zählen Sie die Bewertungen, die seit März Parken erwähnen, aufgeteilt nach Standort, und Sie kennen das Problem im Filialnetz, bevor es jemand in einem Regionalmeeting anspricht.

Es gibt kein verwaltetes BigQuery-Ziel zum Anklicken, und diese Seite wird nicht so tun, als gäbe es eins. Was Reviewflowz Ihnen gibt, ist ein Google Sheet in Ihrem eigenen Drive, das es aktuell hält: eine neue Google Bewertung wird innerhalb einer halben Stunde zu einer neuen Zeile, eine bearbeitete Bewertung aktualisiert ihre Zeile direkt, und eine Bewertung, die Google entfernt, verliert ihre Zeile.

BigQuery liest ein Drive-basiertes Google Sheet als externe Tabelle. Ein CREATE EXTERNAL TABLE gegen die Sheet-URL, und google_reviews existiert in Ihrem Dataset, lässt sich wie jede andere Tabelle abfragen und stimmt zum Abfragezeitpunkt, weil es das Sheet selbst liest, nicht eine Kopie davon. Nichts zu planen, nichts am Laufen zu halten.

Wenn Sie lieber eine native, partitionierte Tabelle hätten, ist die Review API der andere Weg. Fragen Sie sie ab oder nutzen Sie den Webhook, und laden Sie sie dann mit dem Job, den Sie schon für jede andere Quelle nutzen. Das ist Arbeit, die ein Datenteam einmal schreibt.

So oder so kommt die Historie gleich mit. Auf einem bezahlten Plan lädt ein einziger Klick jede vergangene Google Bewertung über alle Standorte, sodass die Trendlinie sofort vollständig ist, statt sich erst im nächsten Quartal zu füllen.

Das Volumen der Google Bewertungen folgt der Kundenfrequenz, keinem Veröffentlichungsplan. Es steigt am Freitag, verdoppelt sich am Samstag und bleibt am Sonntag hoch, und springt dann für zwei Wochen nach einer lokalen Kampagne erneut an. Ein Monatsdurchschnitt liegt über fünf dieser Tage und deutlich unter den anderen zwei, beschreibt also keinen von ihnen.

Das ist ein Modellierungsproblem, kein Reporting-Problem, und genau dafür ist ein Warehouse da. Vergleichen Sie Gleiches mit Gleichem nach Wochentag, legen Sie ein Sieben-Tage-Fenster auf den Trend, und ein schlechter Samstag versteckt sich nicht mehr in einer Monatszahl.

Sie entscheiden, was herausfließt. Wählen Sie die Standorte, und fügen Sie bei Bedarf einen Bewertungsfilter hinzu, sodass das Filialteam jeden Standort bekommt und die Support-Leitung eine Tabelle mit nur ein bis drei Sternen erhält.

Und die Tabelle liegt in Ihrem eigenen Google Cloud Projekt, in der Region, die Sie gewählt haben, unter dem IAM, das Sie bereits betreiben, und der Aufbewahrungsrichtlinie, die Sie bereits geschrieben haben. Einem Data Scientist Zugriff zu geben, sind dieselben paar Klicks wie bei jedem anderen Dataset dort, und ihn wieder zu entziehen sind dieselben paar Klicks zurück.