So exportieren Sie Daten von Google Analytics 4 nach Google BigQuery

Google Analytics 4 macht die Analyse von Daten in Google BigQuery einfacher als je zuvor. Jetzt kann fast jeder kostenlos Daten in BigQuery sammeln. In diesem Artikel erklären wir, wie Sie Daten richtig aus Google Analytics 4 nach BigQuery exportieren und was Sie sonst noch beachten sollten, um den größtmöglichen Nutzen aus Ihren gesammelten Informationen zu ziehen.

Rohe (unverarbeitete) Daten ermöglichen Ihnen eine genaue Analyse Ihrer Geschäftsprozesse. Durch das Sammeln von Rohdaten können Sie:

• Bewerten Sie Ihre Geschäftsprozesse objektiv
• Führen Sie eine gründliche Analyse der Metriken durch
• Verfolgen Sie die gesamte User Journey
• Erstellen Sie beliebige Berichte ohne Grenzen
• Segmentieren Sie Ihr Publikum und richten Sie gezielte Werbung ein

Stichprobenziehung bedeutet, die Analyseergebnisse für ein bestimmtes Segment zu extrapolieren, wenn die Informationsmenge zu groß ist, um sie schnell zu verarbeiten (z. B. wenn Sie mehrere benutzerdefinierte Dimensionen in Ihren Berichten verwenden). Stichproben können Ihre Berichterstattung erheblich verzerren und dazu führen, dass Sie Ihre Ergebnisse falsch bewerten, da Sie nicht alle Daten, sondern nur einen Teil analysieren. Dadurch riskieren Sie, in ineffiziente Werbekampagnen zu investieren oder umsatzgenerierende Werbekanäle auszuschalten. Wie Sie sehen können, ist es definitiv eine gute Idee, das Sampling zu vermeiden. Und zum Glück ist es erreichbar.

Kommen wir zur praktischen Seite der Frage: Welche Analyseplattform ist praktisch, erschwinglich und ermöglicht es Ihnen, mit ungesampelten Rohdaten zu arbeiten? Die von uns empfohlene Lösung – Google BigQuery – ist wahrscheinlich die beliebteste unter Vermarktern auf der ganzen Welt, und dafür gibt es eine Reihe handfester Gründe. Wir empfehlen Ihnen, Rohdaten mithilfe von BigQuery-Cloudspeicher zu erfassen, zu speichern und zu verarbeiten, und unten erklären wir, warum.

Google BigQuery ist ein Multi-Cloud-Data Warehouse mit integriertem Abfragedienst und einem hohen Maß an Sicherheit und Skalierbarkeit. Laut Gartner „werden bis 2022 75 % aller Datenbanken auf eine Cloud-Plattform bereitgestellt oder migriert, wobei nur 5 % jemals für eine Rückführung in die lokale Umgebung in Betracht gezogen werden.“ Und dank der Tatsache, dass BigQuery Teil des Google-Ökosystems und insbesondere der Google Cloud-Plattform ist, lässt es sich nativ in andere Google-Produkte integrieren und hilft Ihnen, Ihr Unternehmen in wettbewerbsfähiger Geschwindigkeit zu entwickeln.

Es gibt mehrere Aspekte auf niedriger Ebene, die BigQuery für Vermarkter fast unersetzlich machen. Werfen wir einen genaueren Blick auf einige der wertvollsten Vorteile:

• Möglichkeit, große Mengen an Informationen hochzuladen. Mit BigQuery können Sie jede Art von Daten in Echtzeit analysieren und schnell mit SQL verarbeiten.
• Hohes Sicherheitsniveau . Sie erhalten die volle Kontrolle über Ihr Projekt und können die Vorteile der Zwei-Faktor-Authentifizierung nutzen.
• Bezahlbar. Zahlen Sie nur für gesammelte und verarbeitete Daten.
• Native Integration mit Google-Produkten. Einfache Verbindung mit Google Analytics und anderen Produkten.
• Skalierbar. Skalieren Sie schnell und nahtlos, um sich einfach an die sich schnell verändernde Welt anzupassen.
• BigQuery-ML . Erstellen Sie mithilfe von SQL Vorhersagemodelle für maschinelles Lernen auf strukturierten und halbstrukturierten Daten.
• BigQuery-GIS. Dank des BigQuery Geographic Information System (GIS) können Sie Geoinformationen analysieren und beispielsweise bestimmen, welche Benutzer einen Mailer für einen bestimmten Geschäftsstandort erhalten sollen.

Sehen wir uns das Format und Schema der GA 4-Property-Daten an, die nach BigQuery exportiert werden. Eine wichtige Sache, die Sie bei der Arbeit mit GA 4 beachten sollten, ist, dass sich seine Struktur von der Struktur von Universal Analytics unterscheidet, die Vermarktern auf der ganzen Welt vertraut ist.

So unterscheidet sich das Schema von Google Analytics 4 vom Schema von Universal Analytics:

• Datensätze. GA-Probe Datasets heißen analytics_ , wobei die Eigenschafts-ID Ihre Analytics-Eigenschafts-ID ist.
• Tische. Für jeden Tag wird eine separate Google Analytics-Tabelle in den Datensatz importiert. Das Format solcher Tabellen ist events_YYYYMMDD , anders als in Universal Analytics, wo es ga_sessions_YYYYMMDD ist.
• Reihen. Jede Zeile entspricht einem hochgeladenen Ereignis, im Gegensatz zu Universal Analytics, wo jede Zeile einer Google Analytics 360-Sitzung entspricht.
• Säulen. Die Feldnamen unterscheiden sich stark zwischen GA 4 und Universal Analytics. Sie können sie vergleichen, indem Sie diesen Links folgen:
  • Google Analytics 4 BigQuery-Exportschema
  • Universal Analytics BigQuery-Exportschema

Kommen wir nun zum Hauptzweck dieses Artikels: Bereitstellung einer Schritt-für-Schritt-Anleitung zum Exportieren Ihrer Daten aus Google Analytics 4 nach BigQuery.

Wenn die benötigten Informationen bereits in Google Analytics 4 vorhanden sind, können Sie sie exportieren. Sie können es in eine kostenlose Instanz der BigQuery-Sandbox exportieren (es gelten Sandbox-Einschränkungen).

So erstellen Sie ein APIs-Console-Projekt:

1. Melden Sie sich bei der Google APIs-Konsole an.
2. Erstellen Sie ein neues Projekt oder wählen Sie ein vorhandenes Projekt aus.

1. Gehen Sie zur APIs-Tabelle.
2. Gehen Sie zum Navigationsmenü und klicken Sie auf APIs & Dienste und wählen Sie dann Bibliothek aus.

3. In den Google Cloud-APIsWählen Sie im Abschnitt BigQuery-API aus .
   
4. Klicken Sie auf der sich öffnenden Seite auf Aktivieren .
5. Fügen Sie Ihrem Cloud-Projekt ein Dienstkonto hinzu. Stellen Sie sicher, dass firebase-measurement@system. gserviceaccount.com ist Projektmitglied und hat die Editor-Rolle zugewiesen.

1. Melden Sie sich bei Ihrem Google Analytics-Konto an. Das Konto sollte Besitzer habenZugriff auf Ihr BigQuery-Projekt und Bearbeitungszugriff auf die Google Analytics 4-Property, mit der Sie arbeiten.
2. Wechseln Sie zum Tab „ Admin “ und suchen Sie die Analytics- Property , die Sie mit BigQuery verknüpfen müssen.
3. Im EigentumKlicken Sie in der Spalte auf BigQuery-Verknüpfung .

4. Klicken Sie auf Verknüpfung .
   

5. Klicken Sie auf BigQuery-Projekt auswählen , um Projekte anzuzeigen, auf die Sie Zugriff haben. Klicken Sie zum Erstellen eines neuen BigQuery-Projekts auf Weitere Informationen .
   

6. Wählen Sie Ihr Projekt aus und klicken Sie auf Bestätigen .
   

7. Wählen Sie einen Standort aus. (Wenn Ihr Projekt bereits über ein Dataset für die Analytics-Property verfügt, können Sie diese Option nicht konfigurieren.)
   

8. Klicken Sie auf Weiter .
   
9. Wählen Sie die Datenströme aus, deren Informationen Sie exportieren möchten.

Wenn Sie Werbekennungen einschließen müssen, aktivieren Sie Werbekennungen für mobile App-Streams einschließen .

10. Stellen Sie die Häufigkeit ein : Täglichoder Streamen(kontinuierlicher) Export (Sie können auch beide Optionen auswählen).
    

11. Klicken Sie abschließend auf Senden .
    

Herzlichen Glückwunsch! Sie sehen Ihre Google Analytics 4-Informationen innerhalb von 24 Stunden in Ihrem BigQuery-Projekt.

Jetzt haben Sie alle Rohdaten zum Nutzerverhalten in BigQuery. Um jedoch Marketinganalysen durchzuführen und Ihre Wachstumszonen und Schwachstellen zu finden, müssen Sie GBQ Kostendaten von Werbediensten, Daten von CRM-Systemen, Anrufverfolgungsdiensten und mobilen Apps (falls Sie welche verwenden) hinzufügen. Führen Sie als Nächstes alle diese Daten in einem Datensatz zusammen und bereiten Sie die Daten für den Geschäftsbetrieb vor, damit Marketingspezialisten problemlos Berichte auf der Grundlage von BigQuery-Daten erstellen können.

Eine der optimalsten Lösungen zum Sammeln und Verarbeiten all Ihrer Marketingdaten ist OWOX BI Pipeline . Es enthält Daten von Anzeigendiensten, CRMs, Anrufverfolgungsdiensten und Offline-Shops für BigQuery, um Ihr Datenpuzzle zu vervollständigen.

Sobald Sie alle erforderlichen Daten vorhanden haben, ist es an der Zeit, sie für sich arbeiten zu lassen. Normalerweise ist dies eine Aufgabe für einen Analysten, aber mit OWOX BI Smart Data kann jeder problemlos mit BigQuery-Daten arbeiten.

BigQuery macht Vermarktern häufig Angst und scheint komplex zu sein, aber darüber müssen Sie sich keine Sorgen machen: Es gibt eine Lösung, mit der Sie ganz einfach alle Potenziale Ihrer Marketingdaten entdecken können. OWOX BI kann es in einem an Ihr Unternehmen angepassten Modell anordnen, so dass Sie problemlos Berichte erstellen können, auch wenn Sie überhaupt keine SQL-Kenntnisse haben. Verwenden Sie einfach einen einfachen Report Builder oder wählen Sie eine fertige Vorlage aus und visualisieren Sie die Ergebnisse in Ihrem bevorzugten Visualisierungstool.

Sie können Ihre GA 4-Informationen ganz einfach nach BigQuery exportieren. Wenn die neue Struktur für Sie gut funktioniert, können Sie diesen fortschrittlichen Service nutzen und ihn Ihrer Marketinganalyse-Toolbox hinzufügen. Mit OWOX BI Pipeline können Sie Daten von Ihrer Website, Anzeigendiensten, CRM, Offline-Shops und Anrufverfolgungsdiensten in BigQuery sammeln, um Ihre Daten zu vervollständigen. Und mit OWOX BI Smart Data können Sie diese Daten für sich arbeiten lassen, indem Sie Berichte erstellen, mehrere Zeilen und Tabellen in umsetzbare Erkenntnisse umwandeln und Ihre Entscheidungsfindung verbessern.