Cómo exportar datos de Google Analytics 4 a Google BigQuery

Google Analytics 4 hace que el análisis de datos en Google BigQuery sea más fácil que nunca. Ahora casi todo el mundo puede recopilar datos en BigQuery de forma gratuita. En este artículo, explicamos cómo exportar correctamente datos a BigQuery desde Google Analytics 4 y qué más debe tener en cuenta para aprovechar al máximo la información recopilada.

Los datos sin procesar (sin procesar) le permiten analizar con precisión sus procesos comerciales. Al recopilar datos sin procesar, puede:

• Evalúe objetivamente sus procesos de negocio
• Realizar un análisis profundo de las métricas
• Seguimiento de todo el recorrido del usuario
• Cree cualquier informe sin límites
• Segmenta tu audiencia y configura publicidad dirigida

El muestreo significa extrapolar los resultados del análisis para un segmento determinado, cuando la cantidad de información es demasiado grande para procesarla rápidamente (por ejemplo, si usa varias dimensiones personalizadas en sus informes). El muestreo puede distorsionar significativamente sus informes y hacer que usted malevalúe sus resultados, ya que no analiza todos los datos, sino solo una parte. Al hacer esto, corre el riesgo de invertir en campañas publicitarias ineficientes o de desactivar los canales publicitarios que generan ingresos. Como puede ver, evitar el muestreo es definitivamente una buena idea. Y afortunadamente, es alcanzable.

Pasemos al lado práctico de la pregunta: ¿Qué plataforma de análisis es conveniente, asequible y le permite trabajar con datos sin procesar sin muestrear? La solución que recomendamos, Google BigQuery, es probablemente la más popular entre los especialistas en marketing de todo el mundo, y hay muchas razones sólidas para ello. Le recomendamos que recopile, almacene y procese datos sin procesar con el almacenamiento en la nube de BigQuery. A continuación, explicaremos por qué.

Google BigQuery es un almacén de datos de varias nubes con un servicio de consultas integrado y un alto nivel de seguridad y escalabilidad. Según Gartner, "para 2022, el 75 % de todas las bases de datos se implementarán o migrarán a una plataforma en la nube, y solo se considerará la repatriación del 5 % a las instalaciones". Y gracias a que BigQuery es parte del ecosistema de Google y de Google Cloud Platform en particular, se integra de forma nativa con otros productos de Google y lo ayuda a desarrollar su negocio a una velocidad competitiva.

Hay varios aspectos de bajo nivel que hacen que BigQuery sea casi irremplazable para los especialistas en marketing. Echemos un vistazo más de cerca a algunos de sus beneficios más valiosos:

• Capacidad para cargar grandes volúmenes de información. Con BigQuery, puede realizar análisis en tiempo real de cualquier tipo de datos y procesarlos rápidamente con SQL.
• Alto nivel de seguridad . Obtiene control total sobre su proyecto y puede aprovechar la autenticación de dos factores.
• Asequible. Pague solo por los datos recopilados y procesados.
• Integración nativa con los productos de Google. Conéctese fácilmente con Google Analytics y otros productos.
• Escalable. Escale rápidamente y sin problemas para adaptarse fácilmente a un mundo que cambia rápidamente.
• BigQueryML . Cree modelos de predicción de aprendizaje automático en datos estructurados y semiestructurados mediante SQL.
• SIG de BigQuery. Gracias al Sistema de información geográfica (GIS) de BigQuery, puede analizar la información geoespacial y determinar qué usuarios deben recibir un correo para una ubicación de tienda específica, por ejemplo.

Examinemos el formato y el esquema de los datos de propiedad de GA 4 que se exportan a BigQuery. Una cosa importante a tener en cuenta cuando se trabaja con GA 4 es que su estructura difiere de la estructura de Universal Analytics, que es familiar para los especialistas en marketing de todo el mundo.

Así es como el esquema de Google Analytics 4 difiere del esquema de Universal Analytics:

• Conjuntos de datos. muestra general los conjuntos de datos se denominan analytics_ , donde ID de propiedad es su ID de propiedad de Analytics.
• Mesas. Se importa una tabla de Google Analytics separada al conjunto de datos para cada día. El formato de tales tablas es events_YYYYMMDD , a diferencia de Universal Analytics donde es ga_sessions_YYYYMMDD .
• Filas. Cada fila corresponde a un evento cargado, a diferencia de Universal Analytics, donde cada fila corresponde a una sesión de Google Analytics 360.
• columnas. Los nombres de campo difieren en gran medida entre GA 4 y Universal Analytics. Puedes compararlos siguiendo estos enlaces:
  • Esquema de exportación de BigQuery de Google Analytics 4
  • Esquema de exportación de BigQuery de Universal Analytics

Ahora vayamos al objetivo principal de este artículo: proporcionar instrucciones paso a paso sobre cómo exportar sus datos de Google Analytics 4 a BigQuery.

Si la información que necesitas ya está en Google Analytics 4, puedes ponerte manos a la obra para exportarla. Puede exportarlo a una instancia gratuita de la zona de pruebas de BigQuery (se aplican las limitaciones de la zona de pruebas).

Para crear un proyecto de consola de API:

1. Inicie sesión en la consola de API de Google.
2. Cree un nuevo proyecto o seleccione un proyecto existente.

1. Vaya a la tabla de API.
2. Vaya al menú de navegación y haga clic en API y servicios , luego seleccione Biblioteca .

3. En las API de Google Cloudsección, seleccione API de BigQuery .
   
4. En la página que se abre, haga clic en Habilitar .
5. Agregue una cuenta de servicio a su proyecto en la nube. Asegúrese de que firebase-measurement@system. gserviceaccount.com es miembro del proyecto y tiene asignada la función de editor.

1. Inicie sesión en su cuenta de Google Analytics. La cuenta debe tener Propietarioacceso a su proyecto de BigQuery y acceso de edición a la propiedad de Google Analytics 4 con la que está trabajando.
2. Vaya a la pestaña Administrador y busque la propiedad de Analytics que necesita vincular a BigQuery.
3. en la propiedadcolumna, haga clic en BigQuery Linking .

4. Haga clic en Enlace .
   

5. Haz clic en Elegir un proyecto de BigQuery para ver los proyectos a los que tienes acceso. Para crear un nuevo proyecto de BigQuery, haga clic en Más información .
   

6. Seleccione su proyecto y haga clic en Confirmar .
   

7. Seleccione una ubicación . (Si su proyecto ya tiene un conjunto de datos para la propiedad de Analytics, no puede configurar esta opción).
   

8. Haga clic en Siguiente .
   
9. Seleccione los flujos de datos cuya información desea exportar.

Si necesita incluir identificadores de publicidad, marque Incluir identificadores de publicidad para flujos de aplicaciones móviles .

10. Establecer la frecuencia : Diariamenteo transmisiónexportación (continua) (también puede seleccionar ambas opciones).
    

11. Finalmente, haga clic en Enviar .
    

¡Felicitaciones! Verá su información de Google Analytics 4 en su proyecto de BigQuery dentro de las 24 horas.

Ahora tiene todos los datos sin procesar sobre el comportamiento de los usuarios en BigQuery. Sin embargo, para realizar análisis de marketing, encontrar sus zonas de crecimiento y puntos débiles, debe agregar datos de costos de servicios de publicidad, datos de sistemas CRM, servicios de seguimiento de llamadas y aplicaciones móviles (si usa alguna) a GBQ. Luego, combine todos estos datos en un solo conjunto de datos y prepare los datos para el negocio, de modo que los especialistas en marketing puedan crear fácilmente informes basados ​​en datos de BigQuery.

Una de las soluciones más óptimas para recopilar y procesar todos sus datos de marketing es OWOX BI Pipeline . Incluye datos de servicios publicitarios, CRM, servicios de seguimiento de llamadas y tiendas sin conexión a BigQuery para completar su rompecabezas de datos.

Una vez que tenga todos los datos necesarios en su lugar, es hora de que funcione para usted. Por lo general, esa es una tarea para un analista, pero con OWOX BI Smart Data , cualquiera puede trabajar fácilmente con datos de BigQuery.

BigQuery suele asustar a los especialistas en marketing y parece ser complejo, pero no hay necesidad de preocuparse por eso: existe una solución que puede ayudarlo a descubrir fácilmente todo el potencial de sus datos de marketing. OWOX BI puede organizarlo en un modelo ajustado a su negocio, para que pueda generar fácilmente informes incluso si no sabe nada de SQL. Simplemente use un generador de informes simple o seleccione una plantilla preparada y visualice los resultados en su herramienta de visualización favorita.

Puede exportar fácilmente su información de GA 4 a BigQuery. Si la nueva estructura funciona bien para usted, puede aprovechar este servicio progresivo y agregarlo a su caja de herramientas de análisis de marketing. Con OWOX BI Pipeline, puede recopilar datos de su sitio web, servicios publicitarios, CRM, tiendas fuera de línea y servicios de seguimiento de llamadas en BigQuery para completar sus datos. Y con OWOX BI Smart Data, puede hacer que esos datos trabajen para usted creando informes, transformando varias filas y tablas en información procesable y mejorando su toma de decisiones.