Cara Mengekspor Data dari Google Analytics 4 ke Google BigQuery

Google Analytics 4 membuat analisis data di Google BigQuery lebih mudah dari sebelumnya. Sekarang hampir semua orang dapat mengumpulkan data di BigQuery secara gratis. Dalam artikel ini, kami menjelaskan cara mengekspor data dengan benar ke BigQuery dari Google Analytics 4 dan apa lagi yang harus Anda pertimbangkan untuk mendapatkan nilai maksimal dari informasi yang Anda kumpulkan.

Data mentah (belum diproses) memungkinkan Anda menganalisis proses bisnis Anda dengan tepat. Dengan mengumpulkan data mentah, Anda dapat:

• Secara objektif menilai proses bisnis Anda
• Lakukan analisis metrik yang mendalam
• Lacak seluruh perjalanan pengguna
• Buat laporan apa pun tanpa batas
• Segmentasikan audiens Anda dan siapkan iklan bertarget

Pengambilan sampel berarti mengekstrapolasi hasil analisis untuk segmen tertentu, bila jumlah informasi terlalu besar untuk diproses dengan cepat (misalnya, jika Anda menggunakan beberapa dimensi khusus dalam laporan Anda). Pengambilan sampel dapat secara signifikan mendistorsi pelaporan Anda dan menyebabkan Anda salah menilai hasil karena Anda menganalisis tidak semua data tetapi hanya sebagian. Dengan melakukan ini, Anda berisiko berinvestasi dalam kampanye iklan yang tidak efisien atau mematikan saluran iklan yang menghasilkan pendapatan. Seperti yang Anda lihat, menghindari pengambilan sampel jelas merupakan ide yang bagus. Dan untungnya, itu bisa dicapai.

Mari kita ke sisi praktis dari pertanyaan: Platform analitik mana yang nyaman, terjangkau, dan memungkinkan Anda bekerja dengan data mentah tanpa sampel? Solusi yang kami sarankan — Google BigQuery — mungkin yang paling populer di kalangan pemasar di seluruh dunia, dan ada banyak alasan kuat untuk itu. Kami menyarankan Anda mengumpulkan, menyimpan, dan memproses data mentah menggunakan penyimpanan cloud BigQuery, dan di bawah ini kami akan menjelaskan alasannya.

Google BigQuery adalah gudang data multi-cloud dengan layanan kueri bawaan serta tingkat keamanan dan skalabilitas yang tinggi. Menurut Gartner, “pada tahun 2022, 75% dari semua database akan digunakan atau dimigrasikan ke platform cloud, dengan hanya 5% yang pernah dipertimbangkan untuk dipulangkan ke lokal.” Dan berkat fakta bahwa BigQuery adalah bagian dari ekosistem Google dan Google Cloud Platform pada khususnya, itu terintegrasi secara native dengan produk Google lainnya dan membantu Anda mengembangkan bisnis Anda dengan kecepatan yang kompetitif.

Ada beberapa aspek tingkat rendah yang membuat BigQuery hampir tak tergantikan bagi pemasar. Mari kita lihat lebih dekat beberapa manfaatnya yang paling berharga:

• Kemampuan untuk mengunggah informasi dalam jumlah besar. Dengan BigQuery, Anda dapat melakukan analisis waktu nyata untuk semua jenis data dan memprosesnya dengan cepat menggunakan SQL.
• Tingkat keamanan yang tinggi . Anda mendapatkan kontrol penuh atas proyek Anda dan dapat memanfaatkan autentikasi dua faktor.
• Terjangkau. Bayar hanya untuk data yang dikumpulkan dan diproses.
• Integrasi asli dengan produk Google. Terhubung dengan mudah dengan Google Analytics dan produk lainnya.
• Dapat diskalakan. Skala dengan cepat dan mulus untuk menyesuaikan dengan mudah dunia yang berubah dengan cepat.
• ML BigQuery . Buat model prediksi machine learning pada data terstruktur dan semi terstruktur menggunakan SQL.
• GIS BigQuery. Berkat BigQuery Geographic Information System (GIS), Anda dapat menganalisis informasi geospasial dan menentukan pengguna mana yang harus mendapatkan mailer untuk lokasi toko tertentu, misalnya.

Mari kita periksa format dan skema data properti GA 4 yang diekspor ke BigQuery. Satu hal penting yang perlu diingat saat bekerja dengan GA 4 adalah bahwa strukturnya berbeda dari struktur Universal Analytics, yang akrab bagi pemasar di seluruh dunia.

Inilah perbedaan skema Google Analytics 4 dari skema Universal Analytics:

• Kumpulan data. sampel GA kumpulan data diberi nama analytics_ , dengan ID properti adalah ID Properti Analytics Anda.
• Tabel. Tabel Google Analytics terpisah diimpor ke dalam kumpulan data untuk setiap hari. Format tabel tersebut adalah events_YYYYMMDD , tidak seperti di Universal Analytics yang ga_sessions_YYYYMMDD .
• Baris. Setiap baris sesuai dengan peristiwa yang diupload, berbeda dengan Universal Analytics di mana setiap baris sesuai dengan sesi Google Analytics 360.
• kolom. Nama bidang sangat berbeda antara GA 4 dan Universal Analytics. Anda dapat membandingkannya dengan mengikuti tautan berikut:
  • Skema Ekspor BigQuery Google Analytics 4
  • Skema Ekspor BigQuery Universal Analytics

Sekarang mari kita ke tujuan utama artikel ini: memberikan petunjuk langkah demi langkah tentang cara mengekspor data Anda dari Google Analytics 4 ke BigQuery.

Jika informasi yang Anda butuhkan sudah ada di Google Analytics 4, Anda bisa mulai mengekspornya. Anda dapat mengekspornya ke instance sandbox BigQuery gratis (berlaku pembatasan sandbox).

Untuk membuat proyek Konsol API:

1. Masuk ke Konsol Google API.
2. Buat proyek baru atau pilih proyek yang sudah ada.

1. Buka tabel API.
2. Masuk ke menu Navigasi dan klik APIs & Services , lalu pilih Library .

3. Di Google Cloud APIbagian, pilih BigQuery API .
   
4. Pada halaman yang terbuka, klik Aktifkan .
5. Tambahkan akun layanan ke proyek Cloud Anda. Pastikan bahwa firebase-measurement@system. gserviceaccount.com adalah anggota proyek dan memiliki peran editor yang ditetapkan.

1. Masuk ke akun Google Analytics Anda. Akun harus memiliki Pemilikakses ke proyek BigQuery Anda dan akses Edit ke properti Google Analytics 4 yang sedang Anda kerjakan.
2. Buka tab Admin dan temukan properti Analytics yang perlu Anda tautkan ke BigQuery.
3. Di Propertikolom, klik Penautan BigQuery .

4. Klik Tautan .
   

5. Klik Pilih proyek BigQuery untuk melihat proyek yang aksesnya Anda miliki. Untuk membuat proyek BigQuery baru, klik Pelajari lebih lanjut .
   

6. Pilih proyek Anda dan klik Konfirmasi .
   

7. Pilih lokasi . (Jika proyek Anda sudah memiliki kumpulan data untuk properti Analytics, Anda tidak dapat mengonfigurasi opsi ini.)
   

8. Klik Berikutnya .
   
9. Pilih aliran data yang informasinya ingin Anda ekspor.

Jika Anda perlu menyertakan pengidentifikasi iklan, centang Sertakan pengidentifikasi iklan untuk aliran aplikasi seluler .

10. Atur Frekuensi : Setiap Hariatau Streaming(terus menerus) ekspor (Anda juga dapat memilih kedua opsi).
    

11. Terakhir, klik Kirim .
    

Selamat! Anda akan melihat informasi Google Analytics 4 di proyek BigQuery dalam waktu 24 jam.

Sekarang Anda memiliki semua data mentah tentang perilaku pengguna di BigQuery. Namun, untuk melakukan analisis pemasaran, menemukan zona pertumbuhan dan titik lemah Anda, Anda perlu menambahkan data biaya dari layanan periklanan, data dari sistem CRM, layanan pelacakan panggilan, dan aplikasi seluler (jika Anda menggunakan) ke GBQ. Selanjutnya, gabungkan semua data ini menjadi satu kumpulan data dan buat data siap untuk bisnis, sehingga pemasar dapat dengan mudah membuat laporan berdasarkan data BigQuery.

Salah satu solusi paling optimal untuk mengumpulkan dan memproses semua data pemasaran Anda adalah OWOX BI Pipeline . Ini mencakup data dari layanan iklan, CRM, layanan pelacakan panggilan, dan toko offline ke BigQuery untuk menyelesaikan teka-teki data Anda.

Setelah Anda memiliki semua data yang diperlukan, saatnya untuk membuatnya bekerja untuk Anda. Biasanya, itu adalah tugas seorang analis, tetapi dengan OWOX BI Smart Data , siapa pun dapat dengan mudah bekerja dengan data BigQuery.

BigQuery sering membuat pemasar takut dan tampaknya rumit, tetapi tidak perlu khawatir tentang itu: ada solusi yang dapat membantu Anda dengan mudah menemukan semua potensi data pemasaran Anda. OWOX BI dapat mengaturnya dalam model yang disesuaikan dengan bisnis Anda, sehingga Anda dapat dengan mudah membuat laporan meskipun Anda tidak mengetahui SQL sama sekali. Cukup gunakan pembuat laporan sederhana atau pilih template yang sudah jadi dan visualisasikan hasilnya di alat visualisasi favorit Anda.

Anda dapat dengan mudah mengekspor informasi GA 4 ke BigQuery. Jika struktur baru bekerja dengan baik untuk Anda, Anda dapat memanfaatkan layanan progresif ini dan menambahkannya ke kotak alat analisis pemasaran Anda. Dengan OWOX BI Pipeline, Anda dapat mengumpulkan data dari situs, layanan iklan, CRM, toko offline, dan layanan pelacakan panggilan di BigQuery untuk melengkapi data Anda. Dan dengan OWOX BI Smart Data, Anda dapat membuat data tersebut bekerja untuk Anda dengan membuat laporan, mengubah beberapa baris dan tabel menjadi wawasan yang dapat ditindaklanjuti, dan meningkatkan pengambilan keputusan Anda.