Come esportare dati da Google Analytics 4 a Google BigQuery

Google Analytics 4 rende l'analisi dei dati in Google BigQuery più semplice che mai. Ora quasi tutti possono raccogliere dati in BigQuery gratuitamente. In questo articolo spieghiamo come esportare correttamente i dati in BigQuery da Google Analytics 4 e cos'altro dovresti prendere in considerazione per ottenere il massimo dalle informazioni raccolte.

I dati grezzi (non elaborati) ti consentono di analizzare con precisione i tuoi processi aziendali. Raccogliendo dati grezzi, puoi:

• Valuta oggettivamente i tuoi processi aziendali
• Eseguire analisi approfondite delle metriche
• Tieni traccia dell'intero percorso dell'utente
• Crea report senza limiti
• Segmenta il tuo pubblico e imposta pubblicità mirata

Campionare significa estrapolare i risultati dell'analisi per un determinato segmento, quando la quantità di informazioni è troppo grande per essere elaborata rapidamente (ad esempio, se si utilizzano più dimensioni personalizzate nei report). Il campionamento può distorcere in modo significativo i tuoi rapporti e farti sottovalutare i risultati poiché non analizzi tutti i dati ma solo una parte. In questo modo, rischi di investire in campagne pubblicitarie inefficienti o di disattivare i canali pubblicitari che generano entrate. Come puoi vedere, evitare il campionamento è sicuramente una buona idea. E per fortuna, è realizzabile.

Veniamo al lato pratico della domanda: quale piattaforma di analisi è conveniente, conveniente e ti consente di lavorare con dati grezzi non campionati? La soluzione che consigliamo, Google BigQuery, è probabilmente la più popolare tra i marketer di tutto il mondo e ci sono una serie di solide ragioni per questo. Ti consigliamo di raccogliere, archiviare ed elaborare dati grezzi utilizzando l'archiviazione cloud di BigQuery e di seguito spiegheremo il motivo.

Google BigQuery è un data warehouse multi-cloud con un servizio di query integrato e un elevato livello di sicurezza e scalabilità. Secondo Gartner, "entro il 2022, il 75% di tutti i database verrà distribuito o migrato su una piattaforma cloud, con solo il 5% considerato per il rimpatrio in locale". E grazie al fatto che BigQuery fa parte dell'ecosistema Google e della Google Cloud Platform in particolare, si integra nativamente con altri prodotti Google e ti aiuta a sviluppare il tuo business a una velocità competitiva.

Esistono molteplici aspetti di basso livello che rendono BigQuery quasi insostituibile per i professionisti del marketing. Diamo un'occhiata più da vicino ad alcuni dei suoi vantaggi più preziosi:

• Possibilità di caricare grandi volumi di informazioni. Con BigQuery puoi eseguire analisi in tempo reale di qualsiasi tipo di dati ed elaborarli rapidamente con SQL.
• Alto livello di sicurezza . Hai il pieno controllo del tuo progetto e puoi sfruttare l'autenticazione a due fattori.
• Conveniente. Paga solo per i dati raccolti ed elaborati.
• Integrazione nativa con i prodotti Google. Connettiti facilmente con Google Analytics e altri prodotti.
• scalabile. Scalabilità rapida e senza interruzioni per adattarsi facilmente al mondo in rapida evoluzione.
• BigQuery ML . Crea modelli di previsione di machine learning su dati strutturati e semi-strutturati utilizzando SQL.
• BigQuery GIS. Grazie al BigQuery Geographic Information System (GIS), puoi analizzare le informazioni geospaziali e determinare quali utenti dovrebbero ricevere un mailer per una posizione specifica del negozio, ad esempio.

Esaminiamo il formato e lo schema dei dati della proprietà GA 4 esportati in BigQuery. Una cosa importante da tenere a mente quando si lavora con GA 4 è che la sua struttura differisce dalla struttura di Universal Analytics, che è familiare ai marketer di tutto il mondo.

Ecco come lo schema di Google Analytics 4 differisce dallo schema di Universal Analytics:

• Set di dati. campione GA i set di dati sono denominati analytics_ , dove l' ID proprietà è l'ID proprietà di Analytics.
• Tabelle. Per ogni giorno viene importata una tabella di Google Analytics separata nel set di dati. Il formato di tali tabelle è events_YYYYMMDD , a differenza di Universal Analytics dove è ga_sessions_YYYYMMDD .
• Righe. Ogni riga corrisponde a un evento caricato, a differenza di Universal Analytics in cui ogni riga corrisponde a una sessione di Google Analytics 360.
• Colonne. I nomi dei campi differiscono ampiamente tra GA 4 e Universal Analytics. Puoi confrontarli seguendo questi link:
  • Schema di esportazione BigQuery di Google Analytics 4
  • Schema di esportazione BigQuery di Universal Analytics

Veniamo ora allo scopo principale di questo articolo: fornire istruzioni dettagliate su come esportare i dati da Google Analytics 4 a BigQuery.

Se le informazioni di cui hai bisogno sono già in Google Analytics 4, puoi iniziare a esportarle. Puoi esportarlo in un'istanza gratuita di BigQuery sandbox (si applicano limitazioni sandbox).

Per creare un progetto API-Console:

1. Accedi alla Console delle API di Google.
2. Crea un nuovo progetto o seleziona un progetto esistente.

1. Vai alla tabella delle API.
2. Vai al menu di navigazione e fai clic su API e servizi , quindi seleziona Libreria .

3. Nelle API di Google Cloudsezione, seleziona API BigQuery .
   
4. Nella pagina che si apre, fai clic su Abilita .
5. Aggiungi un account di servizio al tuo progetto Cloud. Assicurati che firebase-measurement@system. gserviceaccount.com è un membro del progetto e ha il ruolo di editor assegnato.

1. Accedi al tuo account Google Analytics. L'account dovrebbe avere il proprietariol'accesso al tuo progetto BigQuery e l'accesso in Modifica alla proprietà Google Analytics 4 con cui stai lavorando.
2. Vai alla scheda Amministratore e trova la proprietà Analytics che devi collegare a BigQuery.
3. Nella proprietàcolonna, fai clic su Collegamento BigQuery .

4. Fare clic su Collegamento .
   

5. Fai clic su Scegli un progetto BigQuery per vedere i progetti a cui hai accesso. Per creare un nuovo progetto BigQuery, fai clic su Ulteriori informazioni .
   

6. Seleziona il tuo progetto e clicca su Conferma .
   

7. Seleziona una posizione . (Se il tuo progetto ha già un set di dati per la proprietà Analytics, non puoi configurare questa opzione.)
   

8. Fare clic su Avanti .
   
9. Seleziona i flussi di dati di cui desideri esportare le informazioni.

Se devi includere identificatori pubblicitari, seleziona Includi identificatori pubblicitari per flussi di app mobili .

10. Imposta la frequenza : Giornalierao in streamingesportazione (continua) (puoi anche selezionare entrambe le opzioni).
    

11. Infine, fai clic su Invia .
    

Congratulazioni! Vedrai le tue informazioni di Google Analytics 4 nel tuo progetto BigQuery entro 24 ore.

Ora hai tutti i dati grezzi sul comportamento degli utenti in BigQuery. Tuttavia, per eseguire analisi di marketing, trovare le zone di crescita e i punti deboli, è necessario aggiungere a GBQ i dati sui costi dei servizi pubblicitari, i dati dei sistemi CRM, i servizi di tracciamento delle chiamate e le app mobili (se utilizzate). Successivamente, unisci tutti questi dati in un unico set di dati e rendi i dati pronti per il business, in modo che gli esperti di marketing possano creare facilmente report basati sui dati BigQuery.

Una delle soluzioni più ottimali per la raccolta e l'elaborazione di tutti i dati di marketing è OWOX BI Pipeline . Include dati da servizi pubblicitari, CRM, servizi di monitoraggio delle chiamate e negozi offline in BigQuery per completare il tuo puzzle di dati.

Una volta che hai tutti i dati necessari in atto, è il momento di farlo funzionare per te. Di solito è un compito per un analista, ma con OWOX BI Smart Data chiunque può lavorare facilmente con i dati BigQuery.

BigQuery spaventa spesso gli esperti di marketing e sembra essere complesso, ma non c'è bisogno di preoccuparsi: esiste una soluzione che può aiutarti a scoprire facilmente tutto il potenziale dei tuoi dati di marketing. OWOX BI può organizzarlo in un modello adattato alla tua attività, in modo da poter creare facilmente report anche se non conosci affatto SQL. Basta utilizzare un semplice generatore di report o selezionare un modello già pronto e visualizzare i risultati nel tuo strumento di visualizzazione preferito.

Puoi esportare facilmente le tue informazioni GA 4 in BigQuery. Se la nuova struttura funziona bene per te, puoi sfruttare questo servizio progressivo e aggiungerlo alla tua cassetta degli attrezzi di analisi del marketing. Con OWOX BI Pipeline, puoi raccogliere dati dal tuo sito Web, servizi pubblicitari, CRM, negozi offline e servizi di monitoraggio delle chiamate in BigQuery per completare i tuoi dati. E con OWOX BI Smart Data, puoi fare in modo che i dati funzionino per te creando report, trasformando più righe e tabelle in informazioni fruibili e migliorando il tuo processo decisionale.