Jak wyeksportować dane z Google Analytics 4 do Google BigQuery

Google Analytics 4 sprawia, że ​​analizowanie danych w Google BigQuery jest łatwiejsze niż kiedykolwiek. Teraz prawie każdy może bezpłatnie zbierać dane w BigQuery. W tym artykule wyjaśniamy, jak prawidłowo eksportować dane do BigQuery z Google Analytics 4 i co jeszcze należy wziąć pod uwagę, aby jak najlepiej wykorzystać zebrane informacje.

Surowe (nieprzetworzone) dane pozwalają precyzyjnie analizować procesy biznesowe. Zbierając surowe dane, możesz:

• Obiektywnie oceniaj swoje procesy biznesowe
• Wykonaj dogłębną analizę metryk
• Śledź całą podróż użytkownika
• Twórz dowolne raporty bez ograniczeń
• Segmentuj odbiorców i skonfiguruj ukierunkowane reklamy

Próbkowanie to ekstrapolacja wyników analizy dla danego segmentu, gdy ilość informacji jest zbyt duża, aby można ją było szybko przetworzyć (np. jeśli w raportach używasz wielu niestandardowych wymiarów). Próbkowanie może znacznie zniekształcić raportowanie i spowodować błędną ocenę wyników, ponieważ analizujesz nie wszystkie dane, ale tylko ich fragmenty. W ten sposób ryzykujesz inwestycję w nieefektywne kampanie reklamowe lub wyłączenie kanałów reklamowych generujących przychody. Jak widać, unikanie samplowania to zdecydowanie dobry pomysł. I na szczęście jest to osiągalne.

Przejdźmy do praktycznej strony pytania: Która platforma analityczna jest wygodna, niedroga i umożliwia pracę z surowymi, niespróbkowanymi danymi? Rekomendowane przez nas rozwiązanie — Google BigQuery — jest prawdopodobnie najbardziej popularne wśród marketerów na całym świecie i jest ku temu wiele solidnych powodów. Zalecamy zbieranie, przechowywanie i przetwarzanie nieprzetworzonych danych za pomocą pamięci w chmurze BigQuery, a poniżej wyjaśnimy, dlaczego.

Google BigQuery to wielochmurowa hurtownia danych z wbudowaną usługą zapytań oraz wysokim poziomem bezpieczeństwa i skalowalności. Według Gartnera „do 2022 r. 75% wszystkich baz danych zostanie wdrożonych lub przeniesionych na platformę chmurową, a tylko 5% kiedykolwiek rozważano repatriację do lokalnych”. A dzięki temu, że BigQuery jest częścią ekosystemu Google, a w szczególności Google Cloud Platform, natywnie integruje się z innymi produktami Google i pomaga rozwijać Twój biznes w konkurencyjnym tempie.

Istnieje wiele aspektów niskiego poziomu, które sprawiają, że BigQuery jest niemal niezastąpione dla marketerów. Przyjrzyjmy się bliżej niektórym z jego najcenniejszych zalet:

• Możliwość przesyłania dużych ilości informacji. Dzięki BigQuery możesz przeprowadzać analizy w czasie rzeczywistym dowolnego typu danych i szybko je przetwarzać za pomocą SQL.
• Wysoki poziom bezpieczeństwa . Masz pełną kontrolę nad swoim projektem i możesz skorzystać z uwierzytelniania dwuskładnikowego.
• Przystępny. Płać tylko za zebrane i przetworzone dane.
• Natywna integracja z produktami Google. Łatwo połącz się z Google Analytics i innymi produktami.
• Skalowalny. Skaluj szybko i bezproblemowo, aby łatwo dostosować się do szybko zmieniającego się świata.
• BigQuery ML . Twórz modele przewidywania uczenia maszynowego na danych ustrukturyzowanych i częściowo ustrukturyzowanych za pomocą SQL.
• GIS BigQuery. Dzięki systemowi informacji geograficznej BigQuery (GIS) możesz analizować informacje geoprzestrzenne i określać, którzy użytkownicy powinni np. otrzymać mailer dla określonej lokalizacji sklepu.

Przyjrzyjmy się formatowi i schematowi danych właściwości GA 4 eksportowanych do BigQuery. Jedną z ważnych rzeczy, o których należy pamiętać podczas pracy z GA 4, jest to, że jego struktura różni się od struktury Universal Analytics, znanej marketerom na całym świecie.

Oto czym schemat Google Analytics 4 różni się od schematu Universal Analytics:

• Zbiory danych. Próbka GA zbiory danych noszą nazwę analytics_ , gdzie identyfikator usługi to Twój identyfikator usługi Analytics.
• Tabele. Dla każdego dnia do zbioru danych importowana jest osobna tabela Google Analytics. Format takich tabel to event_YYYYMMDD , w przeciwieństwie do Universal Analytics, gdzie jest to ga_sessions_YYYYMMDD .
• Wydziwianie. Każdy wiersz odpowiada przesłanemu zdarzeniu, w przeciwieństwie do Universal Analytics, gdzie każdy wiersz odpowiada sesji Google Analytics 360.
• Kolumny. Nazwy pól różnią się znacznie między GA 4 a Universal Analytics. Możesz je porównać, korzystając z tych linków:
  • Schemat eksportu BigQuery w Google Analytics 4
  • Schemat eksportu BigQuery do Universal Analytics

Przejdźmy teraz do głównego celu tego artykułu: dostarczenia szczegółowych instrukcji dotyczących eksportowania danych z Google Analytics 4 do BigQuery.

Jeśli potrzebne informacje znajdują się już w Google Analytics 4, możesz zabrać się za ich wyeksportowanie. Możesz go wyeksportować do bezpłatnej instancji piaskownicy BigQuery (obowiązują ograniczenia piaskownicy).

Aby utworzyć projekt APIs-Console:

1. Zaloguj się do konsoli interfejsów Google API.
2. Utwórz nowy projekt lub wybierz istniejący projekt.

1. Przejdź do tabeli API.
2. Przejdź do menu Nawigacja i kliknij Interfejsy API i usługi , a następnie wybierz Biblioteka .

3. W interfejsach Google Cloud APIsekcji, wybierz BigQuery API .
   
4. Na stronie, która się otworzy, kliknij Włącz .
5. Dodaj konto usługi do swojego projektu Cloud. Upewnij się, że firebase-measurement@system. gserviceaccount.com jest członkiem projektu i ma przypisaną rolę redaktora.

1. Zaloguj się na swoje konto Google Analytics. Konto powinno mieć właścicieladostęp do projektu BigQuery i dostęp do edycji usługi Google Analytics 4, z którą pracujesz.
2. Przejdź na kartę Administracja i znajdź usługę Analytics, którą chcesz połączyć z BigQuery.
3. W nieruchomościkliknij Łączenie BigQuery .

4. Kliknij łącze .
   

5. Kliknij Wybierz projekt BigQuery, aby zobaczyć projekty, do których masz dostęp. Aby utworzyć nowy projekt BigQuery, kliknij Więcej informacji .
   

6. Wybierz swój projekt i kliknij Potwierdź .
   

7. Wybierz lokalizację . (Jeśli Twój projekt ma już zbiór danych dla usługi Analytics, nie możesz skonfigurować tej opcji).
   

8. Kliknij Dalej .
   
9. Wybierz strumienie danych, których informacje chcesz wyeksportować.

Jeśli chcesz uwzględnić identyfikatory reklamowe, zaznacz Dołącz identyfikatory reklamowe dla strumieni aplikacji mobilnych .

10. Ustaw częstotliwość : codziennielub Streaming(ciągły) eksport (można również wybrać obie opcje).
    

11. Na koniec kliknij Prześlij .
    

Gratulacje! W ciągu 24 godzin zobaczysz informacje z Google Analytics 4 w projekcie BigQuery.

Teraz masz wszystkie nieprzetworzone dane o zachowaniu użytkowników w BigQuery. Aby jednak przeprowadzić analizę marketingową, znaleźć strefy wzrostu i słabe punkty, musisz dodać do GBQ dane o kosztach z usług reklamowych, dane z systemów CRM, usług śledzenia połączeń i aplikacji mobilnych (jeśli z nich korzystasz). Następnie połącz wszystkie te dane w jeden zbiór danych i przygotuj dane do użytku biznesowego, aby marketerzy mogli łatwo tworzyć raporty na podstawie danych BigQuery.

Jednym z najbardziej optymalnych rozwiązań do gromadzenia i przetwarzania wszystkich Twoich danych marketingowych jest OWOX BI Pipeline . Obejmuje dane z usług reklamowych, systemów CRM, usług śledzenia połączeń i sklepów offline do BigQuery, aby ukończyć układankę danych.

Gdy masz już wszystkie niezbędne dane, nadszedł czas, aby działały dla Ciebie. Zwykle jest to zadanie dla analityka, ale dzięki OWOX BI Smart Data każdy może z łatwością pracować z danymi BigQuery.

BigQuery często przeraża marketerów i wydaje się być skomplikowane, ale nie musisz się tym martwić: istnieje rozwiązanie, które pomoże Ci łatwo odkryć cały potencjał Twoich danych marketingowych. OWOX BI może to ułożyć w model dopasowany do Twojego biznesu, dzięki czemu możesz łatwo budować raporty, nawet jeśli nie znasz w ogóle żadnego SQL. Wystarczy skorzystać z prostego narzędzia do tworzenia raportów lub wybrać gotowy szablon i zwizualizować wyniki w ulubionym narzędziu do wizualizacji.

Możesz łatwo wyeksportować informacje z GA 4 do BigQuery. Jeśli nowa struktura dobrze Ci odpowiada, możesz skorzystać z tej progresywnej usługi i dodać ją do swojego zestawu narzędzi do analityki marketingowej. Dzięki OWOX BI Pipeline możesz zbierać dane ze swojej witryny, usług reklamowych, CRM, sklepów offline i usług śledzenia połączeń w BigQuery, aby uzupełnić swoje dane. A dzięki OWOX BI Smart Data możesz sprawić, że dane będą działać dla Ciebie, tworząc raporty, przekształcając wiele wierszy i tabel w przydatne informacje i usprawniając podejmowanie decyzji.