Como exportar dados do Google Analytics 4 para o Google BigQuery

O Google Analytics 4 torna a análise de dados no Google BigQuery mais fácil do que nunca. Agora, quase todos podem coletar dados no BigQuery gratuitamente. Neste artigo, explicamos como exportar dados corretamente para o BigQuery do Google Analytics 4 e o que mais você deve levar em consideração para obter o máximo valor das informações coletadas.

Dados brutos (não processados) permitem que você analise com precisão seus processos de negócios. Ao coletar dados brutos, você pode:

• Avalie objetivamente seus processos de negócios
• Realize uma análise profunda de métricas
• Acompanhe toda a jornada do usuário
• Crie quaisquer relatórios sem limites
• Segmente seu público e configure publicidade direcionada

Amostragem significa extrapolar os resultados da análise para um determinado segmento, quando a quantidade de informações é muito grande para ser processada rapidamente (por exemplo, se você usar várias dimensões personalizadas em seus relatórios). A amostragem pode distorcer significativamente seus relatórios e fazer com que você avalie mal seus resultados, pois você analisa nem todos os dados, mas apenas uma parte. Ao fazer isso, você corre o risco de investir em campanhas publicitárias ineficientes ou desativar canais de publicidade geradores de receita. Como você pode ver, evitar a amostragem é definitivamente uma boa ideia. E felizmente, é alcançável.

Vamos ao lado prático da questão: qual plataforma de análise é conveniente, acessível e permite que você trabalhe com dados brutos sem amostragem? A solução que recomendamos — Google BigQuery — é provavelmente a mais popular entre os profissionais de marketing de todo o mundo, e há vários motivos sólidos para isso. Recomendamos que você colete, armazene e processe dados brutos usando o armazenamento em nuvem do BigQuery. Abaixo explicaremos o motivo.

O Google BigQuery é um data warehouse multinuvem com um serviço de consulta integrado e um alto nível de segurança e escalabilidade. De acordo com o Gartner, “até 2022, 75% de todos os bancos de dados serão implantados ou migrados para uma plataforma em nuvem, com apenas 5% sendo considerados para repatriação local”. E graças ao fato de o BigQuery fazer parte do ecossistema do Google e do Google Cloud Platform em particular, ele se integra nativamente a outros produtos do Google e ajuda você a desenvolver seus negócios em uma velocidade competitiva.

Existem vários aspectos de baixo nível que tornam o BigQuery quase insubstituível para os profissionais de marketing. Vamos dar uma olhada em alguns de seus benefícios mais valiosos:

• Capacidade de fazer upload de grandes volumes de informações. Com o BigQuery, você pode realizar análises em tempo real de qualquer tipo de dados e processá-los rapidamente com SQL.
• Alto nível de segurança . Você obtém controle total sobre seu projeto e pode aproveitar a autenticação de dois fatores.
• Preços acessíveis. Pague apenas pelos dados coletados e processados.
• Integração nativa com produtos do Google. Conecte-se facilmente com o Google Analytics e outros produtos.
• Escalável. Escale com rapidez e perfeição para se ajustar facilmente ao mundo em rápida mudança.
• BigQuery ML . Crie modelos de previsão de aprendizado de máquina em dados estruturados e semiestruturados usando SQL.
• BigQuery GIS. Graças ao Sistema de Informações Geográficas (GIS) do BigQuery, você pode analisar informações geoespaciais e determinar quais usuários devem receber uma correspondência para um local específico de loja, por exemplo.

Vamos examinar o formato e o esquema dos dados de propriedade do GA 4 que são exportados para o BigQuery. Uma coisa importante a ter em mente ao trabalhar com o GA 4 é que sua estrutura difere da estrutura do Universal Analytics, que é familiar para profissionais de marketing de todo o mundo.

É assim que o esquema do Google Analytics 4 difere do esquema do Universal Analytics:

• Conjuntos de dados. Amostra do GA os conjuntos de dados são denominados analytics_ , em que o ID da propriedade é o ID da propriedade do Google Analytics.
• Tabelas. Uma tabela separada do Google Analytics é importada para o conjunto de dados para cada dia. O formato dessas tabelas é events_YYYYMMDD , ao contrário do Universal Analytics onde é ga_sessions_YYYYMMDD .
• Linhas. Cada linha corresponde a um evento carregado, ao contrário do Universal Analytics, onde cada linha corresponde a uma sessão do Google Analytics 360.
• Colunas. Os nomes dos campos diferem amplamente entre o GA 4 e o Universal Analytics. Você pode compará-los seguindo estes links:
  • Esquema de exportação do BigQuery do Google Analytics 4
  • Esquema de exportação do Universal Analytics BigQuery

Agora vamos ao objetivo principal deste artigo: fornecer instruções passo a passo sobre como exportar seus dados do Google Analytics 4 para o BigQuery.

Se as informações que você precisa já estão no Google Analytics 4, você pode começar a exportá-las. Você pode exportá-lo para uma instância gratuita do sandbox do BigQuery (aplicam-se limitações do sandbox).

Para criar um projeto de APIs-Console:

1. Faça login no Console de APIs do Google.
2. Crie um novo projeto ou selecione um projeto existente.

1. Acesse a tabela de APIs.
2. Vá para o menu Navegação e clique em APIs e serviços e selecione Biblioteca .

3. Nas APIs do Google Cloudseção, selecione API do BigQuery .
   
4. Na página que se abre, clique em Ativar .
5. Adicione uma conta de serviço ao seu projeto do Cloud. Certifique-se de que firebase-measurement@system. gserviceaccount.com é um membro do projeto e tem a função de editor atribuída.

1. Faça login na sua conta do Google Analytics. A conta deve ter Proprietárioacesso ao seu projeto do BigQuery e acesso de edição à propriedade do Google Analytics 4 com a qual você está trabalhando.
2. Acesse a guia Admin e encontre a propriedade do Google Analytics que você precisa vincular ao BigQuery.
3. Na propriedadecoluna, clique em Vinculação do BigQuery .

4. Clique em Vincular .
   

5. Clique em Escolher um projeto do BigQuery para ver os projetos aos quais você tem acesso. Para criar um novo projeto do BigQuery, clique em Saiba mais .
   

6. Selecione seu projeto e clique em Confirmar .
   

7. Selecione um local . (Se seu projeto já tiver um conjunto de dados para a propriedade do Google Analytics, você não poderá configurar essa opção.)
   

8. Clique em Avançar .
   
9. Selecione os fluxos de dados cujas informações você deseja exportar.

Se você precisar incluir identificadores de publicidade, marque Incluir identificadores de publicidade para streams de aplicativos para dispositivos móveis .

10. Defina a Frequência : Diariamenteou Streaming(contínua) exportação (você também pode selecionar ambas as opções).
    

11. Por fim, clique em Enviar .
    

Parabéns! Você verá suas informações do Google Analytics 4 em seu projeto do BigQuery em 24 horas.

Agora você tem todos os dados brutos sobre o comportamento do usuário no BigQuery. No entanto, para realizar análises de marketing, encontrar suas zonas de crescimento e pontos fracos, você precisa adicionar dados de custo de serviços de publicidade, dados de sistemas de CRM, serviços de rastreamento de chamadas e aplicativos móveis (se você usar algum) ao GBQ. Em seguida, mescle todos esses dados em um conjunto de dados e prepare os dados para os negócios, para que os profissionais de marketing possam criar relatórios facilmente com base nos dados do BigQuery.

Uma das melhores soluções para reunir e processar todos os seus dados de marketing é o OWOX BI Pipeline . Ele inclui dados de serviços de anúncios, CRMs, serviços de rastreamento de chamadas e lojas off-line para o BigQuery para completar seu quebra-cabeça de dados.

Depois de ter todos os dados necessários, é hora de fazê-los funcionar para você. Normalmente, isso é uma tarefa para um analista, mas com o OWOX BI Smart Data , qualquer pessoa pode trabalhar facilmente com dados do BigQuery.

O BigQuery frequentemente assusta os profissionais de marketing e parece ser complexo, mas não há necessidade de se preocupar com isso: existe uma solução que pode ajudar você a descobrir facilmente todo o potencial dos seus dados de marketing. OWOX BI pode organizá-lo em um modelo ajustado ao seu negócio, para que você possa criar relatórios facilmente, mesmo que não saiba nada de SQL. Basta usar um construtor de relatórios simples ou selecionar um modelo pronto e visualizar os resultados em sua ferramenta de visualização favorita.

Você pode exportar facilmente suas informações do GA 4 para o BigQuery. Se a nova estrutura funcionar bem para você, você pode aproveitar esse serviço progressivo e adicioná-lo à sua caixa de ferramentas de análise de marketing. Com o OWOX BI Pipeline, você pode coletar dados do seu site, serviços de anúncios, CRM, lojas offline e serviços de rastreamento de chamadas no BigQuery para completar seus dados. E com o OWOX BI Smart Data, você pode fazer esses dados trabalharem para você criando relatórios, transformando várias linhas e tabelas em insights acionáveis ​​e melhorando sua tomada de decisões.