Как экспортировать данные из Google Analytics 4 в Google BigQuery

Google Analytics 4 упрощает анализ данных в Google BigQuery. Сейчас практически каждый может бесплатно собирать данные в BigQuery. В этой статье мы объясним, как правильно экспортировать данные в BigQuery из Google Analytics 4 и что еще следует учитывать, чтобы извлечь максимальную пользу из собранной информации.

Необработанные (необработанные) данные позволяют точно анализировать ваши бизнес-процессы. Собирая необработанные данные, вы можете:

• Объективно оценивайте свои бизнес-процессы
• Проводите глубокий анализ показателей
• Отслеживайте весь путь пользователя
• Создавайте любые отчеты без ограничений
• Сегментируйте свою аудиторию и настройте таргетированную рекламу

Выборка означает экстраполяцию результатов анализа для данного сегмента, когда объем информации слишком велик для быстрой обработки (например, если вы используете в отчетах несколько настраиваемых параметров). Выборка может существенно исказить вашу отчетность и привести к неправильной оценке результатов, поскольку вы анализируете не все данные, а только часть. Делая это, вы рискуете вложиться в неэффективные рекламные кампании или отключить рекламные каналы, приносящие доход. Как видите, избегать сэмплирования — определенно хорошая идея. И, к счастью, это достижимо.

Перейдем к практической стороне вопроса: какая аналитическая платформа удобна, доступна и позволяет работать с необработанными данными без выборки? Рекомендуемое нами решение — Google BigQuery — вероятно, является самым популярным среди маркетологов по всему миру, и на это есть множество веских причин. Мы рекомендуем вам собирать, хранить и обрабатывать необработанные данные с помощью облачного хранилища BigQuery, и ниже мы объясним, почему.

Google BigQuery — это мультиоблачное хранилище данных со встроенным сервисом запросов и высоким уровнем безопасности и масштабируемости. По данным Gartner, «к 2022 году 75% всех баз данных будут развернуты или перенесены на облачную платформу, и только 5% когда-либо будут рассмотрены для репатриации в локальную среду». А благодаря тому, что BigQuery является частью экосистемы Google и, в частности, облачной платформы Google, он естественным образом интегрируется с другими продуктами Google и помогает вам развивать свой бизнес с конкурентоспособной скоростью.

Есть несколько низкоуровневых аспектов, которые делают BigQuery практически незаменимым для маркетологов. Давайте подробнее рассмотрим некоторые из его наиболее ценных преимуществ:

• Возможность загрузки больших объемов информации. С помощью BigQuery вы можете выполнять анализ данных любого типа в режиме реального времени и быстро обрабатывать их с помощью SQL.
• Высокий уровень безопасности . Вы получаете полный контроль над своим проектом и можете воспользоваться преимуществами двухфакторной аутентификации.
• Доступный. Платите только за собранные и обработанные данные.
• Встроенная интеграция с продуктами Google. Легко подключайтесь к Google Analytics и другим продуктам.
• Масштабируемость. Быстрое и плавное масштабирование, чтобы легко адаптироваться к быстро меняющемуся миру.
• ML BigQuery . Создавайте модели прогнозирования машинного обучения как для структурированных, так и для полуструктурированных данных с помощью SQL.
• ГИС BigQuery. Благодаря географической информационной системе (ГИС) BigQuery вы можете анализировать геопространственную информацию и определять, например, какие пользователи должны получить почтовую рассылку для определенного местоположения магазина.

Давайте рассмотрим формат и схему данных свойств GA 4, которые экспортируются в BigQuery. При работе с GA 4 важно помнить, что его структура отличается от структуры Universal Analytics, знакомой маркетологам во всем мире.

Вот чем схема Google Analytics 4 отличается от схемы Universal Analytics:

• Наборы данных. Образец GA наборы данных называются analytics_ , где идентификатор свойства — это идентификатор вашего ресурса Analytics.
• Таблицы. Для каждого дня в набор данных импортируется отдельная таблица Google Analytics. Формат таких таблиц — events_YYYYMMDD , в отличие от Universal Analytics, где это ga_sessions_YYYYMMDD .
• Ряды. Каждая строка соответствует загруженному событию, в отличие от Universal Analytics, где каждая строка соответствует сеансу Google Analytics 360.
• Колонны. Имена полей в GA 4 и Universal Analytics сильно различаются. Вы можете сравнить их по этим ссылкам:
  • Схема экспорта Google Analytics 4 BigQuery
  • Схема экспорта Universal Analytics BigQuery

Теперь давайте перейдем к основной цели этой статьи: предоставить пошаговые инструкции о том, как экспортировать ваши данные из Google Analytics 4 в BigQuery.

Если нужная вам информация уже есть в Google Analytics 4, вы можете приступить к ее экспорту. Вы можете экспортировать его в бесплатный экземпляр песочницы BigQuery (применяются ограничения песочницы).

Чтобы создать проект API-консоли:

1. Войдите в консоль API Google.
2. Создайте новый проект или выберите существующий проект.

1. Перейдите к таблице API.
2. Перейдите в меню « Навигация» и нажмите « API и службы », затем выберите « Библиотека ».

3. В Google Cloud APIвыберите BigQuery API .
   
4. На открывшейся странице нажмите Включить .
5. Добавьте сервисный аккаунт в свой облачный проект. Убедитесь, что firebase-measurement@system. gserviceaccount.com является участником проекта, и ему назначена роль редактора.

1. Войдите в свою учетную запись Google Analytics. Аккаунт должен иметь владельцадоступ к вашему проекту BigQuery и доступ к редактированию ресурса Google Analytics 4, с которым вы работаете.
2. Перейдите на вкладку « Администратор » и найдите свойство Analytics, которое нужно связать с BigQuery.
3. В собственностинажмите Связывание с BigQuery .

4. Нажмите Ссылка .
   

5. Нажмите Выбрать проект BigQuery, чтобы просмотреть проекты, к которым у вас есть доступ. Чтобы создать новый проект BigQuery, нажмите « Подробнее » .
   

6. Выберите свой проект и нажмите «Подтвердить ».
   

7. Выберите местоположение . (Если в вашем проекте уже есть набор данных для ресурса Analytics, вы не можете настроить этот параметр.)
   

8. Нажмите «Далее» .
   
9. Выберите потоки данных, информацию о которых вы хотите экспортировать.

Если вам нужно включить рекламные идентификаторы, установите флажок Включить рекламные идентификаторы для потоков мобильного приложения .

10. Установите частоту : ежедневноили потоковое(непрерывный) экспорт (также можно выбрать оба варианта).
    

11. Наконец, нажмите Отправить .
    

Поздравляю! Вы увидите информацию Google Analytics 4 в своем проекте BigQuery в течение 24 часов.

Теперь у вас есть все необработанные данные о поведении пользователей в BigQuery. Однако, чтобы провести маркетинговый анализ, найти свои зоны роста и слабые места, вам необходимо добавить в GBQ данные о расходах из рекламных сервисов, данные из CRM-систем, сервисов коллтрекинга и мобильных приложений (если вы ими пользуетесь). Затем объедините все эти данные в один набор данных и подготовьте данные для бизнеса, чтобы маркетологи могли легко создавать отчеты на основе данных BigQuery.

Одним из самых оптимальных решений для сбора и обработки всех ваших маркетинговых данных является OWOX BI Pipeline . Он включает данные из рекламных служб, CRM, служб отслеживания звонков и офлайн-магазинов в BigQuery, чтобы решить вашу головоломку с данными.

Когда у вас есть все необходимые данные, пришло время заставить их работать на вас. Обычно это задача для аналитика, но с OWOX BI Smart Data любой может легко работать с данными BigQuery.

BigQuery часто пугает маркетологов и кажется сложным, но не стоит об этом беспокоиться: есть решение, которое поможет вам легко раскрыть весь потенциал ваших маркетинговых данных. OWOX BI может организовать его в модели, адаптированной к вашему бизнесу, чтобы вы могли легко строить отчеты, даже если вы вообще не знаете SQL. Просто используйте простой конструктор отчетов или выберите готовый шаблон и визуализируйте результаты в своем любимом инструменте визуализации.

Вы можете легко экспортировать информацию из GA 4 в BigQuery. Если новая структура вам подходит, вы можете воспользоваться этой прогрессивной услугой и добавить ее в свой набор инструментов маркетинговой аналитики. С помощью OWOX BI Pipeline вы можете собирать данные с вашего сайта, рекламных сервисов, CRM, офлайн-магазинов и сервисов коллтрекинга в BigQuery для полноты ваших данных. А с помощью OWOX BI Smart Data вы можете заставить эти данные работать на вас, создавая отчеты, преобразовывая несколько строк и таблиц в полезную информацию и улучшая процесс принятия решений.