如何将数据从 Google Analytics 4 导出到 Google BigQuery

Google Analytics 4 让 Google BigQuery 中的数据分析变得前所未有的轻松。 现在几乎每个人都可以在 BigQuery 中免费收集数据。 在本文中，我们将解释如何将数据从 Google Analytics 4 正确导出到 BigQuery，以及您还应考虑哪些其他因素以从收集的信息中获得最大价值。

原始（未处理）数据允许您精确分析您的业务流程。 通过收集原始数据，您可以：

• 客观地评估您的业务流程
• 对指标进行深入分析
• 跟踪整个用户旅程
• 无限制地构建任何报告
• 细分受众并设置有针对性的广告

抽样意味着在信息量太大而无法快速处理时（例如，如果您在报告中使用多个自定义维度），推断给定细分的分析结果。 抽样可能会严重扭曲您的报告并导致您错误地评估结果，因为您分析的不是所有数据，而是部分数据。 这样一来，您就有投资于低效的广告活动或关闭创收广告渠道的风险。 如您所见，避免抽样绝对是一个好主意。 值得庆幸的是，这是可以实现的。

让我们来看看这个问题的实际方面：哪个分析平台方便、负担得起，并且允许您使用原始的非抽样数据？ 我们推荐的解决方案 - Google BigQuery - 可能是全球营销人员中最受欢迎的解决方案，并且有很多充分的理由。 我们建议您使用 BigQuery 云存储来收集、存储和处理原始数据，下面我们将解释原因。

Google BigQuery 是一个多云数据仓库，具有内置查询服务以及高级别的安全性和可扩展性。 根据 Gartner 的说法，“到 2022 年，75% 的数据库将部署或迁移到云平台，只有 5% 的数据库曾经考虑过迁移到本地。” 由于 BigQuery 是 Google 生态系统的一部分，尤其是 Google Cloud Platform 的一部分，它可以与其他 Google 产品进行原生集成，帮助您以具有竞争力的速度发展业务。

有多个低级方面使 BigQuery 对于营销人员来说几乎是不可替代的。 让我们仔细看看它的一些最有价值的好处：

• 能够上传大量信息。 借助 BigQuery，您可以对任何类型的数据执行实时分析，并使用 SQL 快速对其进行处理。
• 安全级别高。 您可以完全控制您的项目，并可以利用双因素身份验证。
• 经济实惠。 仅为收集和处理的数据付费。
• 与 Google 产品的原生集成。 轻松连接 Google Analytics 和其他产品。
• 可扩展。 快速无缝地扩展，轻松适应瞬息万变的世界。
• BigQuery 机器学习。 使用 SQL 在结构化和半结构化数据上构建机器学习预测模型。
• 大查询地理信息系统。 例如，借助 BigQuery 地理信息系统 (GIS)，您可以分析地理空间信息并确定哪些用户应该获得特定商店位置的邮件。

让我们检查导出到 BigQuery 的 GA 4 属性数据的格式和架构。 使用 GA 4 时要记住的一件重要事情是，它的结构不同于全球营销人员熟悉的 Universal Analytics 的结构。

这就是 Google Analytics 4 架构与 Universal Analytics 架构的不同之处：

• 数据集。 遗传算法样本 数据集被命名为analytics_ ，其中属性 ID是您的 Analytics 属性 ID。
• 表。 每天将单独的 Google Analytics 表导入数据集中。 此类表的格式为events_YYYYMMDD ，与 Universal Analytics 中的格式不同ga_sessions_YYYYMMDD 。
• 行。 每一行对应一个上传的事件，而 Universal Analytics 的每一行对应一个 Google Analytics 360 会话。
• 列。 GA 4 和 Universal Analytics 之间的字段名称有很大不同。 您可以通过以下链接进行比较：
  • Google Analytics 4 BigQuery 导出架构
  • Universal Analytics BigQuery 导出架构

现在让我们了解本文的主要目的：提供有关如何将数据从 Google Analytics 4 导出到 BigQuery 的分步说明。

如果您需要的信息已经在 Google Analytics 4 中，您可以开始将其导出。 您可以将其导出到 BigQuery 沙盒的免费实例（适用沙盒限制）。

创建 APIs-Console 项目：

1. 登录到 Google API 控制台。
2. 创建新项目或选择现有项目。

1. 转到 API 表。
2. 转到Navigation菜单并单击APIs & Services ，然后选择Library 。

3. 在Google Cloud API中部分，选择BigQuery API 。
   
4. 在打开的页面上，单击启用。
5. 将服务帐号添加到您的 Cloud 项目。 确保firebase-measurement@system. gserviceaccount.com是项目成员并分配了编辑角色。

1. 登录到您的谷歌分析帐户。 该帐户应具有所有者访问您的 BigQuery 项目和编辑访问您正在使用的 Google Analytics 4 属性。
2. 转到“管理”选项卡，找到您需要链接到 BigQuery 的 Analytics媒体资源。
3. 在物业列，点击BigQuery 链接。

4. 单击链接。
   

5. 点击选择 BigQuery 项目以查看您有权访问的项目。 要创建新的 BigQuery 项目，请点击了解详情。
   

6. 选择您的项目并单击确认。
   

7. 选择一个位置。 （如果您的项目已有 Analytics 属性的数据集，则无法配置此选项。）
   

8. 单击下一步。
   
9. 选择要导出其信息的数据流。

如果您需要包含广告标识符，请选中包含移动应用程序流的广告标识符。

10. 设置频率：每天或流媒体（连续）导出（您也可以同时选择这两个选项）。
    

11. 最后，点击提交。
    

恭喜！ 您将在 24 小时内在 BigQuery 项目中看到您的 Google Analytics 4 信息。

现在，您拥有 BigQuery 中用户行为的所有原始数据。 但是，要进行营销分析，找到您的增长区域和薄弱环节，您需要将来自广告服务的成本数据、来自 CRM 系统、呼叫跟踪服务和移动应用程序（如果您使用的话）的数据添加到 GBQ。 接下来，将所有这些数据合并到一个数据集中，使数据为业务做好准备，以便营销人员可以轻松地基于 BigQuery 数据创建报告。

OWOX BI Pipeline是收集和处理所有营销数据的最佳解决方案之一。 它包括来自广告服务、CRM、呼叫跟踪服务和线下商店的数据到 BigQuery，以完成您的数据难题。

准备好所有必要的数据后，就可以让它为您工作了。 通常，这是分析师的任务，但使用OWOX BI 智能数据，任何人都可以轻松处理 BigQuery 数据。

BigQuery 经常让营销人员感到害怕，而且看起来很复杂，但无需担心：有一种解决方案可以帮助您轻松发现营销数据的所有潜力。 OWOX BI 可以将其安排在适合您业务的模型中，这样即使您根本不知道任何 SQL，也可以轻松构建报表。 只需使用简单的报告生成器或选择现成的模板，然后在您最喜欢的可视化工具中可视化结果。

您可以轻松地将 GA 4 信息导出到 BigQuery。 如果新结构适合您，您可以利用这种渐进式服务并将其添加到您的营销分析工具箱中。 借助 OWOX BI Pipeline，您可以在 BigQuery 中从您的网站、广告服务、CRM、线下商店和呼叫跟踪服务收集数据以完善您的数据。 借助 OWOX BI 智能数据，您可以通过构建报告、将多行和多表转换为可操作的见解以及改进决策来使这些数据为您服务。