Cea mai recentă versiune de Google Analytics, numită Google Analytics 4, a venit cu beneficiul de a utiliza datele aproximativ în timp real în Google BigQuery. Datele sunt importate gratuit.
Google Cloud oferă servicii de stocare, procesare, management și securitate pentru date pe serverele Google. BigQuery este partea de data warehouse a acestuia, ocupându-se cu managementul bazelor de date și analiza rapidă a unei cantități mari de date.
Datele din Google Analytics 4 pot fi integrate nativ cu BigQuery. Acest lucru aduce mai multe beneficii, pe care le găsiți în continuarea articolului.
Date detaliate
În cadrul Google Analytics, avem posibilitatea să lucrăm cu date agregate. De exemplu, vedem datele la nivel de sesiune. Asta ne ajută să răspundem la multe întrebări de marketing, cum ar fi numărul total de sesiuni într-o anumită perioadă.
Interfața Google Analytics are anumite limitări, pentru a fi ușor de utilizat. Aceste limitări dispar atunci când avem datele în BigQuery. De exemplu, putem să vedem evenimentele realizate de un utilizator pe o perioadă mai lungă de timp. Motivul este că datele din Google BiqQuery sunt interogate la nivel de hit.
Interfața de Google Analytics ne arată, de multe ori, rapoarte sampled, adică o estimare, pentru că nu a luat toate datele în calcul. Acest sampling dispare atunci când sunt analizate datele din BigQuery.
De asemenea, datele pe care le vedem în Google Analytics păstrează User ID-ul fiecărui utilizator timp de maxim 14 luni, pentru un cont gratuit. Putem vedea date statistice pentru date din trecut, dar nu putem intra în detalii mai vechi de 14 luni prin rapoartele disponibile în analytics. Acest lucru este și el remediat atunci când folosim BigQuery, care nu limite pentru datele deja stocate.
Date din surse diferite
Unul dintre beneficiile aduse de Google BigQuery este acela că poate stoca date din surse diferite. Astfel, organizația poate păstra și utiliza împreună datele din CRM, din platforma de ecommerce, din sisteme diferite de advertising, pe lângă cele din analytics.
De exemplu, un analist poate să se uite la datele din ecommerce, din advertising, precum și la cele din Google Analytics, pentru a raporta din toate acestea sursele de trafic care aduc clienți recurenți, precum și costul de achiziție.
Exportul datelor din BigQuery
Am lucrat cu diverse organizații și fiecare dintre acestea avea propriile sisteme de raportare și analiză. BigQuery are propriul său API care poate exporta automat datele.
Chiar dacă folosiți Tableau, Qlik Sense, QlikView, Power BI, Looker, Data Studio sau alte sisteme de Business Intelligence sau raportare, acestea au conectori pentru datele din BigQuery. Oamenii din organizație pot folosi instrumente diferite de raportare și nu este nicio problemă, pentru că BigQuery se poate conecta la cele mai multe dintre acestea.
Partea urâtă din Google BigQuery
Complexitatea datelor are costul său. Pe lângă prețul plătit la BigQuery, organizația este nevoită să aibă persoane experimentate în SQL.
Datele sunt stocate brut, ceea ce e util în unele cazuri, de exemplu pot fi integrate în alte aplicații, cum ar fi BigQuery ML pentru predicții. Pe de altă parte, lucrul cu aceste date este complicat și este nevoie de persoane tehnice la nivel de seniori pentru a folosi aceste instrumente.
Sunt stocate multe date împreună și de cele mai multe ori trebuie să știi exact la ce trebuie să renunți ca să ajungi la un rezultat asemănător cu ce ai deja în Google Analytics.
Costul stocării datelor în Google BigQuery este unul mic. Un site de aproximativ 1 milion de utilizatori pe lună, poate costa pentru stocare în jur de 10 USD lunar. Dar la acest cost se adaugă și costul încărcării datelor. Datele din GA4 sunt stocate în câteva blocuri mari de date, adică vei încărca toate datele chiar dacă ai nevoie de un singur eveniment pentru raport. La fel se întâmplă și dacă ai nevoie de parametrul unui eveniment, iar BigQuery va încărca toate datele despre toți parametrii.
Costul cu BigQuery poate fi o problemă aici, însă costul cu pe care îl ai cu seniorii în SQL și / sau în Big Data care să lucreze cu aceste seturi de date reprezintă o problemă și mai mare.
Instalarea BigQuery pentru Google Analytics
În secțiunea Admin din Google Analytics 4, observăm că acest produs poate fi integrat cu alte produse de la Google, inclusiv BigQuery.
Totuși, integrarea începe din Google APIs Console. Dacă ești prima dată acolo, vei vedea un buton mare pentru creat un nou proiect.
După crearea unui proiect nou sau selectarea unuia deja existent, trebuie mers în meniul APIs & Services, iar de acolo trebuie aleasă opțiunea Library. În interfața Google Cloud APIs trebuie ales BigQuery API, care se activează cu un click pe Enable.
De-abia acum putem merge în Google Analytics 4, unde avem în meniul de Admin opțiunea de BigQuery Links. Aici vom face legătura dintre proiectul din Google Cloud și contul de analytics.
Frecvența datelor
Urmează să alegem câteva detalii pentru legătură, dar aceste lucruri pot fi editate și ulterior.
În Google Analytics, avem posibilitatea să alegem dacă datele vor fi importante în BigQuery o dată pe zi sau mai des (opțiunea Streaming). Varianta din urmă se plătește la Google BigQuery.
Este important de știut că datele vor fi păstrate în BigQuery timp de 60 de zile. La fel, acest interval poate fi mărit, dar și aici este nevoie de facturare și cont plătit la Google Cloud Platform. Dacă sunteți în acest caz, setarea se schimbă din proiectul de BigQuery, în meniul Explorer, iar de acolo se va modifica Number of days after table creation din 60 într-un număr nou sau chiar nelimitat.
Legarea automata a conturilor de Google Analytics 4 și de Google BigQuery va face ca datele să înceapă să fie transferate începând cu aceeași zi, deci nu și din trecut. Poate fi un argument important atunci când vă gândiți dacă să importați sau nu datele în BigQuery, împreună cu avantajele și dezavantajele scrise mai sus în acest articol.