[GA4] Jämförelse av rapporteringsplattformar

Rapporter, utforskningar, Google Analytics Data API och BigQuery Export visar data på lite olika sätt. Använd den här tabellen för att jämföra vilken data som är tillgänglig och ta reda på begränsningarna med varje metod.

Tabellen är bredare än sidan. Scrolla åt höger för att se hela tabellen.
Datatillgänglighet och begränsningar Rapporter, insikter och utforskningar Google Analytics Data API BigQuery
Åtkomstmetod Google Analytics-gränssnittet Valfritt tredjepartsprogram som kan komma åt Google Analytics-data för användarens räkning GCP Console eller valfritt rapporteringsprogram som kan söka i BigQuery-data
Dataomfattning

Samlad data eller data på händelse- och användarnivå.

För varje begäran väljer Google den tabell som ger de mest exakta resultaten med standardinställningarna för sampling.

Läs om hur Analytics lagrar och visar data

Samlad data eller data på händelse- och användarnivå.

För varje begäran väljer Google den tabell som ger de mest exakta resultaten med standardinställningarna för sampling.

Läs om hur Analytics lagrar och visar data

Data på händelse- och användarnivå (undantaget eventuella tillägg som Google Analytics gör till den data som finns i standardrapporter och utforskningar)

Hög kardinalitet1

Möjligt. När Google använder samlad data och en rapport eller utforskning visar fler rader än tabellens maxgräns kan det hända att raden (other) visas.

Möjligt. När Google använder samlad data och en rapport eller utforskning visar fler rader än tabellens maxgräns kan det hända att raden (other) visas.

Nej
Sampling2 Möjligt. När Google använder mer detaljerad data på händelse- och användarnivå och en rapport eller utforskning måste behandla fler händelser än vad som ryms i kvoten använder Analytics ett representativt urval av tillgänglig data. Möjligt. När Google använder mer detaljerad data på händelse- och användarnivå och en rapport eller utforskning måste behandla fler händelser än vad som ryms i kvoten använder Analytics ett representativt urval av tillgänglig data. Nej
Datadriven attribution3 Ja Ja Nej
Modellering av viktiga händelser4 Inkluderat Inkluderat Ingår inte
Beteendemodellering5

Ingår i rapportmodulen, inklusive realtidsrapporten

Ingår delvis i utforskningsmodulen (endast i sökvägstabeller, trattabeller, överlappningar mellan segment och tabeller med fritt format)

Inkluderat Ingår inte. BigQuery-data innehåller pingar utan cookies som samlas in av Google Analytics när samtyckesläget är aktiverat och varje session har olika user_pseudo_id. Modellering kan leda till skillnader mellan standardrapporter och detaljerad data i BigQuery, till exempel färre aktiva användare i rapporter än i BigQuery, eftersom modelleringsfunktionen försöker förutse flera sessioner från en enskild användare som nekade samtycke till cookies.
Begränsningar

150 anpassade rapporter per egendom

Du kan skapa 200 enskilda utforskningar per användare och egendom och upp till 500 delade utforskningar per egendom. Du kan importera upp till tio segment per utforskning.

Analytics-API:er omfattas av API-kvoter. Analytics 360-egendomar har högre maxgränser för datainsamling, rapportering, lagring och kvoter. Standardegendomar har en daglig exportgräns på en miljon händelser per dag. Analytics 360-egendomar tillåter nästan obegränsad export.
Fotnoter för tabell

1 Hög kardinalitet: Dimensioner med hög kardinalitet är dimensioner med fler än 500 unika värden per dag. Dimensioner med hög kardinalitet ökar antalet rader i en rapport eller utforskning, vilket gör det mer sannolikt att en rapport eller utforskning når radgränsen och att data samlas under raden (other). Läs mer om hög kardinalitet och raden (other)

2 Sampling: Datasampling används när antalet händelser som returneras av en utforskning överskrider maxgränsen för egendomstypen. På så sätt kan du ändå utforska data med hög detaljnivå genom att använda ett representativt urval av din data. Läs mer om sampling

3 Datadriven attribution: Med datadriven attribution tillskrivs värdet för den viktiga händelsen utifrån data om varje viktig händelse. Läs mer om datadriven attribution.

4 Modellering av viktiga händelser: Modellering av viktiga händelser möjliggör korrekt attribution utan att användare identifieras (exempelvis på grund av användarintegritet, tekniska begränsningar eller när användare flyttar mellan enheter). Läs mer om modellering för viktiga händelser.

5 Beteendemodellering: Beteendemodellering för samtyckesläge använder maskininlärning för att modellera beteendet hos användare som nekar till Analytics-cookies utifrån beteendet hos liknande användare som accepterar cookies. Läs mer om beteendemodellering

Var det här till hjälp?

Hur kan vi förbättra den?
Sök
Rensa sökning
Stäng sökrutan
Googles appar
Huvudmeny