Alle standard UA-ejendomme begyndte at blive udfaset den 1. juli 2023. Du kan få adgang til dataene fra din UA-ejendom via brugerfladen og API'en indtil 1. juli 2024.
Før du arkiverer
Der kan være åbenlyse forretningsmæssige årsager til at arkivere UA-data. Vi anbefaler dog, at du tager højde for følgende, inden du forsøger at arkivere så mange data som muligt i forbindelse med dine UA-ejendomme:
- Du behøver bestemt ikke at arkivere alle data på granuleret niveau.
- Datakravene afhænger af, hvordan din virksomhed træffer beslutninger.
- Den indsats, du lægger i dataarkivering og vedligeholdelse, bør være det afkast værd, som du får ud af de pågældende data.
Du kan opnå en god dækning af dine UA-datakrav ved først at angive alle interessenter, der er afhængige af data fra din UA-ejendom. Derefter skal du lave en liste over rapporter, som disse interessenter regelmæssigt får vist, og en liste over rapportinteressenter og virksomhedsledere til årlig eller kvartalsvis planlægning. Når du fastslår de påkrævede dimensioner, metrics, filtre og tidsrammen for hver af disse rapporter, får du en liste, der bør dække de fleste krav, som din virksomhed har fra tidligere UA-data.
Der er nogle begrænsninger for UA-dataarkivering, som du skal være opmærksom på:
- Hvis du bruger en UA-standardejendom, kan du ikke eksportere data på hitniveau til BigQuery.
- Det er ikke muligt at eksportere detaljerede data på hitniveau.
- Når det gælder samlede data, kan der ikke eksporteres alle kombinationer af metrics, dimensioner og tidsrum.
Sådan arkiverer du UA-data
En nem metode til arkivering af UA-data for mindre ejendomme er at oprette rapporten i brugerfladen og eksportere til Sheets eller CSV derfra. Dette kan kun gøres for rapporter med begrænsede data, da eksporten har en begrænsning på 5.000 rækker.
Vi anbefaler, at du arkiverer UA-data ved hjælp af Spreadsheet-tilføjelsen i Google Analytics. Installer først tilføjelsen. Kopiér derefter denne skabelonrapport, som vi har oprettet. Erstat "visnings-id'et" i række 3 med visnings-id'et for din ejendom, og opdater datointervallet. Bemærk, at tilføjelsen af meget store datointervaller kan medføre, at tilføjelsen mislykkes. Kør derefter rapporterne. Derved eksporteres data til de mest brugte rapporter fra GA-brugerfladen. Når rapporten er færdig med at køre, kan du sende forespørgsler direkte til disse data i BigQuery eller oprette kontrolpaneler ud fra dem ved hjælp af Looker Studio. Du skal gentage denne proces for alle visninger, hvis data du vil arkivere.
Hvis ingen af disse løsninger opfylder dine forretningsmæssige behov, foreslår vi, at du enten opretter din egen løsning ved hjælp af Google Analytics Reporting API v4 eller kontakter en af vores Google Marketing Platform Certified Partners for at få en tilpasset løsning.