Denne funksjonen er bare tilgjengelig i Analytics 360, som er en del av Google Marketing Platform. Finn ut mer om Google Marketing Platform. |
Med BigQuery – et skydatalager – kan du kjøre raske søk i store datasett.
Du kan eksportere økt- og treffdata fra en Google Analytics 360-konto til BigQuery, og så bruke et SQL-lignende søkespråk for å søke i alle Analytics-dataene dine.
Når du eksporterer data til BigQuery, eier du de aktuelle dataene, og du kan administrere tillatelser til prosjekter og datasett via tilgangskontrollistene i BigQuery.
Sammenlign BigQuery Export i Google Analytics 4 og Universal Analytics
Google Analytics 4 | Universal Analytics |
---|---|
Tilgjengelig for standard (kostnadsfritt) og 360 (betalt) Grense i standardområder: 1 million hendelser per dag Grense i 360-områder: flere milliarder hendelser per dag |
Tilgjengelig for 360 (betalt) |
Kostnad Kostnadsfri eksportering til BigQuery-testmiljøet innenfor testmiljøgrensene Det påløper belastninger for eksporterte data som overskrider grensene i testmiljøet, i tråd med kontraktsvilkårene |
Kostnad Kostnadsfri eksportering til BigQuery-testmiljøet innenfor testmiljøgrensene Det påløper belastninger for eksporterte data som overskrider grensene i testmiljøet, i tråd med kontraktsvilkårene |
Oppsett Kan inneholde bestemte datastrømmer og ekskludere bestemte hendelser for hvert område (gir deg kontroll over eksportvolumet og kostnadene) |
Oppsett Kan tilknytte 1 rapporteringsvisning per område (eksporterer alle dataene i den aktuelle rapporteringsvisningen) |
Eksportering via strømming USD 0,05 per GB (finn ut mer om BigQuery-priser) Tabellen ble opprettet: events_intraday_YYYYMMDD Tabellen slettes hver dag
Inkluderer ikke data om brukerkampanje, brukerkilde eller brukermedium for nye brukere |
Eksportering via strømming USD 0,05 per GB (finn ut mer om BigQuery-priser) Tabellen ble opprettet: ga_realtime_sessions_YYYYMMDD BigQuery-rapporteringsvisningen ble opprettet: ga_realtime_sessions_view_YYYYMMDD |
Daglig eksportering Tabellen ble opprettet: events_YYYYMMDD |
Daglig eksportering Tabellene ble opprettet: ga_sessions_intraday_YYYYMMDD
ga_sessions_YYYYMMDD
|
Eksportering, generell Etterfylling av data: ingen etterfylling Datasett: 1 datasett med navnet analytics_<område-ID> for hvert tilknyttet område Hvis du har implementert samtykkemodus, inkluderer eksporteringen
|
Eksportering, generell Etterfylling av data: etterfylling av 13 måneder med data eller 10 milliarder treff (alt etter hva som er minst) ved tilknytning (etterfylling av data til BigQuery-testmiljøet kan mislykkes) Datasett: 1 datasett som har det samme navnet som rapporteringsvisningen, for hver tilknyttet rapporteringsvisning |
Eksporteringsoppsett Hver rad i en BigQuery-tabell representerer en hendelse Hendelsesdata som er unike for Google Analytics 4 Selv om det finnes noen Google Analytics 4-felt som hovedsakelig er like som Universal Analytics-felt (f.eks. «device.category» og «device.deviceCategory»), er det flere forskjeller enn likheter mellom GA4-hendelsesdata og UA-treffdata. |
Eksporteringsoppsett Hver rad i en BigQuery-tabell representerer en økt Treffdata som er unike for Universal Analytics Selv om det finnes noen Universal Analytics-felt som hovedsakelig er like som Google Analytics 4-felt (f.eks. «device.category» og «device.deviceCategory»), er det flere forskjeller enn likheter mellom UA-treffdata og GA4-hendelsesdata. |
Fremgangsmåten videre
Beslektede ressurser
Gå til følgende veiledninger for å finne ut mer om:
- Google BigQuery
- Tilgangskontrollister for BigQuery
- BigQuery-syntaks
- Lag et BigQuery-anbefalingssystem
- BigQuery-designmønstre
Hvis du allerede har konfigurert BigQuery, kan du gjøre deg kjent med verktøyet ved å bruke eksempeldatasettet vårt.