Google Analytics 360 und BigQuery als Datenverwaltungsplattform verwenden

Mit einer Datenverwaltungsplattform (DVP) lassen sich Nutzerdaten aus verschiedenen Quellen zusammenführen, um Zielgruppen zu erstellen und zu analysieren. Eine Kombination aus Google Analytics 360 und BigQuery kann in begrenztem Maße als DVP dienen, solange bestimmte Voraussetzungen erfüllt sind.

Übersicht

Mit Google Analytics 360 können Nutzer- und Contentdaten erhoben und dann in BigQuery exportiert werden. Die Verknüpfung zwischen Google Analytics und BigQuery funktioniert nur in eine Richtung: Daten aus Google Analytics exportieren und in BigQuery importieren. Umgekehrt können Daten aus BigQuery nicht automatisch exportiert und in Google Analytics importiert werden.

Wenn Sie Google Analytics-Daten in BigQuery mit Datensätzen zusammenführen möchten, die nicht aus Analytics stammen, muss ein gemeinsamer Schlüssel verwendet werden. Ebenso muss für die kombinierten Daten in BigQuery und die Daten in der Google Analytics-Benutzeroberfläche ein gemeinsamer Schlüssel vorhanden sein.

Gemeinsamen Schlüssel erstellen

Wie Sie einen gemeinsamen Schlüssel für Google Analytics-Daten und andere Datenquellen erstellen, hängt von den jeweiligen Datenquellen ab. Oft muss der gemeinsame Schlüssel unabhängig von der Datenquelle zum Zeitpunkt der Datenerfassung erstellt oder berücksichtigt werden. Häufig ist es außerdem erforderlich, diese Daten für ein Ereignis oder einen Seitenaufruf zu erfassen. Nur so können später Zielgruppenschlüssel oder Datenerweiterungswerte in Google Analytics importiert werden.

Beispielschlüssel: User ID

Ein typischer Anwendungsfall ist die Erfassung von User ID-Werten als benutzerdefinierte Dimension. Anschließend kann dieser Wert als gemeinsamer Schlüssel für Google Analytics-Daten und CRM-Daten (Customer-Relationship-Management) verwendet werden. Eine benutzerdefinierte Dimension ist deshalb erforderlich, weil Remarketing-Zielgruppen in Google Analytics-Datenansichten mit aktivierter User ID derzeit nicht mit Werbeplattformen verknüpft werden können. Durch das Erfassen der User-ID in Standarddatenansichten lassen sich die Daten den User-ID-Werten zuordnen und Remarketing-Zielgruppen mit Werbeplattformen weiterhin verwenden.

1. Erstellen Sie auf Nutzerebene eine benutzerdefinierte Dimension für eine User-ID.
2. Sobald sich ein Nutzer in der Website oder App anmeldet, erfassen Sie den User-ID-Wert und senden ihn mindestens einmal als benutzerdefinierten Dimensionswert.
3. Der User ID-Wert sollte mit dem Wert übereinstimmen, der den Nutzer im CRM kennzeichnet.

Beispielschlüssel: Client-ID

Falls für eine Website oder App kein User-ID-Wert vorhanden ist, kann die von Google Analytics automatisch erstellte Client-ID als gemeinsamer Schlüssel verwendet werden. 

1. Erstellen Sie auf Nutzerebene eine benutzerdefinierte Dimension für eine Client-ID.
2. Sobald ein Nutzer die Website oder App besucht, erfassen Sie die Client-ID als benutzerdefinierten Dimensionswert.
3. Falls aufgrund einer Interaktion – zum Beispiel beim Anmelden für einen Newsletter oder Angeben von Lead-Informationen – ein Nutzerprofil erstellt wird, sollte auch der Client-ID-Wert erfasst und zusammen mit den Nutzerdaten außerhalb von Google Analytics gespeichert werden.

Google Analytics-Daten für BigQuery exportieren

Wir empfehlen, beim Exportieren von Daten in BigQuery anstelle der User ID-Datenansicht die Masterdatenansicht zu verwenden. Dadurch können Sie in BigQuery mit dem umfassendsten Datensatz arbeiten. Wenn Sie die User ID- bzw. Client-ID-Werte als benutzerdefinierte Dimensionen erfassen, sollten Sie in der Lage sein, Back-End-Datensätze in BigQuery zu importieren und mit Google Analytics-Daten zusammenzuführen.

Fundierte SQL-Kenntnisse und ein ausgeprägtes Verständnis, wie Google Analytics und BigQuery Export zusammen funktionieren, sind erforderlich, um Datensätze korrekt zu verknüpfen.

Bei Bedarf können Google Analytics-Daten auch aus BigQuery exportiert und an anderer Stelle zusammengeführt und analysiert werden. Google Analytics-Daten können nicht direkt in Data Warehouses von Drittanbietern exportiert werden, so wie dies für BigQuery möglich ist. Sobald sich die Daten aber in BigQuery befinden, lassen sie sich auch an andere Speicherorte exportieren.

Daten in Google Analytics importieren

Es gibt zwei unterschiedliche Methoden, um zusammengeführte Daten in Google Analytics zu importieren. Sie können entweder die traditionelle Dimensionserweiterung nutzen oder eine Zielgruppen-ID importieren.

Traditionelle Dimensionserweiterung

Dazu müssen alle folgenden Voraussetzungen erfüllt sein:

1. Es werden keine personenbezogenen Daten importiert.
2. Die Zahl der zu importierenden Dimensionen und Messwerte ist nicht übermäßig hoch.
3. Die importierten Dimensionen und Messwerte werden sich voraussichtlich nicht ändern oder erhöhen.

Unter diesen Voraussetzungen können Sie den Datenimportmodus „Abfragezeit“ verwenden, um einen benutzerdefinierten Datensatz hochzuladen, bei dem entweder die benutzerdefinierte Dimension „Client-ID“ oder „User-ID“ als Schlüssel verwendet wird.

Datenimport über Zielgruppen-ID

Falls nicht alle Voraussetzungen für die traditionelle Dimensionserweiterung erfüllt sind, ist es auch möglich, eine Zielgruppen-ID zu erstellen. Gehen Sie wie folgt vor, um eine Zielgruppen-ID für verschiedene Zielgruppen zu importieren:

1. Erstellen Sie mindestens drei benutzerdefinierte Dimensionen: User-ID, Client-ID und Zielgruppen-ID.
   1. Alle drei sollten auf Nutzerebene festgelegt werden.
2. Exportieren Sie Daten in BigQuery.
3. Analysieren Sie die Zielgruppen in BigQuery.
4. Erstellen Sie eine Liste mit Client- oder User IDs, die zu Nutzern in einer für Sie interessanten Zielgruppe gehören.
5. Verknüpfen Sie eine Zielgruppen-ID mit diesen Client- bzw. User IDs.
6. Zielgruppen-IDs dürfen keine personenbezogenen Daten enthalten.
7. Jede Zielgruppen-ID muss eine bestimmte Zielgruppe eindeutig kennzeichnen.
8. Wenn ein Nutzer zu mehreren Zielgruppen gehört, können die einzelnen IDs durch ein Zeichen wie einen Binde- oder Unterstrich getrennt werden.

Führen Sie einen benutzerdefinierten Datenimport des Modus "Abfragezeit" aus, bei dem Daten basierend auf den benutzerdefinierten Dimensionen "Client-ID" oder "User ID" zusammengeführt und Zielgruppen-ID-Werte importiert werden.

Generieren Sie eine CSV-Datei, die entweder die User-ID- oder Client-ID- sowie die Zielgruppen-ID-Werte enthält.

Erstellen Sie ein Programm, mit dem CSV-Dateien automatisch über die Management API hochgeladen werden.

Hinweis: Sobald eine neue Datenimportdatei für einen Datensatz hochgeladen wird, wird die alte Datei überschrieben.

Remarketing-Zielgruppen erstellen

Bei Datenimporten mit traditioneller Dimensionserweiterung können Remarketing-Zielgruppen basierend auf den importierten Werten erstellt werden. 

Bei Datenimporten per Zielgruppen-ID lassen sich Remarketing-Zielgruppen auf der Grundlage der Zielgruppen-ID-Werte erstellen.

Bei Zielen im Displaynetzwerk (z. B. GDN, Display & Video 360 und Google Ad Manager) sowie bei Google Optimize versucht Google Analytics, die Nutzer der letzten zehn Tage anhand der neu hochgeladenen Definitionen rückwirkend der Zielgruppenliste hinzuzufügen. Es kann aber einige Zeit dauern, bis die Zielgruppenlisten vollständig ausgefüllt sind, wenn Nutzer die Website oder App mehrfach aufrufen.

Anschließend können Remarketing-Zielgruppen mit Google Ads oder Display & Video 360 verwendet werden.

Beschränkungen

• Wenn Display & Video 360 und Campaign Manager 360 mit Google Analytics verknüpft sind, werden die in der Analytics-Benutzeroberfläche verfügbaren Daten dieser Plattformen nicht zusammen mit den Google Analytics-Daten in BigQuery exportiert. In BigQuery können stattdessen Datenübertragungsdateien für die Google Marketing Platform verwendet werden.
• Remarketing-Zielgruppen können nur mit Display & Video 360 und Google Ads geteilt werden.
• Wenn Sie Daten automatisch in Google Analytics importieren möchten, muss eine benutzerdefinierte Lösung dafür entwickelt werden.