Slik bruker du GA 360 og BigQuery som en plattform for dataadministrering

Ved hjelp plattformer for dataadministrering (DMP-er) kan brukerne kombinere brukerdata fra ulike kilder for å opprette og analysere målgrupper. En kombinasjon av Google Analytics 360 og Big BigQuery kan fungere som en begrenset, lignende DMP så lenge visse krav er oppfylt.

Oversikt

Google Analytics 360 legger til rette for innsamling av bruker- og innholdsdata, som deretter kan eksporteres til BigQuery. Integreringen mellom Google Analytics og BigQuery er en enveisforbindelse der data eksporteres fra Google Analytics til BigQuery. Data fra BigQuery kan ikke eksporteres automatisk til Google Analytics.

For at du skal kunne slå sammen Google Analytics-data med datasett fra andre steder enn GA i BigQuery, må det finnes en fellesnøkkel mellom Google Analytics-datasettene og datasettene som ikke kommer fra Google Analytics. Det må også finnes en fellesnøkkel mellom de sammenslåtte dataene i BigQuery og dataene som finnes i Google Analytics-grensesnittet.

Slik oppretter du en fellesnøkkel

Prosessen for å lage en fellesnøkkel mellom Google Analytics-data og andre datakilder varierer ut i fra de aktuelle datakildene. Det kreves ofte at du oppretter eller henter fellesnøkkelen når datainnsamlingen skjer, uavhengig av de aktuelle datakildene. Det kreves ofte at disse dataene samles inn når en hendelse eller sidevisning forekommer. Formålet med dette er at målgruppenøkler eller verdier for datautvidelse skal kunne importeres til Google Analytics på et senere tidspunkt.

Eksempelnøkkel: User ID

Et vanlig bruksmønster for dette er å samle inn User ID-verdier som en egendefinert dimensjon, og deretter bruke User ID-verdien som en fellesnøkkel for Google Analytics- og CRM-dataene. En egendefinert dimensjon kreves fordi remarketingmålgrupper for øyeblikket ikke kan knyttes til annonseplattformer i Google Analytics-rapporteringsvisninger med User ID aktivert. Ved å samle inn bruker-ID-er i standard rapporteringsvisninger kan data knyttes til bruker-ID-verdier, og remarketingmålgrupper kan fortsatt brukes sammen med annonseplattformer.

1. Opprett en egendefinert dimensjon for bruker-ID med et brukerbasert omfang.
2. Når en bruker logger på nettstedet eller appen, samler du inn bruker-ID-verdien og sender den minst én gang som en egendefinert dimensjonsverdi.
3. User ID-verdien skal være identisk med verdien som identifiserer brukeren i CRM.

Eksempelnøkkel: klient-ID

Hvis det ikke finnes noen bruker-ID-verdi for et nettsted eller en app, kan klient-ID-en som opprettes automatisk av Google Analytics, brukes som fellesnøkkel. 

1. Opprett en egendefinert dimensjon for klient-ID med et brukerbasert omfang.
2. Når en bruker besøker nettstedet eller appen, skal klient-ID-en samles inn som en egendefinert dimensjonsverdi.
3. Hvis en brukerprofil ble opprettet på grunn av en slags brukerinteraksjon (innsending av en e-post til et nyhetsbrev, innsending av informasjon om et potensielt salg osv.), må klient-ID-verdien også samles inn og lagres sammen med brukerinformasjonen utenfor Google Analytics.

Slik eksporterer du Google Analytics-data til BigQuery

Når du eksporterer data til BigQuery, bør den viktigste datavisningen brukes snarere enn «User ID»-visning. Slik sikrer du at det mest generelle datasettet som kan brukes, finnes i BigQuery. Ved å samle inn verdiene for User ID og/eller Client-ID som egendefinerte dimensjoner, skal det normalt være mulig å importere datasett fra tjenerdelen til BigQuery og slå dem sammen med Google Analytics-data.

Det er nødvendig med en god forståelse av SQL og BigQuery Export-skjemaet i Google Analytics for å kunne slå sammen ulike datasett på riktig måte.

Om nødvendig kan Google Analytics-data eksporteres ut av BigQuery, og sammenslåing og analyse kan utføres et annet sted. Google Analytics-data kan ikke eksporteres direkte til tredjeparters datalagre på samme måte som de eksporteres til BigQuery, men når de først befinner seg i BigQuery, kan dataene eksporteres til andre steder.

Slik importerer du data til Google Analytics

Det er to fundamentalt forskjellige tilnærminger for å importere de sammenslåtte dataene til Google Analytics. Disse metodene kan beskrives som henholdsvis «den tradisjonelle tilnærmingen med dimensjonsutvidelse» og «import av en målgruppe-ID».

Tradisjonell dimensjonsutvidelse

For at du skal kunne bruke metoden med dimensjonsutvidelse, må følgende betingelser være innfridd:

1. Personlig identifiserende informasjon (PII) importeres ikke.
2. Det er ikke et altfor stort antall dimensjoner og verdier som må importeres.
3. Importerte dimensjoner og verdier forventes ikke å endres eller øke i antall over tid.

Hvis disse betingelsene er innfridd, skal du kunne bruke funksjonen for importering av data på søketidspunktet for å laste opp et egendefinert datasett med egendefinerte dimensjoner for enten klient-ID eller bruker-ID som nøkler.

Dataimportering av målgruppe-ID

Hvis noen av betingelsene for tradisjonell dimensjonsutvidelse ikke er innfridd, er det en mulig å bruke en alternativ tilnærming som innebærer å opprette en målgruppe-ID. Trinnene nedenfor må utføres for å importere målgruppe-ID-er for ulike målgrupper.

1. Opprett minst tre egendefinerte dimensjoner: bruker-ID, klient-ID og målgruppe-ID.
   1. Alle de tre egendefinerte dimensjonene må ha et brukerbasert omfang.
2. Eksportér data til BigQuery.
3. Analysér målgrupper i BigQuery.
4. Generer en liste over Client-ID-er eller User ID-er som er knyttet til brukere i et interessemålgruppe.
5. Knytt en målgruppe-ID til de aktuelle Client-ID-ene eller User ID-ene.
6. En målgruppe-ID skal ikke inneholde PII.
7. Hver enkelt målgruppe-ID skal være unik for en bestemt interessemålgruppe.
8. Hvis en bruker er med i flere målgrupper, bør et tegn (f.eks. en tankestrek eller understrek) brukes for å skille hver enkelt ID.

Opprett en egendefinert importering av data på søketidspunktet som slås sammen basert på enten egendefinerte dimensjoner for Client-ID eller User ID, og importerer verdiene for målgruppe-ID.

Generer en CSV-fil som inneholder enten bruker-ID- eller klient-ID-verdiene og målgruppe-ID-verdiene.

Opprett et program som automatisk laster opp CSV-filer ved hjelp av Management API.

Merk: Hver gang en ny dataimportfil lastes opp for et datasett, overstyres den gamle filen.

Slik oppretter du remarketingmålgrupper

For tradisjonell dataimportering ved hjelp av dimensjonsutvidelse kan remarketingmålgrupper opprettes på bakgrunn av de importerte verdiene. 

For dataimporteringer av målgruppe-ID kan remarketingmålgrupper opprettes basert på målgruppe-ID-verdiene.

For destinasjoner i Displaynettverket (GDN, Display & Video 360 og Google Ad Manager) og Google Optimize forsøker Google Analytics å tilbakestille brukerne fra de siste ti dagene basert på de nylig opplastede definisjonene, men det tar ofte tid før målgruppelistene fylles ut, etter hvert som brukerne vender tilbake til nettsiden eller appen.

Når du har opprettet remarketingmålgrupper, kan de brukes i Google Ads eller Display & Video 360.

Begrensninger

• Hvis Display & Video 360 og DoubleClick Campaign Manager 360 er knyttet sammen med Google Analytics, eksporteres ikke dataene for plattformene som kan vises i Google Analytics-grensesnittet, til BigQuery sammen med Google Analytics-dataene. Dataoverføringsfiler for Google Marketing Platform kan brukes i BigQuery.
• Remarketingmålgrupper kan bare deles med Display & Video 360 og Google Ads.
• For å importere informasjon automatisk til Google Analytics må du utvikle en egendefinert løsning.