Använda Google Analytics 360 och BigQuery som datahanteringsplattform

Med datahanteringsplattformar (DMP) kan du kombinera användardata från olika källor för att skapa och analysera målgrupper. En kombination av Google Analytics 360 och BigQuery kan fungera som begränsad pseudo-DMP under förutsättning att vissa krav är uppfyllda.

Översikt

Med Google Analytics 360 kan du samla in användar- och innehållsdata som sedan kan exporteras till BigQuery. Integreringen mellan Google Analytics och BigQuery är en enkelriktad länk som exporterar data från Google Analytics till BigQuery. Data från BigQuery kan inte exporteras automatiskt till Google Analytics.

För att du ska kunna koppla Google Analytics-data till dataset från andra program i BigQuery måste det finnas en gemensam nyckel mellan dataseten från Google Analytics och det andra programmet. Det måste också finnas en gemensam nyckel mellan kopplad data i BigQuery och data i Google Analytics-gränssnittet.

Skapa en gemensam nyckel

Tillvägagångssättet för att skapa en gemensam nyckel mellan Google Analytics-data och andra datakällor skiljer sig åt beroende på datakällorna. Ofta måste den gemensamma nyckeln skapas eller registreras i samband med datainsamlingen oberoende av vilka datakällor som används. Ofta måste denna data registreras vid tillfället då en händelse eller sidvisning sker för att målgruppsnycklar eller datautökningsvärden senare ska kunna importeras till Google Analytics.

Exempelnyckel: Användar-id

Ett vanligt exempel på detta är när du samlar in användar-id-värden som en anpassad dimension och sedan använder detta värde som gemensam nyckel mellan Google Analytics- och CRM-data (Customer Relationship Management). Du måste använda en anpassad dimension eftersom remarketingmålgrupper för närvarande inte kan länkas till annonsplattformar i Google Analytics-vyer som tillåter användar id:n. Genom att samla in användar-id:n i standardvyer kan du koppla data till användar-id-värden, och remarketingmålgrupper kan fortfarande användas med annonsplattformar.

1. Skapa en användarspecifik anpassad dimension för användar-id
2. När en användare loggar in på din webbplats eller app registrerar du användar-id-värdet och skickar det minst en gång som ett anpassat dimensionsvärde.
3. Användar-id-värdet måste vara identiskt med det värde som identifierar användaren i CRM-systemet.

Exempelnyckel: Kund-id

Om det inte finns ett användar-id-värde för en webbplats eller app kan du använda det kund-id som Google Analytics skapar automatiskt som gemensam nyckel. 

1. Skapa en användarspecifik anpassad dimension för kund-id
2. När en användare besöker din webbplats eller app ska kund-id:t registreras som ett anpassat dimensionsvärde.
3. Om det skapas en användarprofil som ett resultat av en användarinteraktion (till exempel registrering för ett nyhetsbrev eller information om en potentiell kund) ska kund-id-värdet också samlas in och lagras tillsammans med användarinformationen utanför Google Analytics.

Exportera Google Analytics-data till BigQuery

När du exporterar data till BigQuery ska du använda huvuddatavyn i stället för användar id-vyn. Detta medför att det bredaste användbara datasetet inkluderas i BigQuery. Genom att samla in användar-id-värdena och/eller kund-id-värdena som anpassade dimensioner bör du kunna importera backend-dataset till BigQuery och koppla dem till Google Analytics-data.

Du behöver ha goda kunskaper i SQL och BigQuery Export-schemat för Google Analytics för att kunna koppla olika dataset korrekt.

Vid behov kan Google Analytics-data exporteras från BigQuery, och kopplingen och analysen kan ske någon annanstans. Google Analytics-data kan inte exporteras direkt till datalager från tredje part på samma sätt som den exporteras till BigQuery. När informationen väl finns i BigQuery kan den exporteras till andra platser.

Importera data i Google Analytics

Det finns två fundamentalt olika metoder för att importera kopplad data till Google Analytics: traditionell dimensionsutökning och import av ett målgrupps-id.

Traditionell dimensionsutökning

För att du ska kunna använda metoden med dimensionsutökning måste alla följande villkor vara uppfyllda:

1. Personligt identifierande information (PII) importeras inte.
2. Antalet dimensioner och mätvärden som behöver importeras är inte onödigt stort.
3. Importerade dimensioner och mätvärden förväntas inte ändras eller öka över tid.

Om dessa villkor är uppfyllda bör du kunna använda funktionen för dataimport vid söktillfället för att ladda upp ett anpassat dataset med den anpassade dimensionen för kund-id eller användar-id som nyckel.

Import av målgrupps-id-data

Om något av villkoren för traditionell dimensionsutökning inte är uppfyllt kan du i stället skapa ett målgrupps-id. Så här importerar du ett målgrupps-id för olika målgrupper:

1. Skapa minst tre anpassade dimensioner: användar-id, kund-id och målgrupps-id.
   1. Alla de tre anpassade dimensionerna ska vara användarspecifika.
2. Exportera data till BigQuery.
3. Analysera målgrupperna i BigQuery.
4. Skapa en lista över kund- eller användar-id:n som är kopplade till användare i den aktuella målgruppen.
5. Koppla ett målgrupps-id till dessa kund- eller användar-id:n.
   1. Målgrupps-id:n får inte innehålla PII.
   2. Varje målgrupps-id måste vara unikt för en specifik målgrupp.
   3. Om en användare ingår i flera målgrupper måste varje id avgränsas med ett tecken, till exempel bindestreck eller understreck.
6. Skapa en anpassad dataimport vid söktillfället som kopplas baserat på den anpassade dimensionen för kund-id eller användar-id och importerar målgrupps-id-värden.
7. Skapa en CSV-fil som innehåller antingen användar- eller kund-id-värdena och målgrupps-id-värdena.
8. Skapa ett program som automatiskt laddar upp -csv.-filer via hanterings-API:et

Obs! Varje gång en ny dataimportfil laddas upp för ett dataset åsidosätts den gamla filen.

Skapa remarketingmålgrupper

Vid dataimporter med traditionell dimensionsutökning kan du skapa remarketingmålgrupper baserat på de importerade värdena. 

För importer av målgrupps-id-data kan du skapa remarketingmålgrupper baserat på målgrupps-id-värdena.

För displaydestinationer (GDN, Display & Video 360, Google Ad Manager) och Google Optimize försöker Google Analytics fylla remarketinglistorna med användare från de senaste tio dagarna baserat på de senast uppladdade definitionerna. Det tar dock ofta tid innan listorna är kompletta när användarna besöker webbplatsen eller appen igen.

När du har skapat remarketingmålgrupper kan du använda dem med Google Ads eller Display & Video 360.

Begränsningar

• Om Display & Video 360 och Campaign Manager 360 är länkade till Google Analytics sker ingen export av data som är relaterad till dessa plattformar och som kan visas i Google Analytics-gränssnittet till BigQuery tillsammans med Google Analytics-data. Dataöverföringsfiler (DTF) för Google Marketing Platform kan användas i BigQuery.
• Remarketingmålgrupper kan endast delas med Display & Video 360 och Google Ads.
• Du måste skapa en anpassad lösning för att automatiskt importera information till Google Analytics.