Med BigQuery – et skydatalager – kan du kjøre raske søk i store datasett.
Du kan eksportere alle ubehandlede hendelser fra Google Analytics 4-områdene dine (deriblant underområder og sammendragsområder) til BigQuery. Deretter kan du søke i disse dataene med et SQL-lignende søkespråk. I BigQuery kan du velge å eksportere dataene til en ekstern lagringsenhet eller importere eksterne data for å slå dem sammen med 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.
Hver dag gjennomføres det en komplett dataeksportering. Data eksporteres dessuten kontinuerlig gjennom hele dagen (se Eksportering via strømming nedenfor).
Du kan eksportere data til en kostnadsfri forekomst av BigQuery (BigQuery-testmiljø), men det kan påløpe kostnader hvis eksporteringene overskrider grensen i testmiljøet.
Standardområder har en daglig BigQuery Export-grense på 1 million hendelser. Finn ut mer om andre BigQuery Export-grenser
Forskjeller mellom Google Analytics-grensesnittet og BigQuery Export
Med eksportering av BigQuery-hendelser får du tilgang til rådata på hendelses- og brukernivå, minus eventuelle ekstra verdier Google Analytics legger til i dataene som finnes i standardrapporter og utforskninger. Derfor stemmer ikke nødvendigvis dataene fra hendelseseksporteringen i BigQuery overens med dataene i Google Analytics-grensesnittet.
Du kan finne ut mer om forskjellene mellom dataene fra eksporteringen av BigQuery-hendelser og dataene i Google Analytics-grensesnittet – og utforske hvordan du kan utligne disse avvikene (der mulig) – ved å lese om hvordan du forebygger avvik mellom dataene i henholdsvis BigQuery Export og UI-et i Google Analytics.
Eksportering via strømming
Du kan velge alternativet for eksportering per strømming når du knytter Google Analytics 4-området ditt sammen med Big BigQuery.
Med eksportering per BigQuery-strømming blir data for dagens dato tilgjengelig innen et par minutter via BigQuery Export.
Når du bruker dette eksporteringsalternativet, har BigQuery ferskere informasjon om brukerne dine og den tilhørende trafikken i området ditt som du kan analysere.
Når data eksporteres via strømming, blir det opprettet én ny tabell for hver dag:
events_intraday_YYYYMMDD: Dette er en intern midlertidig tabell hvor all øktaktivitet som fant sted i løpet av dagen, er registrert. Ved eksportering via strømming kan det aldri garanteres at alle data overføres, for eksempel på grunn av behandling av nylige hendelser og/eller mislykkede opplastinger. Data eksporteres kontinuerlig gjennom hele dagen. Denne tabellen kan ha informasjon om en økt hvis denne økten omfatter flere eksporteringer. Tabellen slettes nårevents_YYYYMMDDer fullført.
Hvis du velger det daglige alternativet når du konfigurerer BigQuery Export, opprettes også tabellen nedenfor hver dag.
events_YYYYMMDD: Her har du den daglige og uttømmende eksporteringen av hendelser.
Du bør søke i events_YYYYMMDD i stedet for events_intraday_YYYYMMDD, slik at du søker i et stabilt datasett for dagen.
Du finner mer informasjon om events_YYYYMMDD og events_intraday_YYYYMMDD i skjemaet for BigQuery Export.
Eksportering per BigQuery-strømming omfatter ikke disse brukerattribusjonsdataene for nye brukere:
- traffic_source.name (rapporteringsdimensjon: Brukerkampanje)
- traffic_source.source (rapporteringsdimensjon: Brukerkilde)
- traffic_source.medium (rapporteringsdimensjon: Brukermedium)
Data om brukerattribusjon for eksisterende brukere er tatt med, men vi trenger omtrent et døgn til å behandle disse dataene. Vi fraråder deg derfor å stole på dataene fra eksporteringen via strømming og heller bruke dataene om brukerattribusjon fra den fullstendige daglige eksporteringen.
Det påløper ytterligere BigQuery-kostnader hvis du eksporterer data via strømming. Prisen er USD 0,05 per GB med data. 1 GB tilsvarer omtrent 600 000 Google Analytics-hendelser, men antallet varierer etter hendelsesstørrelsen. Finn ut mer om BigQuery-priser.
Tidsplanen for tabelloppdateringer
Oppdateringer av tabellene som opprettes som en del av BigQuery Export, skjer i tråd med tidssonen for Analytics-området du eksporterer data fra.
Tabeller som eksporteres via strømming (events_intraday_YYYYMMDD), blir oppdatert kontinuerlig i løpet av dagen (f.eks. fra kl. 24:00:00 til kl. 23:59:59 i tidssonen for området). Når en ny dag starter i tidssonen for området, skrives hendelser i en ny tabell med data fra den aktuelle dagens dato.
Tabeller som eksporteres daglig (events_YYYYMMDD), opprettes etter at Analytics har samlet inn alle hendelsene fra den aktuelle dagen. Analytics oppdaterer de daglige tabellene med hendelser som er tidsstemplet i tråd med datoen de aktuelle tabellene omfatter, i opptil 72 timer etter denne datoen. Hensikten med dette er for eksempel å ta høyde for forsinkede hendelsespakker fra Firebase SDK eller Measurement Protocol. Hvis tabelldatoen for eksempel er 20220101 (1. januar 2022), oppdaterer Analytics tabellen med hendelser som har tidsstempelet 20220101, ut 4. januar 2022 (20220104).
Analytics oppdaterer av og til de daglige tabellene når som helst etter fristen på 72 timer, under omstendigheter som krever at Analytics behandler historiske data på nytt (f.eks. en feilretting som korrigerer en behandlingsfeil).
Ping uten informasjonskapsler og data fra kunder
Når samtykkemodus er implementert, blir det brukt ping uten informasjonskapsler som er samlet inn av Analytics, i BigQuery Export, samt data fra kunder, for eksempel user_id og egendefinerte dimensjoner.
GA4 – Firebase-integrering og BigQuery
Hvis et GA4-område og et Firebase-prosjekt er integrert, kan de ikke knyttes sammen med separate BigQuery-prosjekter.
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. |
Relaterte ressurser
I utviklerveiledningen for BigQuery finner du mer informasjon om