BigQuery är ett molndatalager som gör det möjligt att utföra avancerade sökningar i stora dataset.
Du kan exportera rådata om alla händelser från Google Analytics 4-egendomar (inklusive underordnade egendomar och egendomar för samlad visning) till BigQuery och sedan analysera informationen med SQL-liknande syntax. I BigQuery kan du exportera data till extern lagring eller importera extern data för att kunna kombinera den med Analytics-data.
När du exporterar data till BigQuery äger du den och kan använda BigQuery ACL för att hantera behörigheter för projekt och dataset.
En fullständig export av data sker en gång om dagen. Data exporteras också kontinuerligt under dagen (se Löpande export nedan).
Du kan exportera till en kostnadsfri instans av BigQuery (BigQuery-sandlåda), men för exporter som gör att sandlådans gränser överskrids tas det ut en avgift.
Standardegendomar har en daglig gräns för BigQuery Export på en miljon händelser. Läs mer om andra gränser för BigQuery Export
Skillnader mellan Google Analytics-gränssnittet och BigQuery Export
BigQuery-händelseexporten ger åtkomst till rådata på händelse- och användarnivå, utan de eventuella tillägg som Google Analytics gör till den data som finns i standardrapporter och utforskningar. Av denna anledning kan data från export av BigQuery-händelser skilja sig från data i Google Analytics-gränssnittet.
För att förstå skillnaderna mellan BigQuery-händelseexporten och Google Analytics-gränssnittet och utforska hur du kan minska dessa skillnader när det är möjligt, kan du läsa Överbrygga klyftan mellan Google Analytics-gränssnittet och BigQuery Export.
Löpande export
Du kan välja alternativet för löpande export när du länkar din Google Analytics 4-egendom till BigQuery.
Med löpande BigQuery-export får du data om innevarande dag inom några minuter via BigQuery Export.
När du använder detta exportalternativ får BigQuery mer aktuell information om dina användare och deras trafik på din egendom som du kan analysera.
Med löpande export skapas en ny tabell varje dag:
events_intraday_ÅÅÅÅMMDD
: En intern provkörningstabell med sessionsposter som ägde rum under dagen. Streaming av exporter sker efter bästa förmåga och inkluderar eventuellt inte all data av orsaker som exempelvis bearbetning av sena händelser och/eller misslyckade uppladdningar. Data exporteras kontinuerligt under dagen. Den här tabellen kan innehålla poster om en session när sessionen sträcker sig över flera exporter. Tabellen raderas närevents_ÅÅÅÅMMDD
har slutförts.
Om du väljer det dagliga alternativet när du konfigurerar BigQuery Export skapas även följande tabell varje dag.
events_ÅÅÅÅMMDD
: den fullständiga dagliga exporten av händelser
Sök efter information i events_ÅÅÅÅMMDD
snarare än i events_intraday_ÅÅÅÅMMDD
så att du söker i ett stabilt dataset för den dagen.
Mer information om tabellerna events_ÅÅÅÅMMDD
och events_intraday_ÅÅÅÅMMDD
finns i BigQuery Export-schemat.
Den löpande BigQuery-exporten innehåller inte följande attributionsdata för nya användare:
- traffic_source.name (rapportdimension: Användarkampanj)
- traffic_source.source (rapportdimension: Användarkälla)
- traffic_source.medium (rapportdimension: Användarmedium)
Data om användarattribution för befintliga användare tas med, men informationen tar cirka 24 timmar att bearbeta helt. Vi rekommenderar därför att du inte förlitar dig på uppgifterna från den löpande exporten utan i stället hämtar användarattributionsdata från den fullständiga dagliga exporten.
Du drar på dig den extra BigQuery-kostnad på 0,05 dollar per gigabyte data för löpande exporter. En gigabyte motsvarar cirka 600 000 Google Analytics-händelser, även om siffran varierar beroende på händelsevolymen. Läs mer om BigQuery-priser.
Schema för tabelluppdateringar
Uppdateringar av tabeller som skapas som en del av BigQuery Export styrs av tidszonen för den Analytics-egendom från vilken data exporteras.
Tabeller för löpande export (events_intraday_ÅÅÅÅMMDD) uppdateras kontinuerligt under dagen (t.ex. från kl. 12.00 till 23.59.59 i egendomens tidszon). När en ny dag börjar i egendomens tidszon skrivs händelserna till en ny tabell för data under dagen.
Dagliga exporttabeller (events_ÅÅÅÅMMDD) skapas efter att Analytics har samlat in alla dagens händelser. Analytics uppdaterar dagliga tabeller i upp till 72 timmar efter datum i tabellen med händelser som tidsstämplas med datumet i tabellen, till exempel händelsepaket som kommer sent från Measurement Protocol eller Firebase-SDK:erna. Om datumet i tabellen till exempel är 20220101 uppdaterar Analytics tabellen till och med 20220104 med händelser som har tidsstämpeln 20220101.
Ibland kan Analytics uppdatera dagliga tabeller vid ett tillfälle efter 72-timmarsperioden om det föreligger omständigheter där Analytics måste bearbeta tidigare data (till exempel en felkorrigering som åtgärdar ett bearbetningsfel).
Pingar utan cookies och data som tillhandahålls av kunden
När samtyckesläge har implementerats visas pingar utan cookies som samlats in av Analytics i BigQuery-exporten, tillsammans med data som tillhandahålls av kunden, som user_id och anpassade dimensioner.
GA4 – Firebase-integrering och BigQuery
Om en GA4-egendom och ett Firebase-projekt är integrerade kan de inte länkas till separata BigQuery-projekt.
Jämför BigQuery Export i Google Analytics 4 och Universal Analytics
Google Analytics 4 | Universal Analytics |
---|---|
Tillgängligt för Standard (utan kostnad) och 360 (betald) Gräns i Standard: en miljon händelser per dag Gräns i 360: miljarder händelser per dag |
Tillgänglig för 360 (betald) |
Kostnad Gratis export till BigQuery-sandlåda inom sandlådans gränser Exporterad data som överskrider sandlådans gränser medför avgifter enligt avtalets villkor |
Kostnad Gratis export till BigQuery-sandlåda inom sandlådans gränser Exporterad data som överskrider sandlådans gränser medför avgifter enligt avtalets villkor |
Inställningar Kan omfatta specifika dataflöden och utesluta specifika händelser för varje egendom (du kan styra exportvolym och kostnad) |
Inställningar Kan länka en vy per egendom (exporterar all data till denna vy) |
Löpande export 0,05 USD per GB (läs mer om BigQuery-priser) Skapad tabell: events_intraday_YYYMMDD Tabellen raderas varje dag:
Omfattar inte data för Användarens kampanj, Användarens källa eller Användarens medium för nya användare |
Löpande export 0,05 USD per GB (läs mer om BigQuery-priser) Skapad tabell: ga_realtime_sessions_YYYYMMDD BigQuery-vy skapades: ga_realtime_sessions_view_YYYYMMDD |
Daglig export Skapad tabell: events_YYYYMMDD |
Daglig export Skapade tabeller ga_sessions_intraday_YYYYMMDD
ga_sessions_YYYYMMDD
|
Export, allmänt Återfyllning: ingen återfyllning Dataset: ett dataset med namnet analytics_<egendoms-id> för varje länkad egendom Om du har implementerat samtyckesläget inkluderar exporten följande:
|
Export, allmänt Återfyllning: 13 månaders dataåterfyllning eller tio miljarder träffar vid länkning, beroende på vilket som är minst (Återfyllning till BigQuery-sandlådan kan misslyckas) Dataset: för varje länkad vy visas ett dataset med samma namn |
Exportschema Varje rad i en BigQuery-tabell motsvarar en händelse Händelsedata som är unik för Google Analytics 4 Vissa av fälten i Google Analytics 4 är i princip identiska med fälten i Universal Analytics (t.ex. device.category och device.deviceCategory), men det finns ändå fler skillnader än likheter mellan händelsedata i GA4 och träffdata i UA |
Exportschema Varje rad i en BigQuery-tabell motsvarar en session Träffdata som är unik för Universal Analytics Vissa av fälten i Universal Analytics är i princip identiska med fälten i Google Analytics 4 (t.ex. device.deviceCategory och device.category), men det finns ändå fler skillnader än likheter mellan träffdata i UA och händelsedata i GA4. |
Relaterade resurser
I BigQuery-guiden för utvecklare hittar du mer information om