¿Te preocupa perder tus datos históricos de Google Universal Analytics cuando desaparezca en julio de 2024?
¡No te preocupes! Gracias a Dataslayer puedes almacenar todos tus datos históricos de UA en un almacén de datos como BigQuery ¡y sin necesidad de conocer ningún lenguaje de programación!
¡Sigue nuestra guía paso a paso registrándote gratis aquí y disfruta de todas las ventajas de nuestro producto BigQuery!
A la hora de importar datos históricos de Google Universal Analytics a BigQuery, es importante tener en cuenta los casos de uso y análisis específicos que desea realizar. Estas son algunas recomendaciones generales de datos para almacenar en BigQuery:
- Datos a nivel de usuario: Esto incluye información sobre usuarios individuales, como sus datos demográficos, ubicación y comportamiento en tu sitio web. Estos datos se pueden utilizar para segmentar a los usuarios y comprender su comportamiento.
- Datos a nivel de sesión: Incluye información sobre sesiones individuales, como la fecha y hora, el número de páginas vistas, la duración de la sesión y la tasa de rebote. Estos datos pueden utilizarse para comprender cómo interactúan los usuarios con tu sitio web.
- Datos a nivel de visitas: Incluye información sobre visitas individuales, como visitas a páginas, eventos y transacciones de comercio electrónico. Estos datos se pueden utilizar para comprender el recorrido del usuario en tu sitio web y analizar el rendimiento de tus campañas de marketing.
- Dimensiones y métricas personalizadas: Se trata de campos definidos por el usuario que pueden utilizarse para recopilar datos adicionales sobre tus usuarios y su comportamiento. Estos datos se pueden utilizar para segmentar a los usuarios y analizar su comportamiento con más detalle.
- Datos de coste: Si estás realizando campañas de Google Ads y vinculando tus cuentas de GA y Ads, es importante importar datos de coste para poder analizar el rendimiento de tus campañas y el ROI.
También es importante considerar el volumen de datos que vas a almacenar en BigQuery, y los costes asociados al almacenamiento de esos datos en Google Cloud Console.
Vale, lo entiendo, pero ¿cómo puedo empezar a importar estos datos a BigQuery?
Empezar a importar datos históricos de Google Analytics a BigQuery utilizando Dataslayer es muy sencillo. Este es el proceso de importación:
.png?width=688&height=61&name=faqs%20(21).png)
- Inicia sesión en el sitio web de Dataslayer y ve al producto de BigQuery.
- Haz clic en Nueva transferencia y empieza a configurar la primera tabla que vas a importar.
La mejor opción aquí es tener tantas tablas como datos quieras almacenar en BigQuery. Es decir, vamos a configurar una transferencia para datos a nivel de usuario, otra para datos a nivel de sesión, etc. Puedes tener un número ilimitado de transferencias.
3. Como puedes ver, tienes el Origen a la izquierda de la pantalla y el Destino a la derecha. Inicia sesión en la fuente de datos de Google Analytics ya que este va a ser el Origen de los datos. Luego conéctate a tu cuenta de BigQuery, ya que va a ser el Destino.
4. Configura la extracción de datos en Dataslayer para extraer los datos que quieres importar, por ejemplo, los datos de un marco temporal específico, una vista específica o un conjunto específico de métricas y dimensiones.
Para evitar errores de incompatibilidad en tu transferencia, puedes consultar este artículo donde recomendamos diferentes opciones de transferencia compatibles. Estas tablas de métricas y dimensiones están optimizadas para mostrar diferentes categorías de datos y contienen todos los campos compatibles entre sí.
5. Una vez que hayas configurado la consulta, estarás listo para cargar tus datos históricos desde Google Analytics y subirlos a BigQuery. Una vez que hayas cargado los datos históricos, puedes configurar una frecuencia para extraer periódicamente los datos y actualizarlos en BigQuery.
Preparando la importación de 3 años de datos
Automatizando la importación diaria en BigQuery
.png?width=688&height=61&name=faqs%20(22).png)
Una vez cargados los datos en BigQuery, puedes ejecutar consultas SQL sobre ellos para realizar análisis avanzados, unirlos con otras fuentes de datos o crear visualizaciones.
También es importante tener en cuenta que los datos de Google Analytics se almacenan en BigQuery en un formato de anidamiento, lo que puede hacer que el proceso de consulta sea más complejo.
Vale... Pero ahora, ¿cómo pueden ser útiles estos datos cuando empiece a utilizar la nueva integración de Google Analytics 4?
La fusión de datos de Google Analytics 4 con los datos almacenados en BigQuery se puede hacer uniendo las tablas en un campo común, como el ID de cliente o el ID de usuario. Aquí tienes un posible proceso:
- Extraer los datos de Google Analytics 4 utilizando el producto Dataslayer para BigQuery para cargarlos en BigQuery.
- Una vez creada una tabla en BigQuery que contenga los datos de Google Analytics 4 con Dataslayer, asegúrate de que tiene un campo común con los datos existentes en BigQuery.
- Utiliza sentencias SQL JOIN para combinar los datos de Google Analytics 4 con los datos existentes en BigQuery. Esto se puede hacer uniendo las tablas en un campo común, como el ID de cliente o el ID de usuario.
- Una vez fusionados los datos, puedes utilizar consultas SQL para analizar los datos y crear visualizaciones.
Si estás utilizando Google Analytics 4 y Universal Analytics juntos, puedes utilizar el ID de cliente o el ID de usuario de GA4 como campo común para unir los datos.
También es importante tener en cuenta la estructura y el formato de los datos que se van a combinar, y limpiar y transformar los datos según sea necesario para garantizar que se puedan unir correctamente.
¿Aún tienes dudas sobre UA, GA4 o cómo almacenar sus datos en BigQuery? Ponte en contacto con nosotros a través del chat en vivo de nuestra página web o a través de email.