¿Dónde se almacenan los datos históricos de Google Analytics?
Algunos usuarios exportan los informes de GA como archivos CSV, un método bastante repetitivo e ineficiente. Otros extraen datos de Google Analytics a Google Sheets y los guardan allí. Es una buena opción para cantidades relativamente medianas de datos (miles de filas).
Pero si tu analítica asciende a cientos de miles o incluso millones de registros, un almacén de datos, como BigQuery, debería ser la opción a considerar. Además, puedes conectar Google Analytics a BigQuery sin ningún tipo de codificación. Esto es lo que explicaremos en este artículo.
Cómo añadir Google Analytics a BigQuery
Básicamente, tienes las siguientes opciones para integrar GA con BQ:
- Conecta Google Analytics a BigQuery con Coupler.io ?
- Utiliza la integración nativa de BigQuery si eres usuario de Google Analytics 360 ?.
- Utiliza la integración nativa de BigQuery para tus propiedades de Google Analytics 4 ?.
- Integración de BigQuery basada en código utilizando la API de Google Analytics y Python (u otro lenguaje de programación) ?.
- Exportar manualmente informes de Google Analytics e importarlos manualmente a BigQuery ?.
A excepción del método manual, explicaremos cada método en detalle en la siguiente sección..
Datos de Google Analytics en BigQuery de forma programada
La actualización periódica de los datos de Google Analytics en BigQuery es una tarea que requiere mucho tiempo si se realiza manualmente. Aunque puede utilizar la API de Google Analytics para automatizar este proceso, requiere conocimientos de programación. Una mejor alternativa es utilizar Coupler.io para actualizar automáticamente los datos de Google Analytics a BigQuery en un horario sin ningún tipo de codificación.
El proceso es sencillo y sólo consta de 3 pasos.
Recopilar los datos de Google Analytics
Comienza haciendo clic en Proceed en el siguiente formulario. Esto creará un importador para transferir datos de Google Analytics a BigQuery.
Después de registrarte gratuitamente en Coupler.io, autoriza tu cuenta de Google Analytics y selecciona source settings – basic settings, report period, metrics, y dimensions.
Organizar y transformar datos
Antes de cargar los datos de Google Analytics en BigQuery, puedes organizarlos y transformarlos con las siguientes opciones:
- Gestionar tus columnas: oculta, cambia el nombre y reorganiza
- Añadir filtros y ordenar datos
- Crear nuevas columnas con fórmulas personalizadas
- Mezclar datos de otras fuentes
Una vez que tus datos estén listos, haz clic en Proceed.
Para guardar todos estos datos en Bigquery, es necesario conectar Bigquery a través de Coupler.io. Para ello, debes proporcionar un archivo de clave para tu proyecto BigQuery. Puedes seguir las instrucciones de la guía para obtener la clave.
Ahora especifica el nombre del conjunto de datos y la tabla donde deseas guardar los datos de Google Analytics en BigQuery.
Activa el Autodetect table schema para estructurar tus datos correctamente durante la importación a Bigquery..
Programación de actualizaciones de datos para la integración de Google Analytics en BigQuery
Por último, activa la actualización automática de datos. Especifica el intervalo y los días de la semana para programar las exportaciones de datos según sea necesario. Coupler.io puede actualizar los datos con una frecuencia de hasta 15 minutos. Esto asegurará que siempre tengas datos de Google Analytics en tiempo real y listos para el análisis en BigQuery.
Una vez que hagas clic en Run Importer tus datos se importan con éxito a BigQuery. Para ver los datos en BigQuery, haz clic en View Results.
Este es un ejemplo de datos de Google Analytics exportados a BigQuery.
El uso de una herramienta de terceros como Coupler.io es hasta ahora la mejor manera de transferir datos de Google Analytics (GA4) a BigQuery. Los profesionales del marketing siempre pueden disponer de datos en tiempo real y listos para el análisis. También se pueden añadir datos de otras fuentes como Google Search Console, Google Ads y otras plataformas de PPC para comparar el rendimiento de diferentes canales.
Exportación de Google Analytics BigQuery para GA4 y GA360
A partir del 1 de julio de 2023, Universal analytics o Google Analytics 3 property dejará de estar disponible. En esta guía, explicamos las formas de exportar datos desde la propiedad GA3. Sin embargo, si necesitas exportar datos de GA4, consulta nuestras publicaciones de blog dedicadas de GA4 a BigQuery.
Anteriormente, la vinculación nativa con BigQuery era un privilegio exclusivo de los usuarios de GA360. Pero ahora, esta función está disponible para los usuarios habituales de Google Analytics, que pueden integrar sus propiedades de GA 4 con BigQuery. Para configurar un enlace de BigQuery, deberás completar los siguientes pasos:
- Selecciona un proyecto en Google Cloud Platform y habilita la API BigQuery (si creas un nuevo proyecto, la API BigQuery se habilitará automáticamente).
- Conecta la propiedad Google Analytics 4 a BigQuery.
Crear un proyecto BigQuery
Esta sección está completamente cubierta en nuestro Tutorial de BigQuery, así que échale un vistazo si lo necesitas.
Nota: Antes de configurar la vinculación, asegúrate de que la dirección de correo electrónico utilizada para iniciar sesión en Google Analytics tiene permiso de Edit para la propiedad Analytics y acceso de Owner al proyecto BigQuery.
Habilitar la API de BigQuery para extraer datos de Google Analytics en BigQuery
Si tienes un proyecto existente sin la API BigQuery habilitado, así es cómo puedes hacerlo:
En Google Cloud Console, ve al selector de proyectos.
Selecciona tu proyecto, ve Dashboard del menú APIs & Services , y haz clic en “Enable APIs and Services“.
Introduce “BigQuery” en la barra de búsqueda y selecciona la API BigQuery.
En la página siguiente, haz clic en “Enable” para activar la API.
Conectar la propiedad de Google Analytics 4 a BigQuery
- Ve a Admin => elige la Property GA 4 => haz clic en “BigQuery Linking”.
- Haz clic en el botón “Link”.
- Elige un proyecto BigQuery (puedes elegir el proyecto al que tengas acceso).
- Selecciona una región de Google Cloud para tus datos cuando configures una exportación. Haz clic en “Next”.
- Selecciona los flujos de datos y la frecuencia de las exportaciones:
- Daily – una vez al día
- Streaming – a los pocos minutos de la llegada del evento
Haz clic en “Next”.
- Revisa tu configuración y haz clic en “Submit”.
¡Enhorabuena! Tu enlace BigQuery está creado.
Ahora tus datos de Google Analytics se exportarán a BigQuery según la frecuencia seleccionada.
Google Analytics es la base de Firebase Analytics, que también puedes exportar a BigQuery. Lee cómo hacerlo en Firebase to BigQuery.
Exportación de Google 360 Analytics a BigQuery
Google Analytics 360 (versión premium) también ofrece una integración nativa con BigQuery. El flujo para vincular Google Analytics 360 a BigQuery es el mismo que para GA4:
- Selecciona/crea un proyecto en Google Cloud Platform y, a continuación, activa la API BigQuery.
- Vincula una vista de Google Analytics a BigQuery.
Por supuesto, los usuarios que pagan por GA 360 están interesados en las funciones adicionales disponibles en lugar de simplemente vincular Google Analytics con BigQuery. Por ejemplo, si utilizas Google Analytics 360, puedes exportar los ID de sesión dentro de los datos del flujo de clics.
¿Deberías exportar datos de Google Analytics a BigQuery utilizando Python?
La mayoría de las entradas de nuestro blog, excepto Python to Google Sheets, tienen en mente el enfoque sin código. Esto significa que explicamos cómo se pueden hacer las cosas utilizando herramientas y soluciones sin código.
Desde nuestra perspectiva, las soluciones descritas anteriormente son bastante eficientes a la hora de realizar el trabajo: exportar GA a BigQuery. Por lo tanto, puedes evitar el enfoque de programación para esto. Sin embargo, el uso de Python puede ser mucho más eficiente en términos de dependencia. Por otro lado, tendrás que dedicar tiempo a aprender el lenguaje, su sintaxis y lógica para entregar un código procesable.
¿Cuánto costará la integración de Google Analytics BigQuery?
En primer lugar, debes conocer los costes de almacenamiento y consulta de datos en BigQuery. Los costes varían en función de la región. Por ejemplo, aquí están los precios actuales de almacenamiento (en el momento de este artículo) para los EE.UU. (nosotros):
La exportación de GA4 a BigQuery es gratuita para los límites de uso del sandbox de BigQuery: 10 GB de almacenamiento activo y 1 TB de datos de consulta procesados al mes. Para superar los límites del sandbox, tendrás que habilitar la facturación para tu proyecto.
La vinculación de BigQuery está incluida en Google Analytics 360, cuyo costo comienza en $150,000/año. ? ¡Sí, es así de caro!
Como alternativa, puedes utilizar soluciones automatizadas asequibles como Coupler.io para integrar Google Analytics y BigQuery.
¿Por qué utilizar un conector BigQuery de Google Analytics?
Después de explorar diferentes métodos para exportar datos de Google Analytics a BigQuery, sabes que cada método tiene sus ventajas y desventajas. Sin embargo, un conector Google Analytics BigQuery de Coupler.io destaca por su capacidad para automatizar la transferencia de datos en un horario sin ningún tipo de codificación.
Con más de 50 integraciones de Bigquery compatibles con esta herramienta de automatización de informes, es una solución perfecta para el análisis de bucle cerrado de sus actividades de marketing. Te permite crear un bucle de retroalimentación detallado mediante la integración de datos de las principales plataformas como Google Analytics, Google Search Console, Google Ads y otras en BigQuery.
Puedes aprovechar las capacidades de procesamiento de datos de BigQuery para realizar análisis complejos de estos datos integrados. Por ejemplo, el seguimiento del recorrido de un cliente desde el clic inicial en un anuncio (registrado en Google Ads), pasando por la interacción en el sitio web (rastreada en Google Analytics), hasta la compra final (tal vez registrada en un sistema CRM). A partir de la información obtenida, se pueden elaborar estrategias para mejorar la experiencia del usuario, optimizar las campañas de marketing y aumentar las tasas de conversión.
