Die 6 wichtigsten Vorteile der Verwendung von Google Analytics 4 und Google BigQuery Export

Einer der Hauptvorteile des neuen Google Analytics 4 ist die Möglichkeit, ungesampelte Rohdaten kostenlos nach Google BigQuery zu exportieren. Denken Sie daran, dass diese Option in Universal Analytics nur in der kostenpflichtigen Version (Google Analytics 360) verfügbar war. Sehen wir uns an, welche Möglichkeiten sich durch diese Änderung für die Mehrheit der Nutzer von Google Analytics (GA) ergeben haben.

Die Migration zu Google Analytics 4 ist ein unvermeidlicher Schritt, den die meisten Unternehmen in naher Zukunft unternehmen werden. OWOX hilft Ihnen, diesen Übergang so schmerzlos wie möglich zu gestalten. Wir helfen Ihnen bei der Entwicklung und Implementierung eines Metriksystems sowie bei der korrekten Einrichtung des Datentrackings. Sie können die benötigten Berichte speichern und neue erstellen, ohne die neue Datenstruktur verstehen und SQL-Abfragen neu schreiben zu müssen.

Durch die Integration von Google Analytics 4 mit Google BigQuery können Sie rohe, nicht abgetastete Daten von Ihrer Website im Cloud-Speicher sammeln, wo jeder Benutzer und seine Ereignisse in separaten Zeilen angezeigt werden. Mithilfe von SQL-Abfragen zu diesen Daten können Sie beliebige Parameter und Indikatoren berechnen, die Sie benötigen.

Durch das Sammeln von Website-Statistiken in Google BigQuery können Sie Stichproben und andere Einschränkungen von Google Analytics 4 vermeiden. Sie können vollständige Daten analysieren, was bedeutet, dass die Qualität der Entscheidungen, die auf der Grundlage dieser Daten getroffen werden, viel höher ist als die Qualität Ihrer Entscheidungen könnte basierend auf X gemacht haben.

Beispielsweise beträgt die standardmäßige Aufbewahrungsfrist für Benutzer- und Ereignisdaten in GA 4 zwei Monate. Sie können es in den Ressourceneinstellungen auf 14 Monate erhöhen. Dies reicht jedoch möglicherweise nicht aus, wenn Sie die Ereignisse von Benutzern analysieren möchten, die sich zuletzt vor mehr als 14 Monaten angemeldet haben. Das heißt, Sie können keinen Bericht für einen Zeitraum von zwei Jahren erstellen. Hier kann Google BigQuery helfen. Nachdem Sie Daten nach BigQuery exportiert haben, können Sie sie zeitlich unbegrenzt speichern.

Die Benutzeroberfläche von Google Analytics oder anderen Analysesystemen schränkt Ihre Möglichkeiten zur Erstellung von Berichten ein. Zum Beispiel gibt es Grenzen für die Anzahl der Parameter und Indikatoren sowie dafür, wie Sie sie kombinieren und Berechnungen auf ihrer Grundlage durchführen können. Außerdem gibt es in GA 4 keine Möglichkeit, Kostendaten zu importieren, benutzerdefinierte Kanalgruppierungen zu erstellen oder Metriken aus Drittanbieterquellen wie einem CRM in Ihre Berichte aufzunehmen.

Durch den Zugriff auf Rohdaten in Google BigQuery können Sie Berichte mit einer beliebigen Anzahl und Kombination von Metriken erstellen, die Sie benötigen. So können Sie beispielsweise Kohortenanalysen auf Basis aller für Ihr Unternehmen wichtigen Kennzahlen durchführen.

In Google Analytics 4 unterliegen Standardberichte keiner Stichprobe, aber Stichproben können in benutzerdefinierten Berichten verwendet werden: beim Vergleichen von Daten, beim Verwenden zusätzlicher Parameter und Filter, wenn die Grenze von 10 Millionen Ereignissen überschritten wird. Stichproben werden auch angewendet, wenn der Datumsbereich größer als 60 Tage ist.

Stichproben können Daten verfälschen, daher können Sie den Berichten, die mit Stichproben erstellt wurden, nicht zu 100 % vertrauen. Dies gilt insbesondere für Berichte über einen langen Zeitraum oder für benutzerdefinierte Berichte mit einer großen Anzahl von Parametern und Indikatoren. Durch das Hochladen von Rohdaten aus Google Analytics 4 in Google BigQuery können Sie dieses Problem vermeiden.

Rohdaten von Ihrer Website können mit Daten zu Werbeausgaben von Werbediensten, Anrufverfolgungsdaten, E-Mail-Newsletterdaten und Daten zu eingelösten Bestellungen aus Ihrem CRM zusammengeführt werden, um End-to-End-Analysen einzurichten.

Auf diese Weise können Sie alle Kontaktpunkte mit Ihrem Unternehmen berücksichtigen, die Konversionspfade der Benutzer analysieren, die Auswirkungen aller Marketingmaßnahmen (sowohl online als auch offline) auf die Geschäftsleistung bewerten, die effektivsten Marketingkanäle finden und schnell optimieren Kanäle, die Verluste bringen.

Sobald Sie alle Ihre Marketingdaten gesammelt und zusammengeführt haben, können Sie komplexe Verkaufstrichter erstellen, die zu Ihrer Unternehmensstruktur passen, und Ihre eigenen Attributionsmodelle erstellen, um den Beitrag jedes Werbekanals zum Umsatz zu bewerten.

Mit OWOX Funnel-Based Attribution können Sie beispielsweise den Beitrag von Kanälen zum Marketing-Funnel auswerten. Das trichterbasierte Attributionsmodell berechnet den Wert jedes Kanals und jeder Kampagne im Trichter gemäß ihrem Beitrag zum Fortschritt des Benutzers durch die Schritte des Trichters. Um diese Berechnung durchzuführen, sind aggregierte Daten nicht geeignet – wir benötigen Daten über jede Benutzeraktion, verknüpft mit der Benutzer-ID.

Je besser der Kanal den Käufer durch die schwierigsten Schritte führt, desto mehr Wert erhält er.

Mit dem trichterbasierten Attributionsmodell können Sie die effektivsten Kampagnen identifizieren und sich darauf konzentrieren, sie zu entwickeln, um Ihren Marketingplan zu erfüllen. Sie können beispielsweise verwaltete Kampagnen finden, die Sie entwickeln können, um die Elastizität abhängiger Kanäle mit begrenzter Kapazität (organisch, Markenkontext, CPA, Retargeting) zu erhöhen und dadurch Ihren Gesamtumsatz zu steigern.

Google Analytics 4 bietet prädiktive Metriken (Kaufwahrscheinlichkeit, Abwanderungswahrscheinlichkeit und Umsatzprognose), die mithilfe von maschinellem Lernen berechnet werden. Das Modell ist jedoch eine Blackbox und arbeitet ausschließlich mit GA 4-Daten.

Nehmen wir an, ein Datenanalyst wurde beauftragt, ein Modell zu erstellen, das die Wahrscheinlichkeit eines Kaufs vorhersagt. Es wird erwartet, dass dieses Modell so transparent wie möglich ist (es wird klar sein, mit welchen Funktionen es trainiert wird) und auf der Grundlage aller verfügbaren Daten, einschließlich benutzerdefinierter Daten, gebildet wird. In diesem Fall reicht die Google Analytics 4-Oberfläche für den Analysten nicht mehr aus, da er nicht weiß, was in der vorhergesagten Metrik enthalten ist, die GA berechnet. Wenn Sie das Modell verstehen und verwalten müssen – zum Beispiel eigene Funktionen zum Trainieren festlegen –, laden Sie Ihre Daten am besten in BigQuery hoch.

In Google Analytics 4 ist eine vordefinierte Standardkanalgruppierung verfügbar (Bezahlt, Suche, Organisch usw.). Das bedeutet, dass Sie in der GA 4-Oberfläche keinen Bericht mit Ihrer eigenen Kanalgruppierung erstellen können – zumindest noch nicht (vielleicht wird diese Option in Zukunft hinzugefügt).

Beispielsweise gehen Ihre Facebook-/CPC-Kampagnen standardmäßig in die Gruppe „Bezahlte Kanäle“, aber Sie müssen sie möglicherweise in eine Gruppe „Bezahlte soziale Medien“ aufteilen. In diesem Fall hilft es, Daten in BigQuery hochzuladen und Channels mit SQL zu gruppieren.

Um fair zu sein, kann die Kanalgruppierung einfacher konfiguriert werden:

1. Verbinden Sie Google Analytics-Daten über einen integrierten Connector mit Data Studio.
2. Richten Sie Gruppierungsbedingungen in Data Studio ein.

Es ist nicht so zuverlässig wie das Gruppieren von Kanälen in Google BigQuery, aber wenn Sie eine schnelle Lösung benötigen, können Sie diese Implementierung verwenden.

Angenommen, Sie müssen einem Partner Statistiken anzeigen, die nur auf einem UTM-Tag basieren, und keine anderen Informationen offenlegen. In der Google Analytics 4-Oberfläche können Sie dafür keine separate Ansicht erstellen. Es gibt nur eine einzige Ansicht der Ressource – das heißt, alle Partner sehen alle Daten.

Mit Google BigQuery können Sie große Datenmengen laden und mithilfe von SQL schnell verarbeiten. Sie können Berichte automatisieren und planen, damit sich Ihr Team darauf konzentrieren kann, Erkenntnisse zu gewinnen, anstatt Berichte zu erstellen.

Hinweis: Das Importieren von Daten aus Google Analytics 4 in BigQuery ist kostenlos, es gibt jedoch Einschränkungen, die Sie überschreiten müssen. Einzelheiten finden Sie hier.

Der Übergang zu Google Analytics 4 ist ein unvermeidlicher Schritt, den die meisten Unternehmen bis zum 1. Juli 2023 unternehmen werden. OWOX hilft dabei, diesen Übergang so einfach wie möglich zu gestalten, sodass Sie die benötigten Berichte behalten und neue erhalten können, ohne die neuen Daten verstehen zu müssen strukturieren und schreiben Sie alle Ihre SQL-Abfragen neu.

OWOX führt all Ihre Daten zusammen und bringt sie in die richtige Struktur für Ihr Geschäftsmodell. Dadurch können Sie sofort neue Berichte erstellen oder alte bearbeiten. Sie können die Datenquelle in Ihren Berichten beispielsweise auf Google Analytics 4 ändern, ohne Hunderte von SQL-Abfragen neu schreiben zu müssen.

Wir empfehlen allen unseren Kunden, parallel zu Universal Analytics bereits jetzt mit der Datenerfassung in Google Analytics 4 zu beginnen. Mithilfe des parallelen Trackings können Sie beide Versionen von Google Analytics vergleichen, neue Funktionen und die neue Benutzeroberfläche in GA 4 erkunden und historische Daten sammeln. Je früher Sie Google Analytics 4 installieren, desto mehr historische Daten werden Sie sammeln.

Das OWOX-Team kann Ihnen helfen, ein Metriksystem zu entwickeln und zu implementieren, paralleles Tracking korrekt einzurichten und Google Analytics 4 mit Google BigQuery zu integrieren.