I 6 principali vantaggi dell'utilizzo di Google Analytics 4 e Google BigQuery Export

Uno dei principali vantaggi del nuovo Google Analytics 4 è la possibilità di esportare gratuitamente dati grezzi non campionati su Google BigQuery. Ricordiamo che in Universal Analytics questa opzione era disponibile solo nella versione a pagamento (Google Analytics 360). Vediamo quali opportunità si sono aperte per la maggior parte degli utenti di Google Analytics (GA) con questa modifica.

La migrazione a Google Analytics 4 è un passaggio inevitabile che la maggior parte delle aziende farà nel prossimo futuro. OWOX ti aiuta a compiere questa transizione nel modo più indolore possibile. Ti aiuteremo a sviluppare e implementare un sistema di metriche, nonché a impostare correttamente il tracciamento dei dati. È possibile salvare i report necessari e crearne di nuovi senza dover comprendere la nuova struttura dei dati e riscrivere le query SQL.

Integrando Google Analytics 4 con Google BigQuery, puoi raccogliere dati grezzi e non campionati dal tuo sito Web nel cloud storage, dove ogni utente e i suoi eventi verranno visualizzati su righe separate. Usando le query SQL su questi dati, puoi calcolare tutti i parametri e gli indicatori di cui hai bisogno.

Raccogliendo le statistiche del sito in Google BigQuery, puoi evitare il campionamento e altre limitazioni di Google Analytics 4. Sarai in grado di analizzare dati completi, il che significa che la qualità delle decisioni prese sulla base di questi dati sarà molto superiore alla qualità delle decisioni che tu avrebbe potuto fare sulla base di X.

Ad esempio, il periodo di conservazione predefinito per i dati di utenti ed eventi in GA 4 è di due mesi. Puoi aumentarlo a 14 mesi nelle impostazioni delle risorse. Tuttavia, questo potrebbe non essere sufficiente se desideri analizzare gli eventi degli utenti che hanno effettuato l'ultimo accesso più di 14 mesi fa. Cioè, non puoi generare un rapporto per un intervallo di due anni. È qui che Google BigQuery può aiutarti. Dopo aver esportato i dati in BigQuery, puoi archiviarli senza limiti di tempo.

L'interfaccia di Google Analytics o qualsiasi altro sistema di analisi limita la tua capacità di creare rapporti. Ad esempio, esistono limiti al numero di parametri e indicatori, nonché a come combinarli ed eseguire calcoli basati su di essi. Inoltre, in GA 4, non è possibile importare dati sui costi, creare raggruppamenti di canali personalizzati o includere metriche da fonti di terze parti come un CRM nei rapporti.

Avendo accesso ai dati grezzi in Google BigQuery, puoi creare rapporti con qualsiasi numero e combinazione di metriche di cui hai bisogno. Ad esempio, puoi eseguire analisi di coorte in base a qualsiasi indicatore importante per la tua attività.

In Google Analytics 4 i rapporti standard non sono soggetti a campionamento, ma il campionamento può essere utilizzato nei rapporti personalizzati: quando si confrontano i dati, quando si utilizzano parametri e filtri aggiuntivi, quando viene superato il limite di 10 milioni di eventi. Il campionamento viene applicato anche quando l'intervallo di date è maggiore di 60 giorni.

Il campionamento può distorcere i dati, quindi non puoi fidarti del 100% dei report creati utilizzando il campionamento. Ciò è particolarmente vero per i rapporti per un lungo periodo di tempo o per i rapporti personalizzati con un numero elevato di parametri e indicatori. Caricando dati grezzi da Google Analytics 4 su Google BigQuery, puoi evitare questo problema.

I dati grezzi del tuo sito Web possono essere uniti ai dati sulla spesa pubblicitaria dei servizi pubblicitari, ai dati di monitoraggio delle chiamate, ai dati delle newsletter via e-mail e ai dati sugli ordini riscattati dal tuo CRM per impostare analisi end-to-end.

Ciò ti consentirà di prendere in considerazione tutti i punti di contatto con la tua azienda, analizzare i percorsi di conversione degli utenti, valutare l'impatto di tutte le attività di marketing (sia online che offline) sulle prestazioni aziendali, trovare i canali di marketing più efficaci e ottimizzare rapidamente canali che portano perdite.

Dopo aver raccolto e unito tutti i tuoi dati di marketing, puoi creare canalizzazioni di vendita complesse che si adattano alla tua struttura aziendale e costruire i tuoi modelli di attribuzione per valutare il contributo di ciascun canale pubblicitario alle vendite.

Ad esempio, puoi valutare il contributo dei canali alla canalizzazione di marketing con l'attribuzione basata sulla canalizzazione OWOX. Il modello di attribuzione basata sulla canalizzazione calcola il valore di ciascun canale e campagna nella canalizzazione in base al suo contributo all'avanzamento dell'utente attraverso le fasi della canalizzazione. Per effettuare questo calcolo, i dati aggregati non sono adatti: abbiamo bisogno di dati su ciascuna azione dell'utente, collegati dall'ID utente.

Migliore è il canale che guida l'acquirente attraverso i passaggi più difficili, maggiore è il valore che riceve.

Con il modello di attribuzione basata sulla canalizzazione, puoi identificare le campagne più efficaci e concentrarti sullo sviluppo di esse per soddisfare il tuo piano di marketing. Ad esempio, puoi trovare campagne gestite che puoi sviluppare per aumentare l'elasticità dei canali dipendenti con capacità limitata (organico, contesto del marchio, CPA, retargeting) e quindi aumentare le vendite complessive.

Google Analytics 4 fornisce metriche predittive (probabilità di acquisto, probabilità di abbandono e previsione delle entrate) calcolate utilizzando l'apprendimento automatico. Tuttavia, il modello è una scatola nera e funziona esclusivamente su dati GA 4.

Diciamo che un analista di dati è stato incaricato di creare un modello che prevedesse la probabilità di un acquisto. Si prevede che questo modello sarà il più trasparente possibile (sarà chiaro su quali funzionalità è stato addestrato) e formato sulla base di tutti i dati disponibili, inclusi i dati personalizzati. In questo caso, l'interfaccia di Google Analytics 4 non è più sufficiente per l'analista, poiché non sa cosa c'è all'interno della metrica prevista calcolata da GA. Se hai bisogno di comprendere e gestire il modello, ad esempio impostare le tue funzionalità per addestrarlo, è meglio caricare i tuoi dati su BigQuery.

In Google Analytics 4 è disponibile un raggruppamento di canali predefinito standard (a pagamento, di ricerca, organico, ecc.). Ciò significa che non sarai in grado di creare un rapporto con il tuo raggruppamento di canali nell'interfaccia di GA 4, almeno non ancora (forse questa opzione verrà aggiunta in futuro).

Ad esempio, le tue campagne facebook/cpc vanno al gruppo di canali a pagamento per impostazione predefinita, ma potrebbe essere necessario separarle in un gruppo social a pagamento. In questo caso, sarà utile caricare i dati su BigQuery e raggruppare i canali utilizzando SQL.

Per essere onesti, il raggruppamento dei canali può essere configurato in un modo più semplice:

1. Collega i dati di Google Analytics a Data Studio con un connettore integrato.
2. Configura le condizioni di raggruppamento in Data Studio.

Non sarà affidabile come il raggruppamento dei canali in Google BigQuery, ma se hai bisogno di una soluzione rapida, puoi utilizzare questa implementazione.

Supponi di dover mostrare le statistiche a un partner sulla base solo di un tag UTM e di non divulgare altre informazioni. Nell'interfaccia di Google Analytics 4, non puoi creare una vista separata per questo. Esiste una sola visualizzazione della risorsa, ovvero tutti i partner vedranno tutti i dati.

Google BigQuery ti consente di caricare grandi quantità di dati ed elaborarli rapidamente utilizzando SQL. Puoi automatizzare e pianificare i rapporti in modo che il tuo team possa concentrarsi sull'ottenimento di informazioni dettagliate anziché sulla preparazione dei rapporti.

Nota: l'importazione di dati in BigQuery da Google Analytics 4 è gratuita, ma ci sono limiti oltre i quali devi pagare. Puoi trovare i dettagli qui.

Il passaggio a Google Analytics 4 è un passaggio inevitabile che la maggior parte delle aziende compirà entro il 1° luglio 2023. OWOX aiuta a rendere questa transizione il più indolore possibile, consentendoti di conservare i report di cui hai bisogno e di ottenerne di nuovi senza dover comprendere i nuovi dati struttura e riscrivi tutte le tue query SQL.

OWOX unirà tutti i tuoi dati e li porterà nella struttura giusta per il tuo modello di business. Grazie a ciò, puoi creare istantaneamente nuovi rapporti o modificare quelli vecchi. Ad esempio, puoi modificare l'origine dati nei rapporti in Google Analytics 4 senza riscrivere centinaia di query SQL.

Consigliamo a tutti i nostri clienti di iniziare subito a raccogliere dati in Google Analytics 4 in parallelo con Universal Analytics. Con l'aiuto del monitoraggio parallelo, puoi confrontare entrambe le versioni di Google Analytics, esplorare nuove funzionalità e la nuova interfaccia in GA 4 e accumulare dati storici. Prima installi Google Analytics 4, più dati storici raccoglierai.

Il team OWOX può aiutarti a sviluppare e implementare un sistema di metriche, impostare correttamente il monitoraggio parallelo e integrare Google Analytics 4 con Google BigQuery.