Google Analytics
Google Analytics (GA4) und BigQuery für Marketing- und Zielgruppeninformationen
Google Cloud arbeitet mit Google Analytics zusammen, um Unternehmen dabei zu unterstützen, datengestützter zu werden. Durch die Einbindung von Google Analytics-Daten in BigQuery können Sie aus mehr Daten umfassende Geschäftsinformationen gewinnen und die Wertschöpfung beschleunigen.
Überblick
Vertraute Datentools zur Optimierung Ihres Marketings
Verwenden Sie Google Analytics und BigQuery in Kombination mit Data Studio (ehemals Looker Studio) als guten Einstieg, wenn Sie mehr Daten in Ihr Marketing bringen und datengetriebene Entscheidungen treffen möchten. Diese vertrauten Tools arbeiten mit integrierten Integrationen zusammen, um das Zusammenführen Ihrer Daten für Analysen, die Zielgruppensegmentierung und den Austausch von Informationen zu vereinfachen.
Was ist der Unterschied zwischen GA4 und Universal Analytics?
Am 1. Juli 2023 werden Google Analytics 4-Properties (GA4)-Properties durch Universal Analytics-Properties ersetzt. Das bedeutet, dass in Universal Analytics-Properties keine neuen Daten mehr verarbeitet werden und Sie nach diesem Datum keine neuen Daten mehr verarbeiten und keine aktualisierten Berichte und Messwerte zur App- oder Websiteleistung aufrufen können. Nach dem 1. Juli 2023 sind Google Analytics 4-Properties die einzige voll funktionsfähige Version von Google Analytics. Für Universal Analytics 360-Properties werden bis zum 1. Juli 2024 weiterhin neue Daten verarbeitet.
Warum sollten Sie Google Analytics-Daten in BigQuery exportieren?
Mit dem BigQuery Export, der sich in Google Analytics (GA4) befindet, können Sie alle Ereignisdaten aus Google Analytics-Properties kostenlos nach BigQuery exportieren. In BigQuery können Sie externe Daten aus anderen Quellen wie CRM-Daten importieren und mit Google Analytics-Daten kombinieren. Mithilfe einer SQL-ähnlichen Syntax können Sie diese Daten für erweiterte Berichte abfragen, die über Stichproben und Kontingentlimits hinausgehen. So können Sie Zielgruppensegmente erstellen, die benutzerdefinierte Traffic-Attribution ausprobieren und einfache ML-Modelle für Berichte und Zielgruppen erstellen.
Wie wird der BigQuery Export für Google Analytics eingerichtet?
Zuerst müssen Sie ein neues Google Cloud-Projekt erstellen und BigQuery aktivieren. Anschließend müssen Sie Ihr Projekt für BigQuery Export vorbereiten. Wenn Sie Google Analytics zum ersten Mal verwenden, können Sie es mit der BigQuery-Sandbox, die kostenlos ist und keine Kreditkartendaten benötigt, um loszulegen (Sandbox-Limits gelten). Wenn Ihre Organisation bereits BigQuery-Pipelines hat, können Sie auch eine Verknüpfung zu Ihrem vorhandenen BigQuery-Projekt herstellen. Zum Schluss verknüpfen Sie BigQuery mit Google Analytics-Properties.
Kann BigQuery Google Analytics-Daten in Data Studio einbinden?
Organisationen können Google Analytics-Daten direkt mit Data Studio verbinden, um Berichte und Dashboards zu erstellen und mit anderen Teams zu teilen. (Für Data Studio-Berichte, die mit Google Analytics-Daten verknüpft sind, gelten Google Analytics Data API-Kontingente). Die BigQuery-Exportfunktion in Data Studio bietet Funktionen, die über die Google Analytics Data API hinausgehen, ohne sich um eine hohe Kardinalität kümmern zu müssen. Gleichzeitig erhalten Sie ohne Einschränkungen ein genaues Bild Ihrer Marketingdaten ohne Begrenzung von der API.
Was ist BigQuery?
BigQuery ist ein cloudbasiertes Data Warehouse zum Speichern und Analysieren großer Datenmengen. Sie können BigQuery zum Speichern von Daten aus Google Analytics und anderen Quellen verwenden, z. B. von den Logs Ihrer Website und Ihrem CRM-System. Diese Daten können verwendet werden, um komplexe Abfragen auszuführen und Trends zu identifizieren, die Sie mit Google Analytics allein möglicherweise nicht erkennen können.
Was ist die BigQuery-Sandbox?
Mit der BigQuery-Sandbox können Sie die BigQuery-Funktionen kostenlos testen, um festzustellen, ob BigQuery Ihren Anforderungen entspricht. Mit der Sandbox können Sie BigQuery und die Google Cloud Console nutzen, ohne eine Kreditkarte anzugeben, ein Rechnungskonto zu erstellen oder die Abrechnung für Ihr Projekt zu aktivieren.
Grundlegendes zu Google Analytics
Google Analytics ist eine Analyseplattform, die Ihnen kostenlos detaillierte Informationen zu Ihren Kunden auf verschiedenen Geräten und Plattformen bietet. Mit Google Analytics können Sie die Leistung Ihrer Website oder Anwendung messen, datengetriebene Entscheidungen treffen, die darauf beruhen, wie Kunden mit Ihren Websites und Anwendungen interagieren, und Ihren Marketing-ROI verbessern.
Was ist Data Studio?
Data Studio ist ein kostenloses Tool, mit dem Sie Ihre Daten mit interaktiven Dashboards und ansprechenden Berichten bereichern können, um intelligentere Geschäftsentscheidungen zu treffen. Die integrierten Connectors von Data Studio ermöglichen den einfachen Zugriff auf eine Vielzahl von Daten aus BigQuery und Google Analytics 4. Damit können Sie Berichte und Dashboards erstellen und mit anderen teilen sowie in Echtzeit über eine Single Source of Truth zusammenarbeiten.
Schneller Markteinblicke gewinnen
Google Analyics-Daten abfragen, um schnell geschäftliche Erkenntnisse zu gewinnen
Mit BigQuery können Sie Ihre Google Analytics-Daten abfragen, um schnell Antworten auf wichtige Geschäftsfragen zu erhalten. Hier sind einige der Fragen, die Sie innerhalb von Sekunden beantworten können:
1. Wie hoch ist die durchschnittliche Anzahl der Transaktionen pro Käufer?
2. Welche anderen Produkte wurden von Kunden gekauft, die ein bestimmtes Produkt gekauft haben?
3. Welche Artikel wurden in den letzten 12 Monaten am häufigsten in den Einkaufswagen gelegt?
Anleitungen
Google Analyics-Daten abfragen, um schnell geschäftliche Erkenntnisse zu gewinnen
Mit BigQuery können Sie Ihre Google Analytics-Daten abfragen, um schnell Antworten auf wichtige Geschäftsfragen zu erhalten. Hier sind einige der Fragen, die Sie innerhalb von Sekunden beantworten können:
1. Wie hoch ist die durchschnittliche Anzahl der Transaktionen pro Käufer?
2. Welche anderen Produkte wurden von Kunden gekauft, die ein bestimmtes Produkt gekauft haben?
3. Welche Artikel wurden in den letzten 12 Monaten am häufigsten in den Einkaufswagen gelegt?
Zielgruppensegmente erstellen und aktivieren
Zielgruppen anhand beliebiger Ereigniskombinationen schnell segmentieren
Sie können das Kundenverhalten besser verstehen und digitales Marketing auf Zielgruppen ausrichten, die für Ihr Unternehmen wertvoll sind. Gleichzeitig können Sie den Marketing-ROI steigern.
Zuerst sollten Sie Ihre Zielgruppen anhand von Google Analytics-Ereignissen segmentieren – von Websitebesuchern, die zwar Produkte in den Einkaufswagen gelegt, aber keinen Kauf abgeschlossen haben, bis zu Kunden mit hohem Lifetime-Wert. Mit BigQuery können Sie diese Zielgruppen schnell segmentieren und für Google Analytics freigeben.
Anleitungen
Zielgruppen anhand beliebiger Ereigniskombinationen schnell segmentieren
Sie können das Kundenverhalten besser verstehen und digitales Marketing auf Zielgruppen ausrichten, die für Ihr Unternehmen wertvoll sind. Gleichzeitig können Sie den Marketing-ROI steigern.
Zuerst sollten Sie Ihre Zielgruppen anhand von Google Analytics-Ereignissen segmentieren – von Websitebesuchern, die zwar Produkte in den Einkaufswagen gelegt, aber keinen Kauf abgeschlossen haben, bis zu Kunden mit hohem Lifetime-Wert. Mit BigQuery können Sie diese Zielgruppen schnell segmentieren und für Google Analytics freigeben.
BigQuery ML für Vorhersageanalysen verwenden
Nachfrageprognosen und Prognosezielgruppen erstellen
Mit dem in BigQuery integrierten Machine Learning können Sie Marketingleistungen besser prognostizieren und planen. Sie können bisherige Marketingdaten verwenden, um präzise Prognosen unter Berücksichtigung von Saisonalität zu erstellen und Geschäftsspitzen besser zu planen.
Mit BigQuery ML können Sie Prognosezielgruppen wie die Kaufneigung oder den prognostizierten Customer Lifetime Value basierend auf Google Analytics-Daten erstellen, mit denen Sie potenzielle Neukunden ansprechen können. Mit ML-basierten Prognosefunktionen können Sie auch die Abwanderung vorhersagen.
Anleitungen
Nachfrageprognosen und Prognosezielgruppen erstellen
Mit dem in BigQuery integrierten Machine Learning können Sie Marketingleistungen besser prognostizieren und planen. Sie können bisherige Marketingdaten verwenden, um präzise Prognosen unter Berücksichtigung von Saisonalität zu erstellen und Geschäftsspitzen besser zu planen.
Mit BigQuery ML können Sie Prognosezielgruppen wie die Kaufneigung oder den prognostizierten Customer Lifetime Value basierend auf Google Analytics-Daten erstellen, mit denen Sie potenzielle Neukunden ansprechen können. Mit ML-basierten Prognosefunktionen können Sie auch die Abwanderung vorhersagen.
Dashboards für die Marketingleistung erstellen
Mit Looker Studio Marketingberichte und -Dashboards erstellen
Data Studio ist mit Hunderten von Datenquellen verbunden und ermöglicht das Erstellen visuell ansprechender Dashboards, sodass Sie Daten aus Ihren Marketingaktivitäten zusammenführen und analysieren können, um schnell Erkenntnisse zu gewinnen. Geben Sie Ihre Marketinganalysedaten ein, einschließlich Google Analytics und der Google Search Console, und passen Sie Ihre eigenen Ansichten wie Tabellen und Diagramme an, um die Leistung hervorzuheben.
Anleitungen
Mit Looker Studio Marketingberichte und -Dashboards erstellen
Data Studio ist mit Hunderten von Datenquellen verbunden und ermöglicht das Erstellen visuell ansprechender Dashboards, sodass Sie Daten aus Ihren Marketingaktivitäten zusammenführen und analysieren können, um schnell Erkenntnisse zu gewinnen. Geben Sie Ihre Marketinganalysedaten ein, einschließlich Google Analytics und der Google Search Console, und passen Sie Ihre eigenen Ansichten wie Tabellen und Diagramme an, um die Leistung hervorzuheben.
