Google Analytics
利用 Google Analytics (GA4) 和 BigQuery 进行营销和受众群体分析
Google Cloud 与 Google Analytics 携手合作，帮助企业增强数据驱动能力。将 Google Analytics 数据导入 BigQuery 可帮助您从更多数据中发掘业务洞见，并更快实现价值。
概览
使用熟悉的数据工具增强营销分析
如果您正在寻找一种方法来为您的营销提供更多数据并做出有关业务的数据驱动决策，那么将 Google Analytics 和 BigQuery 与数据洞察（以前称为 Looker Studio）结合使用是一个很好的起点。这些熟悉的工具通过内置的集成功能来配合工作，从而轻松整合您的数据，供您用于分析、受众群细分以及分享数据洞见。
GA4 与 Universal Analytics 有什么区别？
Google Analytics 4 (GA4) 媒体资源将于 2023 年 7 月 1 日取代 Universal Analytics 媒体资源。这意味着 Universal Analytics 媒体资源将停止处理新数据，因此在该日期之后，您将无法处理新数据，也无法显示有关您的应用或网站效果的更新报告和指标。2023 年 7 月 1 日之后，Google Analytics 4 媒体资源将成为 Google Analytics 唯一一个完全正常运行的版本。Universal Analytics 360 版媒体资源在 2024 年 7 月 1 日之前会继续处理新数据。
为什么应将 Google Analytics 数据导出到 BigQuery？
您可以使用 Google Analytics (GA4) 内的 BigQuery Export 免费将 Google Analytics 媒体资源中的所有事件数据导出到 BigQuery。在 BigQuery 中，您可以从其他来源（如 CRM 数据）导入外部数据，并将这些数据与您的 Google Analytics 数据相结合，使用类似 SQL 的语法查询数据，以突破抽样和配额限制实现高级报告功能。这样，您便可以构建细分受众群、探索自定义流量归因，并构建用于报告和受众群体的简单机器学习模型。
如何设置 Google Analytics BigQuery Export？
首先，您需要创建一个新的 Google Cloud 项目并启用 BigQuery。然后，您需要针对 BigQuery Export 准备项目。如果这是您第一次开始使用，可以将 Google Analytics 链接到 BigQuery 沙盒，该沙盒是免费的，不需要信用卡即可开始使用（需要遵守沙盒限制）。如果您的组织已有 BigQuery 流水线，您也可以关联到现有的 BigQuery 项目。最后，您需要将 BigQuery 与 Google Analytics 媒体资源相关联。
BigQuery 能否将 Google Analytics 数据整合到数据洞察中？
组织可以将 Google Analytics 数据直接关联到数据洞察，以生成可在团队之间共享的报告和信息中心。（关联到 Google Analytics 数据的数据洞察报告受 Google Analytics Data API 配额的约束。）BigQuery 导出至数据洞察的功能提供了 Google Analytics Data API 之外的功能，让您不必担心处理高基数问题，同时还可让您通过 API 不受限制地准确了解营销数据。
什么是 BigQuery？
BigQuery 是一个可存储和分析大量数据的云端数据仓库。您可以使用 BigQuery 存储来自 Google Analytics 以及其他来源（例如您网站的日志和您的 CRM 系统）的数据。这些数据可用于运行复杂的查询和发现仅靠 Google Analytics 无法观察到的趋势。
什么是 BigQuery 沙盒？
借助 BigQuery 沙盒，您可以免费探索 BigQuery 功能，以确认 BigQuery 是否满足您的需求。有了沙盒，您无需提供信用卡、创建结算账号或为项目启用结算功能就能体验 BigQuery 和 Google Cloud 控制台。
什么是 Google Analytics？
Google Analytics 是一个免费的效果衡量平台，可帮助您详细了解各种设备和平台上的客户。您可以使用 Google Analytics 来衡量网站或应用的效果，根据客户在您网站和应用中的互动方式制定以数据为依据的决策，以及提高营销投资回报率。
什么是数据洞察？
数据洞察是一款免费工具，用于通过交互式信息中心和精美的报告来生成数据，帮助您制定更明智的业务决策。使用数据洞察内置的连接器，轻松访问各种数据，并且轻松地从 BigQuery 和 Google Analytics 4 导入数据。因此，您可以与各个利益相关方一起构建和分享报告和信息中心，并基于单一的可靠来源开展实时协作。
迅速挖掘市场洞察
构建并启用细分受众群
使用 BigQuery ML 进行预测性分析
创建需求预测并构建预测性受众群体
使用 BigQuery 内置的机器学习功能更好地预测和规划营销效果。您可以使用历史营销数据创建包含季节性因素的准确预测，以更好地针对业务高峰进行规划。
借助 BigQuery ML，您可以根据 Google Analytics 数据构建预测性受众群体（例如购买意愿或预测性客户生命周期价值），然后使用构建的受众群体定位有潜在价值的新客户。您还可以使用基于机器学习的预测功能来预测客户流失。
方法指南
创建需求预测并构建预测性受众群体
使用 BigQuery 内置的机器学习功能更好地预测和规划营销效果。您可以使用历史营销数据创建包含季节性因素的准确预测，以更好地针对业务高峰进行规划。
借助 BigQuery ML，您可以根据 Google Analytics 数据构建预测性受众群体（例如购买意愿或预测性客户生命周期价值），然后使用构建的受众群体定位有潜在价值的新客户。您还可以使用基于机器学习的预测功能来预测客户流失。
