Van UA naar GA4: de onmisbare BigQuery-koppeling

De dag waarop Universal Analytics zal stoppen (1 juli 2023), zal bij menig online marketeer gemarkeerd zijn in de agenda. Als het goed is dan ben je al overgestapt op GA4, want deze vervanger is toch al sinds 2020 op de markt. De meningen zijn nog verdeeld over de kwaliteit van de nieuwe Analytics-tool van Google, maar in dit artikel wil ik één feature belichten die zeker een grote vooruitgang is ten opzichte van Universal Analytics.

Het gaat om de mogelijkheid om BigQuery te koppelen aan je GA4 property. Met Universal was dit al mogelijk, maar alleen als je de betaalde versie tot je beschikking had (Google Analytics 360). Om GA4 te koppelen met BigQuery heb je geen betaalde licentie nodig. Dit is dus een van de grote pluspunten van GA4.

Wat is BigQuery?

BigQuery is het data warehouse van Google dat draait op het Google Cloud Platform. Je kan hier datasets managen vanuit meerdere bronnen op een zeer schaalbare wijze. Dit wil zeggen dat je kleine tabellen kunt aanmaken of hele grote tabellen met miljoenen rijen. Je betaalt aan de hand van het gebruik van je datasets. Daardoor is het voor zowel grote als kleine bedrijven een prima service. De datasets zijn te benaderen via SQL (Structured Query Language). Dit is een universele taal om data uit tabellen te lezen of te manipuleren.

Kosten

Zoals gezegd is de initiële koppeling tussen GA4 en BigQuery gratis. Maar aan het gebruik van de BigQuery-datasets zijn wel kosten verbonden. Natuurlijk heb je dit helemaal zelf in de hand, maar de kosten zijn relatief laag.

De kosten worden berekend aan de hand van het aantal queries die je draait en aan de grootte van de dataset waarin de query draait. Over het algemeen hoef je je geen zorgen te maken als je gebruikmaakt van een kleinere dataset. Mocht je een website hebben met duizenden of honderdduizenden bezoekers per dag dan zijn er ook tal van mogelijkheden om de kosten te monitoren of te beperken.

Waarom zou je BigQuery-data willen hebben?

Er zijn veel voordelen als jouw GA4-data ook beschikbaar is in BigQuery. Het belangrijkste is wat mij betreft dat je nu compleet in controle bent met ruwe data. GA4 heeft veel mogelijkheden om geavanceerde rapporten te maken en vaak zullen de standaardrapporten ook inzicht geven. Echter, voor de meer geavanceerde analyse-stukken is het toch fijner om gebruik te kunnen maken van de ruwe data. Omdat je via SQL-queries bijna onbeperkt bent in je mogelijkheden, geeft het een gevoel van vrijheid. Meer hierover later in dit artikel.

Het andere grote voordeel van BigQuery-data is dat je eigendom bent van je datasets uit GA4. Je hoeft je dus geen zorgen meer te maken dat je website-data ooit door Google wordt gewist uit GA4, omdat je eigenaar bent van je data in BigQuery.

Je kan BigQuery makkelijk koppelen met Looker Studio van Google. Dus het is simpel om vanuit je datasets dashboards te maken in Looker. De connectie tussen deze systemen is sinds enkele maanden zeer populair, omdat de native connection tussen GA4 en Looker beperkt wordt door quotas vanuit Google. BigQuery heeft deze quotas niet, dus dit is weer een goed argument voor het gebruik van BigQuery.

Daarnaast heb ik gemerkt dat de native connection tussen GA4 en Looker nog lang niet alle metrics en dimensions bevat – wat een grote beperking is in mijn ogen. Met BigQuery ben je onbeperkt in het selecteren van metrics en dimensions die je nodig hebt voor je dashboards. Overigens kan je ook andere BI- en dashboarding-tools koppelen met BigQuery, dit is niet beperkt tot Looker Studio.

De nadelen

Echte nadelen voor het gebruik van BigQuery zijn er niet. Het enige waar je rekening mee moet houden zijn de kosten die kunnen oplopen bij grotere datasets en bij het gebruik van zware queries. Maar zoals aangegeven kan je dit prima monitoren.

Het enige wat tijd kan kosten is het leren van de SQL-taal als je hier nog geen kennis van hebt. Gelukkig zijn er cursussen die je hiermee kunnen helpen, en je kunt het ook zien als een goede investering in je skillset. SQL is namelijk een universele taal die wordt gebruikt door de meeste datawarehouses. Tevens leer je heel veel van de onderliggende data als je bekend wordt met het ruwe dataschema van GA4.

Voorbeelden van hoe je de ruwe data kunt gebruiken

1. Funnels

In GA4 kan je prima funnels maken. Dit is echt een goede feature. Echter kan je deze nog niet exporteren naar je externe dashboard. In onderstaand voorbeeld is een visualisatie gemaakt in een dashboard op basis van een SQL-query. Zoals je ziet kan je filteren op device, maar feitelijk alle dimensies zijn hier mogelijk.

2. Event Precedence

Altijd benieuwd geweest hoe vaak een event wordt getriggerd voor een conversie? Met onderstaande query wordt berekend hoe vaak website-events worden getriggerd vóór het belangrijkste formulier-submit.

3. Page pathing

Voor als je snel wil bekijken wat de vorige en volgende pagina’s zijn van een bepaalde pagina.

Zoals aangegeven is de native connection tussen GA4 en Looker studio nog lang niet perfect. Vrij simpele zaken zoals conversion rates en landingspagina’s zijn nog niet beschikbaar. Dit kan je dus eenvoudig tackelen door BigQuery aan Looker Studio te koppelen. Maar ook moeilijkere rapportages behoren tot de mogelijkheden.

Wil je niet afhankelijk zijn van de attributie modellen van Google? Bouw dan je eigen attributie model op basis van de BigQuery data bijvoorbeeld. Heb jij nog ideeën? Laat het vooral weten.