Fortgeschrittenes Google Analytics 4 und BigQuery

GA4-Explorations ist ein erweiterter Analysebereich mit sechs Explorationstypen: Freiformanalyse, bei der Tabellen und Diagramme per Drag-and-drop erstellt werden, Trichteranalyse, Pfadanalyse, Segmentüberschneidung, Kohortenanalyse und Nutzerlebensdauer.

Im Gegensatz zu den Standardberichten von GA4 mit festgelegten Dimensionen können Analysten in Explorations benutzerdefinierte Abfragen mit beliebigen Kombinationen aus Dimensionen und Messwerten erstellen, mit bis zu 10 Dimensionen und 10 Messwerten pro Abfrage.

Die Kohortenanalyse von GA4 gruppiert Nutzer nach ihrem Akquisitionsdatum oder dem Datum ihres ersten Ereignisses und verfolgt ihr Verhalten über die folgenden Wochen oder Monate. So wird sichtbar, wie gut Sie Nutzer halten, die über verschiedene Kanäle und Kampagnen gewonnen wurden.

Ein Kohortendiagramm mit einem starken Rückgang in Woche 2 weist auf ein Onboarding-Problem hin. Kohorten aus Content-Marketing mit einer höheren 90-Tage-Retention als bezahlte Kohorten zeigen, wo Investitionen in nachhaltiges Wachstum sinnvoll sind.

Wenn Sie die Kohortenanalyse nach Akquisitionskanal segmentieren, erkennen Sie, ob Nutzer aus der organischen Suche, aus Paid Social, über E-Mail-Empfehlungen oder über direkten Traffic im Zeitverlauf deutlich unterschiedliche Muster bei Retention und Interaktion aufweisen.

Wenn Kohorten aus der organischen Suche eine dreimal bessere 60-Tage-Retention zeigen als Kohorten aus Paid Social, sprechen diese Daten für höhere Investitionen in SEO und Content. Gleichzeitig kann es sinnvoll sein, die Ausgaben für Paid Social zu reduzieren, wenn darüber Nutzer mit einem niedrigen Customer Lifetime Value gewonnen werden.

GA4 bietet eine native Integration, mit der täglich rohe, nicht stichprobenbasierte Ereignisdaten auf Ereignisebene nach Google BigQuery exportiert werden können – im Batch- oder Streaming-Modus. Dadurch entsteht ein dauerhaftes Data Warehouse mit jeder Interaktion Ihrer Nutzer mit Ihren digitalen Angeboten.

Die Verbindung zu BigQuery ist kostenlos, jedoch zahlen Sie für Speicher- und Abfragekosten in BigQuery. Die Einrichtung erfolgt in der GA4-Verwaltung unter BigQuery-Verknüpfung und erfordert ein Google-Cloud-Projekt.

GA4 exportiert Daten in einer verschachtelten JSON-Struktur, die nach Ereignissen organisiert ist – jede Zeile entspricht einem Ereignis, während Nutzer- und Sitzungseigenschaften als Schlüssel-Wert-Paare in verschachtelten RECORD-Feldern gespeichert werden.

Analysten verwenden Standard-SQL, um die Daten abzufragen, müssen jedoch UNNEST() verwenden, um die verschachtelten Arrays event_params und user_properties zu entpacken, bevor sie nach bestimmten Parameterwerten filtern – eine Syntax, die sich von der für flache relationale Tabellen unterscheidet.

Eine häufige GA4-BigQuery-Abfrage verknüpft Daten auf Sitzungsebene mit Conversion-Ereignissen: Sie entpackt session_traffic_source, um den Kanal zu ermitteln, und zählt anschließend Sitzungen, Nutzer und Conversions nach Kanal für einen festgelegten Zeitraum.

Dieser Abfragetyp liefert nicht stichprobenbasierte, vollständig anpassbare Daten zur Kanalleistung, die die standardmäßige GA4-Oberfläche nicht bereitstellen kann. Das ist besonders für Properties mit hohem Traffic wertvoll, bei denen GA4 in Berichten eine Datenstichprobe verwendet.

BigQuery ermöglicht es Analysten, GA4-Verhaltensdaten, CRM-Daten, Werbeausgaben und Produktdaten in einer einzigen Abfrage per JOIN zu verknüpfen und so kombinierte Modelle zu erstellen, die innerhalb einer einzelnen Marketingplattform nicht möglich wären.

So kann beispielsweise die Verknüpfung von GA4-Sitzungsdaten mit einem Salesforce-CRM-Export die Gewinnung von Kunden über Marketingkanäle mit nachgelagertem abgeschlossenem Umsatz verbinden – und damit Aktivitäten am oberen Ende des Funnels mit Geschäftsergebnissen am unteren Ende des Funnels verknüpfen.

Looker Studio (ehemals Data Studio) lässt sich direkt als Datenquelle mit BigQuery verbinden. So können Analysten visuelle Dashboards erstellen, die von benutzerdefinierten SQL-Abfragen für den vollständigen GA4-Ereignisdatensatz gespeist werden.

Diese Kombination ermöglicht Berichte, die automatisch aktualisiert werden, sobald neue BigQuery-Daten eintreffen, und verbindet die Flexibilität von benutzerdefiniertem SQL im Hintergrund mit der Zugänglichkeit eines Drag-and-drop-Dashboard-Editors für nichttechnische Stakeholder.

Geplante BigQuery-Abfragen führen SQL nach einem festgelegten Zeitplan – täglich, wöchentlich oder stündlich – aus und schreiben die Ergebnisse in eine Zieltabelle. So lassen sich Datenpipelines vollständig automatisiert aktualisieren, ohne Abfragen manuell ausführen zu müssen.

Ein häufiger Anwendungsfall ist eine täglich geplante Abfrage, die die GA4-Ereignisdaten des Vortags in einer Übersichtstabelle aggregiert. Looker Studio liest diese Tabelle anschließend für Dashboards ein, die ohne Eingreifen von Analysten stets aktuelle Daten anzeigen.

GA4 verwendet maschinelles Lernen, um prädiktive Zielgruppen auf Grundlage von drei Werten zu erstellen: Kaufwahrscheinlichkeit (Wahrscheinlichkeit eines Kaufs in den nächsten 7 Tagen), Abwanderungswahrscheinlichkeit (Wahrscheinlichkeit, dass ein Nutzer nicht zurückkehrt) und Umsatzprognose.

Diese Zielgruppen können direkt nach Google Ads exportiert werden, um Nutzer mit hoher Kaufwahrscheinlichkeit mit Conversion-Kampagnen anzusprechen, oder um Nutzer mit hoher Abwanderungswahrscheinlichkeit aus Kundenbindungskampagnen auszuschließen – so werden ML-Prognosen genutzt, anstatt auf das tatsächliche Eintreten des Verhaltens zu warten.

GA4 ermöglicht es Marketern, benutzerdefinierte Dimensionen (Attribute auf Nutzer- oder Ereignisebene, die über die Standardwerte hinausgehen – etwa Abonnementstufe, Inhaltskategorie oder A/B-Testvariante) und benutzerdefinierte Messwerte (numerische Werte wie Lesezeit oder Anzahl angesehener Videos) zu definieren, um geschäftsspezifische Signale zu erfassen.

Benutzerdefinierte Dimensionen und Messwerte erscheinen in GA4-Berichten und Explorations ebenso wie Standarddimensionen und ermöglichen die Analyse der Leistung anhand von Attributen, die für Ihr Produkt oder Ihre Content-Strategie einzigartig sind und im standardmäßigen GA4-Datenmodell nicht sichtbar werden.

Testen Sie Ihr Verständnis der erweiterten Funktionen von GA4 und BigQuery.

GA4-Explorations ermöglichen erweiterte Analysen, darunter Trichter-, Kohorten- und Pfadanalysen, ohne Einschränkungen durch Datenstichproben im Arbeitsbereich. Der BigQuery-Export überträgt Rohdaten auf Ereignisebene in eine SQL-Umgebung für vollständig benutzerdefinierte Analysen.

Die Verbindung von BigQuery mit Looker Studio erstellt automatisierte Dashboards auf Grundlage benutzerdefinierter Modelle, während die prädiktiven Zielgruppen von GA4 Prognosen des maschinellen Lernens direkt für das Targeting in Google Ads nutzbar machen.