GA4 frente a Universal Analytics

Universal Analytics (UA) dejó de procesar datos nuevos el 1 de julio de 2023. Google Analytics 4 (GA4) es ahora la única versión compatible.

El cambio no fue un rediseño. GA4 utiliza un modelo de datos completamente diferente, diseñado para la privacidad, el seguimiento entre dispositivos y un futuro sin cookies.

Comprender las diferencias evita hacer suposiciones incorrectas al leer informes que migró desde UA.

UA se basaba en sesiones. Todo se agrupaba en sesiones, y los tipos de hit (pageview, evento, transacción) eran conceptos independientes.

GA4 se basa en eventos. Cada interacción es un evento con parámetros, incluido el propio page_view. Esto unifica los datos web y de aplicaciones bajo un mismo esquema.

En UA, los eventos utilizaban una estructura rígida de Category / Action / Label / Value. Era difícil ampliarla.

Los eventos de GA4 tienen un nombre más parámetros flexibles, hasta 25 por evento. Esto permite expresar muchos más detalles y se adapta claramente a los análisis de aplicaciones.

GA4 recopila muchas interacciones de forma predeterminada mediante Enhanced Measurement. En UA, la mayoría requería etiquetado manual.

Actívelas o desactívelas en la configuración del flujo de datos. Esto reduce el tiempo de configuración, pero debe saber qué se registra automáticamente para evitar el doble recuento.

La tasa de rebote de UA era el porcentaje de sesiones de una sola página sin interacción. GA4 la sustituyó por la tasa de interacción, que es el porcentaje de sesiones con interacción.

Una sesión con interacción dura al menos 10 segundos, tiene una conversión o incluye al menos 2 visualizaciones de página. La tasa de rebote en GA4 es simplemente 1 menos la tasa de interacción.

GA4 prioriza los informes centrados en el usuario por encima de las sesiones. Vincula la identidad entre dispositivos mediante Google signals, User-ID y datos del dispositivo.

UA dependía en gran medida de las cookies. GA4 combina modelos de aprendizaje automático para completar las lagunas cuando faltan cookies y cumplir las normativas de privacidad.

La retención predeterminada de datos a nivel de evento en GA4 es de 2 meses y puede ampliarse a 14 meses. Los informes estándar agregados se conservan durante más tiempo.

Para analizar períodos superiores a 14 meses, exporte los datos sin procesar a BigQuery, que GA4 ofrece gratuitamente en el nivel estándar; es un cambio importante respecto a UA.

UA tenía objetivos configurados en el nivel de vista (destino, duración, páginas y eventos). GA4 no tiene vistas ni objetivos.

En su lugar, puede marcar cualquier evento como conversión. Es más sencillo, pero significa que primero debe planificar la taxonomía de eventos y después promocionar los eventos clave.

La estructura de UA era Cuenta > Propiedad > Vista. Las vistas permitían crear copias filtradas de los datos.

La estructura de GA4 es Cuenta > Propiedad > Flujo de datos. Ahora el filtrado se realiza mediante filtros de datos, comparaciones y subpropiedades (360). Esto simplifica la gobernanza, pero cambia la forma de aislar el tráfico de desarrollo.

Los informes de GA4 son más concisos. La sección Informes ofrece resúmenes estándar; los análisis personalizados más profundos se encuentran en la sección Explorar.

Los usuarios de UA suelen echar de menos los informes prediseñados. En GA4 puede personalizar la biblioteca de informes o crear exploraciones para reproducir las vistas conocidas.

Una migración limpia no consiste en copiar datos. Desde el principio, vuelva a crear su plan de medición en torno a eventos y parámetros.

Confirme las conversiones, vincule Google Ads, establezca la retención en 14 meses, active la exportación a BigQuery y configure los filtros de tráfico interno antes de confiar en los datos.

GA4 sustituyó a UA por un modelo basado en eventos y centrado en el usuario. No hay vistas ni objetivos, la tasa de rebote se convirtió en tasa de interacción y la identidad combina User-ID, Google signals y modelos estadísticos.

Planifique primero los eventos, marque los más importantes como conversiones, amplíe la retención y use BigQuery para conservar el historial. Migrar significa reconstruir, no copiar.