Sechs Möglichkeiten, Ihre GA4-Daten in Looker Studio zu integrieren
Veröffentlicht: 2022-12-13Da die neuen GA4-API-Kontingente vorhanden sind, werden Looker Studio-Berichte, die den nativen GA4-Konnektor verwenden, wahrscheinlich häufig unterbrochen. Zum Glück gibt es viele Alternativen. Lesen Sie weiter, um zu erfahren, wie sich diese Alternativen unterscheiden, und erkunden Sie sechs Wege, um stabile Berichte zu erstellen, die an Ihre Berichtsanforderungen angepasst sind.
Bevorzugen Sie schnell ladende Berichte gegenüber einer einfacheren Datenexploration? Wie viele GA4-Immobilien verwalten Sie und wie groß sind sie? Möchten Sie Ihr Spiel verbessern und auf den Data-Warehouse-Zug aufspringen? Basierend auf Ihren Berichtsanforderungen sind verschiedene Techniken Ihre beste Wahl.
Auf den Social-Media-Kanälen wurde viel darüber geredet, dass 2023 das Ende der kostenlosen Analysedaten markieren wird. Es gibt immer noch Möglichkeiten, Ihre GA4-Daten in Looker Studio zu übertragen, ohne einen Cent auszugeben, aber Sie stehen vor einem ständig wachsenden Datenvolumen, der Vervielfachung von Mikrodiensten, die Sie nachverfolgen möchten, und benötigen ein ausgeklügeltes Maß an Datenmischung. Wenn Sie darüber hinaus historische Daten zur Hand haben möchten, ist 2023 möglicherweise das Jahr, in dem Sie Ihre aktuelle Datenpipeline überprüfen möchten.
Springen Sie weiter >>
- API-Kontingente gibt es überall
- Sollten Sie Daten in Looker Studio manipulieren?
- Warum Sie trotzdem den Supermetrics GA4 Connector verwenden sollten
- Erstellen eines Data Warehouse mit Tabellenkalkulationen
- Welches Setup passt zu Ihren Anforderungen?
Nicht auf dem Laufenden über die neuesten Änderungen an GA4-Kontingenten?
So überwinden Sie die Beschränkungen der Google Analytics 4 API-Kontingente in Looker Studio
API-Kontingente gibt es überall
Bevor wir uns die verschiedenen Optionen zum Einbringen von Daten in Looker Studio ansehen, sehen wir uns an, wie die meisten Vermarkter Looker Studio heute verwenden.
Wenn Sie in Looker Studio eine neue Datenquelle erstellen, können Sie aus über 700 Konnektoren wählen. Die meisten dieser Konnektoren kommunizieren direkt mit der API des Dienstes, und wir haben nie die Frage gestellt, ob dies der intelligenteste Weg ist.
Im Gespräch mit unseren Datenbankexperten wurde deutlich, dass es keine einzige API eines SaaS-Anbieters gibt, die keine Quoten durchsetzt. Wie Valery Khudoborodov, Engineering Manager bei Supermetrics, es ausdrückt: „Eine Ladung Zeug zu lagern ist billig, aber ein Umzug ist teuer und oft komplex.“
Und auf die Frage, warum Data Warehouses im Vergleich zu APIs so viel performanter sind, lieferte Kurre Stahlberg die folgende Erklärung:
„Eine Sache, an die man sich erinnern sollte, ist, dass API-Ressourcen im Allgemeinen von allen API-Benutzern gemeinsam genutzt werden und daher für den durchschnittlichen Benutzer bereitgestellt werden. Im Gegensatz dazu ist eine Datenbank im Allgemeinen nur für Sie bestimmt und normalerweise überdimensioniert. Die API bewältigt Überbeanspruchung durch Durchsetzung von Ratenbegrenzungen und Kontingenten – die Datenbank bewältigt Überbeanspruchung durch Absturz.“Kurre Stahlberg, leitender Sicherheitsingenieur, Supermetrics
Am Ende war es wohl eher die Frage „wann“ und nicht „ob“ Google Analytics irgendwann eine Quote erzwingen wird.
Sollten Sie Daten in Looker Studio manipulieren?
Wenn Sie sich von Google abmelden und auf die Startseite von Looker Studio zugreifen, sehen Sie die folgende Produktbeschreibung.
Wahrscheinlich haben Sie diese Zeilen schon ein paar Mal gelesen – hier gibt es nichts Neues. Aber konzentrieren Sie sich auf die fehlenden Schlüsselwörter: Datenbereinigung, Datenaufbereitung, Datenmanipulation und Datenverschmelzung.
Sie werden nicht erwähnt, und dennoch verwenden wir die Funktionen von Looker Studio zur Datenbereinigung und -vorbereitung, und wir waren begeistert, als Looker Studio Anfang des Jahres fortschrittlichere Datenverschmelzungsfunktionen veröffentlichte.
Himanshu Sharma nennt es die „Anfängerfehler, die 99 % der Benutzer von Looker Studio machen“. Und er fährt fort: „Looker Studio ist nicht für die Datenmanipulation gedacht. Es ist keine Tabellenkalkulation oder Data Warehouse.“
Obwohl ich Himanshu nicht ganz zustimme, habe ich zwei Argumente aus seinem Manifest ausgewählt, die es wert sind, weiter diskutiert zu werden.
- Wenn Sie Daten in Looker Studio manipulieren, wird der Bericht verlangsamt, insbesondere bei Verwendung großer Datensätze.
- Die Bearbeitung von Daten in Looker Studio erschwert die Nutzung unnötig.
Aus meiner Erfahrung kann ich nicht sagen, dass Datenmanipulation einen Bericht verlangsamt, aber ich habe vielleicht noch nie mit ausreichend großen Datensätzen gearbeitet. Was einen Bericht jedoch verlangsamt, ist das Mischen von Daten aus mehreren Quellen. Grund ist allerdings weniger das Blending als vielmehr die Tatsache, dass man warten muss, bis beide APIs die Daten geladen haben.
Ob die Bearbeitung von Daten in einer Tabelle einfacher ist als in Looker Studio, ist möglicherweise eine Frage der Präferenz. Ich stimme zu, dass es nicht immer einfach ist, Ihre Daten im erforderlichen Format zu erhalten.
Aber es gibt noch andere Gründe, über Tabellenkalkulationen und Data Warehouses zu sprechen.
Tabellenkalkulationen und Data Warehouses
Wenn Sie Ihre Daten zuerst in eine Tabellenkalkulation oder ein Data Warehouse ziehen, können Sie die Datenbearbeitung von der Datenvisualisierung trennen.
Google Sheets bietet Ihnen beispielsweise einen ähnlichen Funktionsumfang wie Looker Studio. Das bedeutet, dass Sie Daten bereinigen, manipulieren oder sogar mischen können, bevor Sie sie in Looker Studio importieren. In einem Data Warehouse verwenden Sie normalerweise SQL für diese Aufgaben, aber auch hier entwickeln sich die Dinge weiter, und Sie haben immer mehr Zugriff auf visuelle Tools.
Geschwindigkeit
Schnelle Berichte sind das offensichtlichste Ergebnis beim Import sauberer Daten in Looker Studio. Haben Sie jemals versucht, zwei Datenquellen aus langsamen APIs zu mischen? Das Ergebnis kann unbrauchbar sein. Das Ziehen der Daten zuerst in eine Tabelle macht bereits einen großen Unterschied.
Die Verwendung von Data Warehouses wie BigQuery ist selbst bei großen Datensätzen schnell. BigQuery verwendet seine BI Engine, einen schnellen In-Memory-Analysedienst, der viele SQL-Abfragen beschleunigt, indem er die am häufigsten verwendeten Daten intelligent zwischenspeichert.
Historische Daten
Wenn Sie Jahresvergleiche (YoY) anstellen möchten, benötigen Sie Daten aus mindestens 2 Jahren. Und wenn das Vorjahr eine Pandemie hatte, möchten Sie noch weiter zurückgehen, um Ihre Fortschritte richtig zu bewerten. Historische Daten sind entscheidend für das Benchmarking früherer Leistungen.
Viele APIs haben lebenslangen Zugriff auf Ihre Daten versprochen. Aber die Regeln haben sich geändert, und während Sie noch 37 Monate lang Zugriff auf Ihre Facebook-Anzeigendaten haben, beträgt die Datenaufbewahrung für GA4 nur 14 Monate.
Je mehr Mühe Sie in Ihre Berichterstattung stecken und je mehr Menschen sich auf Ihre Berichte verlassen, desto mehr Gründe haben Sie, auf ein Data Warehouse umzusteigen. Schützen Sie Ihr Vermögen, indem Sie Eigentum übernehmen.
Warum Sie trotzdem den Supermetrics GA4 Connector verwenden sollten
Schnelle Berichte, selbst für riesige Datensätze, und der Besitz der Daten sind gute Argumente für den Wechsel zu einem Data Warehouse. Sie gelten jedoch möglicherweise nicht für alle Anwendungsfälle. Es gibt immer noch viele Gründe, Looker Studio-Konnektoren weiterhin zu verwenden.
Die Verwendung von Konnektoren ist ohne Zweifel immer noch der schnellste Weg, um Zugriff auf Ihre Daten zu erhalten. Innerhalb von Minuten haben Sie die Zahlen in Ihrem Bericht, die Sie mit der Welt teilen können.
Der sofortige Zugriff auf alle Dimensionen und Metriken in Ihrem Bericht hilft Ihnen, Datensätze schneller zu entdecken und Metriken zu untersuchen, die Sie andernfalls möglicherweise übersehen hätten. Verwenden Sie Tabellenkalkulationen oder Data Warehouses, wenn Sie genau wissen, zu welchen Messwerten und Dimensionen Sie Berichte erstellen möchten. Verwenden Sie bis dahin Konnektoren, wenn Ihr Datenvolumen gering genug ist.
Sie müssen jedoch Qualitätskonnektoren verwenden, die API-Kontingente respektieren, indem Sie gleichzeitige Anforderungen und Caching einschränken, um Ihre verfügbaren Ressourcen zu maximieren.
Bei Supermetrics haben wir API-Kontingentfehler in den letzten Wochen genau überwacht. Während wir immer noch versuchen, unseren GA4-Konnektor zu verbessern, können wir mitteilen, dass 92 % unserer Kunden noch nie mit Quotenfehlern konfrontiert waren und 94 % nur Fehler in 5 % ihrer Abfragen sehen.
Wenn Sie Probleme mit dem nativen Konnektor haben und der Meinung sind, dass Ihre Berichterstellungsanforderungen innerhalb der 95. Kachel der Branche liegen, möchten Sie vielleicht den Supermetrics-Konnektor testen.
Tabellenkalkulationen vs. Data Warehouses
Sowohl Tabellenkalkulationen als auch Data Warehouses helfen Ihnen bei der getrennten Datenaufbereitung und -visualisierung. Ansonsten haben diese beiden Ansätze wenig gemeinsam.
Die Low-Tech-Lösungen
Google Sheets und der Connector zum Extrahieren von Daten sind gültige Optionen, aber ihnen fehlt ausreichend Speicherplatz. Der Connector zum Extrahieren von Daten ist auf 100 MB begrenzt, und jede Registerkarte einer Google-Tabelle ist auf 10 Millionen Zellen begrenzt.
Bei einer Website mit 1000 monatlichen Besuchen wäre ein YoY-Vergleich mit sehr granularen Daten – 9 Dimensionen und 14 Metriken – mit Extract Data oder mit Google Sheets nicht möglich.
Data-Warehouse-Lösungen
Wenn Ihre Anforderungen Tabellenkalkulationen übersteigen, sollten Sie die Verwendung eines Data Warehouse in Betracht ziehen. Sie haben nahezu unbegrenzten Speicherplatz zu einem sehr günstigen Preis und können Ihre Daten mithilfe der BigQuery-Übertragung auffüllen.
Es gibt keine andere Lösung, um schnellere Berichte zu liefern, aber die Dinge werden etwas komplexer.
Wenn Sie die kostenlose Funktion von GA4 verwenden, um Daten nach BigQuery zu exportieren, werden Sie mit einer neuen Art der Datenspeicherung konfrontiert. BigQuery speichert die Daten in einem verschachtelten Format, und bevor Sie die Daten in Looker Studio verwenden, müssen Sie flache Tabellen erstellen. Andererseits erfordert dies SQL-Kenntnisse und viel Planung.
Der Lagerkonnektor von Supermetrics macht die Sache viel einfacher. Sie können das Standardschema von Supermetrics verwenden, um ohne Vorbereitung auf Ihre GA4-Daten zuzugreifen. Sie können Ihr benutzerdefiniertes Schema auch erstellen, ohne eine einzige Codezeile zu schreiben – alles wird mit einer grafischen Benutzeroberfläche gehandhabt.
Um Ihre Daten zu bereinigen, ist noch weniger Codierung erforderlich als in Looker Studio. Auf der Supermetrics Teamsite können Kunden benutzerdefinierte Dimensionen und Metriken mithilfe von Bedingungen, Funktionen und Lookups erstellen.
„Schreibe ich SQL? Ja. Will ich SQL schreiben? Nein, ich bin ein Vermarkter, und darin bin ich am besten.“JJ Reynolds, Leiter Marketing + Analytik, Mediaauthentic
Sicherlich gibt es einen Lernprozess, aber wenn Sie Ihr Lager einmal für Ihr Reporting eingerichtet haben, möchten Sie wahrscheinlich nicht mehr zurück. Ein guter Ausgangspunkt, um mehr über Data Warehouses zu erfahren, ist das Webinar „Alles, was Sie wissen müssen, um Ihr Marketing Data Warehouse aufzubauen“ von Anna Shutko und Evan Kaeding.
Erstellen eines Data Warehouse mit Tabellenkalkulationen
Ich habe das Thema mit Mehdi Oudjida diskutiert, einem der bekanntesten Looker Studio-Experten, der die Community immer wieder mit cleveren Workarounds überrascht.
„Mit dem Supermetrics-Konnektor ist es möglich, GA4-Daten täglich in eine Tabelle zu ziehen. Verknüpfen Sie das Google Sheet mit BigQuery, planen Sie eine Abfrage, um die Daten an Ihre Zieltabelle anzuhängen, und erhalten Sie ein Data Warehouse zu reduzierten Kosten.“Mehdi Oudjida, Digital-Analytics-Experte
Diese Methode erfordert ein wenig SQL-Kenntnisse, und Sie müssen einige Sicherheitsvorkehrungen treffen, um die Integrität Ihrer Daten sicherzustellen, falls einer der Schritte in Ihrer Kette fehlschlägt. Der Aufbau einer solchen Pipeline ist kein Hexenwerk. Es ist ein risikoarmer Ansatz, um die Vorteile eines Data Warehouse zu erleben.
Welches Setup passt zu Ihren Anforderungen?
Wir haben viele Möglichkeiten gesehen, unsere Marketingdaten in Looker Studio einzubringen. Welches Setup passt zu Ihren Anforderungen? Um Ihnen den Entscheidungsprozess etwas zu erleichtern, haben wir einen Entscheidungsbaum erstellt, mit dem Sie die richtigen Fragen stellen können.
Welches Setup zu Ihren Anforderungen passt
6 Möglichkeiten, Ihre GA4-Daten in Looker Studio zu bringen
Machen Sie GA4-Quotenlimits zu einer Geschichte der Vergangenheit
Wenn Sie Probleme mit den neuen GA4-Kontingentlimits hatten, müssen Sie möglicherweise überarbeiten, wie Sie Ihre Marketingdaten in Looker Studio übertragen. Es gibt viele Optionen, von stabileren Konnektoren über Tabellenkalkulationen bis hin zu Data Warehouses. Hoffentlich hilft Ihnen dieser Artikel, sich ein klares Bild von den verschiedenen Möglichkeiten zu machen und die richtige Wahl zu treffen. Und wenn Sie sich immer noch nicht sicher sind, wo Sie anfangen sollen, können Sie eine Demo bei unserem Team buchen. Wir helfen Ihnen gerne weiter.
Noch Fragen?
Sprechen Sie mit unseren Vertriebsingenieuren, um die Lösung zu finden, die Ihren Anforderungen entspricht.
Über den Autor
Ralph, Head of Data Visualization bei Supermetrics, arbeitet an der Implementierung der ersten kommerziellen Looker Studio-Diagrammbibliothek – einer Sammlung von Datenvisualisierungen, mit denen Sie die Grenzen von Looker Studio erweitern können.