In diesem Blogbeitrag möchte ich die neuen Versionen der Google-Tools zusammenfassen, die wir täglich verwenden Datenurteil. Daher möchte ich einen Überblick über die neuen Funktionen von BigQuery, Looker Studio, Google Analytics und Google Tag Manager geben. Darüber hinaus werde ich mich auf die Veröffentlichungen konzentrieren, die ich für die wichtigsten halte, und ich werde auch einige andere Änderungen nennen, die vorgenommen wurden.
Wenn ihr genauer hinschauen wollt, findet ihr hier die Release Notes von BigQuery, Looker Studio, Google Analytics & Google Tagmanager.
BigQuery
Bessere Grenzwerte für verbundene Blätter
Es ist möglich, eine BigQuery-Tabelle mit einem Google Sheet zu verbinden, das als „Connected Sheets“ bezeichnet wird. Diese Verbindung hat Limits, die jetzt aktualisiert wurden:
- Pivot-Tabellen-Limit von 30.000 bis 50.000 Zeilen
- Beschränkung der Datenextrakte auf 25.000 bis 50.000 Zeilen
Gehen Sie zunächst in BigQuery zur gewünschten Tabelle und klicken Sie auf Exportieren > Mit Tabellen erkunden.
Ein neues Google Sheet wird mit allen Daten der Tabelle geöffnet (wenn die Daten nicht zu groß sind). Aus dieser GSheet-Tabelle können Sie Daten extrahieren oder eine Pivot-Tabelle mit den genannten neuen Grenzwerten erstellen.
Neuer Array- und Strukturoperator
BigQuery kann Array- und Strukturdatentypen in den gespeicherten Tabellen verarbeiten.
Anordnungen:
Vorher war es nur möglich, mit OFFSET und ORDINAL auf ein Element in einem Array zuzugreifen. Jetzt ist es möglich, einfach den Index zu verwenden, was der Verwendung von OFFSET entspricht.
Ein einfaches Beispiel:
planet_array = ['Merkur', 'Venus', 'Erde', 'Mars']
planet_array [ORDINAL (1)] -> 'Merkur'
planet_array [OFFSET (1)] -> 'Venus'
planet_array [1] -> 'Venus'
Das große Problem ist, wenn Sie in unserem Beispiel planet_array [7] verwenden, greifen wir auf ein Element außerhalb des Arrays zu, BigQuery gibt einen Fehler aus und die gesamte Abfrage schlägt fehl. Um dies zu umgehen, können Sie SAFE_OFFSET oder SAFE_ORDINAL verwenden, dann wird kein Fehler ausgegeben und der entsprechende Wert ist NULL. Bisher würde ich immer noch dringend empfehlen, eine der beiden SAFE-Funktionen zu verwenden.
Struktur:
Es ist dasselbe wie bei Arrays. Sie können auf ein Strukturelement nur über den Index zugreifen, was der Verwendung von OFFSET entspricht.
Ein einfaches Beispiel:
planet_struct = ('Merkur', 1, 4879,4)
planet_struct [ORDINAL (1)] -> 'Merkur'
planet_struct [OFFSET (1)] -> 1
planet_struct [1] -> 1
Datenformular
Kleine Verbesserungen
Dataform hat einige neue Funktionen, insbesondere auf der Sicherheitsseite:
Zunächst können Sie den Fernzugriff auf Repositorys auf Unternehmensebene einschränken. Auf Projektebene ist dies ebenfalls möglich. Weitere Informationen finden Sie hier.
Zweitens können Sie Dienstkonten für einzelne Workflow-Konfigurationen delegieren. Wenn kein Dienstkonto zugeordnet ist, wird das Dienstkonto verwendet, das DataForm/Repository zugewiesen ist. Im Abschnitt Workflow-Konfigurationen in Dataform müssen Sie auf die drei Punkte des ausgewählten Workflows klicken, um das zugewiesene Dienstkonto zu ändern.
Looker Studio
Vorteil: Sehen Sie sich die zugrunde liegenden Daten eines Diagramms an
Eine neue Funktion für die Pro-Version ermöglicht es Ihnen, die Daten eines Diagramms oder einer Tabelle genauer zu betrachten.
Im Bearbeitungsmodus können Sie mit der rechten Maustaste auf ein Diagramm klicken und „Zugrundeliegende Daten anzeigen“ auswählen. Anschließend erhalten Sie einen Überblick über alle Werte der im Diagramm verwendeten Dimensionen und Metriken.
Die Visualisierung hängt davon ab, ob eine Aufschlüsselungsdimension verwendet wurde oder nicht:
Ohne Aufschlüsselungsdimension: Daten werden in einer Tabelle angezeigt
Mit einer Aufschlüsselungsdimension: Daten werden in einer Pivot-Tabelle angezeigt
Google Analytics
Neuer Checkout Journey-Bericht
In deinen GA4-Berichten ist unter Monetarisierung > Checkout Journey ein neuer Bericht verfügbar. Er hat dieselbe Struktur wie der Bericht „User Purchase Journey“, den wir in diesem Artikel behandelt haben Blogbeitrag.
Im Mittelpunkt des Berichts „User Purchase Journey“ steht die gesamte User Journey, vom Beginn einer Sitzung bis zum Kauf.
Der Bericht „Checkout Journey“ beginnt mit dem Beginn des Checkouts bis zum Kauf. Anhand Ihres definierten Checkout-Trichters sehen Sie, wie viele Nutzer den Checkout in bestimmten Schritten verlassen.
GA4 erkennt die Checkout-Schritte, wenn das GTM und die Datenschicht korrekt implementiert sind. Hier findest du, wie um die Checkout-Ereignisse in der Datenschicht zu strukturieren.
Neuer BigQuery-Export
Es ist ein neuer Export verfügbar, um Daten von Ihrer GA4-Property an BigQuery zu senden. Der neue Export muss nur aktiviert werden, wenn Sie bereits einen funktionierenden Event-Datenexport haben.
Diese Daten senden zusätzliche Metainformationen von den Benutzern auf Ihrer Website. Die Daten sind besonders interessant, wenn Sie zusätzliche Benutzerinformationen auf Veranstaltungsebene verfolgen.
In Ihren GTM GA4-Event-Tags können Sie Benutzerinformationen hinzufügen:
Und diese Informationen sind nicht Teil des üblichen BigQuery-Event-Exports. Diese Werte finden Sie im neuen Benutzerexport.
Google Tagmanager
Das neue Google Tag
Google hat das GA4-Konfigurations-Tag geändert. Die Migration zum neuen Tag hat Google selbst vorgenommen. Was bedeutet, dass Sie immer noch ein funktionierendes Tracking-Setup haben.
Neben dem Namen gibt es zwei kleinere Änderungen am neuen Tag-Typ.
Im Abschnitt mit den Konfigurationseinstellungen können Sie bestimmte Metainformationen für Ihr Tracking hinzufügen. Sie haben zwei Möglichkeiten, diese Informationen hinzuzufügen:
- Mit der neuen Konfigurationseinstellungsvariablen können Sie Schlüssel-Wert-Paare hinzufügen, die Sie in jedem Tag, das Sie mit der Variablen verbinden, wiederverwenden können.
- Im Tag selbst können Sie auch die Schlüssel-Wert-Paare hinzufügen (Werte im Tag überschreiben die Einstellungen, die in der verbundenen Variablen vorgenommen wurden)
Eine Liste aller vordefinierten Felder, die Sie finden hier.
Google Cloud-Einzelhandelskennzeichen
Es ist ein neues Tag verfügbar, mit dem Sie z. B. Benutzerdaten für Ihren Google Cloud Retail abrufen können.
Um es einzurichten, benötigen Sie einen API-Schlüssel, den Sie in Ihrer Google Cloud erstellen können. Eine Anleitung zum Erstellen des Schlüssels finden Sie hier.
Dann sehen Sie den Abschnitt „Benutzerereignisdaten“. Unter „Datenquelle für Benutzerereignisse“ können Sie Data Layer auswählen, um die erforderlichen Informationen von dort abzurufen. Das funktioniert, wenn die Datenschicht für das E-Commerce-Tracking für GA4 strukturiert ist. Eine andere Möglichkeit besteht darin, bestimmte vordefinierte Variablen auszuwählen, um diese Daten abzurufen.
Danach können Sie weitere Parameter setzen, um die Standardeinstellungen zu überschreiben. Ein Beispiel wäre die VisitorID.
Weitere Informationen zur Einrichtung des Tags und zur Funktionsweise der Benutzerdatentransformation finden Sie hier.
Weitere Links
Dieser Beitrag ist Teil der Google Data Analytics-Serie von Datenurteil und erklärt Ihnen jeden Monat die neuesten Funktionen in BigQuery, Data Studio, Google Analytics und Google Tag Manager.
Folge uns auf LinkedIn für Einblicke in unsere tägliche Arbeit und wichtige Updates zu BigQuery, Data Studio und Marketing Analytics.
Abonniere unseren YouTube-Kanal für Diskussionen zu DWH, BigQuery, Looker Studio und Google Tag Manager.
Wenn Sie BigQuery von Grund auf lernen möchten, erhalten Sie Zugriff auf unsere kostenloser BigQuery-Kurs
Verbessern Sie Ihre Fähigkeiten mit Google Data Studio und BigQuery, indem Sie sich für unser Udemy-Kurs.
Benötigen Sie Hilfe bei der Einrichtung eines modernen, kostengünstigen Data Warehouse oder eines analytischen Dashboards? Senden Sie uns eine E-Mail an hello@datadice.io um einen Anruf zu vereinbaren.
