Zum Inhalt springen
DE
TERMIN VEREINBAREN
Analytics und Messung

GA4 BigQuery Export: Rohdaten im Marketing-Data-Warehouse verknüpfen

Die GA4-Oberfläche zeigt aggregierte Daten, mit Schwellenwerten und begrenzter Aufbewahrungsdauer. Der BigQuery Export von GA4 liefert dagegen jedes Ereignis als eigene Zeile. Ihren eigentlichen Wert entfalten diese Rohdaten im Data Warehouse, wenn sie mit Ihren übrigen Daten zusammenkommen: Retouren, Leads, die im CRM zu Verkäufen werden, Bestellungen auf Marktplätzen und die Werbekosten aller Kanäle.

Wachstumsgespräch vereinbaren Details lesen
datumkanalkampagnesitzungumsatzMit SQL verknüpfen
Beispielhafte Darstellung: Beispielhafte Darstellung einer zusammengeführten Tabelle im Data Warehouse.
Zweck und Darstellung

Wofür setzen wir diese Leistung ein?

Mit BigQuery machen wir Ergebnisse sichtbar, die Werbeplattformen und GA4 allein nicht zeigen: den Nettoumsatz nach Retouren, Leads, die zu Verkäufen werden, und Kunden, die erneut kaufen. Wir verknüpfen Rohdaten auf Ereignisebene mit Bestell-, CRM- und Kostendaten, um Budget in profitable Kampagnen zu verlagern und den Kundenwert langfristig zu verfolgen.

Abgedeckte Funnel-Phasen

  1. Bekanntheit
  2. Erwägung
  3. Conversion
  4. Kundenbindung

GA4 mit BigQuery verknüpfen: Warum am ersten Tag?

Der BigQuery-Export arbeitet nicht rückwirkend; Daten fließen erst ab dem Tag, an dem die Verknüpfung eingerichtet wird. Eine Verknüpfung, die heute nicht aktiviert wird, macht einen Jahresvergleich im kommenden Jahr unmöglich. Deshalb richten wir sie in der ersten Woche der Messarbeit ein, auch wenn noch keine Rohdatenanalyse ansteht. Die Speicherkosten bleiben bei einer kleinen Website gering, verlorene Historie lässt sich dagegen später auf keinem Weg zurückholen.

Bei der Einrichtung wählen wir zwei Einstellungen mit besonderer Sorgfalt. Der Datenstandort lässt sich nachträglich nicht ändern; dafür müsste die Verknüpfung gelöscht und ein neues Dataset angelegt werden, wodurch eine Lücke entsteht. Überschreitet eine Standard-Property das Tageslimit von 1 Mio. Ereignissen, wird der Export pausiert; bei Websites mit hohem Traffic filtern wir unnötige Ereignisse deshalb von Anfang an mit einem Exportfilter heraus. Die kostenlose Sandbox nutzen wir nur zum Testen, weil sie Tabellen nach 60 Tagen löscht und den Data Transfer Service nicht unterstützt.

Welche Daten verknüpfen wir im Data Warehouse?

Der Verknüpfungsschlüssel hängt von der Datenquelle ab: auf der Bestellseite die transaction_id, auf der CRM-Seite die Lead-ID, die bei der Formularübermittlung mitgegeben wird. Wir beobachten auch den Anteil nicht zugeordneter Datensätze; steigt er, geht das ID-Feld an einer Stelle im Datenfluss verloren. Die Zuordnungsregeln dokumentieren wir schriftlich, damit auch eine Analystin oder ein Analyst in Ihrem Team zum gleichen Ergebnis kommt. Die Verknüpfungen, die wir am häufigsten aufbauen:

  • Bestell- und Retourendaten über die transaction_id in GA4: Retournierte Bestellungen werden vom Kampagnenumsatz abgezogen
  • CRM-Datensätze über die bei der Formularübermittlung mitgegebene Lead-ID: Welche Kampagne hat Leads geliefert, die zu Verkäufen wurden
  • Google Ads-Kosten täglich über den BigQuery Data Transfer Service
  • Kosten von Meta, TikTok und weiteren Plattformen über Konnektoren wie Supermetrics
  • Marktplatzverkäufe von den großen türkischen Marktplätzen, über Exporte aus deren eigenen Verkäuferportalen

BigQuery-Abfragekosten und Berichtsgeschwindigkeit im Griff behalten

GA4-Tabellen werden nach Tagen aufgeteilt geliefert, und jede Abfrage wird nach der gescannten Datenmenge abgerechnet. Wir begrenzen Abfragen mit _TABLE_SUFFIX auf den benötigten Zeitraum und verzichten auf SELECT *. Statt bei jedem Öffnen eines Berichts die Rohtabelle zu scannen, erstellen wir kleine Übersichtstabellen, die per geplanter Abfrage jede Nacht aktualisiert werden. Zusätzlich hinterlegen wir auf Projektebene eine Budgetwarnung.

Wenn ein Data Studio-Bericht aus diesen Übersichtstabellen gespeist wird, öffnet er sich schnell und läuft nicht in die Kontingentfehler des GA4-Konnektors. Dieselben Tabellen bilden auch die Datengrundlage für die saisonale Verhaltensanalyse und die Budgetplanung; die Nachfragekurve der Vorjahre lässt sich hier mit einer einzigen Abfrage ermitteln, und den Kampagnenkalender richten wir an dieser Kurve aus.

BigQuery: Wann empfehlen wir es?

Wir empfehlen es

  • B2B- und Dienstleistungsmarken, bei denen ein Teil der Verkäufe über CRM, Telefon oder Händler abgeschlossen wird
  • E-Commerce-Marken mit hoher Retourenquote, die den Kampagnenumsatz als Nettoumsatz sehen wollen
  • Performance-Teams, die Meta- und TikTok-Kosten in derselben Abfrage mit dem GA4-Umsatz vergleichen wollen
  • Analysen, die in den explorativen GA4-Berichten an Schwellenwerte und Aufbewahrungsgrenzen stoßen

Wir empfehlen es nicht

  • Strukturen, in denen niemand SQL beherrscht und keine Berichtsebene aufgebaut wird, die die Daten auswertet
  • Neue Websites mit wenigen hundert Sitzungen pro Monat; in dieser Größenordnung reicht die GA4-Oberfläche aus

So betreuen wir BigQuery

  1. Projekt und StandortWir legen das Google Cloud-Projekt, die Abrechnung und den dauerhaft festen Datenstandort fest.
  2. GA4-VerknüpfungWir aktivieren den täglichen Export und definieren bei Bedarf einen Ereignisfilter.
  3. Externe QuellenWir binden Werbekosten, CRM- und Bestelldaten in einen regelmäßigen Datenfluss ein.
  4. ZuordnungsregelnWir schreiben die Verknüpfungslogik über transaction_id, Lead-ID und UTM-Felder.
  5. ÜbersichtstabellenWir erzeugen per geplanter Abfrage die täglichen Tabellen, aus denen die Berichte lesen.

BigQuery: Kennzahlen und Voraussetzungen

Kennzahlen, die wir verfolgen

  • Nettoumsatz (nach Retouren)
  • Gewinn je Kampagne
  • Quote von Lead zu Verkauf
  • Kundenakquisitionskosten
  • Gescannte Datenmenge pro Abfrage

Was Sie für den Start brauchen

  • Ein Google Cloud-Projekt mit aktivierter Abrechnung
  • Bearbeiter-Rechte in GA4, Inhaber-Rechte im BigQuery-Projekt
  • Regelmäßiger Datenexport oder API-Zugriff auf CRM oder Bestellsystem
  • Ein eindeutiges ID-Feld, das in Formularen und Bestellungen mitgegeben wird

Offizielle Quellen

The Brand Move Measurement-Team

Für Informationen zu „BigQuery“ und weiteren Analytics-Leistungen wenden Sie sich direkt an das Analytics-Team von The Brand Move.

Jetzt Kontakt aufnehmen
Mehr entdecken

Weitere Leistungen: Analytics und Messung

Übersicht: Analytics und Messung

Google Analytics 4

GA4-Einrichtung oder Audit: Event-Plan, Schlüsselereignisse, E-Commerce-Tracking und Attributionseinstellungen, sauber dokumentiert.

Ansehen

Google Tag Manager

Google Tag Manager einrichten: Datenschicht, sauber strukturierter Container und bei Bedarf Server-Side Tagging auf einer First-Party-Domain.

Ansehen

Data Studio (Looker Studio)

Data Studio (Looker Studio) Dashboard: ein schnell ladender Bericht, in dem Management und Marketing dieselben Zahlen lesen und jede Metrik definiert ist.

Ansehen

Verwandte Seiten

Häufige Fragen

Häufige Fragen zu BigQuery

Was bringt der BigQuery Export gegenüber der GA4-Oberfläche?

Die Oberfläche zeigt aggregierte Werte mit Schwellenwerten und begrenzter Aufbewahrung. Im Export liegt jedes Ereignis als eigene Zeile vor, und die Daten lassen sich mit Bestell-, CRM- und Kostendaten verknüpfen. Erst so wird sichtbar, welche Kampagne nach Retouren Gewinn bringt oder welche Leads zu Verkäufen werden.

Können wir GA4-Daten nachträglich nach BigQuery exportieren?

Nein. Der Export arbeitet nicht rückwirkend; Daten fließen erst ab dem Tag, an dem die Verknüpfung eingerichtet wird. Deshalb aktivieren wir sie in der ersten Woche der Messarbeit, auch wenn noch keine Rohdatenanalyse geplant ist.

Brauchen wir den Streaming-Export?

Bei den meisten Marken nicht. Streaming-Tabellen werden innerhalb von Minuten aktualisiert, Google garantiert für diesen Datenfluss aber keine Vollständigkeit, und Felder wie die Zuordnung neuer Nutzer fehlen. Wir berichten aus den täglichen Tabellen und aktivieren Streaming nur in Sonderfällen, etwa zur Beobachtung an einem Kampagnentag.

Welche Frage beantworten wir, wenn wir Werbedaten und GA4 in BigQuery verknüpfen?

Am häufigsten die Frage, welche Kampagne tatsächlich Gewinn bringt. Wie viele Formulare aus Meta-Lead-Anzeigen zu Verkäufen werden oder wie viel vom Performance Max-Umsatz nach Retouren übrig bleibt, sehen wir erst durch diese Verknüpfung.

Wo werden unsere Daten gespeichert?

Beim Anlegen des BigQuery-Datasets wählen wir die Standortregion, und diese Wahl lässt sich später nicht ändern. Welche Region genutzt wird, entscheiden wir gemeinsam mit Ihrer Rechtsabteilung danach, ob personenbezogene Daten enthalten sind; für Unternehmen in der EU ist dabei auch die DSGVO relevant. In den GA4-Rohdaten speichern wir keine direkt identifizierenden Angaben.

Lassen Sie uns BigQuery gemeinsam erstmals bewerten.

Im kostenlosen Gespräch prüfen wir Ihre Analytics-Property und Ihre Tag-Struktur und zeigen Ihnen schriftlich, wo Daten fehlen oder doppelt gezählt werden.

Wachstumsgespräch vereinbaren Kein Verkaufsdruck. Nur Erkenntnisse.