← Back

2023-11-20

GA4からBigQueryへのエクスポートデータ構造

#GA4#BigQuery#データ分析

當資料從 GA4 被匯出至 BigQuery 後，便要開始思考如何進行數據清洗，以利後續針對用戶的數位軌跡進行分析。本文說明 GA4 資料表各欄位的定義，並將其分為「事件」和「使用者」兩大主軸。

首先我們知道 GA4 是以「天」為單位，將資料批次匯入 BigQuery(以下簡稱 BQ) 當中。而經過筆者實測以及總結各界經驗後發現，GA4 的數據彙整需要有 2 天左右的緩衝。這邊的緩衝是基於部份使用者的數位軌跡在匯入 GA4 時會有延遲的情形，因此建議在分析時，篩選最新至 D-2 的日期較為恰當。

有了上述認知後，我們可以先看到 BQ 的 Schema，GA4 資料中的某些欄位是以 RECORD 的型態儲存、且欄位數量頗多。實際上，GA4 匯出至 BQ 的資料大致可分為事件和使用者兩類。

事件 Event

  • event_date | STRING | 事件時間(格式為 YYYYMMDD )
  • event_timestamp | INTEGER | 事件時間(以 UTC 紀錄至微秒)
  • event_previous_timestamp | INTEGER | 事件前一次被記錄的時間
  • event_name | STRING | 事件名稱
  • event_value_in_usd | FLOAT | 將事件中 value 參數轉為美元的數值
  • event_bundle_sequence_id | INTEGER | 事件被上傳時的序列 ID
  • event_server_timestamp_offset | INTEGER | 事件從蒐集到上傳的時間差

GA4 資料在匯入 BigQuery 後會自動以 event_date 來區隔資料表。透過上方敘述可知，event_bundle_sequence_id 和 event_server_timestamp_offset 兩個欄位與後續分析的關聯性較低，比較實用的可能是前幾個。

除上述欄位之外，事件的參數會以 BQ 當中的 STRUCT 格式被記錄。BQ 透過這種巢狀的資料型態將同一事件的多組 {key(param_name): value} 儲存在同一筆紀錄當中，具體如下：

  • event_params.key | STRING
  • event_params.value | RECORD | 存放 key 對應的參數值
  • event_params.value.string_value | ex: URL
  • event_params.value.int_value | ex: ga_session_id

實際上，一個事件參數(event_params.key)的 value 只會對應到一種特定的資料型態。如 event_params.key = page_location 時，只有 string_value 會顯示其對應的 URL，而其他則顯示為 null。

「事件」的流量來源 Collected_Traffic_Source

  • manual_campaign_id | 廣告活動 ID
  • manual_campaign_name | 廣告活動名稱
  • manual_source | 廣告活動來源
  • manual_medium | 廣告活動媒介
  • manual_term | 廣告活動關鍵字
  • gclid | Google Click ID

其中又以 Source & Medium 最為重要。假設我們在 Line OA 透過輪播版位的方式來投放廣告，Source 可以寫作 Line、而 Medium 則是 Carousel。良好的 UTM 管理在實務上能帶來諸多好處。

使用者 User

  • user_id | STRING | unique ID (需透過 GTM 蒐集，預設為 null )
  • user_pseudo_id | STRING | 匿名 ID
  • is_active_user | BOOLEAN | 以天為單位，紀錄使用者的活躍與否
  • user_first_touch_timestamp | INTEGER | 使用者初次造訪網頁的時間點

值得一提的是，user_pseudo_id 是由兩組數字所構成(如 1806154613.1698723554)。前方是隨機亂碼，後方則是初次造訪時的 ga_session_id。

在什麼情況下 is_active_user 會被判定為 True 呢？當使用者為新使用者或在當日有互動工作階段 (Engaged Session) 時。互動工作階段需滿足：

  1. 持續 10 秒以上
  2. 瀏覽 2 個以上的網頁
  3. 觸發 1 次以上的轉換事件

裝置 Device

  • device.category | STRING | 裝置類型(手機、平板、電腦)
  • device.operating_system | STRING | 作業系統(iOS、Windows)
  • device.web_info.browser | STRING | 瀏覽器

如果主管想了解不同數位平台使用者的裝置和品牌差異，使用 category 加上 mobile_brand_name 或許就能夠滿足需求。

地理位置 Geo

GA4 以事件發生當下的 IP 位址為依據儲存使用者地理位置：

  • geo.continent | 洲別
  • geo.country | 國家/地區
  • geo.region | 區域(台北市、台中市等)

其他 Others

  • stream_id | 事件來源的資料串流 ID
  • platform | 事件來源的資料串流平台(Web、iOS、Android)

以上是 GA4 將 raw data 匯入 BQ 後資料樣態的一點分享以及欄位說明。希望這份總整能對初接觸 GA4 或需要清理 BigQuery 結構的朋友帶來幫助。

Reference

  • [GA4] BigQuery Export schema