在 GA4 和 UA 之间建模并协调数据

[badsha0018]

数据修改：数据可在每日表格中修改，最长可在可用后 72 小时内修改。因此，如果您想进行详尽的计算，您的计算程序和对这些表的调用必须参考 3 天的原始表。
session_id 的唯一性：请记住，会话 ID 是通过组合 ga_session_id 和 user_pseudo_id 来查询的


管理 consent_mode：未经同意的点击“privacy_info.analytics_storage = no”包含在导出中 - 即使相关参数数量很少 - 请记住不要计算它们
没有会话维度 – 因为该模型是基于事件的 – 与 Universal Analytics 不同。因此您需要对某些维度进行“会话化”。
无法与广告工具集成 - 必须自行进行对账
没有归因数据——这也必须由您自己重新计算——特别是如果你想重现“非直接最后点击”逻辑
批量发送的事件具有相同的事件时间戳 - 如果您希望重新创建顺序概念，则需要在收集级别创建单独的时间戳 - 等待 Google 方面的发展！


一旦我们明确定义了我们想要跟踪的 KPI 及其计算方式，我们就可以解决它们与 UA 和 GA4 的关系问题。



为了处理 GA4 数据，我们建议将它们细分为符合范围逻辑的表子集：用户、会话、电子商务、事件、页面等。

此细分的主要目的是最大限度地提高性能并降低成本 - 换句话 厄瓜多尔电话号码数据 说，避免调用每个查询可能包含数千万行的主表。

让我们举个例子：我们的数据营销团队在 Universal Analytics 中推动“每个用户的会话频率”KPI。我们创建一个表“ga4_user”来计算 GA4 的 KPI；然后我们将这个 KPI 与其 Universal Analytics 历史记录合并。

在 Converteo，我们决定依靠市场上的标准建模工具来完成这一部分：DBT 和 Dataform。

有两个公开示例可以证明这些工具的功能：

对于 DBT，最有趣的资源涉及Velir/dbt-ga4包，它允许您在用户/会话/页面级别重新创建表并将转换率与它们关联起来。
对于 Dataform，我欣赏 Artem Korneev 所提供的工作，尤其是对归因模型的管理。
在 Converteo，我们的职责是为客户团队创建并提供所有交钥匙预先计算的表格，并为他们提供管理连续性。