BigQuery-Beispiel-Dataset für die E-Commerce-Web-Implementierung in Google Analytics 4

Der Google Merchandise Store ist ein Onlineshop, in dem Merchandise-Artikel von Google verkauft werden. Auf der Website werden die standardmäßige E-Commerce-Implementierung von Google Analytics 4 und optimierte Analysen verwendet. Das über das BigQuery-Programm für öffentliche Datasets verfügbare Dataset ga4_obfuscated_sample_ecommerce enthält eine Stichprobe von verschleierten BigQuery-Ereignisexportdaten für einen Zeitraum von drei Monaten vom 1. November 2020 bis zum 31. Januar 2021.

Voraussetzung

  • Sie benötigen Zugriff auf ein Google Cloud-Projekt mit aktivierter BigQuery API. Führen Sie die Schritte im Abschnitt Vorbereitung in der BigQuery-Kurzanleitung aus, um ein neues Google Cloud-Projekt zu erstellen oder die BigQuery API in einem vorhandenen Projekt zu aktivieren.

  • Sie können den BigQuery-Sandbox-Modus mit bestimmten Einschränkungen kostenlos nutzen. Die kostenlose Nutzungsstufe sollte ausreichen, um dieses Dataset zu untersuchen und die Beispielabfragen auszuführen. Optional können Sie Abrechnung aktivieren, um die kostenlose Nutzungsstufe zu überschreiten.

Beschränkungen

Dieses Dataset enthält verschleierte Daten, die emulieren, wie ein echtes Dataset aus einer tatsächlichen Google Analytics 4-Implementierung aussehen würde. Bestimmte Felder enthalten Platzhalterwerte, einschließlich <Other>, NULL und ''. Aufgrund der Verschleierung ist die interne Konsistenz des Datasets möglicherweise eingeschränkt.

Das Dataset kann nicht mit dem Google Analytics-Demokonto für den Google Merchandise Store verglichen werden, da sich die Daten unterscheiden.

Dataset verwenden

  1. Die Cloud Console bietet eine Schnittstelle zum Abfragen von Tabellen. Über die BigQuery-UI können Sie auf das Dataset ga4_obfuscated_sample_ecommerce zugreifen.

  2. Wenn der Tab Editor nicht zu sehen ist, klicken Sie auf Neue Abfrage erstellen.

  3. Kopieren Sie die folgende Abfrage und fügen Sie sie in das Feld „Editor“ ein. Diese Abfrage zeigt die Anzahl der eindeutigen Ereignisse, Nutzer und Tage im Dataset an.

    SELECT
  COUNT(*) AS event_count,
  COUNT(DISTINCT user_pseudo_id) AS user_count,
  COUNT(DISTINCT event_date) AS day_count
FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`

  4. Bei gültigen Abfragen wird ein Häkchen zusammen mit der Datenmenge angezeigt, die von der Abfrage verarbeitet wird. Mit diesem Messwert können Sie die Kosten für die Ausführung der Abfrage ermitteln.

    BigQuery-UI mit Abfragevalidierung und Abfragegröße

  5. Klicken Sie auf Ausführen. Die Seite mit den Abfrageergebnissen wird unter dem Abfragefenster angezeigt.

    BigQuery-UI mit Abfrageergebnisse

  6. Führen Sie einige Beispielabfragen aus.

Next Steps