BigQuery e GA4: a cosa serve l’export per un e-commerce

Che cosa dà BigQuery più di GA4?

Ti dà ogni singolo evento, così com’è arrivato, e la libertà di interrogarlo come vuoi. BigQuery è il database di Google: GA4 ci scrive una tabella al giorno, con una riga per ogni evento.

Aspetto	Interfaccia di GA4	Esportazione in BigQuery
Dettaglio	Dati aggregati, con eventuali soglie	Ogni evento, non campionato
Storia	Esplorazioni limitate a 2 o 14 mesi nelle proprietà standard	Finché tieni le tabelle, con un progetto a pagamento
Domande	Quelle previste da report ed esplorazioni	Tutte quelle che sai scrivere in SQL
Incroci	Limitati	Puoi unire altri dati, come gli ordini o i costi
Competenze	Basta l’interfaccia	Serve chi sa scrivere le query

Il prezzo è il lavoro: niente è pronto. Una metrica come le sessioni la devi ricalcolare tu, e i conti non coincidono per forza con l’interfaccia, che per esempio può usare Google Signals, un dato che non viene esportato.

A quali tre domande risponde meglio di GA4?

Sono tre domande tipiche che su un e-commerce prima o poi arrivano, e che nell’interfaccia sono difficili o impossibili da chiudere.

1. Quali ordini sono stati inviati più di una volta?

Ogni evento ha il suo numero d’ordine e il suo orario, quindi le conversioni doppie si vedono una per una. La query qui sotto cerca proprio questo su una settimana. Sostituisci progetto, dataset e date con i tuoi.

SELECT
  ecommerce.transaction_id AS ordine,
  COUNT(*) AS eventi_purchase,
  COUNT(DISTINCT user_pseudo_id) AS utenti,
  SUM(ecommerce.purchase_revenue) AS valore_sommato
FROM `progetto-esempio.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN "20261001" AND "20261007"
  AND event_name = "purchase"
GROUP BY ordine
HAVING COUNT(*) > 1
ORDER BY eventi_purchase DESC

Si legge così: ogni riga è un numero d’ordine con più di un evento di acquisto. Lo stesso ordine con due utenti diversi è ancora più sospetto. Una riga con l’ID vuoto o «(not set)» raccoglie tutti gli acquisti senza numero, ed è un problema a sé da correggere nell’evento purchase.

2. Quali acquisti hanno dati mancanti?

Puoi contare gli acquisti senza valuta, senza articoli o con valore zero, giorno per giorno. Se il numero sale dopo un aggiornamento del sito, sai da quando e di quanto: un report standard ti mostrerebbe solo totali un po’ più bassi.

3. Che cosa fanno i clienti prima e dopo il primo acquisto?

Avendo tutti gli eventi di ogni utente pseudonimo, puoi ricostruire percorsi, tempi tra un acquisto e l’altro e prodotti comprati insieme grazie alla riga items. È il punto di partenza per lavorare su CAC e LTV, tenendo conto che chi cambia dispositivo o cancella i cookie risulta un utente nuovo.

Quali limiti ha l’esportazione?

Ne ha diversi, e conviene conoscerli prima di promettere risposte a chi aspetta un cruscotto.

• Un milione di eventi al giorno. È il tetto dell’esportazione giornaliera per le proprietà standard. Lo streaming non ha questo limite, ma è un servizio senza garanzie e costa a parte.
• Parte dal collegamento. Dopo il collegamento i dati arrivano entro 24 ore, e la documentazione non prevede un recupero del passato. Conviene attivarla prima che serva.
• Solo gli eventi ricevuti. Chi ha rifiutato i cookie e non ha lasciato un evento non c’è: BigQuery non riempie i vuoti.
• Dati esclusi. Non vengono esportati i dati di Google Signals e i dati di prodotto collegati in Analytics, né gli identificatori wbraid e gbraid.
• Dati che non tornano. Un’esportazione fatta non si può ripetere, e se si interrompe per un metodo di pagamento non valido non viene rifatta.
• Dati in ritardo. Una tabella giornaliera può aggiornarsi per altri 3 giorni con gli eventi arrivati dopo.

Attenzione alla sorgente: il campo traffic_source dice come è stato acquisito l’utente la prima volta, non da dove viene quell’evento. Per la campagna del singolo evento c’è collected_traffic_source. Scambiarli è un errore comune che sposta le vendite da un canale all’altro.

Quanto costa, in linea generale?

Costa in base a due cose: quanto spazio occupano le tabelle e quanti dati leggono le query. Lo streaming si paga a parte. Le tariffe cambiano per regione e nel tempo, e il listino di Google Cloud è l’unica fonte da guardare.

Per iniziare esiste la sandbox, che non richiede carta di credito: ha 1 TiB di query al mese e 10 GiB di spazio in tutto, per l’intera vita del progetto: Google precisa che cancellare i dati non restituisce la quota. Ha però un limite che molti scoprono tardi: tabelle e partizioni scadono dopo 60 giorni, e lo streaming non è disponibile. Se vuoi costruire una storia lunga, devi attivare la fatturazione sul progetto.

Il costo vero dipende da come scrivi le query. Queste abitudini lo tengono sotto controllo.

1. Filtra sempre le date con _TABLE_SUFFIX, come nell’esempio. Il filtro su event_name non riduce i dati letti.
2. Chiedi solo le colonne che servono, senza SELECT *.
3. Non contare su LIMIT. Sulle tabelle senza clustering non riduce i dati letti, quindi non riduce la spesa.
4. Guarda la stima prima di lanciare. La console mostra quanti dati leggerà la query.
5. Metti un tetto. L’impostazione sul massimo di byte fatturati fa fallire la query invece di farla pagare, e puoi fissare quote giornaliere per progetto o per utente.
6. Prepara tabelle riassuntive. Una query pianificata le aggiorna, e le analisi quotidiane leggono quelle invece di tutti gli eventi.

Il tetto del quinto punto, per le query lanciate dalla console di Google Cloud, si imposta nell’editor delle query:

Per guardare com’è fatta una tabella usa la scheda Anteprima (Preview), nella pagina dei dettagli della tabella: è gratuita, mentre una query equivalente si paga.

Ti serve davvero?

Conviene attivarla presto anche se non la userai subito, purché tu sappia dove finiscono i dati e abbia messo un limite alla spesa. Usarla davvero è un’altra decisione.

Il collegamento si fa dall’amministrazione della proprietà GA4, dopo aver preparato un progetto Google Cloud con l’API di BigQuery attiva:

La tua situazione	La scelta sensata
Guardi GA4 ogni tanto, poche domande	Bastano i report di GA4; attiva l’esportazione solo per avere la storia
I conti con gli ordini non tornano	Utile per il controllo ordine per ordine, anche una tantum
Vuoi confrontare più anni di dati	Serve, con la fatturazione attiva
Vuoi unire eventi, ordini e costi	Serve, con chi sa costruire le tabelle
Ti avvicini al milione di eventi al giorno	Valuta quali eventi escludere o lo streaming, prima di superare il tetto

Prima di tutto, però, viene la qualità di ciò che entra: se i tag sono sbagliati, BigQuery conserva errori con molta precisione. Il controllo di partenza è nella checklist di audit di Google Tag Manager, e i motivi di divario con il gestionale in perché i numeri sono diversi.

Scrivere le query, preparare le tabelle e fissare un tetto alla spesa è il lavoro della consulenza di digital analytics. Una cosa resta fuori anche da BigQuery, se non ce la metti tu: i costi. Per leggere il guadagno prodotto per prodotto, senza scrivere SQL, c’è il margine di prodotto del portale.

Domande frequenti

Fonti

• Google Analytics: l'esportazione in BigQuery
• Google Analytics: lo schema dell'esportazione
• Google Analytics: collegare una proprietà a BigQuery
• Google Analytics: le soglie dei dati
• Google Analytics: conservazione dei dati
• Google Cloud: la sandbox di BigQuery
• Google Cloud: controllare i costi di BigQuery