Klar eingeordnet - Google Analytics Rohdaten

Dieser Überblick ordnet das Thema Google Analytics Rohdaten verständlich ein. Am einfachsten kommen Sie an Google-Analytics-Rohdaten, bevor Sie sie dringend brauchen: CSV-Export, Data API, BigQuery und Sheets liefern jeweils etwas anderes.

Der Export von Daten aus Google Analytics ist am einfachsten, bevor Sie sie dringend benötigen. Sobald eine Migration, ein Audit, ein Anbieterwechsel oder eine Universal Analytics-Ablauffrist erreicht ist, stellen Teams häufig fest, dass GA4-Exporte nicht wie ein vollständiger Datenbank-Dump funktionieren.

Die richtige Methode hängt davon ab, ob Sie einen Schnellbericht, wiederkehrende Dashboard-Daten, rohe Ereignisdaten für die Zukunft oder ein historisches Archiv benötigen. Gehen Sie nicht davon aus, dass eine einzige Exportmethode alles bewahren kann. GA4-Berichte, die Daten API und BigQuery beantworten unterschiedliche Fragen und können berechtigterweise unterschiedliche Gesamtergebnisse liefern.

Methode 1: Manuelle CSV-Exporte

GA4-Berichte und -Erkundungen können zur schnellen Aufbewahrung manuell exportiert werden. Dies ist nützlich für Executive-Berichte, Top-Seiten, Kanalzusammenfassungen, Landingpages, E-Commerce-Zusammenfassungen und Conversion-Berichte.

Verwenden Sie CSV-Exporte, wenn:

• Sie benötigen ein für Menschen lesbares Archiv.
• Der Datensatz ist klein.
• Sie möchten eine bestimmte Berichtsdefinition beibehalten.
• Sie dokumentieren die Baselines vor der Migration.

Einschränkungen: Manuelle Exporte sind aggregiert, leicht zu vergessen und nicht für die Rohereignisrekonstruktion geeignet.

Methode 2: Google Analytics Daten API

Die GA4-Daten API sind nützlich für geplante Exporte in ein Warehouse, eine Tabellenkalkulation oder ein BI-Tool. Es gibt Daten im Berichtsstil basierend auf Dimensionen und Metriken zurück, nicht den gleichen rohen Ereignis-Feed wie BigQuery.

Verwenden Sie API, wenn:

• Sie benötigen wiederkehrende Auszüge.
• Sie möchten konsistente Metrikdefinitionen.
• Sie bauen Ihre eigene Berichtsebene auf.
• Sie benötigen mehr Kontrolle, als die Benutzeroberfläche bietet.

Zu den Einschränkungen zählen Kontingente, Aggregation und Schemaplanung. Sie sollten Ihre Abfragen versionieren, damit die Berichte erklärbar bleiben.

Methode 3: BigQuery-Export

Der BigQuery-Export von GA4 ist in Zukunft die stärkste Option für rohe Ereignisdaten. Google erklärt, dass der BigQuery-Export Zugriff auf Rohdaten zu Ereignissen und auf Benutzerebene ermöglicht, mit Ausnahme einiger in Standardberichten vorgenommener Mehrwerte, und dass für Standardeigenschaften ein tägliches Batch-Exportlimit von 1 Million Ereignissen gilt (GA4 BigQuery-Export).

Verwenden Sie BigQuery, wenn:

• Sie benötigen eine Analyse auf Ereignisebene.
• Sie möchten Analysen mit Produkt- oder Umsatzdaten verbinden.
• Sie haben Analysten, die mit SQL arbeiten können.
• Sie möchten Daten außerhalb der GA4-Schnittstelle.

Wichtiger Vorbehalt: Der BigQuery-Export ist keine Zeitmaschine. Google weist darauf hin, dass Sie Daten, die Sie einmal nach BigQuery exportiert haben, nicht erneut exportieren können. Historische Rohdaten vor der Verknüpfung werden nicht auf die gleiche Weise vollständig aufgefüllt. Konfigurieren Sie den Export frühzeitig.

Wählen Sie den Exportmodus bewusst. Der tägliche Export ist für den Vortag vollständiger, kann sich jedoch verzögern und ist für Standardeigenschaften begrenzt. Der Streaming-Export erfolgt nahezu in Echtzeit und unterliegt keiner Beschränkung des Ereignisvolumens. Google beschreibt ihn jedoch als „Best-Effort“, ohne Vollständigkeits-Service-Level, und er kann neue Nutzer- und neue Sitzungs-Traffic-Quellendaten ausschließen. Verlassen Sie sich bei Migrationsarchiven nicht nur auf das Streaming, wenn es auf die tägliche Vollständigkeit ankommt.

Methode 4: Google Sheets und Looker Studio

Tabellen und Looker Studio-Konnektoren sind nützlich für die einfache Berichterstattung an Stakeholder. Es handelt sich nicht um robuste Archive. Verwenden Sie sie für wiederkehrende Zusammenfassungen, nicht für die Aufbewahrung auf Compliance-Niveau.

Was vor dem Werkzeugwechsel exportiert werden soll

Bewahren Sie mindestens Folgendes auf:

• Monatliche Benutzer, Sitzungen, Seitenaufrufe und Conversions.
• Kanal- und Quellen-/Medienberichte.
• Leistung der Zielseite.
• Top-Inhalte und Exit-Seiten.
• E-Commerce-Umsatz- und Produktberichte, falls relevant.
• Wichtige Ereignisdefinitionen.
• UTM-Namenskonventionen.
• Screenshots wichtiger Dashboards.
• Admin-Einstellungen, Zielgruppen, Konvertierungen und Datenaufbewahrungseinstellungen.

Exportieren Sie auch Ihre Event-Taxonomie. Die Ereignisnamen und -parameter sind häufig wertvoller als die historischen Zählungen, da sie erklären, wie das Unternehmen das Verhalten gemessen hat.

Überlegungen zum Datenschutz und zur Aufbewahrung

Die Datenaufbewahrungseinstellung von GA4 wirkt sich auf Explorationen und Trichterberichte aus, nicht auf standardmäßige aggregierte Berichte. In der Dokumentation von Google werden 2 Monate und 14 Monate für Standardeigenschaften aufgeführt, mit längeren Optionen für GA4 360 (GA4 Datenaufbewahrung). Wenn Sie auf Explorations setzen, überprüfen Sie diese Einstellung sofort.

Vermeiden Sie beim Exportieren ein größeres Datenschutzproblem. Speichern Sie rohe Ereignisdaten nicht auf einem freigegebenen Laufwerk ohne Zugriffskontrollen. Wenden Sie Aufbewahrungs-, Verschlüsselungs-, Least-Privilege- und Löschregeln auch auf Exporte an.

Migrationsworkflow

1. Listen Sie Berichte auf, die Stakeholder tatsächlich nutzen.
2. Exportieren Sie aggregierte Trends für 12 bis 24 Monate, sofern verfügbar.
3. Aktivieren Sie den BigQuery-Export, wenn Sie in Zukunft weiterhin GA4-Rohdaten benötigen.
4. Ereignis- und Konvertierungsdefinitionen exportieren.
5. Konfigurieren Sie das neue Analysetool.
6. Führen Sie beide Tools für kurze Zeit parallel aus.
7. Erklären Sie die erwarteten metrischen Unterschiede.
8. Archivexporte mit Eigentümer, Datum, Quelle und Aufbewahrungszeitraum.

Google Analytics-Exporte sind nicht nur Backups. Sie sind institutionelles Gedächtnis. Bewahren Sie genügend Verlauf auf, um Trends vergleichen zu können, nutzen Sie die Migration jedoch als Chance, die als Nächstes erfassten Daten zu vereinfachen.

Tipps zur Benennung und Dokumentation

Exporte sind viel nützlicher, wenn zukünftige Teams sie verstehen können. Speichern Sie jeden Export mit dem Eigenschaftsnamen, dem Datumsbereich, dem Exportdatum, der Zeitzone und dem Berichtstyp. Führen Sie eine kleine README-Datei mit Erläuterungen zu Metrikdefinitionen, Filtern, bekannten Stichproben- oder Schwellenwertproblemen und dazu, ob die Daten aus einem Standardbericht, einer Exploration, einer API-Abfrage oder BigQuery stammen.

Nach der Migration

Halten Sie GA4-Exporte schreibgeschützt. Lassen Sie nicht zu, dass Analysten die einzige Archivkopie bereinigen oder bearbeiten. Wenn Sie transformierte Daten benötigen, erstellen Sie eine separate abgeleitete Tabelle oder Tabelle. Vereinbaren Sie dann eine Löschprüfung. Historische Analysen können für saisonale Vergleiche hilfreich sein, Rohdaten auf Benutzerebene sollten jedoch nicht für immer aufbewahrt werden, nur weil sie durch das Migrationsprojekt entstanden sind.

Qualitätsprüfungen exportieren

Validieren Sie nach dem Export das Archiv, bevor Sie das Projekt schließen. Bestätigen Sie Datumsbereich, Zeitzone, Eigenschaft ID, Währung, Filter und Konvertierungsdefinitionen. Vergleichen Sie die monatlichen Gesamtsummen aus dem Export mit dem ursprünglichen GA4-Bericht für einige Beispielmonate. Kleinere Unterschiede zwischen APIs und Berichten sind zu erwarten, große Lücken sollten jedoch erklärt werden, solange die Quelle noch verfügbar ist.

Testen Sie auch die Benutzerfreundlichkeit der Wiederherstellung. Öffnen Sie CSV, führen Sie die API-Abfrage erneut aus oder fragen Sie die BigQuery-Tabelle von einem separaten Konto mit schreibgeschütztem Zugriff ab. Ein Export, den nur ein Analyst verstehen kann, ist kein Archiv; es ist ein fragiler persönlicher Arbeitsplatz.

Übergabe-Checkliste exportieren

Ein nützliches GA4-Archiv sollte Folgendes enthalten:

• Aggregierte Trendberichte für die tatsächlich überprüften Geschäftskennzahlen.
• Ereignis- und Konvertierungsdefinitionen, einschließlich der Änderungszeiträume.
• Datum der BigQuery-Verknüpfung, Speicherort des Datensatzes, Exportmodus, ausgeschlossene Streams oder Ereignisse sowie etwaige Warnungen zu Tageslimits.
• Zeitzonen- und Währungseinstellungen für jeden Umsatz- oder täglichen Trendexport.
• Bekannte Vorbehalte wie Schwellenwerte, Einwilligungsmodellierung, Aufbewahrungsgrenzen, stichprobenartige UI-Grenzwerte und Berichts-/API-Unterschiede.
• Ein schreibgeschütztes Original plus eine separate Arbeitskopie für bereinigte Tabellen.

Das Ziel ist nicht ein Museum jedes Dashboards. Es handelt sich um ein dauerhaftes Archiv, das es zukünftigen Teams ermöglicht, zu verstehen, woran das Unternehmen vor der Migration glaubte, und neue Analysen ehrlich mit dieser Geschichte zu vergleichen.

Häufig gestellte Fragen

Wie hoch ist das tägliche Exportlimit für Standard-GA4-Properties in BigQuery?

Standard-GA4-Properties können über den täglichen Batch-Export von BigQuery bis zu 1 Million Ereignisse pro Tag senden. Properties mit höherem Volumen brauchen GA4 360. Das Limit gilt für den täglichen Export, nicht für den Streaming-Export, der keine Ereignisobergrenze hat.

Kann man historische Daten nachträglich zu BigQuery exportieren, wenn die Verknüpfung erst später eingerichtet wird?

Nein, sobald Daten zu BigQuery exportiert wurden, lassen sie sich nicht erneut exportieren, und historische Rohdaten von vor der Verknüpfung werden nicht vollständig nachgeliefert. Das Exportdatum wird damit praktisch zum Startpunkt der Rohdatenhistorie. Richten Sie die BigQuery-Verknüpfung deshalb frühzeitig ein.

Wirkt sich die Aufbewahrungseinstellung von GA4 auf Standardberichte aus?

Nein, die Einstellung betrifft nur Explorationen und Funnel-Berichte, nicht die standardmäßigen aggregierten Berichte. Googles Dokumentation nennt 2 Monate und 14 Monate als Optionen für Standard-Properties, mit längeren Zeiträumen für GA4 360. Prüfen Sie diese Einstellung sofort, wenn Ihr Team auf Explorationen angewiesen ist.

Was unterscheidet den täglichen Export vom Streaming-Export in BigQuery?

Der tägliche Export ist für den Vortag vollständiger, kann sich aber verzögern, und Standard-Properties stoßen weiterhin an das Limit von 1 Million Ereignissen. Der Streaming-Export läuft nahezu in Echtzeit und hat keine Volumengrenze, aber Google beschreibt ihn als Best-Effort ohne Vollständigkeitsgarantie, und er kann Daten zu neuen Nutzern und neuen Sitzungsquellen auslassen. Für ein Migrationsarchiv sollte man sich nicht allein auf Streaming verlassen, wenn tägliche Vollständigkeit wichtig ist.

Warum kann die GA4 Daten API BigQuery für Rohdatenanalysen nicht ersetzen?

Die Daten API liefert berichtsartige Daten aus Dimensionen und Metriken, nicht denselben Rohdaten-Feed wie BigQuery. Sie eignet sich gut für geplante Extraktionen und einheitliche Kennzahlendefinitionen, aber Kontingente und Aggregation begrenzen, wie tief man gehen kann. Teams, die Verknüpfungen auf Ereignisebene mit Produkt- oder Umsatzdaten brauchen, benötigen weiterhin BigQuery.

Wie viele Monate historischer Daten sollte ein Migrationsworkflow exportieren?

Der Migrationsworkflow sieht vor, 12 bis 24 Monate aggregierter Trends zu exportieren, soweit verfügbar. Das reicht für saisonale Vergleiche, ohne Daten zu horten, die niemand mehr nutzt. Kombinieren Sie es mit den exportierten Event- und Conversion-Definitionen, damit die Zahlen später noch nachvollziehbar sind.

Warum zeigen GA4-Berichte und die Daten API manchmal unterschiedliche Summen für denselben Zeitraum?

GA4-Berichte, die Daten API und BigQuery beantworten unterschiedliche Fragen, daher sind gewisse Abweichungen zwischen ihren Summen zu erwarten und kein Fehler. Kleine Abweichungen liegen meist an Aggregations- oder Definitionsunterschieden zwischen den dreien. Große Abweichungen sollte man erklären, solange die Originaldaten noch verfügbar sind.

Was sollte ein README für ein GA4-Exportarchiv enthalten?

Ein README für einen GA4-Export sollte die Kennzahlendefinitionen, die angewendeten Filter und bekannte Sampling- oder Schwellenwertprobleme erklären. Es sollte auch angeben, ob die Daten aus einem Standardbericht, einer Exploration, einer API-Abfrage oder BigQuery stammen. Dieser Kontext ist es, der es jemandem außerhalb des ursprünglichen Projekts erlaubt, den Zahlen zu vertrauen.

Ist es sicher, rohe GA4-Ereignisdaten auf einem frei zugänglichen gemeinsamen Laufwerk zu speichern?

Rohdaten ohne Zugriffskontrollen auf ein gemeinsames Laufwerk zu legen, tauscht nur ein Problem gegen ein anderes ein. Wenden Sie auf Exporte dieselben Regeln für Aufbewahrung, Verschlüsselung und minimale Rechtevergabe an wie auf jeden anderen sensiblen Datensatz. Den ursprünglichen Export schreibgeschützt zu halten, schützt ihn zusätzlich vor versehentlichen Änderungen.

Was gehört in eine Übergabe-Checkliste für Exporte?

Eine Übergabe-Checkliste sollte aggregierte Trendberichte für die Kennzahlen enthalten, die tatsächlich genutzt werden, sowie Event- und Conversion-Definitionen samt ihrer Änderungen. Sie braucht das Datum der BigQuery-Verknüpfung, den Dataset-Standort, den Exportmodus und alle Hinweise zum Tageslimit, dazu Zeitzonen- und Währungseinstellungen für Umsatzdaten. Ergänzen Sie bekannte Einschränkungen wie Thresholding und Consent-Modellierung sowie ein schreibgeschütztes Original getrennt von einer Arbeitskopie.