W skrócie
8 min czytaniaGoogle Analytics oferuje eksport przez CSV, API, BigQuery i Arkusze, a każda z tych opcji ma ograniczenia. Wyeksportuj tyle danych historycznych, by zachować ciągłość decyzji, i udokumentuj strefę czasową, walutę, filtry oraz zastrzeżenia dotyczące surowych danych.
Najtaniej wyeksportować dane z GA3 na długo przed tym, zanim ktoś pilnie ich potrzebuje, bo eksporty z GA4 nigdy nie działały jak pełny zrzut bazy danych.
Eksport danych z Google Analytics jest najłatwiejszy, zanim staje się pilny. Gdy nadchodzi migracja, audyt, zmiana dostawcy lub termin wygaszenia Universal Analytics, zespoły często odkrywają, że eksporty z GA4 nie działają jak pełny zrzut bazy danych.
Właściwa metoda zależy od tego, czy potrzebujesz szybkiego raportu, danych do cyklicznego panelu, surowych zdarzeń na przyszłość, czy archiwum historycznego. Nie zakładaj, że jedna metoda eksportu zachowa wszystko. Raporty GA4, Data API i BigQuery odpowiadają na różne pytania i mogą zasadnie dawać różne sumy.
Metoda 1: ręczny eksport do CSV
Raporty i eksploracje GA4 można eksportować ręcznie, by szybko je zachować. Przydaje się to przy raportach dla zarządu, najpopularniejszych stronach, podsumowaniach kanałów, stronach docelowych, podsumowaniach e-commerce i raportach konwersji.
Używaj eksportu CSV, gdy:
- Potrzebujesz archiwum czytelnego dla ludzi.
- Zbiór danych jest mały.
- Chcesz zachować definicję konkretnego raportu.
- Dokumentujesz punkty odniesienia sprzed migracji.
Ograniczenia: ręczne eksporty są zagregowane, łatwo o nich zapomnieć i nie nadają się do odtwarzania surowych zdarzeń.
Metoda 2: Google Analytics Data API
GA4 Data API przydaje się do harmonogramowanych eksportów do hurtowni, arkusza lub narzędzia BI. Zwraca dane w formie raportów oparte na wymiarach i metrykach, a nie ten sam surowy strumień zdarzeń co BigQuery.
Używaj API, gdy:
- Potrzebujesz cyklicznych wyciągów.
- Chcesz spójnych definicji metryk.
- Budujesz własną warstwę raportowania.
- Potrzebujesz większej kontroli, niż daje interfejs.
Ograniczenia to limity zapytań, agregacja i konieczność zaplanowania schematu. Wersjonuj zapytania, żeby raporty dało się później wyjaśnić.

Metoda 3: eksport do BigQuery
Eksport GA4 do BigQuery to najmocniejsza opcja dla surowych danych o zdarzeniach na przyszłość. Google wyjaśnia, że daje on dostęp do surowych danych o zdarzeniach i na poziomie użytkownika, bez niektórych uzupełnień ze standardowych raportów, oraz że usługi standardowe mają dzienny limit eksportu wsadowego wynoszący 1 milion zdarzeń (eksport GA4 do BigQuery).
Używaj BigQuery, gdy:
- Potrzebujesz analizy na poziomie zdarzeń.
- Chcesz łączyć analitykę z danymi o produkcie lub przychodach.
- Masz analityków znających SQL.
- Chcesz mieć dane poza interfejsem GA4.
Ważne zastrzeżenie: eksport do BigQuery to nie wehikuł czasu. Google zaznacza, że danych raz wyeksportowanych do BigQuery nie można wyeksportować ponownie. Surowe dane historyczne sprzed połączenia nie są w ten sam sposób w pełni uzupełniane wstecz. Skonfiguruj eksport wcześnie.
Tryb eksportu wybierz świadomie. Eksport dzienny jest pełniejszy dla poprzedniego dnia, ale może się opóźniać i w usługach standardowych ma limit. Eksport strumieniowy działa niemal w czasie rzeczywistym i nie ma limitu liczby zdarzeń, ale Google określa go jako działający w miarę możliwości, bez gwarancji kompletności, i może on pomijać dane o źródle ruchu nowych użytkowników i nowych sesji. W archiwach migracyjnych nie polegaj na samym eksporcie strumieniowym, jeśli liczy się kompletność danych dziennych.
Metoda 4: Arkusze Google i Looker Studio
Konektory do Arkuszy i Looker Studio przydają się do prostych raportów dla interesariuszy. Nie są solidnym archiwum. Używaj ich do cyklicznych podsumowań, a nie do przechowywania danych na potrzeby zgodności.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Co wyeksportować przed zmianą narzędzia
Zachowaj co najmniej:
- Miesięcznych użytkowników, sesje, odsłony i konwersje.
- Raporty kanałów oraz źródła/medium.
- Wyniki stron docelowych.
- Najpopularniejsze treści i strony wyjścia.
- Przychody e-commerce i raporty produktów, jeśli dotyczy.
- Definicje kluczowych zdarzeń.
- Konwencje nazewnictwa UTM.
- Zrzuty ekranu ważnych paneli.
- Ustawienia administracyjne, grupy odbiorców, konwersje i ustawienia przechowywania danych.
Wyeksportuj też taksonomię zdarzeń. Nazwy zdarzeń i parametrów są często cenniejsze niż historyczne liczby, bo wyjaśniają, jak firma mierzyła zachowania.
Prywatność i przechowywanie danych
Ustawienie przechowywania danych w GA4 wpływa na eksploracje i raporty lejków, a nie na standardowe raporty zagregowane. Dokumentacja Google podaje 2 i 14 miesięcy dla usług standardowych oraz dłuższe opcje dla GA4 360 (przechowywanie danych w GA4). Jeśli korzystasz z eksploracji, sprawdź to ustawienie natychmiast.
Podczas eksportu nie twórz większego problemu z prywatnością. Nie wrzucaj surowych danych o zdarzeniach na dysk współdzielony bez kontroli dostępu. Stosuj do eksportów zasady przechowywania, szyfrowanie, zasadę najmniejszych uprawnień i reguły usuwania.

Proces migracji
- Wypisz raporty, z których interesariusze faktycznie korzystają.
- Wyeksportuj 12 do 24 miesięcy zagregowanych trendów, jeśli są dostępne.
- Włącz eksport do BigQuery, jeśli nadal potrzebujesz surowych danych GA4 na przyszłość.
- Wyeksportuj definicje zdarzeń i konwersji.
- Skonfiguruj nowe narzędzie analityczne.
- Przez krótki czas uruchom oba narzędzia równolegle.
- Wyjaśnij spodziewane różnice w metrykach.
- Zarchiwizuj eksporty z informacją o właścicielu, dacie, źródle i okresie przechowywania.
Eksporty z Google Analytics to nie tylko kopie zapasowe. To pamięć instytucjonalna. Zachowaj tyle historii, by porównywać trendy, ale potraktuj migrację jako okazję do uproszczenia tego, co będziesz zbierać dalej.
Wskazówki dotyczące nazewnictwa i dokumentacji
Eksporty są znacznie bardziej przydatne, gdy przyszłe zespoły potrafią je zrozumieć. Zapisuj każdy eksport z nazwą usługi, zakresem dat, datą eksportu, strefą czasową i typem raportu. Prowadź krótki plik README z definicjami metryk, filtrami, znanymi problemami z próbkowaniem lub progami oraz informacją, czy dane pochodzą ze standardowego raportu, eksploracji, zapytania API czy BigQuery.
Po migracji
Eksporty z GA4 trzymaj tylko do odczytu. Nie pozwalaj analitykom czyścić ani edytować jedynej kopii archiwalnej. Jeśli potrzebujesz przekształconych danych, utwórz osobną tabelę pochodną lub arkusz. Następnie zaplanuj przegląd pod kątem usunięcia. Historyczna analityka przydaje się do porównań sezonowych, ale surowych danych na poziomie użytkownika nie należy przechowywać bez końca tylko dlatego, że powstały przy projekcie migracji.
- Analitycy pobierają surowe zdarzenia, żeby zweryfikować nowe narzędzie
- Zespoły porównują sumy miesięczne z oryginalnym raportem GA4
- Eksporty pozostają otwarte na bieżące porównania
- Eksporty z GA4 są tylko do odczytu
- Oczyszczone dane trafiają do osobnej tabeli pochodnej lub arkusza
- Dla surowych danych na poziomie użytkownika planowany jest przegląd pod kątem usunięcia
Kontrola jakości eksportu
Po eksporcie sprawdź archiwum przed zamknięciem projektu. Potwierdź zakres dat, strefę czasową, identyfikator usługi, walutę, filtry i definicje konwersji. Porównaj sumy miesięczne z eksportu z oryginalnym raportem GA4 dla kilku przykładowych miesięcy. Niewielkie różnice między API a raportami są normalne, ale duże rozbieżności trzeba wyjaśnić, póki źródło jest jeszcze dostępne.
Sprawdź też, czy dane da się realnie wykorzystać. Otwórz plik CSV, ponownie uruchom zapytanie API lub odpytaj tabelę BigQuery z osobnego konta z dostępem tylko do odczytu. Eksport, który rozumie tylko jeden analityk, nie jest archiwum, lecz kruchą prywatną przestrzenią roboczą.
Lista kontrolna przekazania eksportu
Przydatne archiwum GA4 powinno zawierać:
- Zagregowane raporty trendów dla metryk biznesowych, które ludzie faktycznie przeglądają.
- Definicje zdarzeń i konwersji wraz z datami ich zmian.
- Datę połączenia z BigQuery, lokalizację zbioru danych, tryb eksportu, wykluczone strumienie lub zdarzenia oraz ostrzeżenia o limitach dziennych.
- Ustawienia strefy czasowej i waluty dla każdego eksportu przychodów lub trendów dziennych.
- Znane zastrzeżenia, takie jak progi, modelowanie zgód, limity przechowywania, ograniczenia interfejsu przypominające próbkowanie oraz różnice między raportami i API.
- Oryginał tylko do odczytu oraz osobną kopię roboczą dla oczyszczonych tabel.
Celem nie jest muzeum wszystkich paneli. Chodzi o trwałe archiwum, które pozwoli przyszłym zespołom zrozumieć, w co firma wierzyła przed migracją, i uczciwie porównać z tą historią nową analitykę.
Najczęściej zadawane pytania
Jaki jest dzienny limit eksportu wsadowego do BigQuery dla standardowych usług GA4?
Standardowe usługi GA4 mogą wysyłać do 1 miliona zdarzeń dziennie przez dzienny eksport wsadowy do BigQuery. Usługi potrzebujące większego wolumenu muszą przejść na GA4 360. Limit dotyczy eksportu dziennego, a nie strumieniowego, który nie ma limitu zdarzeń.
Czy można ponownie wyeksportować dane historyczne do BigQuery po późniejszym połączeniu?
Nie. Danych raz wyeksportowanych do BigQuery nie można wyeksportować ponownie, a surowe dane historyczne sprzed połączenia nie są w pełni uzupełniane wstecz. Data eksportu staje się więc w praktyce początkiem historii surowych danych. Skonfiguruj połączenie z BigQuery na długo przed tym, zanim będzie potrzebne.
Czy ustawienie przechowywania danych w GA4 wpływa na standardowe raporty?
Nie, dotyczy tylko eksploracji i raportów lejków, a nie standardowych raportów zagregowanych. Dokumentacja Google podaje dla usług standardowych opcje 2 i 14 miesięcy, a dłuższe przechowywanie jest dostępne w GA4 360. Sprawdź to ustawienie od razu, jeśli twój zespół korzysta z eksploracji.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Czym różni się eksport dzienny od strumieniowego w BigQuery?
Eksport dzienny jest pełniejszy dla danych z poprzedniego dnia, ale może się opóźniać, a usługi standardowe obowiązuje limit 1 miliona zdarzeń. Eksport strumieniowy działa niemal w czasie rzeczywistym i nie ma limitu wolumenu, ale Google określa go jako działający w miarę możliwości, bez gwarancji kompletności, i może pomijać dane o źródle ruchu nowych użytkowników i nowych sesji. W archiwum migracyjnym nie polegaj na samym eksporcie strumieniowym, jeśli liczy się kompletność danych dziennych.
Dlaczego GA4 Data API nie zastąpi BigQuery przy analizie surowych zdarzeń?
Data API zwraca dane w formie raportów zbudowane z wymiarów i metryk, a nie surowy strumień zdarzeń eksportowany do BigQuery. Dobrze sprawdza się przy harmonogramowanych wyciągach i spójnych definicjach metryk, ale limity zapytań i agregacja ograniczają jego możliwości. Zespoły potrzebujące łączenia zdarzeń z danymi o produkcie lub przychodach nadal potrzebują BigQuery.
Ile miesięcy danych historycznych powinien objąć eksport przy migracji?
Proces migracji zakłada eksport 12 do 24 miesięcy zagregowanych trendów, jeśli są dostępne. Taki zakres daje dość historii do porównań sezonowych, bez trzymania danych, których nikt już nie użyje. Połącz go z wyeksportowanymi definicjami zdarzeń i konwersji, żeby liczby miały sens także później.
Dlaczego raporty GA4 i Data API mogą pokazywać różne sumy dla tego samego okresu?
Raporty GA4, Data API i BigQuery powstały, by odpowiadać na różne pytania, więc pewne rozbieżności w sumach są spodziewane i nie oznaczają błędu. Małe różnice zwykle wynikają z agregacji lub różnic w definicjach. Duże warto wyjaśnić, póki oryginalne dane źródłowe są jeszcze dostępne.
Co powinien zawierać plik README archiwum eksportu GA4?
README powinien wyjaśniać definicje metryk, zastosowane filtry i znane problemy z próbkowaniem lub progami. Powinien też podawać, czy dane pochodzą ze standardowego raportu, eksploracji, zapytania API czy BigQuery. Dzięki temu kontekstowi osoba spoza projektu może zaufać liczbom.
Czy można bezpiecznie trzymać surowe eksporty GA4 na otwartym dysku współdzielonym?
Wrzucenie surowych zdarzeń na dysk współdzielony bez kontroli dostępu tylko zamienia jeden problem na inny. Stosuj do eksportów te same zasady przechowywania, szyfrowania i najmniejszych uprawnień co do innych wrażliwych zbiorów danych. Oryginalny eksport tylko do odczytu chroni też przed przypadkowymi zmianami.
Co powinno znaleźć się na liście kontrolnej przekazania eksportu?
Lista powinna obejmować zagregowane raporty trendów dla metryk, które ludzie faktycznie przeglądają, oraz definicje zdarzeń i konwersji wraz z datami zmian. Potrzebne są też data połączenia z BigQuery, lokalizacja zbioru danych, tryb eksportu i ostrzeżenia o limitach dziennych, a także ustawienia strefy czasowej i waluty dla danych o przychodach. Uzupełnij ją o znane zastrzeżenia, takie jak progi i modelowanie zgód, oraz oryginał tylko do odczytu trzymany osobno od kopii roboczej.
Czy ten artykuł był pomocny?
Chętnie poznamy opinię!
Częściej widoczni w Google
Jedno kliknięcie ustawia Flowsery jako preferowane źródło, dzięki czemu nasze artykuły pojawiają się wyżej w Najważniejszych artykułach, trybie AI i Przeglądach od AI.
Jeszcze jedno...
Flowsery
Analityka witryny skupiona na przychodach
Każdy odwiedzający, źródło i konwersja w czasie rzeczywistym. Prosto, skutecznie i bez plików cookie.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Powiązane artykuły


Jak krok po kroku wyłączyć Google Analytics
Wyłączenie Google Analytics zaczyna się od znalezienia każdego tagu: w szablonach, GTM, wtyczkach CMS i aplikacjach e-commerce. Dziewięć kroków i sposób na zachowanie historii.


Dlaczego czas w witrynie w Google Analytics jest nieprawidłowy
Czy nieprawidłowy czas w witrynie w Google Analytics to błąd? To wniosek, a nie obserwacja. Co ukrywa ta metryka i jakie pytania zadawać zamiast niej.


Filtrowanie ruchu botów dla dokładnej analityki
Crawlery, monitory dostępności, scrapery i twoja własna automatyzacja trafiają do tych samych raportów. Jak je wykryć, zanim zniekształcą współczynniki konwersji.

