[{"data":1,"prerenderedAt":1116},["ShallowReactive",2],{"{\"version\":\"published\",\"language\":\"pl\"}layout":3,"{\"version\":\"published\",\"language\":\"pl\"}content/knowledge/google-analytics-4-bigquery-traffic-sources-sessions-attribution-marketing-costs-and-ready-data-for-analysis":210,"WZ7DwMaWVY":250,"q57Ltjei6w":275,"CtLI0oXwxD":285},{"data":4,"headers":188},{"story":5,"cv":185,"rels":186,"links":187},{"name":6,"created_at":7,"published_at":8,"updated_at":9,"id":10,"uuid":11,"content":12,"slug":175,"full_slug":176,"sort_by_date":177,"position":178,"tag_list":179,"is_startpage":32,"parent_id":177,"meta_data":177,"group_id":181,"first_published_at":182,"release_id":177,"lang":183,"path":177,"alternates":184,"default_full_slug":177,"translated_slugs":177},"Layout & Menu Settings","2024-07-09T11:23:15.417Z","2026-08-21T07:00:43.091Z","2026-08-21T07:00:43.104Z",520580076,"d0565ccd-50f8-4a35-9583-813fff54f59a",{"_uid":13,"menu":14,"banner":133,"footer":143,"component":173,"promotion":174},"9245e14a-f18f-4a6c-8060-61e8beb3d9f1",[15],{"_uid":16,"logo":17,"component":22,"rightSide":23,"navigation":40},"fd2f2bd7-3ebb-4923-8327-febceaf9131b",{"id":18,"alt":19,"filename":20,"fieldtype":21},16613298,"","https://a.storyblok.com/f/296300/2078x457/3b34c3fe19/witbee-logo-new.png","asset","mega-menu",[24,34],{"_uid":25,"href":26,"size":27,"text":28,"target":29,"rounded":30,"variant":31,"disabled":32,"component":33,"showArrow":32},"839bb546-784b-4ba0-871b-263f3c901b86","/pl/contact-free-consultation","md","Bezpłatna konsultacja","_self","none","primary",false,"button-blok",{"_uid":35,"href":36,"size":27,"text":37,"target":29,"rounded":30,"variant":38,"disabled":32,"component":33,"showArrow":39},"32d63a94-8cbd-474c-9ce1-457cfa576ccf","https://cloud.witbee.com","Zaloguj się","secondary",true,[41,50,88,127],{"_uid":42,"link":43,"name":47,"subItems":48,"component":49},"3f3dab6a-9cd6-4ea1-9fdd-645b62d9cb49",{"id":19,"url":44,"linktype":45,"fieldtype":46,"cached_url":44},"/pl/services","url","multilink","Usługi",[],"mega-menu-item",{"_uid":51,"link":52,"name":53,"subItems":54,"component":49},"6951d7b0-368d-4db6-85fa-80af9088e8e0",{"id":19,"url":44,"linktype":45,"fieldtype":46,"cached_url":44},"Platforma WitCloud",[55],{"_uid":56,"links":57,"title":86,"component":87},"9e0dbc8d-3b23-474c-ab56-2eba6486c651",[58,65,72,79],{"_uid":59,"icon":60,"link":61,"component":63,"lowerText":64,"upperText":53},"2144a1bf-1bdf-4a82-9f59-b5e7d7f73f47","InformationCircleIcon",{"id":19,"url":62,"linktype":45,"fieldtype":46,"cached_url":62},"/pl/witcloud","mega-menu-subitem-link","Dowiedz się czym jest WitCloud",{"_uid":66,"icon":67,"link":68,"component":63,"lowerText":70,"upperText":71},"a6f22621-aa4f-4b0c-be09-11b4140d7dea","UsersIcon",{"id":19,"url":69,"linktype":45,"fieldtype":46,"cached_url":69},"/pl/witcloud/integrations","Systemy reklamowe, platformy e-commerce i więcej","Lista dostępnych integracji",{"_uid":73,"icon":74,"link":75,"component":63,"lowerText":77,"upperText":78},"42267fc4-06a8-465a-a3cf-56a311ff7022","NewspaperIcon",{"id":19,"url":76,"linktype":45,"fieldtype":46,"cached_url":76},"/pl/witcloud/pricing","Sprawdź szczegóły dotyczące subskrypcji","Cennik",{"_uid":80,"icon":81,"link":82,"component":63,"lowerText":84,"upperText":85},"6333bd24-c3b2-46ba-8dc2-93770459a0bc","BriefcaseIcon",{"id":19,"url":83,"linktype":45,"fieldtype":46,"cached_url":83},"/pl/witcloud/docs/","Sprawdź jak korzystać z platformy","Dokumentacja","WitCloud","mega-menu-subitem",{"_uid":89,"link":90,"name":92,"subItems":93,"component":49},"0182c7f6-b9d7-4e01-81bd-97635c68d72f",{"id":19,"url":91,"linktype":45,"fieldtype":46,"cached_url":91},"/pl/content","Materiały",[94],{"_uid":95,"links":96,"title":92,"component":87},"0f09839c-f7ce-48b8-8dc4-9269791644c0",[97,102,108,115,121],{"_uid":98,"icon":74,"link":99,"component":63,"lowerText":100,"upperText":101},"dd3ac1b6-d987-496d-bb75-e0db7459a79f",{"id":19,"url":91,"linktype":45,"fieldtype":46,"cached_url":91},"Wszystkie nasze materiały w jednym miejscu","Wszystkie materiały",{"_uid":103,"icon":60,"link":104,"component":63,"lowerText":106,"upperText":107},"5a1e2f7a-1111-4a00-9101-aa0000000101",{"id":19,"url":105,"linktype":45,"fieldtype":46,"cached_url":105},"/pl/content/framework","Nasz framework analityczny krok po kroku","Framework",{"_uid":109,"icon":110,"link":111,"component":63,"lowerText":113,"upperText":114},"5a1e2f7a-2222-4a00-9102-aa0000000102","VideoCameraIcon",{"id":19,"url":112,"linktype":45,"fieldtype":46,"cached_url":112},"/pl/content/webinars","Nagrania naszych szkoleń online","Webinary",{"_uid":116,"icon":81,"link":117,"component":63,"lowerText":119,"upperText":120},"5a1e2f7a-3333-4a00-9103-aa0000000103",{"id":19,"url":118,"linktype":45,"fieldtype":46,"cached_url":118},"/pl/content/case-studies","Efekty naszej pracy u klientów","Case studies",{"_uid":122,"icon":74,"link":123,"component":63,"lowerText":125,"upperText":126},"5a1e2f7a-4444-4a00-9104-aa0000000104",{"id":19,"url":124,"linktype":45,"fieldtype":46,"cached_url":124},"/pl/content/knowledge","Poradniki o GA4, BigQuery i nie tylko","Baza wiedzy",{"_uid":128,"link":129,"name":131,"subItems":132,"component":49},"eaef6de5-12a1-40f0-8bcf-3e00472ef87e",{"id":19,"url":130,"linktype":45,"fieldtype":46,"cached_url":130},"/pl/contact","Kontakt",[],[134],{"_uid":135,"link":136,"boldText":140,"component":141,"normalText":142},"d23b7c9c-c50d-4704-a330-c5d89f673a95",{"id":137,"url":19,"linktype":138,"fieldtype":46,"cached_url":139,"prep":39},"78736e51-560e-41cc-99bc-47d81c3321ec","story","/pl/content/webinars/webinar-ltv-retencja-akwizycja","Webinar Live: Analiza Klienta 3.0","banner-blok","Zapisz się na webinar",[144],{"_uid":145,"logo":146,"columns":147,"socials":169,"footnote":170,"component":171,"newsletter":172},"6bbe2605-0003-4e0f-9c83-f57387d6b9dc",{"id":18,"alt":19,"filename":20,"fieldtype":21},[148],{"_uid":149,"links":150,"title":167,"component":168},"bb943e00-cbd9-44d3-9ca8-e287f92f9a4c",[151,157,162],{"_uid":152,"link":153,"name":155,"component":156},"fa11f2ce-87a4-40b7-8c26-2248948ecdab",{"id":19,"url":154,"linktype":45,"fieldtype":46,"cached_url":154},"/pl/legal/privacy-policy","Polityka prywatności","website-footer-link",{"_uid":158,"link":159,"name":161,"component":156},"29ce4cf1-4ae3-4c03-a924-1b7283a52cea",{"id":19,"url":160,"linktype":45,"fieldtype":46,"cached_url":160},"/pl/legal/witcloud-terms-of-use","WitCloud - Regulamin",{"_uid":163,"link":164,"name":166,"component":156},"7b2b71ce-9047-493a-ae9a-24f33d13b228",{"id":19,"url":165,"linktype":45,"fieldtype":46,"cached_url":165},"/pl/legal/witcloud-privacy-policy","WitCloud - Polityka prywatności","Dział prawny","website-footer-column",[],"©2025 Witbee sp. z o o. Wszelkie prawa zastrzeżone.","website-footer",[],"layout-blok",[],"layout","pl/layout",null,30,[180],"Global","961eba08-4135-4b80-aba4-032c02789c49","2024-07-12T13:10:50.158Z","pl",[],1788963673,[],[],{"age":189,"cache-control":190,"connection":191,"content-encoding":192,"content-type":193,"date":194,"etag":195,"referrer-policy":196,"sb-be-version":197,"server":198,"transfer-encoding":199,"vary":200,"via":201,"x-amz-cf-id":202,"x-amz-cf-pop":203,"x-cache":204,"x-content-type-options":205,"x-frame-options":206,"x-permitted-cross-domain-policies":30,"x-request-id":207,"x-runtime":208,"x-xss-protection":209},"11","max-age=0, public, s-maxage=604800, stale-if-error=3600","keep-alive","gzip","application/json; charset=utf-8","Wed, 09 Sep 2026 14:24:49 GMT","W/\"9ef810ab6bf8c35b5a82e4e7cb0dee01\"","strict-origin-when-cross-origin","5.959.0","nginx/1.29.1","chunked","Origin,Accept-Encoding","1.1 4d697052733b1649fc1858dae080cf62.cloudfront.net (CloudFront)","KW4N8EbejMbvXDdsQXjAiIiUE_RJ-NU7ZKqckXTdZVCoyRiGtbkyNg==","WAW51-P2","Hit from cloudfront","nosniff","SAMEORIGIN","3b91d0e2-5611-4eed-b103-f6a7569450f7","0.056638","0",{"data":211,"headers":243},{"story":212,"cv":185,"rels":241,"links":242},{"name":213,"created_at":214,"published_at":215,"updated_at":216,"id":217,"uuid":218,"content":219,"slug":234,"full_slug":235,"sort_by_date":177,"position":236,"tag_list":237,"is_startpage":32,"parent_id":238,"meta_data":177,"group_id":239,"first_published_at":215,"release_id":177,"lang":183,"path":177,"alternates":240,"default_full_slug":177,"translated_slugs":177},"Google Analytics 4 [GA4] BigQuery - traffic sources, sessions, attribution, marketing costs and ready data for analysis","2026-06-23T08:28:42.839Z","2026-08-21T07:00:41.845Z","2026-08-21T07:00:43.295Z",190520208788172,"4a92d87b-04d7-4610-87e4-83ec85851626",{"_uid":220,"title":221,"content":222,"eyebrow":19,"showTOC":39,"category":223,"readTime":19,"subtitle":224,"component":225,"heroImage":226,"meta_tags":230,"meta_title":221,"heroButtons":231,"updatedDate":232,"bottomBlocks":233},"70c651b3-e211-4834-ade3-941e7ce294fd","Google Analytics 4 [GA4] BigQuery - źródła ruchu, sesje, atrybucja, koszty marketingowe i gotowe dane do analiz","## Kontynuacja serii wpisów o danych Google Analytics 4 [GA4] w BigQuery [Seria artykułów]\n\n\n\nArtykuł ten jest elementem z serii wpisów o Google Analytics 4 i eksporcie danych do Google BigQuery, składającym się z następujących pozycji:\n\n\n\n- [#1 Google Analytics 4 BigQuery - dlaczego warto korzystać ?](https://witbee.com/pl/blog/google-analytics-4-bigquery-dlaczego-warto-korzystac)  \n- [#2 Google Analytics 4 BigQuery - 9 wyzwań, które Cię zaskoczy podczas analizy danych](https://witbee.com/pl/blog/google-analytics-4-bigquery-9-wyzwan-ktore-cie-zaskoczy-podczas-analizy-danych ) \n- [#3 Google Analytics 4 BigQuery - źródła ruchu, sesje, atrybucja, koszty marketingowe i gotowe dane do analiz](https://witbee.com/pl/blog/google-analytics-4-bigquery-zrodla-ruchu-sesje-atrybucja-koszty-marketingowe-i-gotowe-dane-do-analiz) (obecnie go czytasz)\n\n\n\nOstatni wpis dotyczył wyzwań analitycznych związanych z analizą danych w Google BigQuery. Firmy oraz pracujący w nich analitycy jak i specjaliści powinny skupiać się głównie na podejmowaniu decyzji w oparciu o dane, a nie na mozolnym i kosztownym przygotowywaniu i obrabianiu danych do ich analizy. \n\n\n\nW odpowiedzi na to wyzwanie, w naszej platformie [WitCloud](https://witbee.com/pl/witcloud) postanowiliśmy stworzyć moduł analityczny, który w oparciu o wyeksportowane dane Google Analytics 4 do Google BigQuery, rozwiąże problemy z ich obróbką i przygotuje te dane w takiej formie, aby były gotowe do wykorzystania w firmie do rozmaitych analiz lub integracji z innymi systemami.\n\n\n\nW tym artykule, krok po kroku omówimy jakie modyfikacje wprowadziliśmy do danych i w jaki sposób podeszliśmy do zaprojektowania struktury danych w Google BigQuery. \n\n\n\n![Google Analytics 4 BigQuery - WitCloud - Sessions, Attributions](https://a.storyblok.com/f/46798/868x362/c5426a763d/google-analytics-4-bigquery-witcloud-events-to-sessions.png)\n\n## Wzbogacenie tabeli events o źródła ruchu [Wzbogacenie o źródła ruchu]\n\n### Problem ubogich danych o źródłach ruchu w Google BigQuery\n\n\n\nW artykule [#2 Google Analytics 4 BigQuery - 9 wyzwań, które Cię zaskoczy podczas analizy danych](https://witbee.com/pl/blog/google-analytics-4-bigquery-9-wyzwan-ktore-cie-zaskoczy-podczas-analizy-danych ), poruszyliśmy problem związany z brakiem obliczonych źródeł ruchu dla konkretnych sesji oraz ubogi dostęp do danych Google Ads. W domyślnie wyeksportowanej tabeli “events_” mamy dostępne tylko pola tj. traffic_source.source, traffic_source.medium, traffic_source.name (nazwa kampanii). \n\n\n\nNawiązując do naszego poprzedniego artykułu problem polega jednak na tym, że są to pola informujące nas o tym jakie źródło wystąpiło w pierwszej kampanii czasu pozyskania tego użytkownika, a nie o źródle, które wystąpiło w danej sesji, tak jak możemy to przeglądać w raportach i wymiarze “Session source/medium” w panelu Google Analytics 4. Oznacza to, że w panelu Google dostarcza nam obrobione dane, a korzystając z surowych danych w BigQuery musimy zrobić to sami.\n\n\n\n![Google Analytics 4 BigQuery traffic_source field description](https://a.storyblok.com/f/46798/986x327/0de56d0a96/google-analytics-4-bigquery-traffic-source-field-desc.png)\n\n\n\nKorzystając z tych pól w tabeli osiągniemy więc inny obraz niż w przypadku wymiaru “Session source / medium” w panelu.\n\n\n\n![Google Analytics 4 BigQuery traffic_source field path example](https://a.storyblok.com/f/46798/790x164/1ae9c65264/google-analytics-4-bigquery-traffic-source-field-behaviour.png)\n\n\n\nDodatkowo w tabeli brakuje nam bardziej szczegółowych informacji na temat kampanii Google Ads, tak jak miało to miejsce w eksporcie danych Google Analytics Universal 360 (wersja premium)\n\n\n\n\n\n\u003Cdiv style=\"text-align:center\">\n\u003Cimg src=\"https://a.storyblok.com/f/46798/713x578/acc36d50a3/google-analytics-4-bigquery-missing-google-ads-fields.png\">\n\u003C/div>\n\n\n\n### Rozwiązaniem problemu jest wzbogacenie tabeli events o źródła ruchu sesji w modelu Google Analytics 4 i Universal Analytics\n\n\n\nW odpowiedzi na to wyzwanie postanowiliśmy wzbogacić tabelę “events_” o dodatkowe grupy pól, które zwracają informację na temat źródeł ruchu występujących w danej sesji oraz dodatkowe informacje na temat kampanii Google Ads. \n\n\n\nDane zostały wzbogacone w modelu Google Analytics 4, który nie tworzy nowej sesji przy zmianie źródła kampanii w trakcie trwania sesji oraz w modelu Google Universal Analytics, który tworzy nową sesję za każdym razem jak pojawi się nowe źródło ruchu. \n\n\n\n![Google Analytics 4 BigQuery Vs WitCloud Tables](https://a.storyblok.com/f/46798/861x629/cfb22d8638/google-analytics-4-bigquery-witcloud-vs-events.png)\n\n\n\n#### Możliwość śledzenia użytkownika pomiędzy urządzeniami\n\n\n\nZanim omówimy sposób działania poszczególnych modeli na przypadkach, musimy wspomnieć o kluczowym elemencie jaki musieliśmy wziąć pod uwagę przy tworzeniu modułu czyli śledzeniu użytkowników pomiędzy urządzeniami takimi jak komputery, smartfony i tablety (cross-device). \n\n\n\nGoogle Analytics 4 posiada do tego odpowiednie funkcjonalności, które potrafią połączyć zdarzenia na ścieżce użytkownika na podstawie 3 wymiarów tj.:\n\n\n\n- **Device ID**, czyli ciasteczko przeglądarki lub identyfikator w aplikacji\n- **User ID**, czyli możliwy do implementacji identyfikator użytkownika z naszej bazy danych np. po rejestracji/zalogowaniu na naszej stronie/aplikacji\n- **Google ID (Google Signals)**, czyli identyfikator połączony z zalogowanym użytkownikiem w Google (wymaga dodatkowej aktywacji w ustawieniach administracyjnych usługi)\n\n\n\nDomyślnie Google Analytics śledzi użytkownika tylko na podstawie Device ID, czyli ciasteczka lub identyfikatora aplikacji. Oznacza to, że jeżeli wejdziemy na wybraną stronę z urządzenia mobilnego, a następnie z komputera stacjonarnego, to Google Analytics raportuje nam informacje o 2 różnych użytkownikach pozyskanych z 2 różnych kanałów. Na tej podstawie nie jest więc możliwe śledzenie użytkowników pomiędzy urządzeniami, gdyż każde urządzenie oraz każda przeglądarka będą miały inny identyfikator użytkownika.\n\n\n\nJeżeli jednak zdecydujemy się na przesłanie w implementacji własnego identyfikatora użytkownika np. po zalogowaniu/rejestracji lub na aktywację opcji Google Signals, to system Google przeprowadzi na wszystkich zebranych danych deduplikację użytkowników, czyli znajdzie połączenie pomiędzy urządzeniami i przedstawi nam w raportach dokładniejsze dane na temat użytkowników i ich zachowań. \n\n\n\nW panelu Google Analytics 4 sami możemy decydować czy chcemy widzieć dane z deduplikacją lub bez na podstawie ustawień “Reporting Identity” (tłumaczone w dokumentacji w j. polskim jako “Tożsamość raportowania”).\n\n\n\n![Google Analytics 4 Reporting Identity](https://a.storyblok.com/f/46798/834x549/d25537595b/google-analytics-4-bigquery-reporting-identity.png)\n\n\n\nW Google BigQuery deduplikację użytkowników możemy wykonać jedynie na podstawie 2 wymiarów tj. Device ID oraz User ID, gdyż ze względu na aspekty prawne, dane Google Signals nie są udostępniane w eksporcie danych Google Analytics 4.\n\n\n\n![Google Analytics 4 BigQuery Device Id, User Id and No Google Singals ID](https://a.storyblok.com/f/46798/771x454/dda30cd467/google-analytics-4-bigquery-identity-user.png)\n\n\n\n#### Podejście do źródeł ruchu - Google Analytics 4 vs Google Analytics Universal\nPoniższy schemat pozwoli nam lepiej odpowiedzieć na 2 kluczowe i powiązane ze sobą pytania:\n\n\n\n\u003Col>\n  \u003Cli>Jak wpływa na atrybucję źródeł ruchu, deduplikacja użytkowników z wykorzystaniem parametru user_id?\n  \u003Cli>W jaki sposób zmieniła się logika liczenia sesji w Google Analytics 4 vs Google Analytics Universal?\u003C/li>\n\u003C/ol>\n\n\n\n![Google Analytics 4 BigQuery - Cross Device Sessions](https://a.storyblok.com/f/46798/1145x533/8f22588d1f/google-analytics-4-bigquery-diagram-cross-device-sessions.png)\n\n\n\nKrótki opis schematu:\n\n\n\n- Użytkownik wszedł na stronę internetową z urządzenia mobilnego po odesłaniu z Facebooka, co spowodowało utworzenie nowej sesji \n- W trakcie trwania sesji wygenerowanej przez Facebooka(przed upływem 30 minut od braku interakcji), użytkownik przeklikał się na stronę jeszcze raz przez reklamę Google\n- Po jakimś czasie użytkownik postanowił wejść na stronę ponownie, tym razem z komputera stacjonarnego bez żadnego przekierowania (wejście bezpośrednie)\n- Zarówno na urządzeniu mobilnym jak i stacjonarnym użytkownik był zalogowany i został wysłany parametr “user_id”\n\n\n\nSpójrzmy teraz, w jaki sposób zachowa się atrybucja źródeł ruchu i kalkulacja sesji dla poszczególnych modeli.\n\n\n\n**Google Analytics 4 - Cross Device Model**\n\n\n\n![Google Analytics 4 BigQuyer - GA4 Cross Device Model](https://a.storyblok.com/f/46798/689x138/63d1b8837b/google-analytics-4-bigquery-ga4-cross-device-model.png)\n\n\n\nW modelu Google Analytics 4 - Cross Device, po wejściu użytkownika z urządzenia mobilnego i odesłania z Facebooka, zostanie utworzona nowa sesja. W chwili, gdy użytkownik przeklika się przez reklamę Google z tego samego urządzenia w trakcie trwania sesji, nie zostanie utworzona nowa sesja, gdyż Google Analytics 4 nie tworzy nowej sesji w chwili, gdy zmienia się źródło kampanii w trakcie trwania poprzedniej sesji. \nW chwili, gdy użytkownik wejdzie z urządzenia stacjonarnego i będzie to wejście bezpośrednie (ruch typu “Direct”), źródło to zostanie nadpisane ostatnim źródłem ruchu, które wystąpiło w poprzedniej sesji - nie będzie to Facebook, tylko Google, który wcześniej nie spowodował utworzenia nowej sesji na urządzeniu mobilnym.\n\n\n\n**Google Analytics 4 - Device Model**\n\n\n\n![Google Analytics 4 BigQuery - Device Model](https://a.storyblok.com/f/46798/689x157/c7f291706b/google-analytics-4-bigquery-ga4-device-model.png)\n\n\n\nW modelu Google Analytics 4 opartym na Device ID (w przypadku strony internetowej będzie to ciasteczko), każda przeglądarka będzie miała wygenerowany nowy identyfikator użytkownika. W takiej sytuacji sesja pierwsza będzie miała przypisane źródło Facebook, a sesja druga, która odbyła się na innym urządzeniu będzie miała źródło “Direct”. Kampanie Google będzie w tym przypadku zignorowana, gdyż logika Google Analytics 4 nie uwzględnia tworzenia nowej sesji przy zmianie źródła ruchu. Druga sesja (wejście bezpośrednie) nie odziedziczy źródła ruchu, gdyż nie jest w żaden sposób powiązana z poprzednim urządzeniem (brak deduplikacji i wykorzystania user_id). Zostanie więc direct.\n\n\n\n**Universal Analytics - Device Model**\n\n\n\n![Google Analytics 4 BigQuery Device Model](https://a.storyblok.com/f/46798/687x182/6c23c8306d/google-analytics-4-bigquery-ua-device-model.png)\n\n\n\nW modelu Universal Analytics opartym na Device ID (obecnie i historycznie wykorzystywany w Google Analytics Universal), w pierwszej sesji zostanie przypisane źródło facebook. Następnie zostanie utworzona nowa sesja, dla źródła Google, gdyż Universal Analytics tworzy nową sesję za każdym razem kiedy źródło kampanii zostanie zmienione w trakcie sesji. Po bezpośrednim wejściu z urządzenia stacjonarnego zostanie utworzona trzecia sesja, która nie zostanie nadpisana wartością Google, gdyż nie jest w żaden sposób powiązana z poprzednim urządzeniem (brak deduplikacji i wykorzystania user_id). Zostanie więc direct. \n\n\n\n**Universal Analytics - Cross-Device Model**\n\n\n\n![Google Analytics 4 BigQuery Cross Device Model](https://a.storyblok.com/f/46798/683x189/995cdfb460/google-analytics-4-bigquery-ua-cross-device-model.png)\n\n\n\nModel Universal Analytics oparty na cross-device to nowość, którą postanowiliśmy odtworzyć na podstawie dedykowanego podejścia związanego z deduplikacją użytkowników w Google Analytics 4, ale z zachowaniem starego podejścia, które zakłada tworzenie nowej sesji kiedy źródło kampanii ulegnie zmianie w trakcie sesji. W ten sposób, pierwsza sesja będzie miała wartość ‘facebook’, następnie zostanie utworzona nowa sesja, dla źródła Google, gdyż Universal Analytics tworzy nową sesję za każdym razem kiedy źródło kampanii zostanie zmienione w trakcie sesji. Po bezpośrednim wejściu z urządzenia stacjonarnego zostanie utworzona trzecia sesja, która zostanie nadpisana wartością Google, gdyż jesteśmy w stanie połączyć ze sobą użytkowników na podstawie deduplikacji z wykorzystaniem user_id.\n\n\n\n#### Dlaczego przygotowaliśmy 3 modele danych?\n\n\n\nDecyzje o raportowaniu wybranym modelu Google Analytics mogą zależeć od preferencji danej organizacji, w związku z tym zależało nam na tym, aby każda firma mogła samodzielnie podjąć decyzje na temat tego wyboru lub mieć możliwość porównania danych w różnych modelach. \n\n\n\nZ tego względu przygotowaliśmy dane w 3 modelach tj.:\n\n\n\n- Google Analytics 4 Cross Device z uwzględnieniem deduplikacji\n- Google Analytics Universal Cross Device z uwzględnieniem deduplikacji\n- Google Analytics Universal Device bez deduplikacji (znane i lubiane z Google Analytics Universal)\n\n\n\n## Grupowanie eventów w sesje, czyli tabele sesji dla danych Google Analytics 4 [Grupowanie w sesje]\n\n\n\n### Tabela zdarzeń vs tabela sesji\n\n\n\nTabela zdarzeń, to taka tabela, w której każdy wiersz odpowiada jednemu zdarzeniu ze wszystkimi atrybutami zebranymi na podstawie implementacji na stronie lub w aplikacji. W ten sposób zrzucane są dane Google Analytics 4, w chwili gdy uruchomimy funkcję ich eksportu do Google BigQuery. Pozwala ona bardzo szczegółowo przeglądać wszystkie parametry zdarzeń.\n\n\n\n![Google Analytics 4 BigQuery Screen Events Table](https://a.storyblok.com/f/46798/901x472/bc104a0435/google-analytics-4-bigquery-events-table.png)\n\n\n\nTabela sesji, to taka tabela, w której każdy wiersz odpowiada jednej sesji - znajdują się tam pogrupowane i obliczone informacje w oparciu o wszystkie zdarzenia, które wystąpiły w tabeli events.\n\n\n\n\u003Cdiv style=\"text-align:center\">\n\u003Cimg src=\"https://a.storyblok.com/f/46798/697x230/acfeb88331/google-analytics-4-bigquery-sessions-table.png\">\n\u003C/div>\n\n\n\n### Dlaczego zdecydowaliśmy się na utworzenie tabeli sesji?\n\n\n\nKluczową sprawą było dostarczenie stosunkowo lekkiej tabeli do narzędzi odpowiedzialnych za wizualizację danych. Tabela sesji, ze względu na to, że posiada zagregowane i przeliczone wartości, zajmuje znacznie mniej miejsca w porównaniu do tabeli events.\n\n\n\n\nDla przykładu tabela events, która miała w sobie 850 000 zdarzeń, miała wagę 1.5 GB.\nTabela sesji, która została utworzona na podstawie tych zdarzeń miała raptem 52 000 wierszy i jej waga wynosiła 83 MB. \n\n\n\n\u003Cdiv style=\"text-align:center\">\n\u003Cimg src=\"https://a.storyblok.com/f/46798/627x203/392bc8ddec/google-analytics-4-bigquery-events-vs-sessions-table.png\">\n\u003C/div>\n\n\n\nWszystkie narzędzia do wizualizacji zintegrowane z Google BigQuery wykonują zapytanie SQL, o czym pisaliśmy w naszym pierwszym artykule tutaj. Odpytując mniejszą tabelę, \u003Cb>wizualizacje działają znacznie szybciej i taniej.\u003C/b>\n\n\n\nPrzygotowując tabelę sesji pomyśleliśmy o obliczeniu najbardziej popularnych metryk wykorzystywanych przy różnych raportach oraz o dodaniu informacji o źródłach kampanii, gelokalizacji, urządzeniach czy też wszystkich informacjach dotyczących transakcji. W związku z tym zyskujemy znacznie lżejszą tabelę, z wciąż bardzo bogatymi informacjami, bez konieczności pisania dodatkowych zapytań SQL odnoszących się do tabeli events. \n\n\n\n![Google Analytics 4 BigQuery - WitCloud Sessions Table](https://a.storyblok.com/f/46798/1030x643/d16245bda9/google-analytics-4-witcloud-sessions-table.png)\n\n\n\n### Moduł dostarcza 3 tabele sesji w modelach tj. Google Analytics 4, Universal Analytics Cross-Device oraz Universal Analytics Device\n\n\n\nNa podstawie wyżej opisanych przykładów w sekcji dotyczącej tabeli “events”, wiemy już, że każdy model tj. Google Analytics 4, Universal Analytics Cross-Device oraz Universal Analytics Device, będzie mógł mieć różną liczbę sesji oraz różne źródła ruchu. Dlatego też postanowiliśmy stworzyć 3 tabele dla poszczególnych modeli, które mają taki sam schemat pól (metryk i wymiarów).\n\n\n\n\n\u003Cdiv style=\"text-align:center\">\n\u003Cimg src=\"https://a.storyblok.com/f/46798/442x339/12294d8207/google-analytics-4-bigquery-sessions-witcloud-3-models.png\">\n\u003C/div>\n\n\n\n### Tabele sesji uwzględniają konwersje walut dla sklepów sprzedających na wielu rynkach\n\n\n\nJeżeli na naszej stronie lub w aplikacji użytkownicy mogą dokonywać zakupów w różnych walutach, musimy zadbać o przekonwertowanie wartości do waluty, która została ustawiona w ustawieniach danej usługi. Wymaga to pobierania kursu waluty z danego dnia poprzez API i utworzenia dodatkowych pól obliczeniowych. Postanowiliśmy więc ułatwić to zadanie i automatycznie przekonwertować wartości dla transakcji i produktów w naszej tabeli sesji, zgodnie z ustaloną walutą w ustawieniach administracyjnych Google Analytics 4.\n![Google Analytics 4 BigQUery - Convert Currency Automatically](https://a.storyblok.com/f/46798/1043x207/9d890497d2/google-analytics-4-bigquery-atomation-currency-conversion.png)\n\n\n\n![Google Analytics 4 BigQuery Currency Converted Fields](https://a.storyblok.com/f/46798/756x475/b685923dbf/google-analytics-4-bigquery-currency-converted-fields.png)\n\n## Google Analytics 4 BigQuery - atrybucja konwersji [Atrybucja konwersji]\n\n\n\n### Atrybucja źródeł ruchu w Google BigQuery\n\n\n\nPosiadając dane Google Analytics 4 w BigQuery, które zostały wzbogacone o źródła ruchu w różnych modelach, nie mogliśmy się powstrzymać od przygotowania dodatkowych tabel zawierających atrybucję kanałów marketingowych. Tak jak w przypadku tabeli sesji, uwzględniliśmy tutaj tabele w 3 modelach tj. Google Analytics 4 Cross Device, Google Analytics Universal Cross Device i Google Analytics Universal Device. \n\n\n\n\u003Cdiv style=\"text-align:center\">\n\u003Cimg src=\"https://a.storyblok.com/f/46798/338x259/d0cf856eaa/google-analytics-4-bigquery-attribution.png\">\n\u003C/div>\n\n\n\nAtrybucja jest wykonywana dla wszystkich zdarzeń, które zostały oznaczone jako konwersja w panelu Google Analytics. \n\n\n\n![Google Analytics 4 Conversions Events](https://a.storyblok.com/f/46798/1125x264/7156f7749f/google-analytics-4-conversions.png)\n\n\n\n### Co zawierają tabele atrybucji?\n\n\n\nTabele atrybucji zawierają w sobie informacje na temat ścieżek konwersji w 5 modelach atrybucji tj. last click non direct, first click, linear, position based oraz timedecay. \n\n\n\n![Google Analytics 4 BigQuery - Attribution Calculation Table Schema](https://a.storyblok.com/f/46798/998x617/a92fa0d1a5/google-analytics-4-bigquery-attribution-table-schema-desc.png)\n\n\n\nDane pozwalają na szczegółową analizę wszystkich ścieżek użytkowników prowadzących do konwersji. Posiadając obliczoną punktację dla każdego modelu możemy pomnożyć wagę (attribution_score) przez wartość konwersji i uzyskać dokładny wynik w celach raportowych.\n\n\n\n![Google Analytics 4 BigQuery - Attribution Conversion Paths Example](https://a.storyblok.com/f/46798/903x149/2867ea71dc/google-analytics-4-bigquery-attribution-conversion-paths-example.png)\n\n\n\nJeżeli naszą konwersją jest zdarzenie “purchase”, w tabeli odnajdziemy również wszystkie informacje o transakcjach i sprzedawanych produktach. Daje to wiele dodatkowych możliwości np. możemy połączyć na podstawie identyfikatora transakcji oraz produktu, dane z CRM na temat zysku i sprawdzić, które kanały marketingowe wspierają konkretne grupy produktów na ścieżce zakupowej. \n\n\n\n\u003Cdiv style=\"text-align:center\">\n\u003Cimg src=\"https://a.storyblok.com/f/46798/649x353/edebcd629f/google-analytics-4-bigquery-attribution-products.png\">\n\u003C/div>\n\n\n\n## Moduł Google Analytics 4 BigQuery w WitCloud - zacznij swoją przygodę analityczną w 30 minut [Moduł WitCloud]\n\n\n\n### Konfiguracja eksportu danych w Google BigQuery i utworzenie konta w platformie WitCloud\n\n\n\nPrzygodę z wyżej opisanymi danymi można rozpocząć w mniej niż 30 minut. Potrzebny jest do tego projekt na Google Cloud Platform oraz uruchomiony eksport danych Google Analytics 4 do BigQuery.\nJeżeli zakładamy konto rozliczeniowe w Google Cloud Platform po raz pierwszy, na start dostaniemy 300$ do wykorzystania przez pierwsze 90 dni. \n\n\n\n[Instrukcja założenia projektu na Google Cloud Platform](https://witbee.com/pl/docs/start/how-to-start/#za%C5%82ozenie-projektu-google-cloud-platform)\n[Instrukcja uruchomienia eksportu danych Google Analytics 4 do BigQuery](https://support.google.com/analytics/answer/9823238?hl=en&ref_topic=9359001#step3&zippy=%2Cin-this-article)\n\n\n\nKolejnym krokiem jest założenie konta i projektu w platformie WitCloud. Oferujemy okres próbny, który trwa 14 dni. Biorąc więc pod uwagę 300$ na start od Google oraz nasz okres próbny, analizę danych można rozpocząć za darmo. \n\n\n\n[Instrukcja założenia projektu na platformie WitCloud](https://witbee.com/pl/docs/start/how-to-start/#za%C5%82ozenie-konta-i-utworzenie-projektu-w-witcloud-platform)\n\n\n\n\n\u003Cimg alt='Google Cloud Free Trial & WitCloud Free Trial' src='https://a.storyblok.com/f/46798/358x307/3102ae6e2f/google-cloud-witcloud.png' style='margin-left:auto;margin-right:auto;width:60%;display:block' \\>\n\n\n\n### Uruchomienie modułu Google Analytics 4 i innych integracji\n\nPlatforma WitCloud potrafi automatycznie pobierać i procesować dane w BigQuery nie tylko dla systemu Google Analytics 4, ale również dla popularnych systemów reklamowych, platform e-commerce, danych search console oraz arkuszy Google. \n\n\n\nW pierwszej kolejności rekomendujemy uruchomienie modułów:\n\n\n\n- [Google Ads](https://witbee.com/pl/docs/collect/google-ads-to-bigquery/) - w celu późniejszego połączenia danych o kampaniach Google Ads z modułem GA4\n- [Google Analytics 4 BigQuery](https://witbee.com/pl/docs/collect/google-analytics-4-bigquery/) - w celu uzyskania tabel omawianych w artykule\n\n\n\nW następnym etapie sugerujemy skonfigurować pozostałe źródła marketingowe:\n\n\n\n- [Systemy marketingowe](https://witbee.com/pl/witcloud/integracje?cat=Ad%2520System)\n- [Platformy e-commerce](https://witbee.com/pl/witcloud/integracje?cat=Ecommerce)\n\n\n\n![WitCloud Platform - All Marketing Data in Google BigQuery ](https://a.storyblok.com/f/46798/926x403/765588f1d0/witcloud-all-integration.png)\n\n\n\nJeżeli zdecydujesz się spróbować i pojawią się jakiekolwiek trudności podczas aktywacji integracji nie wahaj się zadać nam pytania poprzez chat znajdujący się w prawym dolnym rogu na stronie.\n\n\n","knowledge","Prosta i szybka analiza danych z Google Analytics 4 w BigQuery dzięki platformie WitCloud. Tabele sesji, atrybucja kanałów marketingowych i więcej.","content-page",{"id":227,"alt":19,"name":19,"focus":19,"title":19,"source":19,"filename":228,"copyright":19,"fieldtype":21,"meta_data":229,"is_external_url":32},190527407462478,"https://a.storyblok.com/f/296300/900x600/abccb0f082/10-ga4-bigquery-ready-data.png",{},[],[],"2025-02-25 00:00",[],"google-analytics-4-bigquery-traffic-sources-sessions-attribution-marketing-costs-and-ready-data-for-analysis","pl/content/knowledge/google-analytics-4-bigquery-traffic-sources-sessions-attribution-marketing-costs-and-ready-data-for-analysis",0,[],191213970958235,"c4d63873-b48c-4c11-8717-9675a264ef31",[],[],[],{"cache-control":190,"connection":191,"content-encoding":192,"content-type":193,"date":244,"etag":245,"referrer-policy":196,"sb-be-version":197,"server":198,"transfer-encoding":199,"vary":200,"via":201,"x-amz-cf-id":246,"x-amz-cf-pop":203,"x-cache":247,"x-content-type-options":205,"x-frame-options":206,"x-permitted-cross-domain-policies":30,"x-request-id":248,"x-runtime":249,"x-xss-protection":209},"Wed, 09 Sep 2026 14:25:00 GMT","W/\"04833ea38004eb91cea8c79847a25cce\"","AHm0aj8RW4zIeRzaakhBthgtdjSCnsFyBn21HDweD5IAn97TXw3QtA==","Miss from cloudfront","a9b4c65b-5ed4-4041-b4ea-7258e4a1b70b","0.048631",{"data":251,"body":253,"excerpt":-1,"toc":272},{"title":19,"description":252},"Google Analytics 4 GA4 BigQuery - źródła ruchu, sesje, atrybucja, koszty marketingowe i gotowe dane do analiz",{"type":254,"children":255},"root",[256],{"type":257,"tag":258,"props":259,"children":260},"element","p",{},[261,264,270],{"type":262,"value":263},"text","Google Analytics 4 ",{"type":257,"tag":265,"props":266,"children":267},"span",{},[268],{"type":262,"value":269},"GA4",{"type":262,"value":271}," BigQuery - źródła ruchu, sesje, atrybucja, koszty marketingowe i gotowe dane do analiz",{"title":19,"searchDepth":273,"depth":273,"links":274},2,[],{"data":276,"body":277,"excerpt":-1,"toc":283},{"title":19,"description":224},{"type":254,"children":278},[279],{"type":257,"tag":258,"props":280,"children":281},{},[282],{"type":262,"value":224},{"title":19,"searchDepth":273,"depth":273,"links":284},[],{"data":286,"body":287,"excerpt":-1,"toc":1093},{"title":19,"description":19},{"type":254,"children":288},[289,302,307,346,351,364,369,378,384,391,403,408,416,421,429,434,443,449,454,459,467,474,479,484,518,523,528,533,541,546,554,560,565,581,589,594,617,622,630,638,643,651,659,664,672,680,685,693,701,706,712,717,722,740,746,752,757,765,770,777,783,788,793,800,811,816,824,830,835,842,848,858,866,872,878,883,890,895,903,909,914,922,927,935,940,947,953,959,964,981,986,996,1009,1015,1020,1025,1052,1057,1080,1088],{"type":257,"tag":290,"props":291,"children":293},"h2",{"id":292},"kontynuacja-serii-wpisów-o-danych-google-analytics-4-ga4-w-bigquery",[294,296,300],{"type":262,"value":295},"Kontynuacja serii wpisów o danych Google Analytics 4 ",{"type":257,"tag":265,"props":297,"children":298},{},[299],{"type":262,"value":269},{"type":262,"value":301}," w BigQuery",{"type":257,"tag":258,"props":303,"children":304},{},[305],{"type":262,"value":306},"Artykuł ten jest elementem z serii wpisów o Google Analytics 4 i eksporcie danych do Google BigQuery, składającym się z następujących pozycji:",{"type":257,"tag":308,"props":309,"children":310},"ul",{},[311,324,334],{"type":257,"tag":312,"props":313,"children":314},"li",{},[315],{"type":257,"tag":316,"props":317,"children":321},"a",{"href":318,"rel":319},"https://witbee.com/pl/blog/google-analytics-4-bigquery-dlaczego-warto-korzystac",[320],"nofollow",[322],{"type":262,"value":323},"#1 Google Analytics 4 BigQuery - dlaczego warto korzystać ?",{"type":257,"tag":312,"props":325,"children":326},{},[327],{"type":257,"tag":316,"props":328,"children":331},{"href":329,"rel":330},"https://witbee.com/pl/blog/google-analytics-4-bigquery-9-wyzwan-ktore-cie-zaskoczy-podczas-analizy-danych",[320],[332],{"type":262,"value":333},"#2 Google Analytics 4 BigQuery - 9 wyzwań, które Cię zaskoczy podczas analizy danych",{"type":257,"tag":312,"props":335,"children":336},{},[337,344],{"type":257,"tag":316,"props":338,"children":341},{"href":339,"rel":340},"https://witbee.com/pl/blog/google-analytics-4-bigquery-zrodla-ruchu-sesje-atrybucja-koszty-marketingowe-i-gotowe-dane-do-analiz",[320],[342],{"type":262,"value":343},"#3 Google Analytics 4 BigQuery - źródła ruchu, sesje, atrybucja, koszty marketingowe i gotowe dane do analiz",{"type":262,"value":345}," (obecnie go czytasz)",{"type":257,"tag":258,"props":347,"children":348},{},[349],{"type":262,"value":350},"Ostatni wpis dotyczył wyzwań analitycznych związanych z analizą danych w Google BigQuery. Firmy oraz pracujący w nich analitycy jak i specjaliści powinny skupiać się głównie na podejmowaniu decyzji w oparciu o dane, a nie na mozolnym i kosztownym przygotowywaniu i obrabianiu danych do ich analizy.",{"type":257,"tag":258,"props":352,"children":353},{},[354,356,362],{"type":262,"value":355},"W odpowiedzi na to wyzwanie, w naszej platformie ",{"type":257,"tag":316,"props":357,"children":360},{"href":358,"rel":359},"https://witbee.com/pl/witcloud",[320],[361],{"type":262,"value":86},{"type":262,"value":363}," postanowiliśmy stworzyć moduł analityczny, który w oparciu o wyeksportowane dane Google Analytics 4 do Google BigQuery, rozwiąże problemy z ich obróbką i przygotuje te dane w takiej formie, aby były gotowe do wykorzystania w firmie do rozmaitych analiz lub integracji z innymi systemami.",{"type":257,"tag":258,"props":365,"children":366},{},[367],{"type":262,"value":368},"W tym artykule, krok po kroku omówimy jakie modyfikacje wprowadziliśmy do danych i w jaki sposób podeszliśmy do zaprojektowania struktury danych w Google BigQuery.",{"type":257,"tag":258,"props":370,"children":371},{},[372],{"type":257,"tag":373,"props":374,"children":377},"img",{"alt":375,"src":376},"Google Analytics 4 BigQuery - WitCloud - Sessions, Attributions","https://a.storyblok.com/f/46798/868x362/c5426a763d/google-analytics-4-bigquery-witcloud-events-to-sessions.png",[],{"type":257,"tag":290,"props":379,"children":381},{"id":380},"wzbogacenie-tabeli-events-o-źródła-ruchu",[382],{"type":262,"value":383},"Wzbogacenie tabeli events o źródła ruchu",{"type":257,"tag":385,"props":386,"children":388},"h3",{"id":387},"problem-ubogich-danych-o-źródłach-ruchu-w-google-bigquery",[389],{"type":262,"value":390},"Problem ubogich danych o źródłach ruchu w Google BigQuery",{"type":257,"tag":258,"props":392,"children":393},{},[394,396,401],{"type":262,"value":395},"W artykule ",{"type":257,"tag":316,"props":397,"children":399},{"href":329,"rel":398},[320],[400],{"type":262,"value":333},{"type":262,"value":402},", poruszyliśmy problem związany z brakiem obliczonych źródeł ruchu dla konkretnych sesji oraz ubogi dostęp do danych Google Ads. W domyślnie wyeksportowanej tabeli “events_” mamy dostępne tylko pola tj. traffic_source.source, traffic_source.medium, traffic_source.name (nazwa kampanii).",{"type":257,"tag":258,"props":404,"children":405},{},[406],{"type":262,"value":407},"Nawiązując do naszego poprzedniego artykułu problem polega jednak na tym, że są to pola informujące nas o tym jakie źródło wystąpiło w pierwszej kampanii czasu pozyskania tego użytkownika, a nie o źródle, które wystąpiło w danej sesji, tak jak możemy to przeglądać w raportach i wymiarze “Session source/medium” w panelu Google Analytics 4. Oznacza to, że w panelu Google dostarcza nam obrobione dane, a korzystając z surowych danych w BigQuery musimy zrobić to sami.",{"type":257,"tag":258,"props":409,"children":410},{},[411],{"type":257,"tag":373,"props":412,"children":415},{"alt":413,"src":414},"Google Analytics 4 BigQuery traffic_source field description","https://a.storyblok.com/f/46798/986x327/0de56d0a96/google-analytics-4-bigquery-traffic-source-field-desc.png",[],{"type":257,"tag":258,"props":417,"children":418},{},[419],{"type":262,"value":420},"Korzystając z tych pól w tabeli osiągniemy więc inny obraz niż w przypadku wymiaru “Session source / medium” w panelu.",{"type":257,"tag":258,"props":422,"children":423},{},[424],{"type":257,"tag":373,"props":425,"children":428},{"alt":426,"src":427},"Google Analytics 4 BigQuery traffic_source field path example","https://a.storyblok.com/f/46798/790x164/1ae9c65264/google-analytics-4-bigquery-traffic-source-field-behaviour.png",[],{"type":257,"tag":258,"props":430,"children":431},{},[432],{"type":262,"value":433},"Dodatkowo w tabeli brakuje nam bardziej szczegółowych informacji na temat kampanii Google Ads, tak jak miało to miejsce w eksporcie danych Google Analytics Universal 360 (wersja premium)",{"type":257,"tag":435,"props":436,"children":438},"div",{"style":437},"text-align:center",[439],{"type":257,"tag":373,"props":440,"children":442},{"src":441},"https://a.storyblok.com/f/46798/713x578/acc36d50a3/google-analytics-4-bigquery-missing-google-ads-fields.png",[],{"type":257,"tag":385,"props":444,"children":446},{"id":445},"rozwiązaniem-problemu-jest-wzbogacenie-tabeli-events-o-źródła-ruchu-sesji-w-modelu-google-analytics-4-i-universal-analytics",[447],{"type":262,"value":448},"Rozwiązaniem problemu jest wzbogacenie tabeli events o źródła ruchu sesji w modelu Google Analytics 4 i Universal Analytics",{"type":257,"tag":258,"props":450,"children":451},{},[452],{"type":262,"value":453},"W odpowiedzi na to wyzwanie postanowiliśmy wzbogacić tabelę “events_” o dodatkowe grupy pól, które zwracają informację na temat źródeł ruchu występujących w danej sesji oraz dodatkowe informacje na temat kampanii Google Ads.",{"type":257,"tag":258,"props":455,"children":456},{},[457],{"type":262,"value":458},"Dane zostały wzbogacone w modelu Google Analytics 4, który nie tworzy nowej sesji przy zmianie źródła kampanii w trakcie trwania sesji oraz w modelu Google Universal Analytics, który tworzy nową sesję za każdym razem jak pojawi się nowe źródło ruchu.",{"type":257,"tag":258,"props":460,"children":461},{},[462],{"type":257,"tag":373,"props":463,"children":466},{"alt":464,"src":465},"Google Analytics 4 BigQuery Vs WitCloud Tables","https://a.storyblok.com/f/46798/861x629/cfb22d8638/google-analytics-4-bigquery-witcloud-vs-events.png",[],{"type":257,"tag":468,"props":469,"children":471},"h4",{"id":470},"możliwość-śledzenia-użytkownika-pomiędzy-urządzeniami",[472],{"type":262,"value":473},"Możliwość śledzenia użytkownika pomiędzy urządzeniami",{"type":257,"tag":258,"props":475,"children":476},{},[477],{"type":262,"value":478},"Zanim omówimy sposób działania poszczególnych modeli na przypadkach, musimy wspomnieć o kluczowym elemencie jaki musieliśmy wziąć pod uwagę przy tworzeniu modułu czyli śledzeniu użytkowników pomiędzy urządzeniami takimi jak komputery, smartfony i tablety (cross-device).",{"type":257,"tag":258,"props":480,"children":481},{},[482],{"type":262,"value":483},"Google Analytics 4 posiada do tego odpowiednie funkcjonalności, które potrafią połączyć zdarzenia na ścieżce użytkownika na podstawie 3 wymiarów tj.:",{"type":257,"tag":308,"props":485,"children":486},{},[487,498,508],{"type":257,"tag":312,"props":488,"children":489},{},[490,496],{"type":257,"tag":491,"props":492,"children":493},"strong",{},[494],{"type":262,"value":495},"Device ID",{"type":262,"value":497},", czyli ciasteczko przeglądarki lub identyfikator w aplikacji",{"type":257,"tag":312,"props":499,"children":500},{},[501,506],{"type":257,"tag":491,"props":502,"children":503},{},[504],{"type":262,"value":505},"User ID",{"type":262,"value":507},", czyli możliwy do implementacji identyfikator użytkownika z naszej bazy danych np. po rejestracji/zalogowaniu na naszej stronie/aplikacji",{"type":257,"tag":312,"props":509,"children":510},{},[511,516],{"type":257,"tag":491,"props":512,"children":513},{},[514],{"type":262,"value":515},"Google ID (Google Signals)",{"type":262,"value":517},", czyli identyfikator połączony z zalogowanym użytkownikiem w Google (wymaga dodatkowej aktywacji w ustawieniach administracyjnych usługi)",{"type":257,"tag":258,"props":519,"children":520},{},[521],{"type":262,"value":522},"Domyślnie Google Analytics śledzi użytkownika tylko na podstawie Device ID, czyli ciasteczka lub identyfikatora aplikacji. Oznacza to, że jeżeli wejdziemy na wybraną stronę z urządzenia mobilnego, a następnie z komputera stacjonarnego, to Google Analytics raportuje nam informacje o 2 różnych użytkownikach pozyskanych z 2 różnych kanałów. Na tej podstawie nie jest więc możliwe śledzenie użytkowników pomiędzy urządzeniami, gdyż każde urządzenie oraz każda przeglądarka będą miały inny identyfikator użytkownika.",{"type":257,"tag":258,"props":524,"children":525},{},[526],{"type":262,"value":527},"Jeżeli jednak zdecydujemy się na przesłanie w implementacji własnego identyfikatora użytkownika np. po zalogowaniu/rejestracji lub na aktywację opcji Google Signals, to system Google przeprowadzi na wszystkich zebranych danych deduplikację użytkowników, czyli znajdzie połączenie pomiędzy urządzeniami i przedstawi nam w raportach dokładniejsze dane na temat użytkowników i ich zachowań.",{"type":257,"tag":258,"props":529,"children":530},{},[531],{"type":262,"value":532},"W panelu Google Analytics 4 sami możemy decydować czy chcemy widzieć dane z deduplikacją lub bez na podstawie ustawień “Reporting Identity” (tłumaczone w dokumentacji w j. polskim jako “Tożsamość raportowania”).",{"type":257,"tag":258,"props":534,"children":535},{},[536],{"type":257,"tag":373,"props":537,"children":540},{"alt":538,"src":539},"Google Analytics 4 Reporting Identity","https://a.storyblok.com/f/46798/834x549/d25537595b/google-analytics-4-bigquery-reporting-identity.png",[],{"type":257,"tag":258,"props":542,"children":543},{},[544],{"type":262,"value":545},"W Google BigQuery deduplikację użytkowników możemy wykonać jedynie na podstawie 2 wymiarów tj. Device ID oraz User ID, gdyż ze względu na aspekty prawne, dane Google Signals nie są udostępniane w eksporcie danych Google Analytics 4.",{"type":257,"tag":258,"props":547,"children":548},{},[549],{"type":257,"tag":373,"props":550,"children":553},{"alt":551,"src":552},"Google Analytics 4 BigQuery Device Id, User Id and No Google Singals ID","https://a.storyblok.com/f/46798/771x454/dda30cd467/google-analytics-4-bigquery-identity-user.png",[],{"type":257,"tag":468,"props":555,"children":557},{"id":556},"podejście-do-źródeł-ruchu-google-analytics-4-vs-google-analytics-universal",[558],{"type":262,"value":559},"Podejście do źródeł ruchu - Google Analytics 4 vs Google Analytics Universal",{"type":257,"tag":258,"props":561,"children":562},{},[563],{"type":262,"value":564},"Poniższy schemat pozwoli nam lepiej odpowiedzieć na 2 kluczowe i powiązane ze sobą pytania:",{"type":257,"tag":566,"props":567,"children":568},"ol",{},[569,571,576],{"type":262,"value":570},"\n  ",{"type":257,"tag":312,"props":572,"children":573},{},[574],{"type":262,"value":575},"Jak wpływa na atrybucję źródeł ruchu, deduplikacja użytkowników z wykorzystaniem parametru user_id?\n  ",{"type":257,"tag":312,"props":577,"children":578},{},[579],{"type":262,"value":580},"W jaki sposób zmieniła się logika liczenia sesji w Google Analytics 4 vs Google Analytics Universal?",{"type":257,"tag":258,"props":582,"children":583},{},[584],{"type":257,"tag":373,"props":585,"children":588},{"alt":586,"src":587},"Google Analytics 4 BigQuery - Cross Device Sessions","https://a.storyblok.com/f/46798/1145x533/8f22588d1f/google-analytics-4-bigquery-diagram-cross-device-sessions.png",[],{"type":257,"tag":258,"props":590,"children":591},{},[592],{"type":262,"value":593},"Krótki opis schematu:",{"type":257,"tag":308,"props":595,"children":596},{},[597,602,607,612],{"type":257,"tag":312,"props":598,"children":599},{},[600],{"type":262,"value":601},"Użytkownik wszedł na stronę internetową z urządzenia mobilnego po odesłaniu z Facebooka, co spowodowało utworzenie nowej sesji",{"type":257,"tag":312,"props":603,"children":604},{},[605],{"type":262,"value":606},"W trakcie trwania sesji wygenerowanej przez Facebooka(przed upływem 30 minut od braku interakcji), użytkownik przeklikał się na stronę jeszcze raz przez reklamę Google",{"type":257,"tag":312,"props":608,"children":609},{},[610],{"type":262,"value":611},"Po jakimś czasie użytkownik postanowił wejść na stronę ponownie, tym razem z komputera stacjonarnego bez żadnego przekierowania (wejście bezpośrednie)",{"type":257,"tag":312,"props":613,"children":614},{},[615],{"type":262,"value":616},"Zarówno na urządzeniu mobilnym jak i stacjonarnym użytkownik był zalogowany i został wysłany parametr “user_id”",{"type":257,"tag":258,"props":618,"children":619},{},[620],{"type":262,"value":621},"Spójrzmy teraz, w jaki sposób zachowa się atrybucja źródeł ruchu i kalkulacja sesji dla poszczególnych modeli.",{"type":257,"tag":258,"props":623,"children":624},{},[625],{"type":257,"tag":491,"props":626,"children":627},{},[628],{"type":262,"value":629},"Google Analytics 4 - Cross Device Model",{"type":257,"tag":258,"props":631,"children":632},{},[633],{"type":257,"tag":373,"props":634,"children":637},{"alt":635,"src":636},"Google Analytics 4 BigQuyer - GA4 Cross Device Model","https://a.storyblok.com/f/46798/689x138/63d1b8837b/google-analytics-4-bigquery-ga4-cross-device-model.png",[],{"type":257,"tag":258,"props":639,"children":640},{},[641],{"type":262,"value":642},"W modelu Google Analytics 4 - Cross Device, po wejściu użytkownika z urządzenia mobilnego i odesłania z Facebooka, zostanie utworzona nowa sesja. W chwili, gdy użytkownik przeklika się przez reklamę Google z tego samego urządzenia w trakcie trwania sesji, nie zostanie utworzona nowa sesja, gdyż Google Analytics 4 nie tworzy nowej sesji w chwili, gdy zmienia się źródło kampanii w trakcie trwania poprzedniej sesji.\nW chwili, gdy użytkownik wejdzie z urządzenia stacjonarnego i będzie to wejście bezpośrednie (ruch typu “Direct”), źródło to zostanie nadpisane ostatnim źródłem ruchu, które wystąpiło w poprzedniej sesji - nie będzie to Facebook, tylko Google, który wcześniej nie spowodował utworzenia nowej sesji na urządzeniu mobilnym.",{"type":257,"tag":258,"props":644,"children":645},{},[646],{"type":257,"tag":491,"props":647,"children":648},{},[649],{"type":262,"value":650},"Google Analytics 4 - Device Model",{"type":257,"tag":258,"props":652,"children":653},{},[654],{"type":257,"tag":373,"props":655,"children":658},{"alt":656,"src":657},"Google Analytics 4 BigQuery - Device Model","https://a.storyblok.com/f/46798/689x157/c7f291706b/google-analytics-4-bigquery-ga4-device-model.png",[],{"type":257,"tag":258,"props":660,"children":661},{},[662],{"type":262,"value":663},"W modelu Google Analytics 4 opartym na Device ID (w przypadku strony internetowej będzie to ciasteczko), każda przeglądarka będzie miała wygenerowany nowy identyfikator użytkownika. W takiej sytuacji sesja pierwsza będzie miała przypisane źródło Facebook, a sesja druga, która odbyła się na innym urządzeniu będzie miała źródło “Direct”. Kampanie Google będzie w tym przypadku zignorowana, gdyż logika Google Analytics 4 nie uwzględnia tworzenia nowej sesji przy zmianie źródła ruchu. Druga sesja (wejście bezpośrednie) nie odziedziczy źródła ruchu, gdyż nie jest w żaden sposób powiązana z poprzednim urządzeniem (brak deduplikacji i wykorzystania user_id). Zostanie więc direct.",{"type":257,"tag":258,"props":665,"children":666},{},[667],{"type":257,"tag":491,"props":668,"children":669},{},[670],{"type":262,"value":671},"Universal Analytics - Device Model",{"type":257,"tag":258,"props":673,"children":674},{},[675],{"type":257,"tag":373,"props":676,"children":679},{"alt":677,"src":678},"Google Analytics 4 BigQuery Device Model","https://a.storyblok.com/f/46798/687x182/6c23c8306d/google-analytics-4-bigquery-ua-device-model.png",[],{"type":257,"tag":258,"props":681,"children":682},{},[683],{"type":262,"value":684},"W modelu Universal Analytics opartym na Device ID (obecnie i historycznie wykorzystywany w Google Analytics Universal), w pierwszej sesji zostanie przypisane źródło facebook. Następnie zostanie utworzona nowa sesja, dla źródła Google, gdyż Universal Analytics tworzy nową sesję za każdym razem kiedy źródło kampanii zostanie zmienione w trakcie sesji. Po bezpośrednim wejściu z urządzenia stacjonarnego zostanie utworzona trzecia sesja, która nie zostanie nadpisana wartością Google, gdyż nie jest w żaden sposób powiązana z poprzednim urządzeniem (brak deduplikacji i wykorzystania user_id). Zostanie więc direct.",{"type":257,"tag":258,"props":686,"children":687},{},[688],{"type":257,"tag":491,"props":689,"children":690},{},[691],{"type":262,"value":692},"Universal Analytics - Cross-Device Model",{"type":257,"tag":258,"props":694,"children":695},{},[696],{"type":257,"tag":373,"props":697,"children":700},{"alt":698,"src":699},"Google Analytics 4 BigQuery Cross Device Model","https://a.storyblok.com/f/46798/683x189/995cdfb460/google-analytics-4-bigquery-ua-cross-device-model.png",[],{"type":257,"tag":258,"props":702,"children":703},{},[704],{"type":262,"value":705},"Model Universal Analytics oparty na cross-device to nowość, którą postanowiliśmy odtworzyć na podstawie dedykowanego podejścia związanego z deduplikacją użytkowników w Google Analytics 4, ale z zachowaniem starego podejścia, które zakłada tworzenie nowej sesji kiedy źródło kampanii ulegnie zmianie w trakcie sesji. W ten sposób, pierwsza sesja będzie miała wartość ‘facebook’, następnie zostanie utworzona nowa sesja, dla źródła Google, gdyż Universal Analytics tworzy nową sesję za każdym razem kiedy źródło kampanii zostanie zmienione w trakcie sesji. Po bezpośrednim wejściu z urządzenia stacjonarnego zostanie utworzona trzecia sesja, która zostanie nadpisana wartością Google, gdyż jesteśmy w stanie połączyć ze sobą użytkowników na podstawie deduplikacji z wykorzystaniem user_id.",{"type":257,"tag":468,"props":707,"children":709},{"id":708},"dlaczego-przygotowaliśmy-3-modele-danych",[710],{"type":262,"value":711},"Dlaczego przygotowaliśmy 3 modele danych?",{"type":257,"tag":258,"props":713,"children":714},{},[715],{"type":262,"value":716},"Decyzje o raportowaniu wybranym modelu Google Analytics mogą zależeć od preferencji danej organizacji, w związku z tym zależało nam na tym, aby każda firma mogła samodzielnie podjąć decyzje na temat tego wyboru lub mieć możliwość porównania danych w różnych modelach.",{"type":257,"tag":258,"props":718,"children":719},{},[720],{"type":262,"value":721},"Z tego względu przygotowaliśmy dane w 3 modelach tj.:",{"type":257,"tag":308,"props":723,"children":724},{},[725,730,735],{"type":257,"tag":312,"props":726,"children":727},{},[728],{"type":262,"value":729},"Google Analytics 4 Cross Device z uwzględnieniem deduplikacji",{"type":257,"tag":312,"props":731,"children":732},{},[733],{"type":262,"value":734},"Google Analytics Universal Cross Device z uwzględnieniem deduplikacji",{"type":257,"tag":312,"props":736,"children":737},{},[738],{"type":262,"value":739},"Google Analytics Universal Device bez deduplikacji (znane i lubiane z Google Analytics Universal)",{"type":257,"tag":290,"props":741,"children":743},{"id":742},"grupowanie-eventów-w-sesje-czyli-tabele-sesji-dla-danych-google-analytics-4",[744],{"type":262,"value":745},"Grupowanie eventów w sesje, czyli tabele sesji dla danych Google Analytics 4",{"type":257,"tag":385,"props":747,"children":749},{"id":748},"tabela-zdarzeń-vs-tabela-sesji",[750],{"type":262,"value":751},"Tabela zdarzeń vs tabela sesji",{"type":257,"tag":258,"props":753,"children":754},{},[755],{"type":262,"value":756},"Tabela zdarzeń, to taka tabela, w której każdy wiersz odpowiada jednemu zdarzeniu ze wszystkimi atrybutami zebranymi na podstawie implementacji na stronie lub w aplikacji. W ten sposób zrzucane są dane Google Analytics 4, w chwili gdy uruchomimy funkcję ich eksportu do Google BigQuery. Pozwala ona bardzo szczegółowo przeglądać wszystkie parametry zdarzeń.",{"type":257,"tag":258,"props":758,"children":759},{},[760],{"type":257,"tag":373,"props":761,"children":764},{"alt":762,"src":763},"Google Analytics 4 BigQuery Screen Events Table","https://a.storyblok.com/f/46798/901x472/bc104a0435/google-analytics-4-bigquery-events-table.png",[],{"type":257,"tag":258,"props":766,"children":767},{},[768],{"type":262,"value":769},"Tabela sesji, to taka tabela, w której każdy wiersz odpowiada jednej sesji - znajdują się tam pogrupowane i obliczone informacje w oparciu o wszystkie zdarzenia, które wystąpiły w tabeli events.",{"type":257,"tag":435,"props":771,"children":772},{"style":437},[773],{"type":257,"tag":373,"props":774,"children":776},{"src":775},"https://a.storyblok.com/f/46798/697x230/acfeb88331/google-analytics-4-bigquery-sessions-table.png",[],{"type":257,"tag":385,"props":778,"children":780},{"id":779},"dlaczego-zdecydowaliśmy-się-na-utworzenie-tabeli-sesji",[781],{"type":262,"value":782},"Dlaczego zdecydowaliśmy się na utworzenie tabeli sesji?",{"type":257,"tag":258,"props":784,"children":785},{},[786],{"type":262,"value":787},"Kluczową sprawą było dostarczenie stosunkowo lekkiej tabeli do narzędzi odpowiedzialnych za wizualizację danych. Tabela sesji, ze względu na to, że posiada zagregowane i przeliczone wartości, zajmuje znacznie mniej miejsca w porównaniu do tabeli events.",{"type":257,"tag":258,"props":789,"children":790},{},[791],{"type":262,"value":792},"Dla przykładu tabela events, która miała w sobie 850 000 zdarzeń, miała wagę 1.5 GB.\nTabela sesji, która została utworzona na podstawie tych zdarzeń miała raptem 52 000 wierszy i jej waga wynosiła 83 MB.",{"type":257,"tag":435,"props":794,"children":795},{"style":437},[796],{"type":257,"tag":373,"props":797,"children":799},{"src":798},"https://a.storyblok.com/f/46798/627x203/392bc8ddec/google-analytics-4-bigquery-events-vs-sessions-table.png",[],{"type":257,"tag":258,"props":801,"children":802},{},[803,805],{"type":262,"value":804},"Wszystkie narzędzia do wizualizacji zintegrowane z Google BigQuery wykonują zapytanie SQL, o czym pisaliśmy w naszym pierwszym artykule tutaj. Odpytując mniejszą tabelę, ",{"type":257,"tag":806,"props":807,"children":808},"b",{},[809],{"type":262,"value":810},"wizualizacje działają znacznie szybciej i taniej.",{"type":257,"tag":258,"props":812,"children":813},{},[814],{"type":262,"value":815},"Przygotowując tabelę sesji pomyśleliśmy o obliczeniu najbardziej popularnych metryk wykorzystywanych przy różnych raportach oraz o dodaniu informacji o źródłach kampanii, gelokalizacji, urządzeniach czy też wszystkich informacjach dotyczących transakcji. W związku z tym zyskujemy znacznie lżejszą tabelę, z wciąż bardzo bogatymi informacjami, bez konieczności pisania dodatkowych zapytań SQL odnoszących się do tabeli events.",{"type":257,"tag":258,"props":817,"children":818},{},[819],{"type":257,"tag":373,"props":820,"children":823},{"alt":821,"src":822},"Google Analytics 4 BigQuery - WitCloud Sessions Table","https://a.storyblok.com/f/46798/1030x643/d16245bda9/google-analytics-4-witcloud-sessions-table.png",[],{"type":257,"tag":385,"props":825,"children":827},{"id":826},"moduł-dostarcza-3-tabele-sesji-w-modelach-tj-google-analytics-4-universal-analytics-cross-device-oraz-universal-analytics-device",[828],{"type":262,"value":829},"Moduł dostarcza 3 tabele sesji w modelach tj. Google Analytics 4, Universal Analytics Cross-Device oraz Universal Analytics Device",{"type":257,"tag":258,"props":831,"children":832},{},[833],{"type":262,"value":834},"Na podstawie wyżej opisanych przykładów w sekcji dotyczącej tabeli “events”, wiemy już, że każdy model tj. Google Analytics 4, Universal Analytics Cross-Device oraz Universal Analytics Device, będzie mógł mieć różną liczbę sesji oraz różne źródła ruchu. Dlatego też postanowiliśmy stworzyć 3 tabele dla poszczególnych modeli, które mają taki sam schemat pól (metryk i wymiarów).",{"type":257,"tag":435,"props":836,"children":837},{"style":437},[838],{"type":257,"tag":373,"props":839,"children":841},{"src":840},"https://a.storyblok.com/f/46798/442x339/12294d8207/google-analytics-4-bigquery-sessions-witcloud-3-models.png",[],{"type":257,"tag":385,"props":843,"children":845},{"id":844},"tabele-sesji-uwzględniają-konwersje-walut-dla-sklepów-sprzedających-na-wielu-rynkach",[846],{"type":262,"value":847},"Tabele sesji uwzględniają konwersje walut dla sklepów sprzedających na wielu rynkach",{"type":257,"tag":258,"props":849,"children":850},{},[851,853],{"type":262,"value":852},"Jeżeli na naszej stronie lub w aplikacji użytkownicy mogą dokonywać zakupów w różnych walutach, musimy zadbać o przekonwertowanie wartości do waluty, która została ustawiona w ustawieniach danej usługi. Wymaga to pobierania kursu waluty z danego dnia poprzez API i utworzenia dodatkowych pól obliczeniowych. Postanowiliśmy więc ułatwić to zadanie i automatycznie przekonwertować wartości dla transakcji i produktów w naszej tabeli sesji, zgodnie z ustaloną walutą w ustawieniach administracyjnych Google Analytics 4.\n",{"type":257,"tag":373,"props":854,"children":857},{"alt":855,"src":856},"Google Analytics 4 BigQUery - Convert Currency Automatically","https://a.storyblok.com/f/46798/1043x207/9d890497d2/google-analytics-4-bigquery-atomation-currency-conversion.png",[],{"type":257,"tag":258,"props":859,"children":860},{},[861],{"type":257,"tag":373,"props":862,"children":865},{"alt":863,"src":864},"Google Analytics 4 BigQuery Currency Converted Fields","https://a.storyblok.com/f/46798/756x475/b685923dbf/google-analytics-4-bigquery-currency-converted-fields.png",[],{"type":257,"tag":290,"props":867,"children":869},{"id":868},"google-analytics-4-bigquery-atrybucja-konwersji",[870],{"type":262,"value":871},"Google Analytics 4 BigQuery - atrybucja konwersji",{"type":257,"tag":385,"props":873,"children":875},{"id":874},"atrybucja-źródeł-ruchu-w-google-bigquery",[876],{"type":262,"value":877},"Atrybucja źródeł ruchu w Google BigQuery",{"type":257,"tag":258,"props":879,"children":880},{},[881],{"type":262,"value":882},"Posiadając dane Google Analytics 4 w BigQuery, które zostały wzbogacone o źródła ruchu w różnych modelach, nie mogliśmy się powstrzymać od przygotowania dodatkowych tabel zawierających atrybucję kanałów marketingowych. Tak jak w przypadku tabeli sesji, uwzględniliśmy tutaj tabele w 3 modelach tj. Google Analytics 4 Cross Device, Google Analytics Universal Cross Device i Google Analytics Universal Device.",{"type":257,"tag":435,"props":884,"children":885},{"style":437},[886],{"type":257,"tag":373,"props":887,"children":889},{"src":888},"https://a.storyblok.com/f/46798/338x259/d0cf856eaa/google-analytics-4-bigquery-attribution.png",[],{"type":257,"tag":258,"props":891,"children":892},{},[893],{"type":262,"value":894},"Atrybucja jest wykonywana dla wszystkich zdarzeń, które zostały oznaczone jako konwersja w panelu Google Analytics.",{"type":257,"tag":258,"props":896,"children":897},{},[898],{"type":257,"tag":373,"props":899,"children":902},{"alt":900,"src":901},"Google Analytics 4 Conversions Events","https://a.storyblok.com/f/46798/1125x264/7156f7749f/google-analytics-4-conversions.png",[],{"type":257,"tag":385,"props":904,"children":906},{"id":905},"co-zawierają-tabele-atrybucji",[907],{"type":262,"value":908},"Co zawierają tabele atrybucji?",{"type":257,"tag":258,"props":910,"children":911},{},[912],{"type":262,"value":913},"Tabele atrybucji zawierają w sobie informacje na temat ścieżek konwersji w 5 modelach atrybucji tj. last click non direct, first click, linear, position based oraz timedecay.",{"type":257,"tag":258,"props":915,"children":916},{},[917],{"type":257,"tag":373,"props":918,"children":921},{"alt":919,"src":920},"Google Analytics 4 BigQuery - Attribution Calculation Table Schema","https://a.storyblok.com/f/46798/998x617/a92fa0d1a5/google-analytics-4-bigquery-attribution-table-schema-desc.png",[],{"type":257,"tag":258,"props":923,"children":924},{},[925],{"type":262,"value":926},"Dane pozwalają na szczegółową analizę wszystkich ścieżek użytkowników prowadzących do konwersji. Posiadając obliczoną punktację dla każdego modelu możemy pomnożyć wagę (attribution_score) przez wartość konwersji i uzyskać dokładny wynik w celach raportowych.",{"type":257,"tag":258,"props":928,"children":929},{},[930],{"type":257,"tag":373,"props":931,"children":934},{"alt":932,"src":933},"Google Analytics 4 BigQuery - Attribution Conversion Paths Example","https://a.storyblok.com/f/46798/903x149/2867ea71dc/google-analytics-4-bigquery-attribution-conversion-paths-example.png",[],{"type":257,"tag":258,"props":936,"children":937},{},[938],{"type":262,"value":939},"Jeżeli naszą konwersją jest zdarzenie “purchase”, w tabeli odnajdziemy również wszystkie informacje o transakcjach i sprzedawanych produktach. Daje to wiele dodatkowych możliwości np. możemy połączyć na podstawie identyfikatora transakcji oraz produktu, dane z CRM na temat zysku i sprawdzić, które kanały marketingowe wspierają konkretne grupy produktów na ścieżce zakupowej.",{"type":257,"tag":435,"props":941,"children":942},{"style":437},[943],{"type":257,"tag":373,"props":944,"children":946},{"src":945},"https://a.storyblok.com/f/46798/649x353/edebcd629f/google-analytics-4-bigquery-attribution-products.png",[],{"type":257,"tag":290,"props":948,"children":950},{"id":949},"moduł-google-analytics-4-bigquery-w-witcloud-zacznij-swoją-przygodę-analityczną-w-30-minut",[951],{"type":262,"value":952},"Moduł Google Analytics 4 BigQuery w WitCloud - zacznij swoją przygodę analityczną w 30 minut",{"type":257,"tag":385,"props":954,"children":956},{"id":955},"konfiguracja-eksportu-danych-w-google-bigquery-i-utworzenie-konta-w-platformie-witcloud",[957],{"type":262,"value":958},"Konfiguracja eksportu danych w Google BigQuery i utworzenie konta w platformie WitCloud",{"type":257,"tag":258,"props":960,"children":961},{},[962],{"type":262,"value":963},"Przygodę z wyżej opisanymi danymi można rozpocząć w mniej niż 30 minut. Potrzebny jest do tego projekt na Google Cloud Platform oraz uruchomiony eksport danych Google Analytics 4 do BigQuery.\nJeżeli zakładamy konto rozliczeniowe w Google Cloud Platform po raz pierwszy, na start dostaniemy 300$ do wykorzystania przez pierwsze 90 dni.",{"type":257,"tag":258,"props":965,"children":966},{},[967,974],{"type":257,"tag":316,"props":968,"children":971},{"href":969,"rel":970},"https://witbee.com/pl/docs/start/how-to-start/#za%C5%82ozenie-projektu-google-cloud-platform",[320],[972],{"type":262,"value":973},"Instrukcja założenia projektu na Google Cloud Platform",{"type":257,"tag":316,"props":975,"children":978},{"href":976,"rel":977},"https://support.google.com/analytics/answer/9823238?hl=en&ref_topic=9359001#step3&zippy=%2Cin-this-article",[320],[979],{"type":262,"value":980},"Instrukcja uruchomienia eksportu danych Google Analytics 4 do BigQuery",{"type":257,"tag":258,"props":982,"children":983},{},[984],{"type":262,"value":985},"Kolejnym krokiem jest założenie konta i projektu w platformie WitCloud. Oferujemy okres próbny, który trwa 14 dni. Biorąc więc pod uwagę 300$ na start od Google oraz nasz okres próbny, analizę danych można rozpocząć za darmo.",{"type":257,"tag":258,"props":987,"children":988},{},[989],{"type":257,"tag":316,"props":990,"children":993},{"href":991,"rel":992},"https://witbee.com/pl/docs/start/how-to-start/#za%C5%82ozenie-konta-i-utworzenie-projektu-w-witcloud-platform",[320],[994],{"type":262,"value":995},"Instrukcja założenia projektu na platformie WitCloud",{"type":257,"tag":258,"props":997,"children":998},{},[999,1001,1007],{"type":262,"value":1000},"\u003Cimg alt='Google Cloud Free Trial & WitCloud Free Trial' src='",{"type":257,"tag":316,"props":1002,"children":1005},{"href":1003,"rel":1004},"https://a.storyblok.com/f/46798/358x307/3102ae6e2f/google-cloud-witcloud.png",[320],[1006],{"type":262,"value":1003},{"type":262,"value":1008},"' style='margin-left:auto;margin-right:auto;width:60%;display:block' >",{"type":257,"tag":385,"props":1010,"children":1012},{"id":1011},"uruchomienie-modułu-google-analytics-4-i-innych-integracji",[1013],{"type":262,"value":1014},"Uruchomienie modułu Google Analytics 4 i innych integracji",{"type":257,"tag":258,"props":1016,"children":1017},{},[1018],{"type":262,"value":1019},"Platforma WitCloud potrafi automatycznie pobierać i procesować dane w BigQuery nie tylko dla systemu Google Analytics 4, ale również dla popularnych systemów reklamowych, platform e-commerce, danych search console oraz arkuszy Google.",{"type":257,"tag":258,"props":1021,"children":1022},{},[1023],{"type":262,"value":1024},"W pierwszej kolejności rekomendujemy uruchomienie modułów:",{"type":257,"tag":308,"props":1026,"children":1027},{},[1028,1040],{"type":257,"tag":312,"props":1029,"children":1030},{},[1031,1038],{"type":257,"tag":316,"props":1032,"children":1035},{"href":1033,"rel":1034},"https://witbee.com/pl/docs/collect/google-ads-to-bigquery/",[320],[1036],{"type":262,"value":1037},"Google Ads",{"type":262,"value":1039}," - w celu późniejszego połączenia danych o kampaniach Google Ads z modułem GA4",{"type":257,"tag":312,"props":1041,"children":1042},{},[1043,1050],{"type":257,"tag":316,"props":1044,"children":1047},{"href":1045,"rel":1046},"https://witbee.com/pl/docs/collect/google-analytics-4-bigquery/",[320],[1048],{"type":262,"value":1049},"Google Analytics 4 BigQuery",{"type":262,"value":1051}," - w celu uzyskania tabel omawianych w artykule",{"type":257,"tag":258,"props":1053,"children":1054},{},[1055],{"type":262,"value":1056},"W następnym etapie sugerujemy skonfigurować pozostałe źródła marketingowe:",{"type":257,"tag":308,"props":1058,"children":1059},{},[1060,1070],{"type":257,"tag":312,"props":1061,"children":1062},{},[1063],{"type":257,"tag":316,"props":1064,"children":1067},{"href":1065,"rel":1066},"https://witbee.com/pl/witcloud/integracje?cat=Ad%2520System",[320],[1068],{"type":262,"value":1069},"Systemy marketingowe",{"type":257,"tag":312,"props":1071,"children":1072},{},[1073],{"type":257,"tag":316,"props":1074,"children":1077},{"href":1075,"rel":1076},"https://witbee.com/pl/witcloud/integracje?cat=Ecommerce",[320],[1078],{"type":262,"value":1079},"Platformy e-commerce",{"type":257,"tag":258,"props":1081,"children":1082},{},[1083],{"type":257,"tag":373,"props":1084,"children":1087},{"alt":1085,"src":1086},"WitCloud Platform - All Marketing Data in Google BigQuery ","https://a.storyblok.com/f/46798/926x403/765588f1d0/witcloud-all-integration.png",[],{"type":257,"tag":258,"props":1089,"children":1090},{},[1091],{"type":262,"value":1092},"Jeżeli zdecydujesz się spróbować i pojawią się jakiekolwiek trudności podczas aktywacji integracji nie wahaj się zadać nam pytania poprzez chat znajdujący się w prawym dolnym rogu na stronie.",{"title":19,"searchDepth":273,"depth":273,"links":1094},[1095,1097,1102,1108,1112],{"id":292,"depth":273,"text":1096},"Kontynuacja serii wpisów o danych Google Analytics 4 GA4 w BigQuery",{"id":380,"depth":273,"text":383,"children":1098},[1099,1101],{"id":387,"depth":1100,"text":390},3,{"id":445,"depth":1100,"text":448},{"id":742,"depth":273,"text":745,"children":1103},[1104,1105,1106,1107],{"id":748,"depth":1100,"text":751},{"id":779,"depth":1100,"text":782},{"id":826,"depth":1100,"text":829},{"id":844,"depth":1100,"text":847},{"id":868,"depth":273,"text":871,"children":1109},[1110,1111],{"id":874,"depth":1100,"text":877},{"id":905,"depth":1100,"text":908},{"id":949,"depth":273,"text":952,"children":1113},[1114,1115],{"id":955,"depth":1100,"text":958},{"id":1011,"depth":1100,"text":1014},1788963900626]