fbpx ...

Bli klar for Google Analytics 4 – lagre historisk trafikk/data

Migrering av data/trafikk fra dagens UA (universal analytics) til GA4 er for øyeblikket ikke mulig. Nedenfor går vi gjennom noen metoder for å eksportere/lagre data, slik at du kan sammenlikne tall og forberede deg før fristen i juli 2023.

Mens det såvidt begynner å gå opp for oss at den analytics vi kjenner i dag snart vil slutte å eksistere, så dukker det opp en del spørsmål i den anledning – og da spesielt vedrørende historisk data: Hva gjør jeg med all historikk i Analytics, og hva er eventuelt den beste metoden å migrere denne daten til Google Analytics 4 (GA4)?

Det burde være en måte å gjøre dette på, ikke sant?

I denne artikkelen ser vi nærmere på denne problemstillingen, samt går gjennom tre gjør-det-selv-måter for å lagre de historiske dataene dine.

Først av alt: Kan man migrere data fra UA til GA4?

Den primære bekymringen er om GA-brukere kan overføre eller migrere Universal Analytics-data til Google Analytics 4-området sitt.

Dessverre kan du ikke migrere dataene dine til GA4, og det er sannsynligvis ikke en funksjon vi vil se noe til i løpet av de kommende månedene.

Migrering av dataene dine til GA4 er sannsynligvis ikke en funksjon vi vil komme til å få se fordi de to versjonene bruker helt forskjellige datamodeller.

I følge Google selv er det forskjellen på måten disse to verktøyene samler inn data på som vil gjøre det vanskelig å migrere denne statistikken fra en plattform til den andre. UA omhandler i bunn og grunn «økter» og «besøk», og mye av dataen er strukturert rundt dette – mens GA4 går mer på handlinger og aktive brukere. Derfor vil sammenlikning av disse to plattformene ikke gi noe mening.

Så om man ikke kan migrere dataen, kan man da eksportere historisk statistikk?

Hvordan eksportere historisk data fra Google Analytics?

Google skjønner selvsagt at historisk date er et viktig område for mange virksomheter, da man ofte bruker disse tallene til å planlegge fremtidige strategier, sjekke KPI-er, måle ROI på kampanjer, og mye annet. De oppfordrer derfor brukere til å eksportere historisk data fra Google Analytics.

google to offer more guidance on data export quote screenshot 626818e80d356 sej e1650989329980 480x79 1
Skjermbilde fra Google Help, April 2022

Google hinter om at det kommer utdypende veiledning for hvordan man kan eksportere data en gang i fremtiden. Så, den gode nyheten er at selv om man ikke kan migrere dataen, så kan man ihvertfall eksportere og lagre den. Men hvor enkelt er dette?

Alle som har GA360 (en mer avansert og «betalt versjon» av Google Analytics) kan allerede eksportere dataen sin til BigQuery. Problemet er, de aller fleste små og mellomstore organisasjoner har ikke GA360, og det er et nokså kostbart produkt å ta i bruk. Så hva skal da hvermannsen i gata gjøre for å få lagret statistikken?

Vi går gjennom tre metoder og noen verktøy som kan gjøre jobben for deg. Alle med sine pros and cons.

1. Manuell eksport av historisk Google Analytics data

Den enkleste måten å eksportere data på er å hente dem direkte fra Google Analytics-kontoen din.

Åpne GA-rapporten du vil beholde data for. For eksempel Anskaffelse > All trafikk > Kilde/medium.

Angi eventuelle tilpasninger du ønsker, for eksempel et segment for et bestemt land, et filter for en bestemt sidegruppering eller en sekundær dimensjon for landingssider.

Klikk EKSPORTER øverst til høyre.

Velg filformatet fra rullegardinmenyen. Du kan velge PDF, Google Sheets, Excel (xlsv) eller CSV.

1. ua historical data manual export example 626819262e69d sej 480x201 1

Selv om dette er den enkleste metoden å hente ut data på, har den noen begrensninger.

Du kan bare bruke to dimensjoner og du er begrenset til maksimalt 5000 rader.

Hvis du registrerer tusenvis av treff per dag, kan dataene dine bli samplet.

Se etter det grønne «haken» øverst til venstre nær tittelen på rapporten du ser på; dette betyr at dataene dine ikke er samplet.

2. Google Analytics Dev Tools: Query Explorer

Google Analytics Dev Tools høres kanskje avskrekkende (og teknisk) ut, men du er kanskje allerede kjent med et av verktøyene i denne «verktøykassen».

Campaign URL Builder brukes ofte til å lage UTM-parametere for kampanjer.

Google Analytics Dev tools har også en «Query Explorer».

Dette er en enkel (og gratis) måte å eksportere data på for ikke-tekniske brukere.

Åpne «Query Explorer» og klikk på den oransje knappen: LOGIN.

Logg på Google Analytics-kontoen din som har tilgang til dataen/område du jobber med.

ua historical data query explorer login example 62681944f344c sej 480x292 1
Skjermbilde fra UA Query Explorer, April 2022

Velg kontoen, område og datautvalget du vil lagre data for. Verktøyet vil automatisk angi GA-ID, så du trenger ikke å tenke på det.

ua historical data query explorer select account example 6268195fc63fb sej 480x260 1
Skjermbilde fra UA Query Explorer, April 2022

Angi de gjenværende søkeparametrene: Datoperiode i formatet ÅÅÅÅ-MM-DD, beregninger, dimensjoner og eventuelle filtre eller segmenter du vil bruke.

For «metrics», velg kolonnene fra Google Analytics-rapporten du trekker ut data fra.

Du kan velge hver «metric» i rapporten du vil replikere eller bare noen få «metrics» som gir deg nøkkelinformasjonen du trenger for å nå målene dine, som «Brukere», «bounceRate», «avgSessionsDuration» og «goalCompletionsAll».

4. ua historical data query explorer query paramters example 62681a24adde3 sej 480x379 1
Skjermbilde fra UA Query Explorer, April 2022

Dimensjoner vil være radene fra Google Analytics-rapporten som vi eksporterer data fra.

Hvis vi for eksempel ønsker å se «metrics» (brukere, fluktfrekvens, varighet og målfullføringer) etter trafikk-kilde, velg «ga:sourceMedium» som dimensjon.

Merk: Hvis du planlegger å visualisere denne informasjonen i Data Studio, må du angi dimensjonene «ga:Medium» og «ga:Source» separat.

«ga:SourceMedium» fungerer ikke i Data Studio. Mer om visualisering kommer.

5. ua historical data query explorer dimensions example 626819b1c40af sej 480x258 1
Skjermbilde fra UA Query Explorer, April 2022

Resten av parametrene er valgfrie. Jeg anbefaler å la disse stå tomme i dette tilfellet for å hente ut den maksimale mengden data mulig.

Du kan alltid sortere, filtrere og segmentere i regnearket ditt.

Rull til bunnen og klikk på den oransje knappen «RUN QUERY».

Herfra laster du ned dataene som .tsv (tabseparerte verdier) og åpner dem i Excel eller Google Sheets.

7. ga query explorer data download example 62681a5991442 sej 480x412 1
Skjermbilde fra UA Query Explorer, April 2022

Merk: Legg merke til UA – GA4-bryteren i menynavigasjonen til venstre. Ved å klikke på denne bryteren får du tilgang til Query Explorer for GA4-kontoer.

3. Google Analytics Sheets Add-on

Dette alternativet er litt mer komplekst, men kobler Google Analytics direkte til Regneark, slik at du ikke har de ekstra trinnene med å laste ned og laste opp.

Opprett en mappe i Google Disk som vil være lagringsplass for de historiske dataene dine. Opprett et nytt Google-regneark og navngi dette med noe som vil gi mening for fremtidige teammedlemmer, for eksempel «UA Historical Data_Traffic Acquisition_2021».

Langs toppmeny-navigasjonen klikker du på Extensions > Add-Ons > Get Add-Ons.

8. screenshot google sheets extensions get add ons 6268a7d46490a sej 480x168 1
Skjermbilde fra Google Sheets, April 2022

Søk etter Google Analytics-appen i Google Workspace Marketplace. Klikk for å installere og følg instruksjonene på skjermen.

screenshot google analytics sheets extension 6268a817e6a51 sej e1651025971858 480x202 1
Skjermbilde fra Google Workspace Marketplace, April 2022

Tilbake til Google-regnearket ditt. Klikk på Extensions igjen. Denne gangen bør du se appen for Google Analytics.

Hold musepekeren over og klikk på «Create new report».

Nå er det på tide å eksportere de historiske dataene dine.

9. screenshot google analytics sheets add on create new report 6268a89782711 sej 480x211 1
Skjermbilde fra Google Sheets, April 2022

Trinn 1. Gi rapporten et navn som gir mening for dine andre teammedlemmer. For eksempel vil vi trekke data etter finanskvartal, så rapport nr. 1 vil få navnet «Q1 2021.»

Trinn 2. Velg Analytics-visningen du vil trekke ut data fra, ved å velge Konto, Område og Visning.

Trinn 3. Konfigurer rapport. Her velger vi våre beregninger, dimensjoner og segmenter.

Vi skal holde det enkelt for dette eksemplet og velge «Brukere», «Fluktfrekvens» og «Målkonverteringer» for våre beregninger, og «kilde» og «medium» som dimensjoner.

Merk: ga:sourceMedium er ikke kompatibelt med Data Studio. Hvis du planlegger å visualisere dette arket, er det best å trekke trafikk-kildedimensjonene separat som «ga:Medium, ga:Source.»

La segmenter stå tomme for å se alle brukere.

10. screenshot ga sheets add on configuration for historical data 6268acfc3c369 sej 480x421 1
Skjermbilde fra Google Sheets, April 2022

Hvis du klikker på den blå knappen «Create Report», kommer du til noen konfigurasjons-alternativer.

Det er flere alternativer for å tilpasse rapporten som ikke er tilgjengelig på forrige skjerm.

Vi kan justere datoperioden ved å bruke formatet ÅÅÅÅ-MM-DD.

Vi kan bruke filtre som country, ga:country==USA.

Dobbeltsjekk at alt ser riktig ut, og klikk deretter på Extensions > Google Analytics > Run reports for å eksportere de historiske dataene dine.

11. ga sheets extension run report example 6268ae2891bdd sej 480x240 1
Skjermbilde fra Google Sheets, April 2022

Merk: Få fart på denne prosessen ved å kopiere og lime inn konfigurasjonen til neste kolonne, oppdatere datoperioden og kjøre flere rapporter samtidig.

Et popup-vindu for rapportstatus vil fortelle deg om du har gjort noen feil eller når rapporten er fullført.

Rad nummer 6 vil vise oss om dataene er samplet eller ikke. Rad nummer 7 vil fortelle oss hvor mye hvis arket inneholder samplede data.

12. ga sheets extension sampled data screenshot 6268af3eb52b6 sej 480x211 1
Skjermbilde fra Google Sheets, April 2022

I Universal Analytics skjer datasampling etter 500 000 økter i tidsrammen.

Så du kan justere rapportdataområdet for å redusere antall økter i tidsrammen.

Eller, hvis du trenger hele datasettet og ønsker å hoppe frem og tilbake, bruk et tredjepartsverktøy for å unngå datasampling.

Tredjepartsverktøy

Optimizesmart.com har en 46-trinns gjennomgang av bruk av Supermetrics for å sende GA-data til BigQuery.

12. mars 2022 kunngjorde JR Oaks at de jobber med å gi ut en åpen kildekode GA til BigQuery backup script/arbeidsflyt for offentligheten.

Det er forhåndsbygde data-pipelines av selskaper som Hevo og Electrik AI som eksporterer historiske data fra Google Analytics til en databasefil eller datavarehus etter eget valg.

Du kan også vurdere å bytte til en betalt Analytics-leverandør. Noen leverandører har allerede lansert et alternativ for import av historiske data fra Google Analytics.

Visualisere historisk data med Google Data Studio

Nå som du har hentet dine historiske data, vil du kanskje lage noe enkelt som kan sammenlignes med data fra GA4.

Merk: Å sammenligne UA og GA4 vil være vanskelig fordi datamodellene er helt forskjellige.

Følg disse trinnene for å lage en Data Studio-rapport som vil vise en historisk datatabell på toppen av en GA4-datatabell, slik at resultatene dine fra år til år i det minste er på samme sted.

Åpne Data Studio og klikk for å starte en «Blank Report».

13. data studio create a blank report screenshot 6268b00041d3e sej e1651027999750 480x178 1
Skjermbilde fra Google Data Studio, April 2022

Det vil poppe opp en veiviser om å velge datakilden du vil koble til. Velg Google Regneark.

14. google sheets connector for data studio screenshot 6268b03858991 sej 480x238 1
Skjermbilde fra Google Data Studio, April 2022

Finn regnearket du laget i trinn 3 ovenfor når du eksporterte dataene dine. Hvis du fulgte trinnene nøyaktig, vil den ha navnet «UA Historical Data _Traffic Acquisition_2021.»

Velg regnearket «Q1 2021.»

Hvis du bruker den første raden som overskrifter, vil beregningene og dimensjonene dine automatisk gis navn, så sørg for at begge boksene er merket av.

Velg det aktuelle området som passer for regnearket ditt.

For eksempel starter overskriftene her på A15, og det siste tallet i arket er E62, så området vil være «A15:E62.»

15. connecting sheets with data studio example 6268b0cd5cc9f sej 480x146 1
Skjermbilde fra Google Data Studio, April 2022

Data Studio vil automatisk opprette en tabell. Dobbeltsjekk at konfigurasjonen er den samme som arket ditt i menyen til høyre.

«Medium» er den primære dimensjonen. Vri bryteren for å legge til en sekundær dimensjon av Kilde.

«Metrics» er brukere, fluktfrekvens og målfullføringer.

Den historiske datatabellen din vil ligne på skjermbildet nedenfor.

16.screenshot of historical data in data studio example 6268b38e6c1b3 sej 480x225 1
Skjermbilde fra Google Data Studio, April 2022

Deretter vil vi lage den samme tabellen, men for våre GA4-data i samme tidsramme: Q1 2022.

Høyreklikk for å kopiere og lime inn tabellen, og endre deretter datakilden fra UA Historical Data til Google Analytics 4-kontoen din.

Fordi beregningene har forskjellige navn, vil du se en feil – ugyldig beregning (invalid metric).

Klikk på hver beregning og oppdater den til noe som ligner på «Total users», «Engagement rate» og «Conversions».

Dimensjoner oppdateres til «økt/kilde» og «økt/medium».

Til slutt, i samme meny, scroll ned og still inn dato-intervallet slik at det samsvarer med dine historiske data: 1. januar – 31. januar 2022.

Den endelige rapporten vil ligne på skjermbildet nedenfor.

screenshot of historical data to ga4 comparison in data studio 6268b6ec1baec sej 480x190 1
Skjermbilde fra Google Data Studio, April 2022

Du kan enkelt se primære beregninger år for år ved å sammenligne historiske data med GA4, selv om det er ganske «nakent».

Du kan ikke blande disse dataene fordi definisjonene og beregningene av dimensjonene og dataen er fundamentalt forskjellige.

For mer robuste historiske rapporterings-alternativer, for eksempel «graphic users» eller «goal completions» over en periode, kan det være lurt å vurdere BigQuery.

Oppsummering

Dessverre er det for øyeblikket ikke mulig å migrere dataene dine til GA4 (og det vil sannsynligvis ikke bli mulig i fremtiden) fordi de to versjonene er fundamentalt forskjellige datamodeller.

Det er noen få DIY-løsninger for å lagre historiske data, men statistikken du får hentet ut er ganske marginalt.

Hvis du trenger mer robust informasjon og bedre rapporterings-muligheter for historiske data, kan du se på et datavarehus som BigQuery.

Google antyder at ytterligere informasjon om eksport av historiske data vil komme før sluttdatoen juli 2023, hva det vil si vet vi enda ikke.

Denne artikkelen er en oversettelse av denne artikkelen fra Search Engine Journal.

Skjermbildene er hentet fra samme artikkel.

Relaterte innlegg

Hva er en god CTR/CPC/CTA i 2022 for digital annonsering?

Hva er en god CTR/CPC/CTA i 2022 for digital annonsering?

"Er dette en god klikkfrekvens?" "Hvorfor er kostnaden per konvertering høy? Er dette i tråd med våre konkurrenter?" "Hva er en god konverteringsfrekvens?" Dette er typiske spørsmål som kan dukke opp når vi prater om annonsering i digitale medier, men spesielt i...

Norges første med revolusjonerende nytt kamera DJI Ronin 4D fra DJI?

Norges første med revolusjonerende nytt kamera DJI Ronin 4D fra DJI?

Vi har lenge gledet oss til å få inn dette kameraet, fra det begynte å sirkulere rykter om et slikt kamera - til det plutselig dukket opp masse reviews på Youtube i slutten av 2021. Kameraet har en del finurlige løsninger som er perfekte for oss som stort sett lager...

Hvor viktig er det å havne på toppen av Google søkeresultat?

Hvor viktig er det å havne på toppen av Google søkeresultat?

Vi har alltid visst at det å havne høyt oppe i søkeresultater er viktig for å få trafikk inn til nettsiden. Studier* viser at dersom du havner øverst i søkeresultatene er det hele 43% sjanse for at de klikker på nettopp din nettside. Med andre ord så betyr det at nesten halvparten av alle som søker på gitt søkeord klikker på linken til din nettside. Det kan være mye potensiell trafikk!

Vil du jobbe med oss?

Send inn en forespørsel

Pin It on Pinterest