瞭解如何將網站體驗指標資料傳送至 Google Analytics 4 資源，以及如何將資料匯出至 BigQuery 和 Looker Studio 進行分析。
Google 提供多項工具，：Google 搜尋 控制台、PageSpeed 洞察 (PSI) 和 Chrome 使用者體驗 檢舉 (CrUX)，讓開發人員查看網站在核心 Web 上的表現 實際使用者指標中 欄位。
這些工具非常實用，可以用來概略說明 以及實際效能，而且不需要任何設定即可開始使用。
然而，卻有幾項重要原因，您可能會不想依賴這些原則 評估網站成效：
- 以 CrUX 為基礎的工具會以每月或過去 28 天為時間範圍回報資料。 這代表您必須在完成變更後，等待很長一段時間才能 就可以看到結果
- CrUX 型工具只能依少數維度進行區隔，例如： 國家/地區、連線類型和裝置類別 (電腦或行動裝置)。禁止事項 按貴商家專屬的維度劃分資料 (例如：互動參與度) 特定實驗群組的使用者、使用者等)
- 透過 CrUX 型工具，您可以得知成效「內容」，但無法判斷成效 。你可以使用數據分析工具傳送額外資料，以便追蹤 以及對問題進行偵錯
因此，我們建議所有網站擁有者監控 Core Web Vitals 指標 和既有的數據分析工具這篇文章將說明如何免費使用 並使用 Google 提供的工具來達成這個目標
完成所有設定後，您就能建立如下所示的資訊主頁：
如想透過圖像概略瞭解這裡說明的所有步驟，請參閱我們在 2021 年 Google I/O 大會上發表的演講：
測量
您隨時可透過 Google Analytics 自訂指標 這是幾項 Google Analytics 新功能 4 (GA4)，開發人員可 但這仍是件令人興奮的事
- 無須設定、自訂 活動 參數
- 免費的 BigQuery Export、 方便您使用 SQL 查詢資料
雖然 Google Analytics 網頁介面有強大的分析工具 想突破原始事件資料存取功能的強大功能和靈活性 你原本就知道的語言為何？
如要開始使用 Google Analytics 4 和 BigQuery 評估 Core Web Vitals， 您必須做三件事
- 建立 Google Analytics 4 資源 「BigQuery 專案」。
- 啟用 BigQuery 匯出功能 通用 Analytics 資源設定中，這樣收到的所有資料都會 以自動填入資料。
- 新增 web-vitals JavaScript 新增至網站，以便你評估 Core Web Vitals 指標 將資料傳送至 Google Analytics 4，包括歸因資料。
分析
設定完成後，您應該就會在 BigQuery 中看到填入的事件資料 介面，接著應可查詢如下資料：
SELECT * FROM `my_project_id.analytics_XXXXX.events_*`
WHERE event_name IN ('LCP', 'INP', 'CLS')
以下是該查詢的結果預覽：
查詢 Web Vitals 資料
開始查詢網站體驗指標事件資料前，請務必先 瞭解資料的匯總方式
最重要的是，在某些情況下，系統需要計算多個事件。 可以是 已接收 以便在相同頁面上查看同一指標如果指標值 並回報更新後的值 (發生 CLS 的情況)。
對於 Web Vitals 事件，最後傳送的值一律是最準確的值，因此 執行任何分析前，請務必單獨篩選出這些值。 Web-Vitals JavaScript 程式庫提供的程式碼片段，可傳送資料給 Google Analytics 4 為每個指標傳送專屬 ID，因此您可以使用 後續查詢，將查詢結果限制為僅限每個 指標 ID：
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
請注意，本文提及的所有其他查詢的開頭都是 子查詢。
查詢範例
以下幾個章節將列舉幾個常見的 Web Vitals 查詢範例 決定要執行的版本
整個網站上的 LCP、INP 和 CLS 比例為 75% (第 75 個百分位數)
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
# Main query logic
SELECT
metric_name,
APPROX_QUANTILES(metric_value, 100)[OFFSET(75)] AS p75,
COUNT(1) as count
FROM (
SELECT
metric_name,
ROUND((SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = "metric_value"), 3) AS metric_value,
FROM web_vitals_events
)
GROUP BY 1
從最高到最低的所有個別 LCP 值
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
# Main query logic
SELECT
ROUND((SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = "metric_value"), 3) AS metric_value,
FROM web_vitals_events
WHERE metric_name = 'LCP'
ORDER BY metric_value DESC
10 個最熱門網頁的 LCP 分數 (第 75 個百分位數)
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
# Main query logic
SELECT
page_path,
APPROX_QUANTILES(metric_value, 100)[OFFSET(75)] AS LCP,
COUNT(1) as count
FROM (
SELECT
REGEXP_SUBSTR((SELECT value.string_value FROM UNNEST(event_params) WHERE key = "page_location"), r'\.com(\/[^?]*)') AS page_path,
ROUND((SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = "metric_value"), 3) AS metric_value,
FROM web_vitals_events
WHERE metric_name = 'LCP'
)
GROUP BY 1
ORDER BY count DESC
LIMIT 10
CLS 最低的 10 個網頁 (第 75 個百分位數)
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
# Main query logic
SELECT
page_path,
APPROX_QUANTILES(metric_value, 100)[OFFSET(75)] AS CLS,
COUNT(1) as count
FROM (
SELECT
REGEXP_SUBSTR((SELECT value.string_value FROM UNNEST(event_params) WHERE key = "page_location"), r'\.com(\/[^?]*)') AS page_path,
ROUND((SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = "metric_value"), 3) AS metric_value,
FROM web_vitals_events
WHERE metric_name = 'CLS'
)
GROUP BY 1
HAVING count > 50 # Limit to relatively popular pages
ORDER BY CLS DESC
LIMIT 10
偵錯
先前的查詢說明如何查詢 Web Vitals 指標資料 瞭解目前成效及長期趨勢但 如果成效比預期還差，您該怎麼做 為什麼？
在無法採取行動的情況下，瞭解自己的「何種」分數對於解決問題沒有幫助 來修正問題
請參閱「偵錯領域中的效能」一文 也可以使用數據分析資料傳送額外偵錯資訊如果發生以下情況： 按照文章中詳述的操作說明，應該會看到偵錯 資訊也會顯示在 BigQuery 中
查詢範例
下列查詢說明如何使用 debug_target 事件參數
找出效能問題的根本原因
影響 CLS 的熱門元素
debug_target 是 CSS 選取器字串，可對應至上面的元素
與指標值最相關的頁面
透過 CLS，debug_target 代表最大的
推動 CLS 值的版面配置發生位移如果沒有任何元素位移，
debug_target的值會是 null。
下列查詢會根據 CLS 75 日，列出最差到最佳的網頁
百分位數 (按debug_target分組)：
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
# Main query logic
SELECT
page_path,
debug_target,
APPROX_QUANTILES(metric_value, 100)[OFFSET(75)] AS CLS,
COUNT(1) as count
FROM (
SELECT
REGEXP_SUBSTR((SELECT value.string_value FROM UNNEST(event_params) WHERE key = "page_location"), r'\.com(\/[^?]*)') AS page_path,
(SELECT value.string_value FROM UNNEST(event_params) WHERE key = "debug_target") as debug_target,
ROUND((SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = "metric_value"), 3) AS metric_value,
*
FROM web_vitals_events
WHERE metric_name = 'CLS'
)
GROUP BY 1, 2
HAVING count > 50 # Limit to relatively popular pages
ORDER BY CLS DESC
瞭解哪些元素會在移位時 找出並修正問題的根本原因
請注意，此處報告的元素，可能會 但當您在本機偵錯網頁時，看到的就會發生變化 因為一開始就很重要要修正這類問題 你可能會知道是問題所在！
偵錯其他指標
先前的查詢顯示 CLS 指標的結果，但都完全相同 技巧可用來製作 LCP 和 INP 的偵錯目標報表。只要 將 where 子句替換為相關指標以進行偵錯：
WHERE metric_name = 'INP'
WHERE metric_name = 'LCP'
同樣，您可以參閱「在 欄位，瞭解如何收集並 傳送每個 Core Web Vitals 指標的偵錯資訊。
視覺化
單看查詢結果或許並不容易 。舉例來說，下列查詢會列出每日第 75 個百分位數的值 LCP。
# Subquery all Web Vitals events from the last 28 days
WITH web_vitals_events AS (
SELECT event_name as metric_name, * EXCEPT(event_name, is_last_received_value) FROM (
SELECT *, IF (ROW_NUMBER() OVER (
PARTITION BY (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
ORDER BY (SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value') DESC
) = 1, true, false) AS is_last_received_value
FROM `bigquery_project_id.analytics_XXXXX.events_*`
WHERE event_name in ('CLS', 'INP', 'LCP') AND
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 28 DAY)) AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY))
) WHERE is_last_received_value
)
# Main query logic
SELECT
event_date,
metric_name,
APPROX_QUANTILES(ROUND(metric_value, 2), 100)[OFFSET(75)] AS p75
FROM
(
SELECT
event_date,
metric_name,
ROUND((SELECT COALESCE(value.double_value, value.int_value) FROM UNNEST(event_params) WHERE key = 'metric_value'), 3) AS metric_value
FROM web_vitals_events
WHERE
metric_name = 'LCP'
)
GROUP BY
1, 2
ORDER BY event_date
難以從這些查詢結果中找出趨勢或異常值 也就是資料
在這種情況下，以圖表呈現資料有助於更快取得深入分析資訊。
在 Looker Studio 中以圖表呈現查詢結果
BigQuery 可讓您使用資料，以視覺化方式快速呈現任何查詢結果 Looker Studio 是一種資料視覺化呈現方式 和資訊主頁工具如要以圖表呈現查詢結果 在 BigQuery UI 執行查詢後，點選「探索資料」按鈕 選取「使用 Looker Studio 探索」。
這會在探索中建立從 BigQuery 直接連結至 Looker Studio 的連結 檢視畫面。在這個檢視畫面中，你可以選取要視覺化呈現的欄位 圖表類型、設定篩選器，以及建立臨時圖表，以便快速進行視覺化分析。 只要在之前的查詢結果中製作此折線圖，就能掌握 一段時間內的 LCP 值：
透過 BigQuery 和 Looker Studio 的直接連結，你可以快速 任何查詢的圖表，並進行視覺分析。不過，如果您想要 再執行額外分析，建議你查看 互動資訊主頁，取得更全面的資料檢視 轉換為資料有了便利的資訊主頁，就不必撰寫查詢 以及在每次要分析指標時，手動產生圖表
您可以使用原生 BigQuery 在 Looker Studio 中建立資訊主頁 連接器方法如下 前往 datastudio.google.com，建立新檔案 資料來源，選取 BigQuery 連接器，然後選擇要匯入的資料集 合作裝置：
具體化網站體驗指標資料
如上所述建立 Web Vitals 事件資料的資訊主頁時 直接使用 Google Analytics 4 匯出資料集是較有效率的做法。由於 GA4 資料的結構，以及網站體驗指標所需的預先處理功能 某些查詢會造成多次執行這會建立 兩項問題：資訊主頁效能和 BigQuery 費用
您可以使用 BigQuery 沙箱 免費模式BigQuery 的 免費用量方案， 每個月可免費處理 1 TB 的查詢資料。分析方法 但如果使用大型資料集 經常查詢資料集，應該就能 。但如果您的網站人氣較高 您可以使用快速互動的資訊主頁，定期監控不同的指標， 建議預先處理並具體化網站指標資料，同時 BigQuery 的效率提升功能，例如分區、分群和快取。
下列指令碼會預先處理 BigQuery 資料 (來源資料表) 並 建立具體化資料表 (目標資料表)。使用這個查詢建立自己的查詢時 您也可以為來源資料表定義日期範圍 因此能減少處理的資料量
# Materialize Web Vitals metrics from GA4 event export data
# Replace target table name
CREATE OR REPLACE TABLE bigquery_project_id.ga4_demo_dev.web_vitals_summary
PARTITION BY DATE(event_timestamp)
CLUSTER BY metric_name
AS
SELECT
ga_session_id,
IF(
EXISTS(SELECT 1 FROM UNNEST(events) AS e WHERE e.event_name = 'first_visit'),
'New user',
'Returning user') AS user_type,
IF(
(SELECT MAX(session_engaged) FROM UNNEST(events)) > 0, 'Engaged', 'Not engaged')
AS session_engagement,
evt.* EXCEPT (session_engaged, event_name),
event_name AS metric_name,
FORMAT_TIMESTAMP('%Y%m%d', event_timestamp) AS event_date
FROM
(
SELECT
ga_session_id,
ARRAY_AGG(custom_event) AS events
FROM
(
SELECT
ga_session_id,
STRUCT(
country,
device_category,
device_os,
traffic_medium,
traffic_name,
traffic_source,
page_path,
debug_target,
event_timestamp,
event_name,
metric_id,
IF(event_name = 'LCP', metric_value / 1000, metric_value) AS metric_value,
user_pseudo_id,
session_engaged,
session_revenue) AS custom_event
FROM
(
SELECT
(SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id')
AS ga_session_id,
(SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'metric_id')
AS metric_id,
ANY_VALUE(device.category) AS device_category,
ANY_VALUE(device.operating_system) AS device_os,
ANY_VALUE(traffic_source.medium) AS traffic_medium,
ANY_VALUE(traffic_source.name) AS traffic_name,
ANY_VALUE(traffic_source.source) AS traffic_source,
ANY_VALUE(
REGEXP_SUBSTR(
(SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'page_location'),
r'^[^?]+')) AS page_path,
ANY_VALUE(
(SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'debug_target'))
AS debug_target,
ANY_VALUE(user_pseudo_id) AS user_pseudo_id,
ANY_VALUE(geo.country) AS country,
ANY_VALUE(event_name) AS event_name,
SUM(ecommerce.purchase_revenue) AS session_revenue,
MAX(
(
SELECT
COALESCE(
value.double_value, value.int_value, CAST(value.string_value AS NUMERIC))
FROM UNNEST(event_params)
WHERE key = 'session_engaged'
)) AS session_engaged,
TIMESTAMP_MICROS(MAX(event_timestamp)) AS event_timestamp,
MAX(
(
SELECT COALESCE(value.double_value, value.int_value)
FROM UNNEST(event_params)
WHERE key = 'metric_value'
)) AS metric_value,
FROM
# Replace source table name
`bigquery_project_id.analytics_XXXXX.events_*`
WHERE
event_name IN ('LCP', 'INP', 'CLS', 'first_visit', 'purchase')
GROUP BY
1, 2
)
)
WHERE
ga_session_id IS NOT NULL
GROUP BY ga_session_id
)
CROSS JOIN UNNEST(events) AS evt
WHERE evt.event_name NOT IN ('first_visit', 'purchase');
這個具體化資料集有幾項優點：
- 資料結構可以整併且更容易查詢。
- 只會保留原始 GA4 資料集的 Web Vitals 事件。
- 工作階段 ID、使用者類型 (新訪客與回訪者) 和工作階段參與度資訊 均可直接顯示在資料欄中。
- 資料表是 分區 日期和分群法 依指標名稱排序這樣通常會降低 。
- 由於您不需要使用萬用字元查詢這個資料表，查詢結果可以 快取資料最多需要 24 小時以減少重複執行的成本 。
- 如果您使用 BigQuery BI 引擎，可以執行最佳化的 SQL 函式並 運算子 表格。
您可以直接在 BigQuery UI 中查詢這個具體化資料表，或是直接使用 在 Looker Studio 中使用 BigQuery 連接器。
使用 Web Vitals 連接器
由於從零開始製作資訊主頁相當耗時，因此我們開發了套件 建立範本資訊主頁的解決方案首先，請確認您 使用先前的查詢將 Web Vitals 資料表具體化。接著存取 使用這個連結，即可連結 Looker Studio 的 Web Vitals 連接器： goo.gle/web-vitals-connector
提供一次性授權後，畫面會顯示以下內容 設定畫面：
提供具體化 BigQuery 資料表 ID (例如目標資料表) 和 BigQuery 帳單專案 ID。點選「連結」後，Looker Studio 就會建立 新的範本資訊主頁，然後將您的資料與資料集建立關聯。您可以編輯、修改 並視需要分享資訊主頁建立資訊主頁一次後 您必須再次前往連接器連結，除非您建立多個 產生來自不同資料集的資訊主頁
瀏覽資訊主頁
瀏覽資訊主頁時，您可以查看網站體驗指標的每日趨勢 以及網站的部分使用情況資訊，例如使用者和工作階段 「摘要」分頁標籤。
在「使用者分析」分頁中，您可以選取指標，然後查看下列指標的細目資料： 指標百分位數，以及不同用量和業務的使用者人數 指標。
使用「網頁路徑分析」分頁，您就能找出網站上的問題所在 網站。您可以在這裡挑選指標以查看總覽。不過您也會看到 所有包含百分位數值且記錄值的散佈圖 就能建立 10 億個字元散佈圖有助於找出哪些網頁 比預期指標值低使用散佈圖選取頁面後 「網頁路徑」表格的圖表，您可以按 查看「Debug Target」資料表。
「收益分析」分頁會示範如何監控業務 和成效指標這個部分會列出 使用者購買產品可以比較收益與使用者體驗 查看特定工作階段的期間
進階用法
熟悉資料集後，您可以編輯資訊主頁， 圖表，取得更豐富多元且目標明確的分析結果。讓資訊主頁更豐富 建議您採取下列步驟：
- 如要取得更新後的資料，請在 BigQuery 中設定查詢排程。具體化 我們先前執行的查詢，只會擷取目前資料的快照。如果發生以下情況： 如要持續更新資訊主頁以取得新資料，那麼你可以執行排定時間 每天執行的查詢，並在資料表中加入新的具體化資料表 資料。
- 彙整第一方資料 (例如客戶關係管理) 來取得業務洞察資料。在具體化的
資料表，您可以將
user_id新增為獨立的資料欄。這麼做便能加入 第一方資料如果 BigQuery 中沒有第一方資料 載入資料或 使用聯合資料 來源。 - 在傳送給 Google 的資料中回報網站或應用程式版本 Analytics 並將其新增為具體化表格的資料欄。之後您就能新增 版本資料做為圖表維度 版本變更會影響效能。
- 如果您預期透過直接途徑使用資料集會大幅增加用量 查詢或資訊主頁，建議您使用付費版 BigQuery BI 解決方案 Engine。
摘要
本文將介紹如何運用 Google Analytics 4 和 BigQuery， 系統會運用在領域中收集的實際使用者資料，評估成效並進行偵錯。這項服務 這也說明瞭如何使用 Looker Studio 建立自動報表和資訊主頁 使用 Web Vitals 連接器 盡量以圖表呈現資料
本文重點整理：
- 運用實際使用者資料評估成效至關重要 偵錯以及最佳化網站
- 可在成效指標和業務成長時，取得更深入的洞察資料 都位於同一個系統中Google Analytics 和 BigQuery
- 您可以透過 BigQuery Export 將原始 Google Analytics 資料匯出到 透過您熟悉的查詢語言，進行深入的自訂分析。
- Google 提供多種 API 和視覺化工具，如 Looker Studio 您可以視需要自由製作報表 。