建立 2024-09-01 更新 2026-09-13

BigQuery 整合

GA4 標準報表與探索對大多數團隊已經夠用。匯出到 BigQuery 是為了拿到每一列事件的原始資料：自己寫 SQL、跟訂單系統對帳、或避開探索的取樣。它不是安裝 GA4 的必要步驟，也會產生 Google Cloud 費用。

什麼時候才需要

值得匯出的情況：每日事件量大到探索常取樣、要把 GA4 與 ERP／CRM 用訂單編號對起來、或要自己定義「工作階段」「新訪客」。

不急著匯出的情況：網站剛上線、一天只有幾百個事件、問題用標準報表加探索就能答。先把事件與關鍵事件做對，匯出去的才不是一堆垃圾列。

連結 GA4 與 BigQuery

在 Google Cloud Console 建立專案，啟用計費帳戶，並啟用 BigQuery API。沒有計費帳戶，匯出無法完成。
在 GA4 到 管理 → 產品連結 → BigQuery 連結，選剛才的 Cloud 專案與資料位置。
選擇匯出類型：
每日：隔天寫入 events_YYYYMMDD，適合報表。
串流：接近即時寫入 events_intraday_YYYYMMDD，適合監控；費用與查詢習慣要一起評估。
儲存後，通常要等到下一個完整日，才看得到第一張每日表。

資料集名稱類似 analytics_123456789。權限上，GA4 連結用的 Google 帳戶需要該 Cloud 專案的足夠權限。

費用

匯出儲存與 SQL 掃描都會計費。查詢時避免 SELECT * 掃很多天的 events_*。先用日期分區或 _TABLE_SUFFIX 縮小範圍。免費額度用完就開始收費，請為專案設預算警示。

資料長什麼樣子

每一列大致是「某位使用者的一次事件」。常用欄位：

欄位	內容
`event_date`	事件日期（字串，`YYYYMMDD`）
`event_timestamp`	微秒時間戳
`event_name`	事件名稱
`event_params`	參數陣列（需 `UNNEST`）
`user_pseudo_id`	裝置層級匿名 ID
`user_id`	你送出的 User-ID（若有）
`items`	電商商品陣列
`geo`、`device`、`traffic_source`	地理、裝置、來源相關

參數不在獨立欄位，而在 event_params 裡。取值時要 UNNEST，並依型別讀 string_value、int_value 或 double_value。

查詢範例

把專案與資料集換成你的 ID。以下示範「最近資料」的寫法，實際使用請加上日期條件。

每日不重複使用者（以 user_pseudo_id 近似）：

SELECT
  event_date,
  COUNT(DISTINCT user_pseudo_id) AS users
FROM `my_project.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN '20260901' AND '20260907'
GROUP BY event_date
ORDER BY event_date;

各事件次數：

SELECT
  event_name,
  COUNT(*) AS event_count
FROM `my_project.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN '20260901' AND '20260907'
GROUP BY event_name
ORDER BY event_count DESC;

取出 page_view 的頁面路徑參數：

SELECT
  (SELECT value.string_value
   FROM UNNEST(event_params)
   WHERE key = 'page_location') AS page_location,
  COUNT(*) AS views
FROM `my_project.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN '20260901' AND '20260907'
  AND event_name = 'page_view'
GROUP BY page_location
ORDER BY views DESC
LIMIT 50;

來源相關欄位在 GA4 匯出裡可能出現在 collected_traffic_source 或事件參數，視匯出版本而定。第一次查請先 SELECT * LIMIT 10 看實際欄位，不要死背舊教學的 traffic_source.source。

查完之後怎麼呈現

BigQuery 本身是倉儲，不是簡報。常見接法：

Looker Studio 直接連 BigQuery（注意同樣會被查詢掃到的資料量計費）
或連 GA4 連接器做儀表板，不必經過 BigQuery

機器學習（BigQuery ML）可以做，但需要清楚的標籤與特徵，不是跑一個 CREATE MODEL 就等於「流失預測上線」。入門階段把 SQL 與對帳做穩，比先上模型有用。

官方欄位說明見 BigQuery Export 架構。

下一步：把命名、同意模式與隱私一次收斂，見進階應用。