BigQuery 串接 GA4 入門教學：解鎖大數據分析能力

「BigQuery？那不是大公司才用的東西嗎？」

很多人聽到 BigQuery 就覺得遙不可及，覺得那是 Netflix、Airbnb 這種等級的公司才需要的基礎設施。但實際上，GA4 免費版就內建 BigQuery 串接功能，而且 Google Cloud 的免費方案對一般網站的資料量來說幾乎夠用。

GA4 的標準報表有很多限制：資料最長只保留 14 個月、探索報表有取樣限制、某些複雜的多維度查詢做不到。把資料匯出到 BigQuery，這些限制就消失了——你可以查詢任意時間範圍、零取樣、用 SQL 做你想要的任何分析。

1. 為什麼需要 BigQuery

先說清楚，如果你的網站月流量在 5 萬以下，而且你只需要基本的流量分析，GA4 標準報表大概就夠了。但以下幾種情況，BigQuery 幾乎是必要的：

GA4 的資料保留限制：探索報表的原始事件數據只保留 14 個月。如果你需要做年對年的詳細分析，或是要追蹤超過一年的用戶生命週期，就需要把資料匯出到 BigQuery 長期保存。

資料取樣問題：GA4 的探索報表在資料量超過一定門檻時會啟用取樣，也就是用一部分數據代表全部，分析結果不夠精確。BigQuery 的查詢是對完整的原始數據做運算，沒有取樣問題。

複雜查詢：GA4 的介面讓你只能做它設計好的分析維度組合。但有時候你需要的分析很客製化——例如「在 30 天內訪問了 A 頁面超過 3 次、且購買了 B 產品、但沒有開啟 C 優惠券的用戶，他們的後續行為是什麼」，這種查詢在 GA4 介面做不到，用 SQL 很直觀。

整合其他數據源：BigQuery 可以把 GA4 數據和你的 CRM、訂單系統、廣告數據整合在一起做分析，這是 GA4 介面永遠做不到的事情。

根據一份針對電商分析師的調查，有 73% 的受訪者表示他們把 GA4 串接 BigQuery 最主要的原因是「需要整合多個數據源」，第二名是「歷史資料保留」（58%）。

2. 串接步驟

前置準備：

• 一個 Google Cloud Platform（GCP）帳戶（第一次申請有免費試用額度）
• GA4 的「編輯者」權限
• 一個 BigQuery 專案（在 GCP Console 建立）

步驟一：建立 GCP 專案和啟用 BigQuery

1. 前往 console.cloud.google.com
2. 建立新專案（或使用現有專案）
3. 在左側選單搜尋「BigQuery」，進入並確認已啟用 BigQuery API

步驟二：在 GA4 設定 BigQuery 連結

1. GA4 → 管理 → 產品連結 → BigQuery 連結
2. 點「連結」
3. 選擇你的 GCP 專案
4. 選擇資料位置（建議選亞太地區，例如 asia-east1 台灣、asia-southeast1 新加坡）
5. 設定匯出頻率：
   • 每日匯出：每天把前一天的資料批次匯出
   • 串流匯出：幾乎即時匯出（需要 BigQuery 的串流計費，費用較高）
6. 選擇要匯出的事件（可以選全部或特定事件）
7. 儲存連結

設定完成後，第一批資料通常在 24 小時內開始匯出。

注意事項：資料匯出到 BigQuery 後，BigQuery 的儲存和查詢費用由你的 GCP 帳戶負擔，GA4 本身是免費的。

3. GA4 在 BigQuery 的資料結構

理解資料結構是寫 SQL 查詢的前提。

資料集和表格命名：

• 資料集名稱：analytics_{PROPERTY_ID}（例如 analytics_123456789）
• 表格命名：events_YYYYMMDD（例如 events_20260319）
• 另有 events_intraday_* 表格存放當天即時的資料

每個 Event 記錄的結構：

GA4 在 BigQuery 的資料是「巢狀結構（Nested Structure）」，每一行是一個事件，事件參數存在 event_params 欄位裡，它是一個陣列。這和一般的關聯式資料庫表格不太一樣，需要用 BigQuery 的 UNNEST 語法來展開。

主要欄位：

4. 5 個入門 SQL 查詢範例

查詢 1：計算特定日期範圍的頁面瀏覽量

SELECT
  event_date,
  COUNT(*) AS page_views
FROM
  `your-project.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20260101' AND '20260319'
  AND event_name = 'page_view'
GROUP BY
  event_date
ORDER BY
  event_date

查詢 2：取出頁面 URL 和各頁面的瀏覽次數

SELECT
  (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'page_location') AS page_url,
  COUNT(*) AS views
FROM
  `your-project.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX = '20260319'
  AND event_name = 'page_view'
GROUP BY
  page_url
ORDER BY
  views DESC
LIMIT 20

查詢 3：計算各流量來源的工作階段數

SELECT
  traffic_source.source,
  traffic_source.medium,
  COUNT(DISTINCT CONCAT(user_pseudo_id, (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id'))) AS sessions
FROM
  `your-project.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20260301' AND '20260319'
GROUP BY
  traffic_source.source,
  traffic_source.medium
ORDER BY
  sessions DESC

查詢 4：找出購買用戶的首次接觸來源

SELECT
  user_pseudo_id,
  MIN(event_date) AS first_visit_date,
  MAX(CASE WHEN event_name = 'purchase' THEN event_date END) AS purchase_date,
  MAX(CASE WHEN event_name = 'purchase' THEN (SELECT value.double_value FROM UNNEST(event_params) WHERE key = 'value') END) AS purchase_value,
  ARRAY_AGG(traffic_source.source ORDER BY event_timestamp LIMIT 1)[OFFSET(0)] AS first_touch_source
FROM
  `your-project.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20260101' AND '20260319'
GROUP BY
  user_pseudo_id
HAVING
  purchase_date IS NOT NULL
ORDER BY
  purchase_value DESC

查詢 5：計算用戶的 30 天留存率

WITH first_visits AS (
  SELECT
    user_pseudo_id,
    MIN(event_date) AS first_visit_date
  FROM
    `your-project.analytics_123456789.events_*`
  WHERE
    _TABLE_SUFFIX BETWEEN '20260101' AND '20260319'
  GROUP BY
    user_pseudo_id
),
return_visits AS (
  SELECT DISTINCT
    e.user_pseudo_id,
    f.first_visit_date
  FROM
    `your-project.analytics_123456789.events_*` e
  JOIN
    first_visits f ON e.user_pseudo_id = f.user_pseudo_id
  WHERE
    _TABLE_SUFFIX BETWEEN '20260101' AND '20260319'
    AND PARSE_DATE('%Y%m%d', e.event_date)
        BETWEEN DATE_ADD(PARSE_DATE('%Y%m%d', f.first_visit_date), INTERVAL 25 DAY)
        AND DATE_ADD(PARSE_DATE('%Y%m%d', f.first_visit_date), INTERVAL 35 DAY)
)
SELECT
  f.first_visit_date,
  COUNT(DISTINCT f.user_pseudo_id) AS total_users,
  COUNT(DISTINCT r.user_pseudo_id) AS retained_users,
  ROUND(COUNT(DISTINCT r.user_pseudo_id) / COUNT(DISTINCT f.user_pseudo_id) * 100, 2) AS retention_rate
FROM
  first_visits f
LEFT JOIN
  return_visits r ON f.user_pseudo_id = r.user_pseudo_id
GROUP BY
  f.first_visit_date
ORDER BY
  f.first_visit_date

5. 費用估算

BigQuery 的費用分兩部分：儲存費用和查詢費用。

免費額度（每月重置）：

• 儲存：前 10 GB 免費
• 查詢：前 1 TB 的查詢資料量免費

超過免費額度的費用：

• 儲存：約 $0.02 美元 / GB / 月
• 查詢：約 $5 美元 / TB（掃描的資料量）

一般網站的費用估算：

月流量 10 萬的網站，每天大約產生 50-100 MB 的 GA4 事件資料。一年累積約 18-36 GB，儲存費用大約每月 $0.5-0.7 美元。查詢費用取決於你的查詢頻率和效率——善用 BigQuery 的分區（Partition）和叢集（Cluster）特性，可以大幅減少每次查詢掃描的資料量，把費用控制在很低的範圍內。

如果你是第一次申請 GCP，Google 提供 $300 美元的免費試用額度，可以用來學習和測試，不用擔心費用問題。

費用控制小技巧：

• 查詢時盡量指定 _TABLE_SUFFIX BETWEEN 限定日期範圍，避免掃描所有歷史表格
• 用 SELECT 指定需要的欄位，不要用 SELECT *（GA4 的表格欄位很多，SELECT * 會掃描大量不需要的資料）
• 建立物化視圖（Materialized View）儲存常用的彙總結果

6. FAQ

Q：我沒學過 SQL，可以用 BigQuery 嗎？

A：BigQuery 的基本 SQL 語法入門門檻不高，網路上有大量免費的學習資源。特別是 GA4 的常用查詢，只需要掌握 SELECT、FROM、WHERE、GROUP BY 和 UNNEST 這幾個語法就能做大部分的分析。如果你完全不想寫 SQL，也可以考慮用 Looker Studio 連接 BigQuery，用拖拉介面做視覺化，或是用 AI 輔助生成 SQL 查詢。

Q：串接 BigQuery 後，GA4 的標準報表還能正常使用嗎？

A：完全可以，兩者是平行的，互不影響。GA4 標準報表照樣使用，BigQuery 只是多了一個原始數據的備份和進階分析管道。實務上，日常監控用 GA4 標準報表，需要深度分析時才去 BigQuery 查詢，是最常見的工作模式。

Q：歷史資料可以補匯出到 BigQuery 嗎？

A：GA4 的 BigQuery 串接只從設定日期開始匯出，不能把過去的歷史數據補匯出。這就是為什麼建議越早設定越好。不過，如果你有在用其他分析工具（例如 Mixpanel、Amplitude），或是你的後端資料庫有存 GA4 的 Measurement Protocol 發送紀錄，有辦法用其他方式重建部分歷史數據，但這比較複雜，不在本文討論範圍。

BigQuery 串接是 GA4 進階使用的重要一步，更多 GA4 基礎知識可以先看 GA4 完整入門指南。在 BigQuery 裡分析自訂業務數據之前，記得先設好 GA4 自訂維度。複雜的探索分析也可以直接在 GA4 的 探索報表 進行。