Integración · BigQuery
Exportar GA4 a BigQuery lleva el mismo dato condicionado por el consentimiento a un data warehouse, sin los usuarios modelados de Consent Mode. El conector de Sealmetrics escribe tráfico, conversiones e ingresos por canal, campaña y creatividad en tu propio proyecto de BigQuery, cada hora o cada día, en tablas listas para consultar dentro de un dataset en la UE o en EE. UU., según elijas.
Todos los planes, también el Agentic gratuito · esquema en estrella · sincronización horaria o diaria · tus datos, tu retención
Respuesta rápida
El conector de BigQuery de Sealmetrics exporta tus datos de analítica a un dataset de BigQuery en tu propio proyecto de Google Cloud. Creas una cuenta de servicio con los roles BigQuery Data Editor y Job User, subes su clave JSON en los ajustes de integración del sitio, eliges el nombre del dataset y su ubicación en la UE o en EE. UU., y decides la frecuencia: cada hora, cada día o manual. Los datos llegan como un esquema en estrella de tablas de hechos —tráfico diario y por horas, conversiones, microconversiones, páginas y páginas de llegada—, particionadas por fecha y con UTM source, medium, campaign, term y content, grupo de canal, país y dispositivo. Las conversiones incluyen los ingresos y sus propiedades en JSON. Puedes cargar histórico en la primera sincronización y después. Son agregados sin identificadores de usuario: responden preguntas de canal e ingresos, no de usuario. El conector está incluido en todos los planes, también en el Agentic gratuito; Google cobra almacenamiento y consultas.
Qué exporta
Eliges qué tipos de datos sincronizar. Cada uno va a una tabla propia con un nombre fijo de esquema en estrella, y cada fila lleva el account ID del sitio.
| Tipo de datos | Tabla | Qué contiene | Nota |
|---|---|---|---|
| Tráfico diario | fact_traffic_daily | Entradas, entradas con interacción, páginas vistas, microconversiones, conversiones e ingresos por UTM, canal, país, dispositivo, navegador y sistema operativo | Recomendada; particionada por fecha y agrupada por cuenta, origen y país |
| Tráfico por horas | fact_traffic_hourly | Las mismas métricas de tráfico, hora a hora | Opcional; las particiones caducan a los 90 días y el almacenamiento cuesta más |
| Conversiones | fact_conversions | Tipo de conversión, número, importe, ingresos, UTM y canal atribuidos, página de llegada, click ID y propiedades en JSON | Recomendada; agrupada por cuenta, tipo de conversión y origen |
| Microconversiones | fact_microconversions | Microconversiones como añadir al carrito o registrarse | Recomendada |
| Páginas | fact_pages | Páginas vistas y entradas por página y grupo de contenido | Recomendada |
| Páginas de llegada | fact_landing_pages | Rendimiento por página de llegada | Recomendada |
| Metadatos de la cuenta | dim_accounts | Datos del sitio | Opcional; dim_countries y sync_metadata se crean siempre |
La atribución en las tablas es la misma atribución de ingresos a último clic que en el dashboard: cada conversión lleva el origen de la sesión en la que ocurrió. El esquema completo de cada tabla se muestra en la pantalla de la integración. Cómo funciona esa atribución se explica en atribución de ingresos por campaña.
Lo que no arregla exportar GA4
Muchos equipos pasan a BigQuery para escapar de los límites de la interfaz de GA4. La exportación resuelve eso, y hereda todo lo que viene de antes.
La exportación de GA4 contiene lo que GA4 recogió. Los usuarios y sesiones modelados por Consent Mode no están disponibles en las exportaciones, así que el data warehouse solo ve la parte con consentimiento. En la tienda Shopify de Incapto, GA4 no registró el 29% de las visitas. Por qué el modelado no lo cierra se explica en Consent Mode: qué mide GA4 y qué modela.
Las propiedades estándar de GA4 tienen un límite de exportación diaria a BigQuery de 1 millón de eventos. Las tiendas con mucho tráfico lo alcanzan, y el resto del día no se exporta.
La exportación de GA4 es a nivel de evento, así que los informes de canal, sesión e ingresos hay que reconstruirlos en SQL antes de poder usarlos. Las tablas de Sealmetrics llegan ya agregadas por canal y campaña.
Configura el conector
Una parte del trabajo es en Google Cloud y otra en Sealmetrics. El proyecto, el dataset y la retención son tuyos desde la primera sincronización.
En Google Cloud Console, abre IAM y administración → Cuentas de servicio, crea una cuenta como sealmetrics-export, añade una clave en formato JSON y guarda el archivo descargado en un lugar seguro.
Asigna a la cuenta de servicio los roles BigQuery Data Editor y BigQuery Job User en el proyecto, o un rol personalizado que pueda crear datasets y tablas, actualizar datos de tablas y crear jobs.
Abre el sitio en Sealmetrics, ve a Site Config → Integrations → BigQuery y sube la clave JSON. Sealmetrics comprueba que es una clave de cuenta de servicio y rellena el ID del proyecto de Google Cloud.
Define el nombre del dataset y su ubicación, UE o EE. UU., elige sincronización horaria, diaria o manual, selecciona los tipos de datos que exportar y cuánto histórico cargar en la primera ejecución.
Guarda la configuración, pulsa Setup Dataset si te lo pide y después Sync Now. La pantalla de la integración muestra el estado, la última sincronización, las tablas creadas y un historial de filas y bytes por ejecución.
Consúltalo
Tomadas de la documentación del conector. Sustituye your-project y sealmetrics por tu ID de proyecto y el nombre del dataset, y filtra siempre por fecha para que cada consulta lea solo las particiones que necesita.
Entradas, páginas vistas y conversiones por día en los últimos 30 días.
SELECT
date,
SUM(entrances) AS entrances,
SUM(page_views) AS page_views,
SUM(conversions) AS conversions
FROM `your-project.sealmetrics.fact_traffic_daily`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
GROUP BY date
ORDER BY date DESCConversiones, ingresos y ticket medio por source y medium en los últimos 30 días.
SELECT
utm_source,
utm_medium,
SUM(count) AS conversions,
SUM(revenue) AS revenue,
SAFE_DIVIDE(SUM(revenue), SUM(count)) AS avg_order_value
FROM `your-project.sealmetrics.fact_conversions`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
GROUP BY utm_source, utm_medium
ORDER BY revenue DESCPáginas vistas y entradas por grupo de contenido en los últimos 7 días.
SELECT
content_grouping,
SUM(page_views) AS page_views,
SUM(entrances) AS entrances
FROM `your-project.sealmetrics.fact_pages`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)
AND content_grouping IS NOT NULL
GROUP BY content_grouping
ORDER BY page_views DESCConversiones e ingresos desglosados por una propiedad enviada con cada conversión, aquí customer_type.
SELECT
JSON_VALUE(properties, '$.customer_type') AS customer_type,
SUM(count) AS conversions,
SUM(revenue) AS revenue
FROM `your-project.sealmetrics.fact_conversions`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
GROUP BY customer_type
ORDER BY conversions DESCQuién usa la exportación
El conector es para equipos cuyo análisis ya vive en el data warehouse, junto a la inversión, los pedidos y los datos de finanzas.
Cruzar la analítica con el resto del data warehouse.
Ingresos por canal y campaña junto a la inversión publicitaria, las fases del CRM o los márgenes de producto, sin un proceso ETL que mantener.
Cómo medir el ROAS tras el consentimientoIngresos por canal junto al ERP.
Conversiones e ingresos por día en una tabla que finanzas puede conciliar con los pedidos contabilizados.
Una cifra para marketing y finanzasDatos agregados para modelos.
Los resultados diarios por canal y campaña son lo que necesita un marketing mix model o la lectura de un experimento, sin datos de usuario.
Último clic frente a atribución modeladaDashboards en la herramienta que usa el cliente.
Data Studio, Power BI, Tableau o cualquier herramienta compatible con BigQuery lee las tablas directamente.
Atribución de ingresos por campañaLo que llevan las tablas
No hay publicado ningún caso de cliente sobre el conector de BigQuery. Lo que lleva la exportación es la misma medición en la que se apoyan los casos publicados: en la tienda de Incapto, esa base registró el 96% de los pedidos reales de Shopify antes de comparar nada más.
de los pedidos reales registrados en la medición en paralelo de Incapto, 48 días, la base sobre la que se construye la exportación
tipos de datos que puedes sincronizar, cada uno en su tabla, más dos tablas que se crean siempre
de eventos al día: el límite de exportación a BigQuery de una propiedad estándar de GA4
Lo que no hace
Se derivan de lo que recoge Sealmetrics. Qué se guarda y qué no está en demostrar cumplimiento.
Las tablas son agregados sin identificadores de usuario. Con ellas no se pueden construir recorridos por usuario, cohortes ni retención.
Las conversiones llevan el origen de su propia sesión. No hay atribución multi-touch ni basada en datos que exportar.
La tabla de tráfico por horas tiene particiones que caducan a los 90 días. Usa las tablas diarias para histórico largo.
El almacenamiento y las consultas los cobra Google Cloud a tu proyecto. Filtra por fecha y sincroniza solo los tipos de datos que necesites.
El dataset puede crearse en la UE o en EE. UU. Elige la UE si los datos tienen que quedarse en la UE.
La sincronización es como mucho cada hora, y los datos recientes pueden tardar una o dos horas en procesarse antes de aparecer.
Preguntas frecuentes sobre BigQuery
Crea una cuenta de servicio de Google Cloud con los roles BigQuery Data Editor y BigQuery Job User y descarga una clave JSON. En Sealmetrics, abre Site Config → Integrations → BigQuery, sube la clave, elige el nombre del dataset, la ubicación, la frecuencia y los tipos de datos, crea el dataset y lanza Sync Now.
El conector está incluido en todos los planes de Sealmetrics, desde el Agentic gratuito hasta Growth, Scale y Enterprise, sin coste adicional por parte de Sealmetrics. Google Cloud cobra directamente a tu proyecto el almacenamiento y las consultas de BigQuery.
Una tabla por cada tipo de datos que selecciones: fact_traffic_daily, fact_traffic_hourly, fact_conversions, fact_microconversions, fact_pages, fact_landing_pages y dim_accounts. Siempre se crean además la tabla de consulta dim_countries y la tabla sync_metadata. Siguen un esquema en estrella, particionado por fecha.
No. Las tablas son agregados por fecha, UTM source, medium, campaign, term y content, grupo de canal, país, dispositivo, navegador y sistema operativo, sin identificadores de usuario. Las conversiones incluyen número, importe, ingresos, página de llegada, click ID y propiedades en JSON.
Eliges sincronización horaria, diaria o manual. En la primera ejecución puedes cargar los últimos 30, 60 o 90 días, un número de días a medida o un rango de fechas, y más adelante puedes lanzar cargas históricas mayores desde la tarjeta de backfill.
Sí, si eliges la ubicación UE al configurar el dataset; también está disponible EE. UU. Los datos de analítica de Sealmetrics se alojan en Dublín, y una vez sincronizados en tu proyecto, la retención la controlas tú.
La exportación de GA4 es a nivel de evento y contiene lo que GA4 recogió: dato condicionado por el consentimiento, sin los usuarios modelados de Consent Mode, y en propiedades estándar hasta 1 millón de eventos al día. La de Sealmetrics contiene agregados medidos sin pérdida por consentimiento, ya organizados por canal y campaña, sin filas por usuario.
Eliminar la integración borra la configuración en Sealmetrics, pero nunca los datos que ya están en tu proyecto de BigQuery. Sealmetrics solo envía datos; la única tabla con caducidad automática es fact_traffic_hourly, a los 90 días.
Revisión de BigQuery
Reserva 30 minutos con el founder. Conectamos Sealmetrics a tu proyecto de BigQuery, lanzamos la primera sincronización y escribimos la primera consulta contra tus propias tablas de inversión o de pedidos.