Inzicht in Google Analytics 4 data

GA4-gegevens op de juiste manier visualiseren

  • Artikel
  • Data Analytics
Sanne-data-analyst
Sanne Kieftenburg
Data Analyst
7 min
11 Jan 2023

De einddatum voor het gebruik van Universal Analytics komt steeds dichterbij. Veel bedrijven verzamelen inmiddels al een tijd data in Google Analytics 4 (hierna; GA4). De vervolgstap is het inzichtelijk maken van GA4 data op de juiste manier. Dit proces roept nieuwe vragen op. ‘Wanneer visualiseer ik mijn data in GA4 explore?’ en ‘Hoe ga ik om met de quota limieten voor Looker Studio als ik GA4 data inzichtelijk wil maken?’. Onze beslisboom helpt je bij het maken van de juiste keuzes.

Sanne schreef dit artikel samen met Thomas Craenen, Technisch Webanalist bij Digital Power.

Wil je inzicht in GA4 data, dan zijn er verschillende visualisatie-opties die je kunt kiezen. Elke optie heeft voor- en nadelen. Om deze opties op een zo goed mogelijke manier tegen elkaar af te wegen, hebben we de GA4 datavisualisatie beslisboom gemaakt.

GA4 Beslisboom

De meest laagdrempelige opties zijn GA4 Explore en Looker Studio. Beide opties zijn namelijk van Google zelf en hier zitten geen extra kosten aan vast. Deze visualisatie-opties hebben helaas diverse beperkingen. Zo is het bijvoorbeeld in Explore voor een collega niet mogelijk om de datarange aan te passen nadat een exploration is gedeeld.

Wil je je data rapporteren met een betrouwbaarheid zo dicht mogelijk bij de 100%? En/of wil je de laadtijd van je dashboard optimaliseren? Dan zul je al snel uitkomen bij een andere visualisatietool, zoals PowerBI. In dat geval gebruik je Google BigQuery als databron. 

Er zijn dus verschillende opties. Hoe jij je GA4 data het best kunt visualiseren, is afhankelijk van een aantal zaken. Stel jezelf deze belangrijke vragen als je GA4 data inzichtelijk wilt maken:

Hoe vaak wil ik inzichten uit mijn GA4 data halen?

  • Eenmalig: je wilt bijvoorbeeld eens inzien hoeveel gebruikers interacteren met een nieuwe, tijdelijke tool op je website.
  • Middellange termijn: je wilt bijvoorbeeld inzicht in de prestaties van een online advertentiecampagne voor een vacature. Gedurende een campagne wil je zien welke optimalisaties effect hebben op het aantal sollicitanten. Zodra de vacature vervuld is, heb je de visualisatie niet meer nodig.
  • Lange termijn: je wilt bijvoorbeeld KPI’s van het managementteam visualiseren. Dit dashboard wordt dagelijks of wekelijks gebruikt om bij te kunnen sturen waar nodig. 

Wil je eenmalig naar bepaalde data kijken en/of deze eenmalig delen met een collega? Dan zou je deze data kunnen visualiseren in GA4 Explore. Beperkingen als het niet kunnen aanpassen van de datarange zijn dan niet relevant. Houd hierbij wel rekening met de factoren die invloed hebben op datakwaliteit, namelijk data sampling, data thresholds, data kardinaliteit en data freshness.

Wil je de data voor de middellange termijn visualiseren (bijvoorbeeld een project of campagne)? En hoef je hierbij niet samen te werken in hetzelfde dashboard, meerdere databronnen te combineren en hoeft de dataset niet voor meer dan 90 dagen aan data te bevatten? Dan kun je ook uit de voeten met GA4Explore.

Het is dus niet mogelijk voor collega’s om samen te werken in GA4 Explore. Wanneer je een exploration deelt, heeft je collega alleen view-rechten. Daarnaast kun je het dateframe op maximaal 90 dagen zetten. Als je naar een jaar aan data wilt kijken, zul je dus niet (eenvoudig) met explorations kunnen werken. Ook is het ook niet mogelijk om meerde databronnen te combineren.

Als je wel wilt samenwerken en/of data van diverse bronnen wilt combineren en/of data van een periode van meer dan 90 dagen nodig hebt, brengt ons dat bij de volgende vragen:

Wat zijn je eisen wat betreft datakwaliteit? En is het essentieel dat het dashboard snel laadt?

Zoals eerder genoemd zijn er diverse factoren die invloed hebben op de kwaliteit van de GA4 data, namelijk data sampling, data thresholds, data kardinaliteit en data freshness. In dit artikel gaan we niet in op deze factoren, hiervoor kun je op de links klikken om de Google documentatie te raadplegen.

Wil je data rapporteren die zo dicht mogelijk bij de waarheid komt, zodat je bovenstaande data kwaliteitsissues omzeilt? Dan is het nodig om gebruik te maken van BigQuery. Dit kan bijvoorbeeld belangrijk zijn als je KPI data wilt visualiseren.

Als je enige mate van sampling acceptabel vindt en het dashboard niet snel hoeft te laden, kun je gebruik maken van Looker Studio. Dit is een gratis visualisatietool van Google. Deze tool is redelijk intuïtief en laagdrempelig om mee te werken. Hierin kun je dus ook meerdere databronnen combineren.

Onlangs heeft Looker Studio de quota limieten aangepast voor GA4 connector, hier lees je daar meer over. Als je een GA360 account hebt, zijn de limieten hoger en kun je de standaard connector gebruiken. Heb je geen GA360 account? Plaats dan een Google Sheets document tussen GA4 en Looker. In het Sheets document voeg je een GA4 extensie toe om de juiste GA4 data op te halen. Omdat Looker informatie ophaalt uit Sheets en niet direct uit GA4, hebben de quota limieten geen impact.

Nadelen van het gebruik van LookerStudio zijn dat je minder grip hebt op sampling, de laadtijd minder snel is en dat je na een tijdje tegen (rij) limieten van Sheets kunt aanlopen. Houd hier rekening mee bij het visualiseren van het dashboard en maak de sampling issues bespreekbaar in je team.

Inzicht in GA4 data met behulp van BigQuery

Wil je voor de lange termijninzicht in bepaalde GA4 data en is datakwaliteit belangrijk? Dan kun je het best gebruik maken van de data uit BigQuery. In BigQuery vind je de ruwe GA4 data terug. BigQuery geeft je de vrijheid om je GA4 data te visualiseren met vrijwel elke visualisatietool. Als je de datasets op de juiste manier inricht (in subsets), zal dit ook een positief effect hebben op de laadtijd van je dashboard.

Om gebruik te maken van BigQuery is specialistische kennis nodig. In BigQuery is het namelijk nodig om op de juiste manier, door gebruik te maken van SQL, de data uit de master tabel te halen. Een nadeel van BigQuery is dat het geld kost. Je betaalt zowel voor het opslaan van tabellen als voor het runnen van queries. In dit artikel lees je meer over het monitoren van BigQuery kosten.

Vind je het niet erg om kosten te maken en beschik je over BigQuery kennis? Dan kun je hiermee je data op de lange termijn visualiseren met een hoge datakwaliteit. Wil je weten hoe je de BigQuery kosten laag kunt houden en/of wil je meer weten over hoe je de data juist uit BigQuery haalt? Neem contact met ons op.

Hoe ga jij je Google Analytics 4 data visualiseren?

Je kunt op verschillende manieren inzichten uit GA4 data halen. De GA4 explore optie is hierbij het meest laagdrempelig. Een visualisatietool met BigQuery connectie zal je data het meest accuraat visualiseren en de kortste laadtijd hebben.

Wat je situatie of datavraagstuk ook is, met behulp van de GA4 beslisboom kies je de juiste optie voor het visualiseren van je data. Onze Data Analisten helpen je er graag bij. Ook kunnen we meedenken over welke optie het meest geschikt is voor jouw team/bedrijf.

Dit is een artikel van Sanne Kieftenburg

Sanne analyseert (website) data met als doel het optimaliseren van websites en de klantervaring. Ze optimaliseert altijd met de eindgebruiker en de KPI's in gedachte.

Sanne Kieftenburg

Data Analystsanne.kieftenburg@digital-power.com

1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?

Meld je aan voor onze maillijst en blijf 'up to data':