Jak połączyć GA4 z BigQuery: eksport dzienny czy strumieniowy, koszty i limity

Co dokładnie trafia do BigQuery po połączeniu z GA4

Po połączeniu GA4 tworzy w Twoim projekcie zbiór danych o nazwie analytics_ z identyfikatorem usługi, np. analytics_123456789. W nim pojawiają się tabele z datą w nazwie:

• events_RRRRMMDD – pełny eksport dzienny, jedna tabela na każdy dzień,
• events_intraday_RRRRMMDD – tabela z bieżącym dniem, wypełniana przy eksporcie strumieniowym i usuwana, gdy gotowa jest tabela dzienna,
• pseudonymous_users_RRRRMMDD i users_RRRRMMDD – opcjonalny eksport danych o użytkownikach (identyfikowanych odpowiednio przez urządzenie i przez User-ID).

Każdy wiersz tabeli zdarzeń to pojedyncze zdarzenie z pełnym zestawem parametrów, danymi o urządzeniu, lokalizacji, zgodach i produktach. Nie ma tu agregacji, progów ani wiersza „(other)”, które znasz z raportów. To Twoje dane first-party w najbardziej szczegółowej postaci, jaką oferuje GA4 – możesz je łączyć z danymi z CRM, kosztami kampanii czy marżą produktów. Jak wykorzystać takie dane w kampaniach, opisujemy w tekście o strategii danych własnych w reklamie.

Dwie rzeczy często zaskakują przy pierwszym kontakcie. Po pierwsze, w eksporcie nie ma danych modelowanych – jeśli korzystasz z Consent Mode w trybie zaawansowanym, zobaczysz pingi bez identyfikatora użytkownika, ale nie uzupełnienia modelowania z raportów GA4. Różnice między trybami i ich wpływ na kompletność danych wyjaśniamy w porównaniu trybu podstawowego i zaawansowanego Consent Mode. Po drugie, dane w BigQuery żyją niezależnie od GA4. Ustawienie przechowywania danych w GA4 (2 lub 14 miesięcy w wersji standardowej) dotyczy eksploracji w interfejsie, a nie tabel w Twoim projekcie.

Co przygotować, zanim połączysz GA4 z BigQuery

Większość problemów z eksportem wynika z braków w projekcie Google Cloud, a nie z samego GA4. Zanim klikniesz „Połącz”, przejdź przez poniższą listę.

Piaskownica BigQuery (sandbox) pozwala zacząć bez karty płatniczej: daje 10 GB miejsca i 1 TB przetwarzanych zapytań miesięcznie. Ma jednak dwie poważne wady przy eksporcie GA4 – tabele wygasają po 60 dniach, a eksport strumieniowy jest niedostępny. Do testów wystarczy, do pracy na danych z całego roku już nie.

Wybór regionu ma znaczenie praktyczne i prawne. Dla polskiej firmy naturalne są dwie opcje: wieloregion EU albo region europe-central2 w Warszawie. Wybierz ten sam region, w którym trzymasz lub będziesz trzymać inne dane marketingowe, np. eksport z Google Ads, bo BigQuery nie połączy w jednym zapytaniu tabel z różnych lokalizacji. Kwestie podstaw prawnych i przekazywania danych omawiamy w tekście o RODO w reklamie online; w konkretnej sytuacji firmy skonsultuj decyzję z prawnikiem lub inspektorem ochrony danych.

Jak połączyć GA4 z BigQuery krok po kroku

Sama konfiguracja w GA4 zajmuje kilka minut. Nazwy pozycji w menu mogą się nieznacznie różnić w zależności od wersji językowej interfejsu.

1. Utwórz lub wybierz projekt w Google Cloud. W konsoli Google Cloud załóż projekt, podepnij konto rozliczeniowe i upewnij się, że BigQuery API jest włączone.
2. Otwórz ustawienia połączenia w GA4. Przejdź do sekcji Administracja, następnie do połączeń z usługami i wybierz połączenia z BigQuery.
3. Kliknij „Połącz” i wskaż projekt. Na liście zobaczysz projekty, w których masz odpowiednie uprawnienia. Jeśli projektu brakuje, sprawdź rolę w Google Cloud.
4. Wybierz lokalizację danych. To decyzja nieodwracalna dla tego zbioru danych, więc wybierz region zgodny z polityką firmy.
5. Skonfiguruj zakres danych. Wskaż strumienie danych, które mają trafiać do eksportu, i dodaj zdarzenia do wykluczenia, jeśli zbliżasz się do limitu. Dla aplikacji zdecyduj, czy eksportować identyfikatory reklamowe.
6. Wybierz częstotliwość. Zaznacz eksport dzienny, strumieniowy albo oba. Osobno możesz włączyć eksport danych o użytkownikach.
7. Zatwierdź i poczekaj. Pierwsza tabela pojawia się zwykle w ciągu doby. GA4 dodaje do projektu konto usługi [email protected] – nie usuwaj go, bo eksport przestanie działać.

Po utworzeniu połączenia od razu ustaw uprawnienia: analitycy potrzebują dostępu do odczytu zbioru danych i możliwości uruchamiania zadań w projekcie, ale nie muszą mieć roli właściciela.

Eksport dzienny czy strumieniowy: którą częstotliwość wybrać

Eksport dzienny wystarcza do raportowania i analiz, a strumieniowy przydaje się wtedy, gdy potrzebujesz danych z bieżącego dnia. Najczęstszy i najbezpieczniejszy wybór to włączenie obu: tabele dzienne są wtedy źródłem prawdy, a intraday służą do szybkiego podglądu.

Google nie gwarantuje godziny pojawienia się tabeli dziennej – zwykle jest gotowa w ciągu dnia następnego według strefy czasowej usługi, ale potrafi się spóźnić. Tabela może być jeszcze aktualizowana przez mniej więcej trzy dni o zdarzenia, które dotarły z opóźnieniem. Dlatego raporty dzienne warto przeliczać z kilkudniowym zakładkiem. Użytkownicy GA4 360 mają dodatkowo eksport „Fresh daily”, który dostarcza dane dzienne szybciej i w paczkach w ciągu dnia.

Eksport strumieniowy ma też ograniczenie, o którym łatwo zapomnieć: dla nowych użytkowników nie zawiera źródła pozyskania. Raport kanałów zbudowany na tabelach intraday pokaże więc zaniżony udział kampanii, które przyprowadzają nowych klientów.

Ile kosztuje eksport GA4 do BigQuery

Rachunek składa się z trzech pozycji: eksportu strumieniowego (jeśli go włączysz), przechowywania danych i zapytań. Ceny są podawane w dolarach i różnią się nieco między regionami; poniższe wartości dotyczą typowych lokalizacji w Europie i USA według stanu na październik 2026.

• Eksport strumieniowy: 0,05 USD za 1 GB, przy czym 1 GB to orientacyjnie 600 tys. zdarzeń.
• Przechowywanie: pierwsze 10 GB miesięcznie bez opłat, dalej ok. 0,02 USD za GB miesięcznie dla danych aktywnych i ok. połowę tej kwoty dla tabel niemodyfikowanych przez 90 dni.
• Zapytania: w modelu na żądanie 6,25 USD za 1 TiB przeskanowanych danych, z 1 TiB miesięcznie bez opłat.

Załóżmy, że sklep generuje 60 tys. zdarzeń dziennie, czyli ok. 1,8 mln miesięcznie. Eksport strumieniowy kosztuje wtedy ok. 0,15 USD miesięcznie, a dane z całego roku zajmą kilkadziesiąt gigabajtów, co oznacza przechowywanie za mniej niż dolara miesięcznie. W takim scenariuszu realne ryzyko kosztowe stanowią wyłącznie źle napisane zapytania i dashboardy podpięte bezpośrednio do surowych tabel. Jak temu zapobiec, opisujemy w poradniku o kontroli kosztów BigQuery.

Limity eksportu i jak się w nich zmieścić

Limit 1 mln zdarzeń dziennie dotyczy eksportu dziennego w standardowej usłudze GA4. Przy regularnym przekraczaniu limitu GA4 wyświetla ostrzeżenie, a eksport dzienny może zostać wstrzymany. Masz trzy sposoby, żeby temu zapobiec.

Pierwszy to wykluczenie zdarzeń w ustawieniach połączenia. Dobrymi kandydatami są zdarzenia o dużym wolumenie i małej wartości analitycznej, np. niestandardowe zdarzenia przewijania, wyświetlenia list produktów wysyłane przy każdym przewinięciu czy zdarzenia techniczne z narzędzi testowych. Nigdy nie wykluczaj page_view, session_start, first_visit, user_engagement ani zdarzeń zakupowych – bez nich nie odtworzysz sesji, zaangażowania i przychodu.

Drugi sposób to wykluczenie strumieni danych, np. środowiska testowego, które wysyła zdarzenia do tej samej usługi. Trzeci to przejście na eksport strumieniowy, który nie ma limitu wolumenu, ale kosztuje i nie gwarantuje kompletności. Przy bardzo dużym ruchu rozwiązaniem pozostaje GA4 360 z limitem liczonym w miliardach zdarzeń dziennie.

Zanim zaczniesz wykluczać, sprawdź, które zdarzenia rzeczywiście generują wolumen. Wystarczy prosty przegląd zdarzeń z kilku dni, pokazany jako pierwsze z naszych 10 zapytań do eksportu GA4.

Jak sprawdzić, czy eksport działa, i co najczęściej się psuje

Najprostszy test to lista tabel z liczbą wierszy i datą ostatniej modyfikacji. Poniższe zapytanie korzysta z metadanych zbioru, więc praktycznie nic nie kosztuje.

SELECT
  table_id,
  row_count AS zdarzenia,
  ROUND(size_bytes / POW(1024, 3), 2) AS rozmiar_gb,
  TIMESTAMP_MILLIS(last_modified_time) AS ostatnia_modyfikacja
FROM `twoj-projekt.analytics_123456789.__TABLES__`
WHERE table_id LIKE 'events_%'
ORDER BY table_id DESC
LIMIT 14;

Jeśli liczba zdarzeń w kolejnych dniach zbliża się do miliona, czas zaplanować wykluczenia. Jeśli tabeli za wczoraj brakuje wieczorem następnego dnia, sprawdź komunikaty w ustawieniach połączenia w GA4. Automatyczny alert na wypadek spadku liczby zdarzeń możesz zbudować na tym samym zapytaniu – przykład opisujemy w tekście o monitoringu tagów i alertach w GA4 i BigQuery.

Najczęstsze awarie to usunięte konto usługi Google z uprawnień projektu, wyłączone konto rozliczeniowe (wtedy eksport strumieniowy się zatrzymuje), polityka organizacji blokująca konta spoza domeny firmy oraz wygasające tabele w piaskownicy. Gdy eksport już działa, kolejnym krokiem jest nauka odtwarzania sesji i źródeł ruchu w SQL, a jeśli nie piszesz jeszcze swobodnie w SQL, pomocą może być asystent Gemini wbudowany w BigQuery. Wszystkie poradniki o pracy z danymi w hurtowni znajdziesz w podtemacie BigQuery i SQL, a ogólne informacje o narzędziu na stronie GA4.

Warto też wiedzieć, że eksport jest dobrym zabezpieczeniem przed limitami raportowania. Jeśli Twoje dashboardy zaczynają zgłaszać przekroczenie limitów API, przeniesienie ich na tabele w BigQuery to jedno z rozwiązań opisanych w artykule o limitach GA4 w Looker Studio.