GA4 + BigQuery + Looker Studio: Komplett analytics-stack för 0 kr/månad

Många tror att riktig webbanalys kräver dyra verktyg. Sanningen är att GA4, BigQuery och Looker Studio tillsammans ger en förvånansvärt kraftfull stack som för de flesta mindre och medelstora sajter ryms inom gratisnivåerna. Här går jag igenom hur jag kopplar ihop dem och vad du vinner jämfört med att bara använda GA4:s eget gränssnitt.

Jag vill vara tydlig med en sak från början. Att stacken ofta ryms inom gratisnivåerna betyder inte att den är gratis att sätta upp och förvalta. Tiden att koppla ihop delarna, modellera datan vettigt och hålla den i skick är den verkliga kostnaden, och den är värd att räkna med. Det jag vänder mig mot är föreställningen att man måste köpa en dyr analysplattform för att få seriös webbanalys. För många svenska bolag är den här kombinationen mer än tillräcklig, och den ger dessutom något en köpt plattform sällan gör: full kontroll över din egen rådata.

Varför inte bara GA4?

GA4:s eget gränssnitt är dugligt men begränsat. Det samplar data, har spärrar för hur djupt du kan gräva och gör det krångligt att kombinera med annan data. När du kopplar GA4 till BigQuery får du i stället den råa händelsedatan, utan sampling och utan de gränserna. Det är där den verkliga kraften finns.

Steg ett: koppla GA4 till BigQuery

GA4 har en inbyggd export till BigQuery. När den är på börjar dina händelser landa som rådata i ett dataset, en rad per händelse. Plötsligt kan du ställa exakt de frågor du vill med vanlig SQL, i stället för att vara fast i färdiga rapporter någon annan bestämt.

• Rådata utan sampling, så att även små segment blir tillförlitliga.
• Full historik som du själv äger i ditt eget lager.
• Frihet att koppla webbdatan mot till exempel orderdata.

Att sätta upp den här kopplingen rätt, med vettig modellering ovanpå rådatan, är något jag ofta gör som en liten del av vårt arbete med dataplattform. Det är en bra startpunkt även för bolag som inte tror sig behöva en full plattform.

Steg två: modellera i BigQuery

Rådatan från GA4 är ostädad och kapslad. Jag bygger ett tunt lager av modeller ovanpå den, gärna med dbt, som städar upp och ger begripliga tabeller som sessioner och konverteringar. Då slipper varje rapport brottas med rådatans struktur, och definitionerna bor på ett ställe.

Steg tre: visualisera i Looker Studio

Looker Studio kopplar direkt mot BigQuery och är gratis. Jag bygger rapporterna mot mina städade modeller, inte mot rådatan, så att de är snabba och begripliga. Resultatet är dashboards som affärsfolk kan använda, byggda på data du själv äger och kontrollerar.

Samtycke och vad du faktiskt får samla

Innan man bygger en webbanalys-stack måste man ta integritetsfrågan på allvar, för den är inte frivillig. Med GA4 kopplat till BigQuery får du tillgång till rådata på en detaljnivå som ställer krav på hur du hanterar samtycke och personuppgifter. Besökare som inte gett sitt medgivande ska inte spåras på samma sätt som de som gjort det, och rådatan i BigQuery måste hanteras i enlighet med det. Jag ser till att samtyckesläget speglas hela vägen ner i datan, så att analyser bygger på det du faktiskt har rätt att använda. Att äga rådatan ger frihet, men den friheten kommer med ansvar.

Fallgropar att se upp med

Gratis betyder inte gratis i all evighet om datan blir stor. Slarviga frågor mot rådatan kan dra upp BigQuery-kostnaden, precis som i vilket annat BigQuery-fall som helst. Jag ser till att modellerna är effektiva och att Looker Studio frågar mot dem, inte direkt mot den tunga rådatan. Med den disciplinen håller sig de flesta inom gratisnivåerna länge. Fler exempel finns i vår casebook.

Relaterat

• ETL vs ELT vs Reverse ETL: Modern data stack för svenska bolag
• BI-val: Looker vs Power BI vs Metabase vs Lightdash
• Data quality-ramverk: Great Expectations + dbt tests i CI/CD

Vill du ta det vidare?

Om du vill äga din webbanalys på riktigt i stället för att vara fast i ett standardgränssnitt, hör av dig via kontaktsidan. Jag hjälper dig koppla ihop stacken och modellera den rätt.