BigQuery Veri Kaynakları

📚 Seviye 3 — Uzmanlaşma ⏱ ~12 dakika

1. BigQuery'yi Veri Kaynağı Olarak Kullanma

Looker Studio doğrudan BigQuery'ye bağlanarak SQL sorguları ile özelleştirilmiş veri setleri oluşturabilir. Bu, GA4 arayüzünün ötesinde analiz yapmanızı sağlar.

a) Bağlantı Yöntemi

Looker Studio'da "Add Data" > BigQuery seçin.
GCP projenizi, dataset'inizi ve tabloyu seçin.
Veya "Custom Query" seçerek SQL yazın.

b) Tablo vs Custom Query

Tablo seçimi: Tüm tablo sütunlarını getirir, basit kullanım.
Custom Query: SQL ile yalnızca ihtiyacınız olan verileri çekersiniz — daha performanslı ve esnek.

graph LR LS["📊 Looker Studio"] -->|"BigQuery Connector"| BQ["🗄 BigQuery"] BQ --> TABLE["📋 Tablo Seçimi\nTüm sütunlar"] BQ --> CUSTOM["📝 Custom Query\nSQL ile filtrelenmiş"] TABLE --> DASH1["Dashboard\n(Tüm veriler)"] CUSTOM --> DASH2["Dashboard\n(Optimize edilmiş)"] style LS fill:#E8F6FC,stroke:#29ABE2 style BQ fill:#DCFCE7,stroke:#22C55E

2. Custom SQL Sorguları

Looker Studio'da BigQuery'ye Custom Query yazarak GA4 ham verisini işlenmiş halde çekebilirsiniz.

a) GA4 Event Özet Tablosu

SELECT
  PARSE_DATE('%Y%m%d', event_date) AS date,
  event_name,
  COUNT(*) AS event_count,
  COUNT(DISTINCT user_pseudo_id) AS unique_users
FROM `project.dataset.events_*`
WHERE _TABLE_SUFFIX BETWEEN
  FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY))
  AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
GROUP BY 1, 2

b) Kanal Bazlı Gelir Raporu

SELECT
  PARSE_DATE('%Y%m%d', event_date) AS date,
  traffic_source.source AS source,
  traffic_source.medium AS medium,
  COUNTIF(event_name = 'purchase') AS purchases,
  SUM(
    CASE WHEN event_name = 'purchase' THEN
      (SELECT value.double_value FROM UNNEST(event_params) WHERE key = 'value')
    ELSE 0 END
  ) AS revenue
FROM `project.dataset.events_*`
WHERE _TABLE_SUFFIX BETWEEN '20250101' AND '20250331'
GROUP BY 1, 2, 3
ORDER BY revenue DESC

💡 İpucu: Custom Query'de @DS_START_DATE ve @DS_END_DATE parametrelerini kullanarak Looker Studio'nun tarih filtresini SQL'e aktarabilirsiniz. Bu sayede kullanıcı dashboard'da tarih değiştirdiğinde sorgu da güncellenir.

3. GA4 BigQuery Export Dashboard'ları

a) Neden GA4 Connector Yerine BigQuery?

Örnekleme yok: GA4 connector büyük veri setlerinde örnekler; BigQuery etmez.
Veri saklama: GA4'ün 14 aylık sınırı yok.
Esneklik: SQL ile istediğiniz hesaplamayı yapabilirsiniz.
Hız: Önceden hesaplanmış tablolar daha hızlı yüklenir.

b) Materialized Table Stratejisi

Her gün bir scheduled query ile özet tablosu oluşturun ve Looker Studio'yu bu tabloya bağlayın:

BigQuery'de scheduled query oluşturun (günlük çalışacak).
Sorgu sonuçlarını bir destination tabloya yazın.
Looker Studio'yu ham events tablosu yerine bu özet tabloya bağlayın.
Sonuç: Daha hızlı yüklenme, daha düşük maliyet.

graph TD GA4E["📊 GA4\nevents_* tabloları"] -->|"Scheduled Query\n(Günlük)"| SUMMARY["📋 Özet Tablo\n(Materialized)"] SUMMARY --> LS["📊 Looker Studio\nHızlı yüklenme"] GA4E -->|"Doğrudan bağlantı\n(Yavaş, pahalı)"| LS2["📊 Looker Studio\nYavaş yüklenme"] style SUMMARY fill:#DCFCE7,stroke:#22C55E style LS fill:#DCFCE7,stroke:#22C55E style LS2 fill:#FEE2E2,stroke:#EF4444

4. CRM + Reklam Verisi Birleştirme

a) Kullanım Senaryosu

CRM'deki müşteri verisi (lead durumu, satış tutarı, müşteri segmenti) ile reklam verisini (kaynak, kampanya, maliyet) BigQuery'de birleştirerek gerçek ROI hesaplayın.

b) Uygulama Adımları

CRM verisini BigQuery'ye aktarın (API, CSV import, veya ETL aracı).
GA4 verisindeki user_id/client_id ile CRM'deki müşteri ID'sini eşleştirin.
SQL JOIN ile iki tabloyu birleştirin.
Looker Studio'da birleştirilmiş tabloyu veri kaynağı olarak kullanın.

⚠️ Uyarı: BigQuery Custom Query'leri her rapor yüklendiğinde çalışır ve maliyet oluşturur. Büyük veri setlerinde maliyeti kontrol altında tutmak için mutlaka tarih filtreleme kullanın, materialized tablolar oluşturun ve sorgu önbelleğini (cache) aktif bırakın.

5. Community Visualizations

Looker Studio'nun yerleşik grafik türleri yetmediğinde, topluluk tarafından geliştirilen özel görselleştirmeler kullanılabilir.

a) Örnekler

Sankey diyagramları (akış görselleştirme)
Treemap (hiyerarşik veri)
Gauge chart (hedef göstergesi)
Waterfall chart (değişim analizi)

🎯 Benzetme: BigQuery + Looker Studio kombinasyonu, bir fotoğrafçının ham fotoğraf (RAW) dosyası ile düzenleme yazılımı ilişkisine benzer. BigQuery ham veriyi (RAW) saklar, Looker Studio ise bu veriyi işleyerek güzel bir sunum (rötuşlanmış fotoğraf) haline getirir. RAW dosyadan çalışmak daha fazla kontrol ve kalite sağlar.

📝 Quiz — Bilgini Test Et

← Önceki Ders Sonraki Ders →