GA4 in BigQuery + dashboard Looker Studio che la direzione legge davvero

Il problema

GA4 da solo non basta per prendere decisioni di business, per tre motivi concreti:

• Retention di 14 mesi sul dato raw. Dopo, restano solo aggregati in interfaccia. Niente confronto year-over-year su più anni, niente analisi retroattive su domande che oggi non sai ancora di avere.
• Campionamento e soglie. Sulle esplorazioni con volumi o segmenti complessi GA4 campiona, e le soglie privacy nascondono righe. I numeri che vedi non sono i numeri che hai.
• GA4 vede i ricavi lordi, non il margine. Una campagna può sembrare ottima a ROAS e distruggere valore se spinge prodotti a basso margine, ordini poi resi o annullati. Quel dato sta nel gestionale, non in GA4 — e finché vivono in due posti diversi nessuno li incrocia.

C’è poi un problema più banale: la direzione non apre GA4. Se il dato vive solo lì dentro, per chi decide è come se non esistesse.

L’export GA4 → BigQuery risolve la parte dati: il dato grezzo, evento per evento, è tuo, senza campionamento e con retention illimitata. Le dashboard Looker Studio risolvono la parte lettura: una pagina che si apre dal browser e risponde alle domande del lunedì mattina.

Come lavoro

1. Attivazione export GA4 → BigQuery

Prima cosa, sempre, anche se il resto del progetto parte dopo: l’export raccoglie dati solo da quando lo attivi. Configuro il link GA4 → BigQuery (daily + streaming dove serve), il progetto Google Cloud, le region corrette e i permessi IAM. Da qui in avanti ogni evento è archiviato in forma grezza, di tua proprietà.

2. Definizione delle domande di business

Mezza giornata con te (o con la direzione). Non parto dalle tabelle, parto dalle decisioni: quali domande deve poter rispondere la dashboard? Margine per canale? Costo di acquisizione per categoria prodotto? Riordino dei clienti acquisiti in campagna? Da qui esce la lista delle metriche — poche, quelle che muovono decisioni — e delle sorgenti necessarie.

3. Modellazione in BigQuery

Il dato raw di GA4 è scomodo da interrogare (eventi nested, una tabella per giorno). Costruisco un layer di tabelle di aggregazione con query schedulate: sessioni, conversioni, ricavi per giorno/canale/campagna, già pulite e pronte per le dashboard. Le query sono versionate e commentate — non un blob SQL che solo io capisco.

4. Incrocio con i dati di business

Qui il progetto cambia valore. Porto in BigQuery i dati del gestionale (transazioni reali, resi, annullati, costi prodotto) e i costi advertising (Meta, Google Ads), e li unisco al dato comportamentale di GA4. Risultato: metriche di profitto, non di ricavo lordo. La differenza tra “questa campagna fattura” e “questa campagna guadagna”.

5. Dashboard Looker Studio

Due livelli, perché direzione e operativi fanno domande diverse:

• Executive: una pagina, le metriche che contano, confronto col periodo precedente, leggibile in tre minuti da chi non ha mai aperto GA4.
• Operational: dettaglio per canale, campagna, prodotto, per chi lavora sui numeri ogni giorno.

Le dashboard leggono dalle tabelle aggregate, non dal raw: veloci da aprire ed economiche da interrogare.

6. Controllo costi e handover

Configuro budget alert e quote sul progetto Google Cloud e documento quanto consuma ogni pezzo della pipeline. Per i volumi tipici di una PMI il costo BigQuery ricorrente è spesso questione di pochi euro al mese, ma lo verifichiamo sul tuo caso — dipende da volumi e frequenza di refresh, e preferisco dirti un numero misurato che uno promesso. Chiudo con una sessione di handover.

Cosa ricevi a fine progetto

• Export GA4 → BigQuery attivo e configurato sul tuo progetto Google Cloud (di tua proprietà, non mia).
• Layer di tabelle di aggregazione con query schedulate, versionate e commentate.
• Integrazione con i dati di business concordati (gestionale, costi advertising, margini).
• Dashboard Looker Studio executive + operational, su account tuoi.
• Documento di pipeline: schema dati, logica delle query, dizionario delle metriche (cosa significa esattamente ogni numero in dashboard).
• QA report: riconciliazione tra GA4 UI, BigQuery e gestionale, con le discrepanze attese spiegate.
• Budget alert e monitoring costi configurati su Google Cloud.
• Sessione di handover (tech per chi tocca le query, marketing/direzione per chi legge le dashboard).
• 30 giorni di supporto post-release inclusi.

Tempi e costi

• Durata: 3–5 settimane. La variabile più grossa è l’accesso ai dati del gestionale: se esiste già un export pulito si va veloci, se va costruito si allunga.
• Range prezzo: da 2.500€. Fanno variare il prezzo: numero di sorgenti da integrare, qualità del dato del gestionale, numero di dashboard e livello di dettaglio richiesto.
• Costi ricorrenti (non inclusi): BigQuery a consumo — per volumi PMI quasi sempre cifre basse, stimate sul tuo caso prima di partire. Looker Studio è gratuito.
• Pagamento: 50% all’avvio, 50% alla consegna. Fattura italiana con P.IVA.
• Retainer mensile opzionale per evoluzioni delle dashboard e nuove sorgenti.