它们很有用，因为它们允许您捕获粒度数据，而无需担心上述任何自定义维度限制，从而避免 GA4 中的基数问题。这为您在 BigQuery 中使用您想要从用户交互中获得的所有数据执行高级分析打开了大门。
当您将数据从 GA4 导出到 BigQuery 时
发送到 GA4 的所有参数、已处理的参数（因为它们具有收集它们的维度）和未处理的参数（没有）都存储在云中的数据库中。一切都直接发送至 BigQuery。在那里您将看到您的事件及其所有参数，没有任何参数丢失。
BigQuery 能够处理大没有与 GA4 相同的限制
这使您能够完全自由地分析这些参数，执行复杂的查询并获取 GA4 无法使用的可能见解。
通过合并未处理的参数来维生素化测量计划随着 Google BigQuery 中的信息在 GA4 中“不麻烦”的大门敞开，结论很明确：为什么不在我的衡 手机数据 量计划中考虑到此功能呢？事实上，我们可以定义一系列转换为维度和指标的数据。
我可以在 Web 界面、标准报告
探索、API 或 Looker Studio 中分析这些内容。但除此之外，我的衡量计划还可以考虑具有另一个目标的另一系列数据：我不希望在 GA4 的维度和指标中获得这些数据，但我确实希望能够在 BigQuery 中提供这些数据。 GA4 在实施中定义为“不处理”的数据。
当然，将原始参数纳入您的测量 有很多市场研究公司进行此类市 计划需要仔细的策略，以在不使实施复杂化的情况下最大化收益。它让一切变得更加复杂。但谁想要什么，就得付出什么代价。
定义有效衡量策略的第一步：GA4 中的维度类型
在IKAUE， 我们遵循一种方法，根据维度的粒度将维度分为三类：
宏观维度：具有很少唯一值的变量。一般不超过6个。例如：
网站的部分（例如：“主页”、“产品”、“博客”、“联系方式”）。
设备类型（“桌面”、“手机和平板电脑”）。
市场或国家（“ES”、“EU”、“LatAm”等）。
大块价格（“大金额”、“平均金额”、“低金额”、“报价”）。
中间维度：有助于深入研究前面的变量
具有较大数量的值，但通 新加坡号码数据 常受到控制。例如：
顶级产品类别（最多 15-20 个类别）。
价格范围（“0-10”、“10-30”、“30-100”、“100-300”、“300-1000”等）。
客户群（“新”、“经常性”、“大买家”、“VIP”）。
