详细维度：具有更高基数的变量。例如：
产品 ID（可能有数千或数百万）。
用户或客户端 ID。
标签或博客标签（特别是如果它们是自由生成的）。
作者的 ID 或昵称
ETC。
我们的流程通常从定义业务需
要的宏观维度开始。这些是必不可少的，并且将是我们稍后在报告中使用最多的内容。但从那里我们将想要了解更多，并且在许多情况下我们将有可能深入创建详细的维度。
通过以这种方式对维度进行排序，您可以决定将哪些维度设置为 GA4 中的自定义维度以及将哪些维度作为原始参数发送。宏观尺寸几乎没 电话号码资源 有唯一值，非常适合在 GA4 中配置。中间维度需要评估；如果它们的值的数量是可管理的，则可以将它们包含在 GA4 中，但如果它们存在高基数的风险，则最好将它们作为未处理的参数发送。当详细维度具有非常高的基数（+500 值）时，应作为未处理的参数发送，以避免 GA4 中出现问题。
细部和中间尺寸问题：必须一一分析
细节以及有时中间的尺寸带来了巨大的挑战。大量的唯一值可能会超出 GA4 中的自定义维度限制，导致基数问题并影响工具性能。
例如，具有免费分类法的博客可以 方向形成基础 积累数百或数千个标签。如果您尝试将它们全部捕获为自定义维度，GA4 将无法有效处理它们，并且您的报告将变得混乱且不完整。
所以提出之后，有必要一一分析
寻找保证我们不会出现基数问题的维度组合。我们将如何处 新加坡号码数据 理因此而丢弃的那些东西？好吧，将它们作为可能的未处理参数进行评估，以纳入我们的 GA4 中。也就是说，考虑一下我们是否要发送它们，以便即使它们不在 GA4 中，我们也可以在 Google BigQuery 中找到它们。该数据的数发送。通过这种方式，您可以避免加载高基数维度来简化 GA4，并保持其性能和可靠性。同时，您可以在 BigQuery 中访问详细数据，在其中可以不受限制地执行精细分析。
