Level – Aviación comercial
Reporting de GA4 centralizado
con Supermetrics y BigQuery
“Cada paso de nuestro embudo de reserva se mide en sesiones, así que necesitábamos que las cifras de sesiones en BigQuery coincidieran con las de GA4 en todos los desgloses de nuestros informes.”
EL RETO
Los datos de GA4 de Level ya llegaban a BigQuery mediante la exportación nativa, y el reporting se construía directamente sobre ellos. Los recuentos de sesiones salían inflados, porque las sesiones se duplicaban al consultar los datos a distintos niveles de granularidad. Por eso, ese conjunto de datos no servía como fuente de reporting.
El objetivo era dotar a Level de una capa de reporting fiable y centralizada en Google Cloud para sus datos de GA4, construida en torno a las métricas del embudo de reserva, las dimensiones y la granularidad de las tablas que la propia aerolínea había definido. Con las definiciones de métricas aplicadas en un único lugar, el embudo se mediría con el mismo criterio, todos trabajarían con las mismas cifras y la solución podría crecer a medida que surgieran nuevos requisitos.
CATEGORÍAS
Ingeniería de datos, Ingeniería analítica, Data Warehousing en la nube, Control de calidad de datos
NUESTRO ENFOQUE
Una sola capa de reporting,
la vía idónea para cada métrica
Uptimal colaboró con Level para centralizar su reporting de GA4 en BigQuery. Partiendo de la arquitectura de tablas de Level, configuramos desde cero su espacio de trabajo de Supermetrics, que asume la mayor parte del reporting y mantiene las conexiones con las API, lo que reduce el mantenimiento a largo plazo. Para las pocas métricas cuya condición debe aplicarse antes de que GA4 agregue la sesión, creamos un servicio diario de Cloud Run en el propio proyecto de Google Cloud de Level.
En las pruebas, filtrar las sesiones de servicios adicionales ya agregadas por GA4 hacía que la misma visita se contara más de una vez: las cifras casi duplicaban las de GA4 y la diferencia variaba según el día y el país. El servicio diario, en cambio, incluye la condición en la propia petición a GA4, de modo que los datos llegan ya filtrados. Un segundo servicio carga cada hora el embudo de reserva, y las consultas programadas aplican las demás definiciones en una única capa SQL gobernada.
-
Alcance y diseño
Trasladamos las métricas, dimensiones y granularidad definidas por Level a un diseño de tablas en Supermetrics, con las tablas de sesiones separadas de las de métricas: así el recuento de sesiones es el propio de GA4 y los pasos del embudo se calculan posteriormente. -
Validación y diagnóstico
Contrastamos cada tabla de reporting con GA4 e identificamos la causa de cada diferencia en lugar de compensarla con ajustes. Así detectamos el recuento inflado de sesiones de servicios adicionales y la exclusión de rutas que faltaba en las sesiones de conexión. -
Reconstrucción y monitorización
Resolvimos ambos problemas con el servicio diario de Cloud Run, reconstruimos y recargamos las tablas afectadas y completamos los huecos históricos de grupo de ruta y código ISO de país. Además, añadimos tres políticas de alertas que avisan a Level por correo electrónico ante fallos graves.
“Mantuvimos la ingesta, el almacenamiento y el cálculo por separado, de modo que la mayoría de las definiciones del embudo pueden cambiarse en SQL sin tocar la recogida de datos, y los datos brutos siempre pueden contrastarse con GA4.”
Senior Data Analyst
RESULTADOS
¡Objetivos cumplidos!
Hoy Level cuenta con una capa de reporting centralizada en BigQuery para sus datos de GA4, basada en un único conjunto acordado de definiciones del embudo de reserva y contrastada tabla a tabla con GA4. El pipeline recarga los días recientes que GA4 sigue actualizando, para que las cifras se estabilicen en línea con GA4, y detiene la carga si los datos llegan muestreados, así que una estimación nunca sustituye a una cifra completa.
13
tablas de reporting reconstruidas automáticamente, doce a diario y una cada hora
100%
de las tablas de reporting contrastadas directamente con GA4, métrica a métrica
24
meses de histórico cargados, con datos desde septiembre de 2024 allí donde existe medición
tablas de reporting reconstruidas automáticamente, doce a diario y una cada hora
de las tablas de reporting contrastadas directamente con GA4, métrica a métrica
meses de histórico cargados, con datos desde septiembre de 2024 allí donde existe medición
Foto de cabecera: Daniel Luis Gómez Adenis, CC BY 2.0, recortada. Ilustración: Data illustrations by Storyset.
Contacto
¿Preguntas? ¿Un proyecto en mente? Hablemos.
- Dudas de analítica, tracking o datos: te responderemos rápido
- Enterprise: auditorías, sGTM, GA4 360, BigQuery y MMM
- Cuéntanos tu martech stack y objetivos de negocio, seguro que te podemos ayudar