Cómo conectar GA4 con BigQuery y validar el export

¿Cómo se activa el export de GA4 a BigQuery?

Google define tres pasos:

1. Crear o seleccionar el proyecto de Google Cloud. En Cloud Console, ve a APIs y servicios → Biblioteca, busca BigQuery API y habilítala. La cuenta que crea el vínculo debe tener Editor o superior en la propiedad de Analytics y Owner en el proyecto Cloud, o los permisos mínimos de proyecto/IAM y Service Usage que Google detalla para crear el vínculo. Ser Editor en GA4, por sí solo, no basta. Requisitos de permisos (Google Analytics).
2. Preparar el proyecto. Decide si usarás facturación o el BigQuery sandbox: este último tiene límites y no admite export intradía. Revisa los permisos del proyecto y la política de tu organización antes de elegir la región. Preparar el proyecto (Google Analytics).
3. Vincular la propiedad. En GA4 entra a Administrar → Vínculos de productos → Vínculos de BigQuery → Vincular. Selecciona el proyecto y la ubicación de los datos; si ya existe un dataset para esa propiedad, no podrás cambiar la ubicación en este paso. Configura los flujos y eventos a incluir o excluir, elige Diario, Streaming o ambos (y Fresh daily si corresponde a 360), revisa y envía. La vinculación crea una identidad de recurso integrada: comprueba en IAM del proyecto que tenga el rol BigQuery User. Los vínculos antiguos pueden seguir usando la cuenta de servicio heredada. Pasos e identidad del vínculo (Google Analytics).

Dos advertencias: el export está sujeto a los límites de recolección y configuración de GA4, y no recupera el historial anterior al vínculo. Si se interrumpe por problemas de facturación, Google indica que no puede volver a exportar los datos de ese período. Conviene activarlo al inicio de la implementación y verificar que siga funcionando. Configuración y facturación (Google Analytics).

¿Export diario, streaming o fresh daily?

Google ofrece tres modalidades que pueden habilitarse de forma independiente entre sí.

El streaming es la vía habitual para superar el techo de 1 millón de eventos diarios del export diario en propiedades estándar, pero no es equivalente: al no tener SLO de completitud, puede tener huecos, y Google recomienda no apoyarse en él para datos de atribución de usuario.

El costo tampoco es cero. Google documenta un cargo adicional de BigQuery de USD 0,05 por gigabyte por usar streaming export, donde 1 gigabyte equivale aproximadamente a 600.000 eventos de Google Analytics, aunque ese número varía según el tamaño de cada evento. A eso se suman los costos habituales de almacenamiento y procesamiento en BigQuery.

Si vienes chocando de forma sostenida contra el límite del estándar, el análisis de fondo es otro: revisa la comparativa de GA4 vs Analytics 360 y resuelve el caso con el selector GA4 / Analytics 360.

¿Qué tablas se crean y qué esquema tienen?

• events_YYYYMMDD: el export diario completo de eventos. Es la tabla estable que deberías consultar para análisis.
• events_intraday_YYYYMMDD: tabla interna de staging que genera el streaming export con la actividad del día en curso. Se elimina cuando events_YYYYMMDD queda completa. Google recomienda expresamente consultar la tabla diaria y no la intradía cuando necesitas un dataset estable.

La tabla tiene columnas de nivel superior y campos anidados o repetibles; no existe una columna independiente para cada parámetro personalizado del evento. Los grupos principales incluyen:

Para consultar un parámetro específico dentro del arreglo event_params, necesitas extraerlo con UNNEST; no hace falta para consultar columnas de nivel superior como event_name. Esquema del export (Google Analytics).

Pasa de explorar reportes a responder preguntas con tus datos

Te ayudamos a definir qué conviene exportar, cómo conectar GA4 con tu stack y qué decisiones habilita BigQuery en tu caso.

• 1

  Diagnóstico gratuito de tu stack GMP

  Un especialista revisa tu implementación actual (GA4, GTM, DV360, Ads) y te dice qué priorizar primero.

• 2

  Plan de acción a medida

  Sales de la llamada con next steps concretos para tu cuenta, no con una plantilla genérica.

• 3

  Sin compromiso, sin venta forzada

  Hablas con un especialista técnico, no con un vendedor. Si no encajamos, te lo decimos.

GMP Sales Partner · Implementamos GMP end-to-end · Equipo LatAm

Respuesta a la brevedad

Planificar mi exportación a BigQuery

Completa el form y coordinamos una asesoría sobre tu caso.

Cargando el formulario seguro de HubSpot…

Este formulario lo provee HubSpot y los datos que envíes se procesan allí. Consulta nuestra política de privacidad .

Sin compromiso · Google Marketing Platform Sales Partner

¿Cómo comprobar la primera tabla sin disparar el costo?

Primero confirma en Administrar → Vínculos de BigQuery que el proyecto vinculado es el esperado. En BigQuery Explorer, abre el dataset de esa propiedad en ese proyecto y busca events_YYYYMMDD. Google indica que los datos deben comenzar a llegar dentro de las 24 horas del vínculo; si activaste el export diario, la tabla corresponde al día anterior y suele llegar durante la tarde según la zona horaria de la propiedad. No interpretes la ausencia de una tabla diaria del día actual como fallo. Cuándo empiezan a aparecer datos (Google Analytics).

Cuando veas una tabla diaria, cambia mi-proyecto.mi_dataset por el proyecto y dataset reales, y el literal '20260928' por la fecha YYYYMMDD de una tabla que ya exista. La siguiente consulta cuenta filas de eventos de esa fecha, no sesiones ni usuarios, y evita incluir las tablas intradía:

SELECT event_name, COUNT(*) AS eventos
FROM `mi-proyecto.mi_dataset.events_*`
WHERE _TABLE_SUFFIX = '20260928'
GROUP BY event_name
ORDER BY eventos DESC;

En tablas comodín, un filtro de _TABLE_SUFFIX con literal constante limita las tablas leídas; para varios días, usa por ejemplo _TABLE_SUFFIX BETWEEN '20260926' AND '20260928' sólo si necesitas ese rango. Antes de ejecutar, revisa la estimación de bytes del validador de consultas y, en la configuración de la consulta, fija maximum bytes billed si usas precios bajo demanda: BigQuery rechazará la consulta si su estimación supera ese tope. LIMIT 10 limita las filas devueltas, no es un tope de costo para tablas no agrupadas. Tablas comodín y _TABLE_SUFFIX (Google Cloud) · Estimación y maximum bytes billed (Google Cloud).

Si tu objetivo era descargar los resultados y no mantener un export continuo de GA4, ejecuta la consulta en BigQuery y usa Save results / Guardar resultados para bajar CSV o JSON desde la consola. Es otra operación: no activa el vínculo de Analytics. Los campos anidados o repetidos del esquema GA4 no se exportan directamente a CSV sin aplanarlos primero. Exportar resultados a un archivo (Google Cloud).

¿Para qué sirve realmente el export?

Tres casos de uso justifican el esfuerzo en la mayoría de las operaciones:

1. Unir el comportamiento web con el CRM. BigQuery permite importar datos externos y combinarlos con los de Analytics. Ahí es donde el dato de sesión deja de ser una métrica de vanidad: puedes medir qué campañas generan leads que efectivamente cierran, no solo leads. Ese mismo dataset es el insumo natural para alimentar tus Enhanced Conversions con valores reales de negocio.

2. Retención más allá de la interfaz. La retención de datos de eventos en la UI de GA4 tiene un tope; en BigQuery, los datos que exportaste quedan bajo tu control y tu política de almacenamiento.

3. Análisis que la interfaz no permite. Cohortes personalizadas, atribución propia, deduplicación entre fuentes, modelos de propensión. El export entrega el evento crudo, sin las agregaciones y ajustes que Analytics aplica en sus informes estándar, lo que explica que los números de BigQuery y los de la interfaz no siempre coincidan exactamente.

Errores frecuentes

• Activar el export tarde. No hay backfill: el historial previo a la vinculación no se recupera.
• Consultar events_intraday_ para reportes oficiales. Datos inestables, discrepancias garantizadas.
• Quedarse en el sandbox y esperar datos intradía. El sandbox no tiene importación intradía.
• No monitorear el límite de 1 millón de eventos. Si lo superas en el export diario, el export puede fallar; Google ofrece opciones de filtrado de datos para mantenerse por debajo.
• Ignorar el costo del streaming. A volúmenes altos, el cargo por gigabyte deja de ser marginal.
• Vínculo creado pero tablas ausentes tras la primera ventana de exportación. Comprueba que miras el proyecto, dataset y región correctos, que hay eventos en los flujos seleccionados y que la identidad del vínculo conserva el acceso IAM. Revisa también facturación, cuotas y políticas de organización: Google documenta que pueden impedir crear o poblar tablas. En estándar, los excesos sostenidos del límite diario pueden pausar el export y los días perdidos no se reprocesan. Causas de fallos y límites (Google Analytics).

Próximo paso

Si estás armando la base de datos que va a alimentar tus campañas, empieza por medir la calidad de la señal que estás capturando hoy con el Data Strength Score. Para centralizar la conexión de BigQuery con los destinos de activación de Google Ads de forma nativa —sin custom APIs—, revisa la guía de Data Manager. Si necesitas modelar el dataset y conectarlo a tu CRM, habla con un especialista de Leadaki.