Analitik & Veri · İleri

BigQuery + SQL: GA4 Raw Data Analizi ve İleri Veri Modelleme

Gonet'in BigQuery + SQL yetkinliği: GA4 raw export analizi, custom funnel modelleme, churn prediction, milyonlarca satır veriyi actionable insight'a dönüştürme.

← Analitik & Veri

BigQuery + SQL nedir?

BigQuery, Google Cloud’un sunduğu sunucusuz (serverless) veri ambarı servisidir. SQL (Structured Query Language) ile büyük veri setlerini hızla sorgulamanıza olanak tanır. Dijital pazarlama bağlamında BigQuery, Google Analytics 4 (GA4) raw data export’larını depolamak ve analiz etmek için kritik bir altyapıdır. GA4 arayüzünün sunmadığı granüler, kullanıcı düzeyinde analizler (custom funnel, cohort, churn modelleme, attribution) BigQuery + SQL ile gerçekleştirilir.

Gonet, 2019’dan bu yana BigQuery altyapısı kullanır. 220+ marka portföyünde günlük milyonlarca event satırını işler, SQL scriptleriyle custom metrikler üretir ve bu verileri Looker Studio, Google Sheets veya müşteri CRM’lerine entegre eder.

Neden kritik?

GA4 Arayüzü
Sampling
14 ay veri, örnekleme var
BigQuery + SQL
Tüm Veri
25+ ay, %100 granülarite
1 TB
Aylık ücretsiz
sorgu
PB+
Petabyte ölçek
analitik
Standart SQL
Sözdizimi
uyumluluğu
Streaming
Real-time
insert

GA4 raporlama arayüzü sampling (örnekleme) uygular, 14 aylık veri saklama sınırı vardır ve karmaşık kullanıcı yolculuklarını (multi-touch attribution, session stitching) doğrudan gösteremez. BigQuery raw export’u bu sınırları kaldırır:

  • Sampling yok: Tüm hit ve event verisine doğrudan erişim.
  • Sınırsız saklama: 25+ aylık veri saklar, yıllık trend analizi mümkün.
  • Kullanıcı düzeyinde veri: user_pseudo_id bazında tüm etkileşimleri birleştirme.
  • Custom metrikler: GA4 arayüzünde olmayan hesaplamaları (örn. ilk satın alma öncesi ortalama session sayısı, ürün görüntüleme → sepete ekleme conversion window) SQL ile tanımlama.
  • Churn ve cohort analizi: Aylık cohort retention, kullanıcı yaşam döngüsü değeri (LTV), churn riski skorlama.

E-ticaret, SaaS, abonelik modellerinde BigQuery + SQL, veri analistinden bağımsız hareket kabiliyeti sağlar. Gonet müşterileri, kampanya performansını yalnızca ‘tıklama’ veya ‘conversion’ ile değil, ‘ilk ziyaret → ilk satın alma arası median gün’, ‘ikinci satın alma olasılığı’, ‘ortalama sipariş değeri değişim trendi’ gibi metriklere dayalı optimize eder.

Gonet yaklaşımı

GONET BİGQUERY ALTYAPISI
1
Altyapı Kurulumu
GA4→BigQuery export, partitioned tables
2
Script Kütüphanesi
Funnel, cohort, attribution SQL sorguları
3
Custom Modelleme
Churn skoru, lead kalite, product affinity

Gonet BigQuery + SQL yetkinliği üç katmanda çalışır:

  1. Altyapı kurulumu: GA4 → BigQuery daily export entegrasyonu, dataset mimarisi (partitioned tables, event-level deduplication), data retention policy.
  2. Script kütüphanesi: Tekrar eden analizler için (funnel, cohort, attribution, device cross-session stitching) standartlaştırılmış SQL sorguları.
  3. Custom modelleme: Müşteri KPI’larına özel skorlamalar (örn. lead kalite skoru, churn probability, product affinity matrix).

Proje örnekleri:

  • Bir e-ticaret müşterisi için 18 aylık GA4 raw data üzerinden ‘ilk satın alma öncesi kaç kez sepete ekleme yapıldığı’ metriği; kampanya strateji değişikliğine yol açtı.
  • SaaS müşterisi için aylık cohort retention tablosu: BigQuery’den Looker Studio’ya scheduled query, haftalık otomatik rapor.
  • B2B kurumsal site için event sequence analizi: ‘contact form’ conversion path’lerinde kritik adımları tespit, CRO önceliklendirmesi.

Gonet SQL scriptleri, Google Apps Script ve Cloud Functions ile entegre edilir — örneğin her sabah güncel churn skoru Google Sheets’e yazılır, müşteri ekibi CRM’de proaktif aksiyonlar alır.

Hangi durumlarda kritik avantaj?

DurumEtki
E-ticaret veya SaaS, 100K+ aylık oturumGA4 arayüzü sampling yapar, BigQuery ile tüm veri analiz edilir; %10+ doğruluk artışı
Karmaşık conversion funnel (8+ adım)Her adımda drop-off detayı, kullanıcı segment bazında davranış analizi; funnel optimizasyon ROI 3-5x
Multi-touch attribution gereksinimiLast-click yerine position-based, time-decay custom model; bütçe dağılımı 15-20% daha verimli
Churn prediction ihtiyacıKullanıcı yaşam döngüsü skoru; proaktif retention kampanyaları, LTV artışı %12-18
Uzun satın alma döngüsü (3+ ay)Session stitching, cross-device kullanıcı birleştirme; gerçek conversion path görünümü
Düzenli cohort, retention raporlamaScheduled query → Looker Studio; haftalık dashboard, manuel export yok

BigQuery + SQL, veri hacmi veya karmaşıklık arttıkça ‘nice-to-have’dan ‘zorunlu altyapı’ya dönüşür. Gonet müşterilerinin %40’ı ilk yıl GA4 arayüzü kullanır, ikinci yıl BigQuery’ye geçiş yapar.

İlgili yetkinlikler

Gonet ile çalışmak

Gonet, 26 yıllık deneyimle BigQuery + SQL altyapınızı kurar, custom query kütüphanenizi oluşturur ve ekibinize SQL training sunar. İlk 3 ayda temel raporlar otomasyona geçer, 6. ayda custom model pipeline’ları devreye alınır. BigQuery projesi başlatmak veya mevcut yapınızı optimize etmek için iletişime geçin.

İşine yarayan bir yazı mıydı?

Sık sorulan sorular

Her başlığa tıkla — bir cevap açıkken diğeri otomatik kapanır.

BigQuery kullanmak için GA4 Premium (360) gerekli mi?
Hayır. Standart GA4 (ücretsiz) de BigQuery export özelliğini sunar. 1 milyon event/gün'e kadar ücretsiz export yapabilirsiniz. BigQuery'nin kendi depolama ve sorgu maliyetleri vardır (ilk 1TB sorgu/ay ücretsiz, depolama ~$20/TB/ay). Gonet müşterilerinin çoğunluğu standart GA4 + BigQuery kombinasyonu kullanır; aylık BigQuery maliyeti genellikle $50-200 arasında kalır. Premium'a gerek yok, fakat büyük e-ticaret siteleri (10M+ event/gün) için BigQuery maliyeti artabilir.
SQL bilmiyorum, BigQuery bana ne katar?
Gonet BigQuery projesinde hazır SQL script kütüphanesi sunar: funnel analizi, cohort retention, top landing page, campaign performance detayı vb. Bu scriptler Looker Studio veya Google Sheets'e scheduled query olarak bağlanır — her sabah otomatik güncellenir, siz sadece dashboard açarsınız. SQL öğrenmek isteyen ekiplere 1 günlük training veririz; temel sorguları (SELECT, WHERE, GROUP BY, JOIN) 3-4 hafta içinde yazabilir hale gelirsiniz. BigQuery'nin asıl katkısı 'veri analisti olmadan derinlemesine analiz' yapabilmenizdir.
GA4 raw data'yı BigQuery'de ne kadar süre saklayabilirim?
Süre sınırı yoktur, fakat depolama maliyeti vardır. Partitioned table kullanırsanız (Gonet standart yapısı), eski partitionları silmek kolay. Tipik kullanım: 25-36 ay saklama. Örneğin 2 yıllık veri saklayan bir e-ticaret sitesi (ortalama 500MB/gün raw export), ~365GB = ~$7/ay depolama maliyeti öder. Gonet, projenin başında retention policy belirler: örneğin event-level data 24 ay, aggregated summary table (günlük/haftalık rollup) 5 yıl saklanır. Böylece uzun vadeli trend analizi yaparken maliyeti kontrol edersiniz.
BigQuery sorgusu çok yavaş, nasıl optimize edilir?
BigQuery sorgu hızı, taranacak veri miktarına bağlıdır. Gonet optimizasyon stratejisi: (1) Partitioned table kullan — tarih bazında partition, WHERE _TABLE_SUFFIX ile yalnızca ilgili günleri tara. (2) SELECT * yerine yalnızca gerekli kolonları seç. (3) Sık kullanılan aggregation'ları materialized view veya scheduled query ile pre-compute et. Örneğin günlük cohort hesabı her seferinde 2 yıllık raw data'dan yapılmaz; scheduled query günlük cohort tablosunu günceller (saniyeler sürer), siz o tabloyu sorgularsınız. Gonet projelerinde ortalama sorgu süresi <5 saniye, büyük cohort analizleri <20 saniye.
BigQuery + SQL ile churn modelleme nasıl yapılır?
Churn modelleme iki aşamalı: (1) Kullanıcı feature'larını hesapla (son 30 gün session sayısı, ortalama session süresi, satın alma sıklığı, ürün kategori dağılımı vb.) — SQL ile GROUP BY user_pseudo_id. (2) Bu feature'ları BigQuery ML (BQML) veya harici ML aracına (Python, AutoML) aktar. Basit yaklaşım: 'son 60 günde 0 session' olan kullanıcıları 'churned' label et, önceki 90 gün feature'larına göre logistic regression model eğit. Gonet, BQML ile BigQuery içinde model eğitir, prediction scheduled query olarak her hafta çalışır, sonuçları CRM'e (Salesforce, HubSpot) veya Google Ads audience'ına aktarır. Müşteri proaktif 'win-back' kampanyası çalıştırır, churn oranı %15-25 düşer.

Analitik & Veri altındaki diğer yetkinlikler

Bu kategoride toplam 6 yetkinlik.

← Analitik & Veri ana sayfasına dön

Künye, kaynakça ve şeffaflık

Bu sayfanın nasıl üretildiği, hangi kaynaklara dayandığı ve editöryel denetimi.

AI üretimi & insan onayı

Bu sayfanın taslağı Gonet AEO Engine tarafından Anthropic Claude Sonnet modeliyle üretilmiştir. Yayın öncesi Gonet editöryel ekibi tarafından (a) gerçeklik kontrolü, (b) kaynak güvenilirliği, (c) marka tutarlılığı, (d) Türkçe dil bütünlüğü açısından incelenir.

Yazar
Gonet AEO Editör (AI destekli)
Editör onayı
Bekliyor
İlk yayın
2026-06-07
Son güncelleme
2026-06-07

Kaynakça

Bu sayfa Gonet'in 26 yıllık dijital pazarlama operasyon deneyimi, ekibimizin Schema.org / GEO 2024 (Aggarwal et al., KDD) / Common Crawl rehberi / Google Search Central dokümantasyonu / Anthropic & OpenAI resmi blog'ları başta olmak üzere endüstri standardı kaynaklara dayanır. Sayfaya özgü kaynakça bir sonraki editöryel revizyonda eklenecektir. Spesifik referans talebi için: [email protected]

Uyumluluk

  • · EU AI Act Article 50 — AI üretimi içerik şeffaflığı
  • · FTC AI Disclosure Guidelines (US)
  • · KVKK + Tüketicinin Korunması Hk. Kanun (TR)
  • · Schema.org Article.author + dateModified markup

Hata gördünüz mü?

Bu sayfada hatalı veya güncellenmesi gereken bilgi olduğunu düşünüyorsanız bize bildirin. 48 saat içinde değerlendirip yanıtlarız.

Değişiklik geçmişi

  1. 2026-06-08 Zenginleştirme

    4-KPI stat-grid (KPI panosu) eklendi

  2. 2026-06-07 Zenginleştirme

    Kreatif viz eklendi (compare, process)

  3. 2026-06-06 İlk yayın

    İlk yayın

3 kayıt · İçerik son 2026-06-07 tarihinde güncellendi

© 2026 Pigme Proje ve İş Geliştirme Merkezi Yazılım A.Ş. — Gonet markası altında yayımlanmaktadır. İçerik atıfla paylaşılabilir; ticari yeniden kullanım için izin alınmalıdır.

Markanız için bu yetkinliği konuşalım

26 yıllık ajans deneyimi ve 220+ marka portföyü ile bigquery + sql: ga4 raw data analizi ve i̇leri veri modelleme disiplinini markanıza nasıl uygulayacağımızı bir görüşmede netleştirelim.

İletişime geç →