Google BigQuery Kurulumu: GA4 Verilerini Bağlama Rehberi

GA4’ün standart raporlama arayüzü pek çok analiz için yeterlidir — ancak ciddi bir veri analizi yapmak istediğinizde sınırlarına çarpmak kaçınılmazdır. Örneklenmiş veriler, kısıtlı segmentasyon, 14 aylık veri saklama süresi ve satır bazlı ham veriye erişim yokluğu, büyüyen bir işletmenin karşılaştığı en yaygın tıkanma noktalarıdır. Pazarlama ekibi “geçen yılın aynı dönemine göre organik trafik nasıl değişti” sorusunu sorduğunda, GA4 arayüzü genellikle “veri saklama süresi doldu” mesajıyla karşılık verir.

Google BigQuery, GA4’ün bu sınırlarını ortadan kaldırır. Ham, örneklenmemiş, sınırsız saklama süreli verinizi SQL ile sorgulamanızı sağlar. Bu, sadece teknik bir yükseltme değil; veriye dayalı karar alma kültürünün altyapısal temelidir. GA4 arayüzünde on dakikada cevaplanamayan bir soru, BigQuery’de tek bir SQL sorgusuyla saniyeler içinde cevaplanabilir.

Bu rehber, Google BigQuery’i sıfırdan kurmanızı, GA4 ile bağlamanızı ve ilk anlamlı sorgularınızı yazmanızı adım adım anlatıyor. Ayrıca kurulum sonrası karşılaşacağınız maliyet, veri yönetişimi, KVKK ve yapay zeka destekli analiz konularını da ele alıyor. Eğer GA4 hesabınız henüz kurulu değilse, önce GA4 kurulumu rehberimizi tamamlamanız gerekiyor — BigQuery entegrasyonu, çalışan bir GA4 mülkü olmadan mümkün değil.

BigQuery Nedir ve Neden Kullanmalısınız?

Google BigQuery, Google Cloud Platform üzerinde çalışan tam yönetimli (serverless) bir veri ambarı hizmetidir. Petabyte ölçeğindeki verileri saniyeler içinde sorgular. Sunucu yönetimi, indeksleme, kapasite planlaması gibi geleneksel veritabanı yükümlülüklerinin hiçbiri kullanıcıya düşmez — sorguyu yazarsınız, Google altyapıyı ölçeklendirir.

Pazarlamacılar için BigQuery’nin faydaları:

• Ham GA4 verisi: Her olay, her oturum, her kullanıcı satır bazında. Örnekleme yok.
• Sınırsız saklama: GA4 arayüzü maksimum 14 ay gösteriyor; BigQuery’de veri yıllarca saklanır.
• Güçlü segmentasyon: SQL ile mümkün olan her koşulu birleştirip filtreleyebilirsiniz.
• Veri birleştirme: GA4 + CRM verisi + reklam harcama verisi tek sorguda.
• Ücretsiz başlangıç: Aylık 1 TB sorgu ve 10 GB depolama ücretsiz.
• Otomasyon zemini: Zamanlanmış sorgular, dashboard beslemeleri ve yapay zeka modelleri için tutarlı bir veri kaynağı.

GA4 Arayüzü ile BigQuery Karşılaştırması

Karar vermeden önce iki yaklaşımın nerede ayrıştığını görmek faydalı olur.

Hangi İşletmeler İçin Gerekli?

BigQuery her işletme için öncelik taşımaz. Aşağıdaki karar çerçevesi, kurulumun sizin için anlamlı olup olmadığını netleştirmenize yardımcı olur.

1. Aylık 50.000 oturumun üzerindeyseniz — GA4’ün örnekleme eşiği bu civarda devreye girmeye başlar; BigQuery örneklemesiz veriyle bu sorunu tamamen ortadan kaldırır.
2. 14 aydan eski veriye düzenli ihtiyaç duyuyorsanız — yıllık büyüme karşılaştırmaları, mevsimsellik analizleri veya uzun soluklu kampanya değerlendirmeleri yapıyorsanız.
3. Birden fazla veri kaynağını birleştirmeniz gerekiyorsa — CRM’deki müşteri verisi, reklam platformlarındaki harcama verisi ve GA4’teki davranış verisi aynı sorguda buluşmalı.
4. Özel bir dashboard veya raporlama ihtiyacınız varsa — GA4’ün standart raporları yönetim kuruluna sunulacak formatta değilse.
5. Veri bilimi veya makine öğrenmesi projeleriniz varsa — tahminleme modelleri, churn analizi, LTV hesaplama gibi ileri analizler ham veri gerektirir.

Eğer bu maddelerin hiçbirine “evet” demiyorsanız, GA4’ün standart arayüzü muhtemelen şimdilik yeterlidir. BigQuery kurulumunu erteleyip önce temel GA4 hedeflerinizi ve olay yapınızı sağlamlaştırmak daha doğru bir öncelik sırası olabilir.

Ön Koşullar

Başlamadan önce şunlara ihtiyacınız var:

1. Google hesabı (tercihen iş hesabı)
2. GA4 mülkü (Editor veya Administrator yetkisi)
3. Google Cloud Platform hesabı (kredi kartı gerekiyor — ilk 90 gün $300 kredi)

Kurulum Öncesi Kontrol Listesi

• GA4 mülkünde en az 30 günlük veri birikimi var
• Olay adlandırma yapınız (event naming) tutarlı ve dokümante edilmiş
• Hangi ekip üyesinin BigQuery projesine erişeceği belirlenmiş
• Faturalandırma sorumlusu ve bütçe onay süreci netleşmiş
• Dataset’in hangi coğrafi bölgede saklanacağına (data residency) karar verilmiş
• KVKK kapsamında veri işleme envanterine BigQuery’nin ekleneceği not edilmiş

Adım 1: Google Cloud Projesi Oluşturma

1.1 — Cloud Console’a Giriş

cloud.google.com/console adresine gidin ve Google hesabınızla giriş yapın.

1.2 — Yeni Proje Oluşturma

1. Üst menüde proje seçiciye tıklayın (başlangıçta “My First Project” yazar)
2. “New Project” düğmesine tıklayın
3. Proje adını girin: örneğin seo-analytics-2026
4. Organization seçin (varsa) veya boş bırakın
5. ”Create” düğmesine tıklayın

Proje oluşturulması 30–60 saniye sürer. Proje adını seçerken ileride başka mülkler veya markalar ekleyeceğinizi düşünüyorsanız, marka/departman bazlı bir isimlendirme kuralı (marka-analytics-yil gibi) belirlemeniz, ileride birden fazla proje arasında kaybolmanızı önler.

1.3 — Faturalandırma Hesabı Bağlama

BigQuery’i kullanabilmek için projeye faturalandırma hesabı bağlanmalıdır (ücretsiz katman için bile zorunlu).

1. Sol menüden Billing seçin
2. ”Link a Billing Account” tıklayın
3. Mevcut faturalandırma hesabınızı seçin veya yeni oluşturun

Not: Ücretsiz katman sınırları (1 TB/ay sorgu, 10 GB depolama) aşılmadığı sürece ücret kesilmez. Yine de bir bütçe uyarısı (budget alert) kurmanızı öneririz — Billing → Budgets & Alerts üzerinden aylık 5-10 dolarlık bir eşik belirleyip aşıldığında e-posta bildirimi almak, sürpriz faturaların önüne geçer.

Adım 2: BigQuery API’yi Etkinleştirme

1. Sol menüden APIs & Services → Library seçin
2. Arama kutusuna “BigQuery” yazın
3. BigQuery API sonucuna tıklayın
4. ”Enable” düğmesine tıklayın

Aktivasyon genellikle 1–2 dakika sürer.

Adım 3: BigQuery’e İlk Erişim

Sol menüden BigQuery seçin (veya console.cloud.google.com/bigquery adresine gidin).

BigQuery Studio arayüzü açılır. Sol panelde proje adınızın altında henüz dataset bulunmaz. Arayüzün üç ana bölgesi vardır: sol tarafta proje/dataset gezgini, ortada SQL editörü, sağ tarafta ise sorgu geçmişi ve iş (job) bilgileri. İlk kez giriş yapan kullanıcılar genellikle sağ üstteki “Untitled project” gibi ifadelerle karışıklık yaşar — bu, henüz sorgu kaydedilmediği için normaldir.

Adım 4: GA4-BigQuery Entegrasyonu Kurma

Bu adım en kritik adımdır: GA4’ün ham verilerini otomatik olarak BigQuery’e aktarmasını sağlar.

4.1 — GA4 Admin Paneline Gitme

1. analytics.google.com adresine gidin
2. İlgili GA4 mülkünü seçin
3. Sol altta “Admin” (çark ikonu) tıklayın

4.2 — BigQuery Link Oluşturma

1. Property sütununda “BigQuery Links” seçin
2. Sağ üstte “Link” düğmesine tıklayın

4.3 — Proje Seçimi

1. ”Choose a BigQuery project” tıklayın
2. Az önce oluşturduğunuz projeyi seçin (seo-analytics-2026)
3. “Confirm” tıklayın

4.4 — Dataset Konumu Seçimi

Verinizin saklanacağı coğrafi bölgeyi seçin. Türkiye’deki kullanıcılar için önerilen: europe-west1 (Belçika) veya europe-west3 (Frankfurt).

Önemli: Dataset konumu seçildikten sonra değiştirilemez. Yanlış bölge seçimi, verinin tamamının yeniden aktarılmasını gerektirir; bu yüzden bu adımı acele etmeden, KVKK ve veri yerelliği politikanızla uyumlu şekilde seçin.

4.5 — Dışa Aktarma Türü

İki seçenek:

• Daily (Günlük): Her gün önceki günün verisi aktarılır. Yeterli çoğu kullanım için.
• Streaming: Olaylar gerçek zamanlı aktarılır. Ek maliyet oluşturur; gerçek zamanlı analiz gerektiren durumlar için.

Başlangıç için Daily seçin. Streaming export, özellikle e-ticaret sitelerinde anlık stok/kampanya kararları alan büyük ekipler için değerlidir; ancak günlük 10.000 oturumun altındaki siteler için ek maliyeti nadiren karşılığını verir.

4.6 — Bağlantıyı Tamamlama

”Submit” tıklayın. GA4, BigQuery projenizde otomatik olarak bir dataset oluşturur.

Dataset adı formatı: analytics_XXXXXXXXX (XXXXXXXXX = GA4 mülk ID’si)

Adım 5: Dataset ve Tablo Yapısını Anlamak

Entegrasyon kurulduktan sonra BigQuery’de şu yapı oluşur:

Proje: seo-analytics-2026
  Dataset: analytics_123456789
    Tablo: events_YYYYMMDD (her gün için ayrı tablo)
    Tablo: events_intraday_YYYYMMDD (günlük aktarım için)
    View: events_* (tüm günleri birleştiren)

Temel Tablo Şeması

GA4 BigQuery tablosundaki başlıca alanlar:

Not: event_params nested (iç içe) bir RECORD alanıdır. Değerlere ulaşmak için UNNEST kullanılmalıdır. Bu, BigQuery’e yeni başlayanların en çok zorlandığı kavramdır — çünkü klasik ilişkisel veritabanlarında böyle bir yapı yoktur. event_params, her olayın kendine özgü ek bilgilerini (sayfa URL’si, buton metni, form adı gibi) anahtar-değer çiftleri halinde saklar; bu sayede GA4 tek bir tabloyla yüzlerce farklı olay türünü destekleyebilir.

Adım 6: İlk SQL Sorgularını Yazma

BigQuery Studio’da ”+ New Query” tıklayarak sorgu editörünü açın.

Sorgu 1: Günlük Sayfa Görüntülenme Sayısı

SELECT
  event_date,
  COUNT(*) AS page_views
FROM
  `seo-analytics-2026.analytics_123456789.events_*`
WHERE
  event_name = 'page_view'
  AND _TABLE_SUFFIX BETWEEN '20260101' AND '20260331'
GROUP BY
  event_date
ORDER BY
  event_date DESC;

Neler yapıyor: Son 3 aylık dönem için günlük sayfa görüntülenme sayısı.

Sorgu 2: Kaynak / Medium Bazlı Oturum Sayısı

SELECT
  (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'medium') AS medium,
  (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'source') AS source,
  COUNT(DISTINCT CONCAT(user_pseudo_id, (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id'))) AS sessions
FROM
  `seo-analytics-2026.analytics_123456789.events_*`
WHERE
  event_name = 'session_start'
  AND _TABLE_SUFFIX BETWEEN '20260101' AND '20260331'
GROUP BY
  medium, source
ORDER BY
  sessions DESC
LIMIT 20;

Sorgu 3: En Çok Görüntülenen Sayfalar

SELECT
  (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'page_location') AS page_url,
  COUNT(*) AS page_views,
  COUNT(DISTINCT user_pseudo_id) AS unique_visitors
FROM
  `seo-analytics-2026.analytics_123456789.events_*`
WHERE
  event_name = 'page_view'
  AND _TABLE_SUFFIX BETWEEN '20260101' AND '20260331'
GROUP BY
  page_url
ORDER BY
  page_views DESC
LIMIT 50;

Sorgu 4: Ülkeye Göre Kullanıcı Dağılımı

SELECT
  geo.country AS country,
  COUNT(DISTINCT user_pseudo_id) AS unique_users,
  COUNT(*) AS events
FROM
  `seo-analytics-2026.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20260101' AND '20260331'
GROUP BY
  country
ORDER BY
  unique_users DESC
LIMIT 30;

Sorgu 5: Dönüşüm (Form Gönderimi) Oranı

SELECT
  COUNT(DISTINCT CASE WHEN event_name = 'session_start' THEN user_pseudo_id END) AS sessions,
  COUNT(DISTINCT CASE WHEN event_name = 'form_submit' THEN user_pseudo_id END) AS form_submits,
  ROUND(
    COUNT(DISTINCT CASE WHEN event_name = 'form_submit' THEN user_pseudo_id END) * 100.0 /
    NULLIF(COUNT(DISTINCT CASE WHEN event_name = 'session_start' THEN user_pseudo_id END), 0),
  2) AS conversion_rate_pct
FROM
  `seo-analytics-2026.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX BETWEEN '20260101' AND '20260331';

Sorgu 6: Haftalık Kohort Bazlı Geri Dönüş Oranı

Kullanıcıların ilk ziyaretlerinden sonra kaçının tekrar geldiğini görmek, sadakat analizinin temelidir.

WITH first_visit AS (
  SELECT
    user_pseudo_id,
    MIN(PARSE_DATE('%Y%m%d', event_date)) AS first_seen
  FROM
    `seo-analytics-2026.analytics_123456789.events_*`
  WHERE
    event_name = 'session_start'
  GROUP BY
    user_pseudo_id
)
SELECT
  DATE_TRUNC(first_seen, WEEK) AS cohort_week,
  COUNT(DISTINCT user_pseudo_id) AS cohort_size
FROM
  first_visit
GROUP BY
  cohort_week
ORDER BY
  cohort_week DESC;

Bu sorgu, her haftaki yeni kullanıcı kohortunun büyüklüğünü verir; ileri düzeyde bu tabloyu tekrar ziyaret verisiyle birleştirerek gerçek bir kohort geri dönüş matrisi oluşturabilirsiniz.

Adım 7: Maliyeti Kontrol Altında Tutmak

BigQuery’de sorgular işledikleri veri miktarına göre ücretlendirilir ($6.25 / TB). Tasarruf yöntemleri:

7.1 — Tarih Filtresi Kullanın

_TABLE_SUFFIX BETWEEN 'YYYYMMDD' AND 'YYYYMMDD' koşulu, belirtilen tarih aralığı dışındaki günlerin tablolarını taramaz. Bu sadece maliyet değil hız da kazandırır.

7.2 — Partition ve SELECT *‘dan Kaçının

SELECT * tüm sütunları çeker — büyük tablolarda gereksiz veri taramasına yol açar. Sadece ihtiyacınız olan sütunları seçin.

7.3 — Sorgu Maliyetini Önceden Görme

Sorguyu yazmadan önce sağ üstteki maliyet tahmin göstergesi (MB/GB) aktif sorgunun işleyeceği veri miktarını gösterir. Çalıştırmadan önce kontrol edin.

7.4 — Scheduled Query Kullanın

Sürekli manuel sorgu yerine, günlük/haftalık zamanlanmış sorgular ile sonuçları ayrı bir tabloya yazın. Raporlama için bu tabloyu sorgulayın.

Maliyet Karar Tablosu

Bu rakamlar tipik senaryolara dayanan genel yönelimlerdir; kesin maliyetiniz sorgu sıklığınıza, tablo boyutunuza ve seçtiğiniz alanlara göre değişir. Gerçek maliyetinizi görmek için ilk ay boyunca Billing raporlarını haftalık takip etmenizi öneririz.

Adım 8: BigQuery Verilerini Looker Studio ile Görselleştirme

SQL sonuçları tablo formatında yeterli olabilir; ancak görsel raporlama için Looker Studio (ücretsiz) idealdir.

8.1 — Looker Studio Bağlantısı

1. lookerstudio.google.com adresine gidin
2. Yeni rapor oluşturun
3. ”Add Data” → “BigQuery” seçin
4. Projenizi, dataset’inizi ve tablo/view’i seçin
5. Veriniz Looker Studio’ya bağlandı

8.2 — Zamanlanmış Sorgu ile Özet Tablo

Ham GA4 tablosu çok büyük ve karmaşık; doğrudan Looker Studio’ya bağlamak yerine, günlük özet bir tablo oluşturup bunu bağlamak çok daha verimli.

-- Bu sorgu zamanlanmış (scheduled) olarak çalıştırılır
-- Sonuç: analytics_summary.daily_traffic tablosuna yazılır

SELECT
  event_date,
  geo.country,
  device.category,
  COUNT(DISTINCT user_pseudo_id) AS unique_users,
  COUNTIF(event_name = 'page_view') AS page_views,
  COUNTIF(event_name = 'session_start') AS sessions,
  COUNTIF(event_name = 'form_submit') AS conversions
FROM
  `seo-analytics-2026.analytics_123456789.events_*`
WHERE
  _TABLE_SUFFIX = FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
GROUP BY
  event_date, geo.country, device.category;

Bu yaklaşımın avantajı, Looker Studio’nun her açılışta milyonlarca satırlık ham tabloyu değil, birkaç bin satırlık özet tabloyu taramasıdır — hem sorgu maliyeti düşer hem de dashboard açılış hızı belirgin şekilde artar.

Adım 9: Zamanlanmış Sorgu (Scheduled Query) Oluşturma

1. BigQuery Studio’da sorgunuzu yazın
2. ”Schedule” → “Create new scheduled query” tıklayın
3. Sorgu adını ve çalışma sıklığını ayarlayın (örn: günlük 06:00)
4. Hedef dataset ve tablo belirleyin
5. Kaydedin

Artık sorgu her gün otomatik çalışır ve sonuçları belirttiğiniz tabloya yazar.

Veri Yönetişimi ve KVKK Boyutu

BigQuery’e aktarılan GA4 verisi, kişisel veri işleme kapsamına girebilir — özellikle user_id gibi tanımlanabilir alanlar kullanılıyorsa. Türkiye’de faaliyet gösteren işletmeler için şu noktalar dikkate alınmalıdır:

• Veri işleme envanteri: BigQuery’i, KVKK kapsamındaki veri işleme envanterinize (VERBİS’e bildirim gerekiyorsa) yeni bir işleme faaliyeti olarak eklemeniz gerekebilir.
• Veri saklama süresi politikası: GA4 arayüzünde 14 ay ile sınırlı olan veri, BigQuery’de süresiz saklanabilir. Bu, “amaçla sınırlılık” ve “gereklilik” ilkeleri açısından saklama süresi politikanızın BigQuery tarafını da kapsayacak şekilde güncellenmesini gerektirir.
• Erişim kontrolü: IAM rolleri üzerinden BigQuery projesine kimlerin erişebileceğini net şekilde sınırlandırın; “Owner” rolünü sadece gerçekten ihtiyaç duyan kişilere verin.
• Veri konumu: 4.4 adımında seçtiğiniz coğrafi bölge, verinin fiziksel olarak nerede saklandığını belirler; kurumsal veri yerelliği politikanız varsa bu seçim önceden hukuk/uyum ekibiyle teyit edilmelidir.
• Çerez rızası ile ilişki: BigQuery’e aktarılan veri, sitenizdeki çerez onay mekanizmasının GA4’e izin verdiği veri ile sınırlıdır; rıza vermeyen kullanıcıların verisi zaten GA4’e ulaşmaz.

Bu rehber genel bilgilendirme amaçlıdır ve hukuki danışmanlık yerine geçmez; kurumunuzun veri koruma sorumlusu veya hukuk danışmanınızla BigQuery entegrasyonunu değerlendirmeniz önerilir.

Yapay Zeka ile BigQuery Analizini Hızlandırmak

2026 itibarıyla BigQuery, Gemini destekli özellikler barındırıyor; bu özellikler SQL bilgisi sınırlı ekipler için giriş engelini önemli ölçüde düşürüyor.

• Doğal dilden SQL üretimi: BigQuery Studio içindeki yapay zeka destekli asistan, “geçen ay en çok trafik getiren üç kaynağı göster” gibi doğal dil istemlerinden SQL sorgusu taslağı üretebilir. Üretilen sorgu her zaman gözden geçirilmeli; özellikle event_params gibi nested alanlarda üretilen kod hatalı UNNEST mantığı içerebilir.
• Anomali açıklama: Trafikte ani bir düşüş veya artış tespit edildiğinde, yapay zeka destekli araçlar olası nedenleri (kampanya bitişi, teknik hata, mevsimsellik) özetleyebilir; ancak nihai teşhis için insan analizi hâlâ gereklidir.
• Otomatik özet raporlama: Zamanlanmış sorgu sonuçları, yapay zeka destekli metin özetleme araçlarıyla haftalık düz yazı raporlara dönüştürülebilir — yönetim kuruluna sunulacak raporlarda zaman tasarrufu sağlar.
• Sınır: Yapay zeka araçları veri kalitesi sorunlarını (yanlış olay adlandırma, çift sayım, bot trafiği) kendiliğinden tespit etmez; temel veri hijyeni hâlâ insan gözetimi gerektirir.

GA4 + BigQuery ile Yapılabilecek İleri Düzey Analizler

Temel kurulum tamamlandıktan sonra yapılabilecekler:

Cohort analizi: Kullanıcıların farklı zaman aralıklarında nasıl davrandığını izleme

Funnel analizi: Siteye giriş → ürün sayfası → form başlatma → form tamamlama adımlarını tam izleme

Attribution modeli: Son tıklama yerine, tüm temas noktalarını ağırlıklandıran custom attribution

LTV (Lifetime Value) hesaplama: Kullanıcı başına uzun vadeli değer analizi

Anomaly detection: Trafik veya dönüşümlerde beklenmedik değişiklikleri otomatik tespit

Churn tahmini: Belirli bir süre içinde geri dönmeyen kullanıcı segmentlerini önceden tahmin eden basit istatistiksel modeller

Kanal bazlı marjinal katkı analizi: Reklam harcaması verisiyle GA4 davranış verisini birleştirerek her kanalın gerçek katkısını ayrıştırma

Ekip İçinde Rol ve Sorumluluk Dağılımı

BigQuery kurulumunun teknik kısmı bir defalık bir iştir; asıl uzun vadeli değer, kurulumdan sonra kimin neyi sorguladığı, kimin maliyeti izlediği ve kimin veri kalitesini denetlediğiyle ilgilidir. Küçük bir ekipte bile aşağıdaki roller net şekilde tanımlanmalıdır:

Tek kişilik bir ekipte bu roller tek kişide toplanabilir; önemli olan her sorumluluğun bir sahibinin olması, aksi halde maliyet artışları veya veri kalitesi sorunları uzun süre fark edilmeden devam edebilir.

Kurulum Sonrası 30-60-90 Günlük Yol Haritası

• İlk 30 gün: Entegrasyonu kurun, veri birikmesini bekleyin, temel sorguları (Adım 6) test edin, faturalandırma uyarısını kurun.
• 31-60 gün arası: İlk özet tabloyu ve zamanlanmış sorguyu oluşturun, Looker Studio dashboard’unu yayına alın, ekip içi rol dağılımını netleştirin.
• 61-90 gün arası: İlk aylık maliyet raporunu değerlendirin, sorgu optimizasyonu yapın, KVKK veri işleme envanterini güncelleyin, ileri düzey analizlerden (kohort, funnel) birini pilot olarak deneyin.

Bu kademeli yaklaşım, kurulumu bir defalık teknik proje olmaktan çıkarıp, ekibin veri kültürüne kalıcı olarak yerleştirir.

Vaka Kurgusu: Orta Ölçekli Bir E-Ticaret Sitesinin BigQuery Geçişi

Aylık 180.000 oturum alan, çok kategorili bir e-ticaret sitesi hayal edelim. Pazarlama ekibi, GA4 arayüzünde “hangi ürün kategorisi, hangi trafik kaynağından geldiğinde daha yüksek sepete ekleme oranına sahip” sorusunu cevaplayamıyor; çünkü bu, arayüzün desteklediği segment kombinasyon sayısını aşıyor.

Uygulama: Ekip, bu rehberdeki adımları izleyerek BigQuery projesini kurar, GA4 mülkünü Daily export ile bağlar. İlk 30 gün ham veri biriktikten sonra, kategori × kaynak × sepete ekleme kesişimini veren özel bir SQL sorgusu yazılır. Sorgu, haftalık olarak zamanlanmış hale getirilir ve sonuçları analytics_summary.category_source_performance adlı özet tabloya yazılır. Bu tablo Looker Studio’ya bağlanarak pazarlama ekibinin her Pazartesi baktığı bir dashboard’a dönüştürülür.

Sonuç penceresi (temsilî, 90 gün): Ekip, belirli bir kategori için Meta reklamlarından gelen trafiğin sepete ekleme oranının, Google Ads trafiğine göre belirgin şekilde düşük kaldığını fark eder. Bu bulgu üzerine ilgili kategori için reklam kreatiflerini ve hedef kitle segmentini yeniden düzenler. Üç ay sonunda kategori bazlı dönüşüm oranında gözle görülür bir iyileşme raporlanır; ekip artık GA4 arayüzünün sınırlarını beklemeden, ihtiyaç duydukları her kesişimi kendi SQL sorgularıyla üretebilir hale gelir.

(Vaka temsilidir.)

Sık Yapılan Hatalar

1. Dataset konumunu düşünmeden seçmek. Konum seçimi kalıcıdır; yanlış bölge seçildiğinde tüm entegrasyonun sıfırdan kurulması gerekir. Karar öncesi veri yerelliği politikanızı kontrol edin.
2. Faturalandırma uyarısı kurmadan başlamak. Ücretsiz katman sınırları vardır ama aşıldığında otomatik bildirim almazsanız, ayın sonunda beklenmedik bir fatura ile karşılaşabilirsiniz.
3. SELECT * alışkanlığını BigQuery’e taşımak. Klasik veritabanı alışkanlığıyla tüm sütunları çekmek, sorgu maliyetini gereksiz yere katlar.
4. Tarih filtresi olmadan sorgu çalıştırmak. _TABLE_SUFFIX filtresi eksik bir sorgu, tüm geçmiş tabloları tarar; hem yavaş hem pahalıdır.
5. event_params yapısını anlamadan sorgu yazmaya çalışmak. UNNEST mantığı oturmadan yazılan sorgular ya hata verir ya da yanlış sonuç üretir.
6. IAM erişim rollerini gereğinden geniş vermek. Herkese “Owner” veya “Editor” yetkisi vermek, hem güvenlik hem KVKK açısından risk oluşturur.
7. Ham tabloyu doğrudan Looker Studio’ya bağlamak. Özet tablo oluşturmadan ham veriye bağlanmak, dashboard’ların yavaş açılmasına ve sorgu maliyetlerinin artmasına yol açar.
8. Streaming export’u gereksiz yere seçmek. Gerçek zamanlı veri ihtiyacı olmayan projelerde streaming, ek maliyet dışında bir fayda sağlamaz.
9. KVKK değerlendirmesini kurulumdan sonraya bırakmak. Veri işleme envanterine BigQuery’i eklemeyi unutmak, sonradan geriye dönük düzeltme yükü oluşturur.
10. Sorguları test etmeden zamanlanmış hale getirmek. Hatalı bir sorgu, her gün otomatik olarak yanlış veri üretmeye devam eder; scheduled query’ye almadan önce sonucu manuel doğrulayın.

Sonuç

Google BigQuery kurulumu görünürde teknik görünse de adımlar belirlidir ve bir kez kurulunca uzun süre sorunsuz çalışır. GA4’ün standart arayüzünün yetersiz kaldığı her durumda — örneklenmiş veri sorunu, uzun vadeli analiz, veri birleştirme — BigQuery kaçınılmaz hale gelir.

Başlangıç için ücretsiz katman yeterlidir. Hacminiz büyüdükçe maliyet artacak; ancak doğru sorgu optimizasyonuyla aylık $10–30 bütçeyle çoğu KOBİ düzeyinde analiz ihtiyacı karşılanabilir. Kurulumu tamamladıktan sonra en büyük değeri, ham veriye erişimden değil; bu veriyi düzenli olarak sorgulayan, özetleyen ve karar almaya dönüştüren bir alışkanlıktan elde edersiniz.

Kurulum veya sorgu optimizasyonu konusunda destek almak isterseniz, SEO analizi hizmetimiz kapsamında GA4-BigQuery entegrasyonunuzu birlikte değerlendirebiliriz.