EVE Milano Consulenza SEO
EVE Milano – agenzia di Consulenza SEO e PPC Certificata Google Ads dal 2010. Contattaci ora e studieremo una strategia di Search Marketing efficace per la tua azienda
Autore:
Data di pubblicazione:
Ultimo aggiornamento:
Tempo di lettura: 15 minuti
Commenti: 💬
Scopri i vantaggi dell’esportazione in blocco da GSC a BigQuery in 15 minuti o meno. Credo che valga la pena dedicare il tuo tempo come SEO ad imparare questo processo.
L’articolo discute i vantaggi dell’esportazione di dati in blocco da Google Search Console a BigQuery, evidenziando come ciò superi le limitazioni di altri metodi, permettendo una maggiore analisi dei dati, una migliore conservazione dei dati e un’elaborazione più efficiente delle query. Discussione ulteriore include dettagli tecnici sull’implementazione e suggerimenti per gli analisti SEO.
Google Search Console (GSC) è uno strumento prezioso per gli esperti SEO. Tuttavia, l’uso esclusivo dell’interfaccia presenta alcune limitazioni. In alternativa è necessario avere conoscenze specifiche o l’assistenza di uno sviluppatore per superare queste limitazioni, estraendo i dati direttamente dalle API.
Nel 2018, Google ha introdotto un connettore nativo tra GSC e quello che era Google Data Studio (ora Looker Studio). Questa integrazione permette di trasferire direttamente i dati da GSC a Looker Studio, per creare report e dashboard personalizzabili senza bisogno di connettori di terze parti o configurazioni API aggiuntive.
Nel febbraio 2023, la situazione è diventata più interessante. Google ha introdotto una funzione di esportazione massiva di dati automatizzata e integrata verso BigQuery, la soluzione di archiviazione dati di Google. Questa novità è significativa perché la maggior parte degli utenti continua a dipendere dall’interfaccia GSC per molte delle loro attività.
L’esportazione massiva di dati verso BigQuery è particolarmente utile per siti web di grandi dimensioni o analisi SEO che richiedono un set di dati completo. A differenza di altre opzioni di esportazione dati, non ci sono limiti sul numero di righe che possono essere esportate. Inoltre, BigQuery permette una conservazione illimitata dei dati, superando il limite di conservazione dei dati di 16 mesi di GSC, e fornendo una capacità reale di visualizzare le evoluzioni su più anni.
Ad esempio, se un sito web sperimenta fluttuazioni stagionali o eventi che causano picchi periodici di traffico, la possibilità di esaminare dati storici più estesi fornirà intuizioni preziose. La conservazione illimitata dei dati facilita anche la generazione di report personalizzati, il troubleshooting migliorato, e una maggiore adattabilità delle strategie SEO, mantenendo al contempo una prospettiva storica completa.
L’esportazione massiva di dati inizia a inviare dati quotidianamente a BigQuery solo dopo la sua configurazione, quindi non è possibile accedere ai dati precedenti a tale punto. È un sistema “da questo punto in poi”, il che significa che è necessario pianificare in anticipo se si desidera utilizzare dati storici in seguito. E anche pianificando in anticipo, le esportazioni di dati inizieranno fino a 48 ore dopo.
Durante l’esportazione massiva di dati, vengono create due tabelle principali: searchdata_site_impression e searchdata_url_impression. La prima aggrega i dati per proprietà, quindi se due pagine appaiono per la stessa query, conta come una sola impression. Il secondo fornisce dati aggregati per URL, offrendo una visione più dettagliata.
Un altro elemento importante è che si tratta di tabelle di dati partizionate. I dati in BigQuery sono organizzati in tabelle partizionate basate su date, con i dati di ogni giorno che ricevono un aggiornamento. Questo è cruciale da tenere a mente quando si formulano le query, soprattutto se si desidera mantenere efficienti le operazioni.
Originariamente, l’esportazione in blocco era ideata per siti con traffico diretto verso o proveniente da decine di migliaia di pagine o query. Al momento, oltre all’esportazione in blocco BigQuery, hai tre alternative:
Per esempio, supponiamo di avere una campagna SEO in corso e desideri analizzare la performance di diverse pagine del tuo sito. Con Looker Studio, potresti essere limitato, ma con l’esportazione in blocco in BigQuery (oppure con un furbo utilizzo delle API), potrai eseguire analisi più approfondite su un ampio volume di dati.
Come sottolineato da Daniel Waisberg nel video che segue, Search Advocate presso Google, l’esportazione in blocco rappresenta l’approccio più potente per accedere a un volume di dati più ampio, fornendo agli analisti SEO una risorsa inestimabile per comprendere e ottimizzare la performance del sito.
L’esportazione in blocco BigQuery abolisce i limiti sul numero di righe esportabili, rendendola una risorsa ineguagliabile per siti di grandi dimensioni o analisi SEO che necessitano di un dataset completo. Ad esempio, per analizzare l’efficacia di parole chiave specifiche nel tempo, l’accesso a un ampio volume di dati è indispensabile.
BigQuery offre una conservazione dei dati illimitata, superando il limite di 16 mesi di Google Search Console. Questo permette analisi storiche prolungate, visione di tendenze su più anni e generazione di report personalizzati. La conservazione illimitata dei dati è cruciale per:
Anche se BigQuery offre molti vantaggi, è importante considerare alcune avvertenze:
L’esportazione in blocco crea due tabelle principali:
I dati in BigQuery sono organizzati in tabelle partizionate per data. Ogni giorno i dati vengono aggiornati, e questo è cruciale da considerare quando si formulano le query, per mantenere efficienti le operazioni.
La natura quotidiana dell’aggiornamento dei dati influisce sull’analisi, rendendo essenziale comprendere come i dati sono organizzati e aggiornati in BigQuery.
La configurazione delle esportazioni collettive in BigQuery presenta numerosi vantaggi che potrebbero rivelarsi fondamentali per un’analisi dati più profonda ed efficace. Uno degli aspetti chiave è l’unione dei dati provenienti dalla Google Search Console (GSC) con altre fonti di dati. Portando i dati della GSC in un data warehouse come BigQuery, si apre la possibilità di combinare questi dati con altre origini, sia direttamente in BigQuery che nel proprio data warehouse. Un esempio pratico potrebbe essere l’unione dei dati di GSC e Google Analytics 4, che potrebbe fornire informazioni più approfondite sulle conversioni e sui comportamenti guidati dal traffico organico di Google.
Inoltre, BigQuery fornisce una piattaforma robusta per eseguire calcoli e operazioni complesse utilizzando il linguaggio SQL. Questo permette di interrogare i dati in modo flessibile, permettendo segmentazioni, filtraggi ed esecuzioni di formule personalizzate per affinare ulteriormente l’analisi. La capacità di eseguire operazioni complesse attraverso query SQL rende BigQuery una soluzione potente per analizzare grandi set di dati ed estrarre insight significativi.
Un altro vantaggio distintivo di BigQuery risiede nella gestione delle query anonime. A differenza di altri fornitori ETL che accedono ai dati tramite l’API, BigQuery ha un approccio diverso nella gestione delle query rese anonime. Invece di semplicemente omettere le righe, BigQuery aggrega tutte le metriche per le query anonimizzate per sito o URL al giorno. Questo aiuta gli analisti a ottenere somme complete di impressioni e clic quando si aggregano i dati, fornendo una vista più precisa e completa del traffico e delle interazioni degli utenti. In sintesi, l’aggregazione delle metriche per le query anonimizzate contribuisce a mantenere un’analisi dati precisa e informativa, nonostante le limitazioni imposte dall’anonimizzazione.
L’integrazione delle esportazioni collettive con BigQuery, pur essendo un’innovazione potente, porta con sé alcuni requisiti e limiti che possono rappresentare delle sfide per gli utenti, in particolar modo per coloro che provengono da un background prettamente SEO. Uno dei principali requisiti è l’espansione delle competenze oltre la sfera SEO. È essenziale acquisire una certa familiarità con la piattaforma Google Cloud, BigQuery e il linguaggio SQL, in aggiunta alla preesistente conoscenza della Google Search Console (GSC). L’avvio di un’esportazione di dati in blocco non solo implica l’esecuzione di attività in GSC, ma richiede anche una gestione attiva dentro l’ambiente Google Cloud.
BigQuery, essendo una piattaforma basata su SQL, necessita di competenze specifiche in tale linguaggio per poter accedere e sfruttare al massimo i dati a disposizione. Questo implica la necessità di eseguire query SQL o avere a disposizione risorse interne che possano gestire questa parte del processo. La padronanza di BigQuery e del suo funzionamento può richiedere tempo ed esperienza, e sebbene strumenti come Looker Studio offrano una manipolazione dei dati in stile SQL, potrebbero non fornire tutta la potenza e la flessibilità che SQL offre per analisi più complesse. Ad esempio, mentre Looker Studio potrebbe facilitare alcune operazioni, le analisi più avanzate o personalizzate potrebbero richiedere una conoscenza diretta del SQL.
Un’altra sfida è rappresentata dalla necessità di ulteriori elaborazioni dei dati API per ottenere risultati simili a quelli desiderati. Questo potrebbe richiedere l’implementazione di processi aggiuntivi per garantire che i dati siano pronti per l’analisi.
Inoltre, è importante considerare la differenza nel volume delle query anonimizzate tra la tabella searchdata_url_impression e la tabella searchdata_site_impression. Simile all’interfaccia GSC, alcune query per specifici URL in determinati paesi potrebbero essere così poco frequenti da poter potenzialmente identificare l’utente che effettua la ricerca. Di conseguenza, è probabile che si verifichi una maggiore porzione di query anonimizzate nella tabella searchdata_url_impression rispetto alla tabella searchdata_site_impression. Questo può influenzare la quantità e la qualità dei dati disponibili per l’analisi, ed è un aspetto cruciale da considerare quando si lavora con queste tabelle in BigQuery.
L’integrazione delle esportazioni collettive con BigQuery si paga e senza dati di fatturazione non è possibile collegare Search Console a BigQuery.
BigQuery struttura i suoi costi basandosi sulla quantità di dati archiviati in un progetto e sulle query eseguite su tali dati. La piattaforma prevede delle soglie specifiche, oltrepassate le quali si inizia a incorrere in costi che potrebbero manifestarsi su base mensile.
Con il passare del tempo, l’accumulo dei dati e l’esecuzione frequente di query potrebbero tradursi in costi crescenti. La natura e l’entità di questi costi dipendono largamente dalla quantità di dati esportati e dalle query eseguite per accedere e manipolare tali dati. Siti web con un elevato numero di pagine e query saranno probabilmente più onerosi sotto questo profilo, dato che generano una maggiore quantità di dati che necessitano di essere archiviati e analizzati.
Per esempio, supponendo che un sito web abbia milioni di pagine e generi un elevato volume di query organiche, la quantità di dati accumulati in BigQuery crescerebbe proporzionalmente, così come i costi associati. Inoltre, se le query sono eseguite frequentemente per analizzare questi dati, i costi delle operazioni di query si sommerebbero ai costi di archiviazione, potenzialmente incrementando ulteriormente le spese.
In questo scenario, è prudente considerare non solo i costi immediati, ma anche quelli potenziali a lungo termine associati all’archiviazione e all’analisi dei dati in BigQuery. Potrebbe essere utile monitorare attentamente l’uso delle risorse e valutare periodicamente le opzioni disponibili per ottimizzare la gestione dei dati e contenere i costi.
Il primo passaggio è creare un progetto in Google Cloud con BigQuery e fatturazione abilitata.
Accedi alla Consolle. In alto a sinistra, fai clic sul progetto in cui ti trovi attualmente (o Seleziona un progetto se non ne hai nessuno), si aprirà un popup.
Clicca su NUOVO PROGETTO e segui i passaggi. Fai attenzione quando scegli la regione perché dovrai scegliere la stessa quando imposti l’esportazione in blocco nell’SGC. Se desideri eseguire query su due set di dati come i dati GSC e GA4, devono trovarsi nella stessa regione. Entrambi i set di dati devono trovarsi esattamente nella stessa posizione.
Una volta creato il progetto, vai alla sezione Fatturazione. Usa la barra di ricerca in alto per trovarlo. Un consiglio prima di procedere: prenditi il tempo necessario per indagare se non hai già un account di fatturazione creato da qualcun altro in azienda.
Fatto ciò, puoi assegnare l’account di fatturazione al tuo progetto. Per impostare l’esportazione collettiva è necessario un account di fatturazione. Per farlo, segui le istruzioni fornite dalla documentazione di Google Cloud.
Quindi, devi andare alla sezione API e servizi (di nuovo, puoi utilizzare la barra di ricerca per trovarla). Cerca la API BigQuery. Abilitale per il progetto che hai creato.
Un altro passaggio: devi aggiungere un utente. Ciò consentirà a Google Search Console di scaricare i dati in BigQuery. Ecco la documentazione ufficiale per farlo.
Analizziamolo rapidamente:
Hai finito con Google Cloud!
Una volta completata la parte Google Cloud, dovrai attivare l’esportazione massiva dei dati sul tuo nuovo progetto Google Cloud direttamente nella Google Search Console.
Per fare ciò, vai nella sezione Impostazioni della proprietà da cui vuoi esportare i dati e clicca su Esportazione dati in blocco.
Incolla l’ID progetto cloud del progetto creato in precedenza. Puoi anche personalizzare il nome del set di dati che GSC creerà nel tuo progetto (è “searchconsole” per impostazione predefinita).
Infine, scegli la stessa posizione del set di dati scelta per il tuo progetto Google Cloud.
Una volta che tutto è pronto, fai clic su Continua . L’SGC ti farà sapere se questa configurazione iniziale è funzionante o meno. Il set di dati verrà creato anche nel tuo progetto.
Le esportazioni dei dati inizieranno fino a 48 ore dopo. Gli export sono giornalieri e comprendono i dati relativi al giorno del setup.
Tieni presente che l’SGC può incorrere in problemi di esportazione dei dati dopo questa configurazione iniziale, nel qual caso dovrebbe ritentare un’esportazione il giorno successivo.
Ti consiglio di interrogare i tuoi dati nei primi giorni per verificare se sono stati archiviati correttamente.
Monitorare lo stato dell’esportazione dei dati dalla Search Console è una pratica cruciale per assicurare la continuità e l’accuratezza dell’accesso ai dati. Accedendo alla sezione Impostazioni, è possibile visualizzare lo stato dell’ultimo tentativo di esportazione accanto all’opzione Esportazione collettiva dei dati. Cliccando su questa opzione, si apre una pagina dettagliata dove, in caso di problemi non temporanei durante l’esportazione, viene fornito un messaggio informativo, oltre a un elenco di possibili errori e correzioni suggerite.
È fondamentale affrontare prontamente qualsiasi problema, poiché la Search Console interromperà i tentativi di esportazione per una data specifica dopo circa una settimana di tentativi falliti, e l’esportazione collettiva verrà completamente interrotta dopo circa un mese di tentativi non riusciti. L’interfaccia fornisce una chiara indicazione dello stato dell’esportazione, permettendo di prendere misure correttive tempestive per assicurare una gestione dei dati efficiente e continua. Questa pratica proattiva contribuisce a mantenere un flusso di dati costante, favorendo analisi accurate e decisioni basate su dati solidi.
Puoi iniziare a eseguire query sui dati! Ecco alcune cose che puoi analizzare che non possono essere analizzate facilmente in un altro modo:
Esempio 1:
La query SQL fornita è progettata per estrarre dati dalla tabella searchconsole.searchdata_site_impression in BigQuery, filtrando per tipo di ricerca ‘WEB’, paese ‘ITA’, dispositivo ‘MOBILE’, e data degli ultimi 14 giorni. L’obiettivo è aggregare e organizzare dati relativi a query, dispositivo, impressioni, clic, tasso di clic (CTR) e posizione media per ogni combinazione di query e dispositivo. I risultati vengono raggruppati per query e dispositivo, ordinati in base al numero di clic in ordine crescente, e limitati ai primi 1000 record.
Esempio 2:
La query SQL fornita mira a estrarre e aggregare dati dalla tabella searchconsole.searchdata_url_impression in BigQuery, focalizzandosi sulle impressioni e i clic per ogni URL e tipo di ricerca negli ultimi 14 giorni. Raggruppa i risultati per URL e tipo di ricerca, ordinando in modo decrescente basato sul numero di impressioni. Infine, limita l’output ai primi 1000 record. Questa query permette di analizzare le performance di diversi URL e tipi di ricerca in termini di impressioni e clic in un periodo di tempo specifico.
Per maggiori informazioni sulle tabelle ed i campi, leggi la documentazione ufficiale. RTFM!
La funzionalità integrata di esportazione di dati in blocco da Google Search Console a BigQuery di Google offre una soluzione più solida per l’analisi dei dati nella SEO rispetto ai (pochi) dati forniti dalla UX di Google Search Console. Tuttavia, esistono limitazioni, come la necessità di sviluppare competenze in Google Cloud e SQL e i potenziali costi associati all’archiviazione e alle query BigQuery.
Mi chiamo Giovanni Sacheli, sono un consulente in Search Marketing (SEO e PPC) e lavoro nella mia agenzia Searcus Swiss Sagl. Co-autore del libro SEO Audit Avanzato, appassionato di analisi SEO tecniche e campagne con Google Ads. Dal 2010 condivido in questo blog guide SEO e nozioni tecniche per consulenti, webmaster e addetti ai lavori.
Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *
Sono interessato a
* Campo obbligatorio
Sacheli Giovanni Consulente SEO e PPC
Email: info(at)evemilano.com
La società titolare di questo sito web è Searcus Swiss Sagl
Sei interessato ad una consulenza per la gestione di campagne Google Ads? Mi chiamo Giovanni Sacheli e sono membro del programma di Certificazione Google Ads Partner per garantire ai miei clienti competenze e professionalità.
Una volta al mese presento Sistrix, lo strumento SEO dei professionisti. Il seminario dura dalle 10:00 alle 13:30. La partecipazione è gratuita. Per informazioni clicca qui.
Copyright © 2010 – 2023 EVE Milano Consulenza SEO Consulenza SEO by Searcus Swiss Sagl. Tutti i diritti riservati | Privacy | Sitemap
Iscriviti alla newsletter!
