Jak efektywnie badać dane SEO w BigQuery?

Efektywnie badanie danych SEO w BigQuery powinno opierać się na agregowaniu danych Google Search Console i Google Analytics w odniesieniu do potrzeb i specyfiki badanego biznesu. Odpowiednia wizualizacja danych pozwoli z kolei na podejmowanie decyzji na podstawie pełnych informacji, dzięki czemu obrana strategia będzie miała większe szanse na powodzenie, ze względu na wykonany pogłębiony research.

Stosunkowo niedawno Google udostępnił eksport danych z poziomu Google Search Console do BigQuery, a dodatkowo wobec wygaszania usługi Universal Analytics, większą uwagę powinniśmy skupić na danych dostępnych w Google Analytics 4. Jednak dlaczego jest to tak ważne dla specjalistów SEO i właścicieli biznesów?

Google Search Console

Obecnie w Google Search Console dane są próbkowane. Dotyczy to zarówno informacji zawartych w sekcji „Skuteczność” (wartości kliknięć, wyświetleń, CTR oraz średniej pozycji dla poszczególnych fraz i stron), jak również w Raporcie „Stan” (ostrzeżenia i błędy dotyczące strony zauważone przez Google). Prowadzi to do sytuacji, gdy posiadając stronę z 1000+ podstronami, widzimy jedynie błędy dla wspomnianych próbkowanych 1000 adresów.

Przykład: widok raportu Stan w Google Search Console z ponad 421 tys. problematycznych adresów

Najlepsze agencje SEO AI w Polsce 2026. Ranking specjalizacji w widoczności marek w modelach językowych

Jednocześnie wśród przykładów problematycznych adresów widoczne jest jedynie 1000.

Choć wspomniane przykłady dają pewien pogląd na skalę problemu, pełna weryfikacja wymagałaby dodatkowego sprawdzenia np. logów serwera, aby zlokalizować wszystkie błędne adresy.

O ile wskazane powyżej przykłady problematycznych adresów pokazują pewną skalę błędów wymagających poprawy i na podstawie weryfikacji w dodatkowych narzędziach z powodzeniem można podjąć działania, o tyle próbkowane dane wyświetleń czy kliknięć dla fraz znacząco ograniczają pole do podejmowania decyzji strategicznych wobec serwisu.

Dane w raporcie „Skuteczność” są próbkowane, wobec czego przeglądając zebrane informacje, nie widzimy wszystkich fraz, na które wystąpiły wyświetlenia/kliknięcia. Eksport danych z Google Search Console do BigQuery pozwala na codzienny podgląd szerszego zestawienia wyników gromadzonych przez Google na temat danej strony. Tym samym, daje to pełniejszy obraz sytuacji witryny. Wyjątkiem są natomiast frazy zanonimizowane (zanonimizowane dane według Google to frazy wpisywane jedynie przez kilku użytkowników)**.

Google Analytics

Oprócz eksportu danych Google Search Console zdecydowanie warto rozważyć eksport danych z Google Analytics 4 do BigQuery, co przełoży się na uzyskanie kompletu danych dotyczących ruchu na stronie. Należy jednak rozsądnie podejść do wspomnianego eksportu ze względu na konkretne progi kwotowe zależnie od ilości danych.

Z kolei migracja danych historycznych z Google Analytics 3 do BigQuery pozwoli na zachowanie ciągłości w weryfikacji danych po przejściu z GA3 na GA4. Wynika to z faktu, iż dane z GA3 nie są przenoszone wraz z migracją na GA3, tym samym wsteczne analizowanie danych nie będzie w pełni możliwe.

Biorąc pod uwagę fakt próbkowania danych w Google Search Console oraz dostępu do danych historycznych z Google Analytics 3 w BigQuery, zalety eksportu nie wymagają dodatkowego wylistowania – wystarczy wspomnieć, iż zarówno specjaliści SEO, jak i właściciele biznesów, będą mieli pełniejszy niż kiedykolwiek dostęp do wyników, które osiąga strona. Jak więc efektywnie pracować z danymi, które wyeksportujemy do BigQuery i jak wykorzystać je w SEO?

Bezsprzecznie jednym z najwygodniejszych rozwiązań do analizowania eksportowanych danych będzie Looker Studio. Należy jednak mieć na uwadze limity narzucone wobec eksportu wyników z Google Analytics 4 do Looker Studio. Stawia to wobec tego zarówno managerów, jak i specjalistów przed decyzją, jakie dane powinny być agregowane w BigQuery.

Poniżej proponowana lista mierzonych danych z Google Analytics 4, która będzie przydatna względem SEO:

• dane ze wszystkich kanałów ruchu (zarówno Organic, jak i PPC oraz Direct itp.);
• użytkownicy (nowi i powracający);
• sesje;
• czynniki behawioralne;
• ustalone cele konwersji – w przypadku e-commerce oczywiście transakcje, natomiast wobec stron B2B i B2C obrane eventy np. przejścia do formularza itp.;
• ilość dokonanych transakcji/obranych eventów;
• przychód;
• monitorowanie konwersji wspomaganych;
• ścieżki konwersji;
• kampanie płatne (szczególnie przydane w weryfikacji ich wpływu na wyniki Google Organic).

Dodatkowo z Google Search Console klasycznie warto eksportować poniższe dane:

• wyświetlenia;
• kliknięcia;
• CTR;
• średnia pozycja.

Oczywiście sam eksport powyżej zaproponowanych danych stanowi jedynie początek ich analizy przydatnej do SEO. Kolejnym krokiem będzie odpowiednia konfiguracja raportu, aby agregować w nim np. w formie tabeli dane dotyczące zarówno ruchu z Google Search Console, jak i z Google Analytics. Agregowanymi danymi mogą być np.:

• URL
• Fraza
• Sesje
• Wyświetlenia
• Kliknięcia
• CTR
• Średnia Pozycja
• Konwersje
• Przychód

Dzięki wskazanemu powyżej agregowaniu danych osoba wykonująca analizę będzie w stanie pogrupować zarówno podstrony, jak i frazy, z największymi wzrostami/spadkami, a tym samym podjąć odpowiednią decyzję względem następnych działań. Warto również użyć odniesień do zmian Y2Y i M2M, aby weryfikować potencjalne wzrosty/spadki i trend dla danej podstrony/frazy,

Pełne spektrum informacji zawartych w Google Search Console i Google Analytics pozwoli na pogłębioną analizę, niemal bez konieczności wykorzystywania dodatkowych narzędzi, aby finalnie opracować długo- i krótkofalową strategię dla poszczególnych LP. Co istotne, wspomniana analiza ma bezpośrednie odniesienie do efektów, jak działania SEO mogą przełożyć się na wyniki sprzedażowe.

Przykładowo – analiza wskazała, iż jedna z podstron pomimo osiągania wysokiej pozycji, ma bardzo niski CTR, a co za tym idzie mały odsetek sesji i tym samym konwersji i przychodu. Wspomniana podstrona jest wobec tego doskonałym polem do optymalizacji, np. za sprawą uatrakcyjnienia wyników organicznych czy poprawy meta danych, aby zachęcić użytkowników do kliknięcia. Dalsze kroki SEO powinny obejmować oczywiście również analizę behawioralną oraz kontrolną weryfikacją treści, jednak przy stosunkowo niskim nakładzie pracy, efekt może być wysoce satysfakcjonujący.

Reasumując, najlepszych sposobem na badanie danych przydatnych w SEO będzie agregowanie informacji z Google Search Console i Google Analytics w BigQuery. Kolejnym krokiem, zależnie od potrzeb, będzie ich odpowiednia wizualizacja oraz ich blendowanie, aby finalnie podejmować decyzje biznesowe i SEO na podstawie pełen pakiet informacji.

 

* searchengineland.com/google-search-console-adds-daily-bulk-data-exports-to-bigquery-393380
* aofirs.org/articles/google-search-console-query-reports-now-removes-anonymous-query-data-for-privacy-reasons