Looker Studio to zaawansowane narzędzie analityczne od Google, które umożliwia tworzenie interaktywnych i wizualnie atrakcyjnych raportów. Dzięki możliwości integracji z różnorodnymi źródłami danych, takimi jak Google Analytics, Search Console, BigQuery czy Arkusze Google, pozwala na przedstawienie kluczowych informacji w spersonalizowany sposób. Jego największą zaletą jest interaktywność – użytkownicy raportów mogą dynamicznie filtrować dane, dostosowywać zakresy czasowe czy wybierać interesujące ich zestawy danych. Looker Studio sprawdza się zarówno w monitorowaniu działań i wyników SEO, kampanii Google Ads jak i w ogólnej analizie danych sprzedażowych.
Spis treści
Podejście do analizy danych w 2025 roku
W dynamicznie zmieniającej się branży marketingu internetowego, w 2025 roku Google Looker Studio ma szansę stać się jeszcze bardziej popularnym narzędziem. Dzięki integracji z BigQuery, pozwala na przetwarzanie i wizualizowanie ogromnych ilości danych. Co więcej, w erze sztucznej inteligencji, Looker Studio otwiera nowe możliwości analizy, umożliwiając monitorowanie ruchu botów AI na stronach internetowych. Połączenie tych i jeszcze większej ilości funkcji czyni Looker Studio niezastąpionym narzędziem dla analityków, specjalistów e-commerce i właścicieli stron internetowych.
Nie należy zapominać, że kluczową zaletą tego narzędzia jest elastyczność dostosowywania raportów do indywidualnych potrzeb użytkowników. Oprócz standardowych funkcji filtrowania danych, Looker Studio pozwala na bardziej zaawansowane działania, takie jak filtrowanie za pomocą wyrażeń regularnych czy tworzenie gotowych filtrów włącz/wyłącz. Dodatkowo użytkownicy mogą łączyć dane z różnych źródeł, takich jak Google Analytics, Search Console czy arkusze Google, stosując różne rodzaje połączeń (np. Left Outer Join, Inner Join), aby uzyskać kompleksowe zestawienia danych.
Tworzenie raportów dostosowanych do potrzeb użytkownika
Kluczowym elementem personalizacji raportu są elementy sterujące raportem, czyli różnorodne filtry, które zwiększają interaktywność raportów i umożliwiają dynamiczne zarządzanie danymi. Przykładowo, można skonfigurować raport tak, aby umożliwić filtrowanie danych według ruchu użytkowników z różnych krajów lub miast, pod warunkiem że dane demograficzne są dostępne w GA4 dla analizowanej witryny (w przypadku korzystania z danych demograficznych i innych szczegółowych informacji, należy mieć na uwadze stosowanie wartości progowych danych w GA4).
Raport przedstawiony powyżej jest doskonałym przykładem atrakcyjnej i interaktywnej analizy danych. Lewa część raportu zawiera mapę Europy z wizualizacją ruchu użytkowników z poszczególnych regionów.
Po kliknięciu przycisku z nazwą miasta, mapka automatycznie przedstawia nam wybraną lokalizację, a na wykresie słupkowym możemy zobaczyć całkowitą liczbę użytkowników pochodzących tylko z Krakowa (po najechaniu myszką na słupek raportu pojawi się dokładna wartość liczbowa).
Jak stworzyć taki raport? Aby to zrobić, musimy skorzystać z elementu sterującego “Gotowy filtr”.
Następnie skonfigurować odpowiednio pole elementu sterującego, poprzez dodanie pola obliczeniowego:
Definiujemy wartość logiczną Miasto = “Krakow” i wprowadzamy nazwę dla pola obliczeniowego, w tym wypadku będzie to Kraków.
Następnie łączymy przycisk z dowolnymi komponentami raportu (wykres, tabele), które zawierają dane z tego samego źródła (Google Analytics 4) poprzez grupowanie:
Teraz wystarczy zaznaczyć komponenty, które chcemy połączyć, kliknąć prawym przyciskiem myszki na połączoną przestrzeń i wybrać “Grupa”. Gotowe!
Integracja z BigQuery
A teraz trochę o tym, dlaczego warto używać BigQuery w procesie raportowania danych np. z Google Search Console w Looker Studio. BigQuery umożliwia przetwarzanie dużych ilości danych w czasie rzeczywistym, co jest szczególnie przydatne w przypadku stron generujących bardzo duży ruch. Ograniczenia Google Search Console, które przechowuje dane tylko z ostatnich 16 miesięcy, nie pozwalają na długoterminowe analizy. Natomiast dane przesyłane do BigQuery mogą być przechowywane bez ograniczeń czasowych, co otwiera drogę do analiz wieloletnich wyników.
Pierwszym krokiem jest skonfigurowanie projektu w Google Cloud Console. Po zalogowaniu się na konto należy utworzyć nowy projekt, nadając mu nazwę i wybierając lokalizację. Następnie należy włączyć niezbędne interfejsy API, takie jak BigQuery API oraz BigQuery Storage API. Identyfikator projektu, generowany automatycznie, będzie potrzebny w dalszym etapie eksportu danych. W Gogole Search Console należy skonfigurować zbiorczy eksport danych, wypełniając wymagane pola, takie jak identyfikator projektu i lokalizacja danych. Eksport danych rozpocznie się w ciągu 48 godzin.
Podczas eksportu danych, w BigQuery zostaną utworzone tabele zawierające szczegółowe dane, takie jak zapytania użytkowników, wyświetlenia, kliknięcia, kraje czy urządzenia.
Połączenie Looker Studio i BigQuery jest bardzo proste. BQ znajduje się na podstawowej liście konektorów od Google:
Po podłączeniu BigQuery jako źródła danych możemy skonfigurować różne typy wizualizacji, takie jak wykresy, tabele czy przeglądy statystyk, ciesząc się dostępem do pełnej historii danych bez ograniczeń czasowych (w przeciwieństwie do 16-miesięcznego limitu w Search Console).
Co więcej, wiedza dotycząca korzystania z BigQuery bardzo się przyda ponieważ jest to przyszłość w kontekście analizowania dużych zbiorów danych. Zdolność narzędzia do przetwarzania ogromnych ilości informacji w czasie rzeczywistym czyni go niezastąpionym w dobie rosnącego zapotrzebowania na zaawansowane analizy.
Raportowanie ruchu z AI
Looker Studio pozwala na raportowanie różnorodnych źródeł ruchu, w tym także rosnącego ruchu generowanego przez narzędzia oparte na sztucznej inteligencji (AI). Przykład przedstawiony na poniższym screenie pokazuje, jak tego typu raporty mogą wyglądać:
Raport prezentuje dane o sesjach pochodzących z różnych modeli AI na przestrzeni ostatnich miesięcy. Na wykresie słupkowym możemy zauważyć dynamiczny wzrost ruchu od czerwca 2024 do stycznia 2025 roku, co świadczy o rosnącym znaczeniu narzędzi AI w generowaniu ruchu na stronach internetowych.
Tabela szczegółowo opisuje źródła ruchu i modele językowe, takie jak ChatGPT, Microsoft Copilot, czy Perplexity, wskazując ich udział w sesjach użytkowników. Dane te są wzbogacone o procentowy udział każdego modelu, co umożliwia szybką identyfikację dominujących źródeł – w tym przypadku ChatGPT, który w tym przykładzie generuje 66% sesji z AI.
Dodatkowo, za pomocą wykresu kołowego zobrazowane zostały proporcje sesji między różnymi modelami, a poniżej zamieszczono jasne wyjaśnienie dwóch typów ruchu: referral (odesłania użytkownika np. z ChatGPT do strony internetowej) oraz not set (boty odwiedzające stronę). Na dole widoczne są liczniki sumujące liczbę sesji użytkowników i sesji botów.
Raport w Looker Studio umożliwia analizę ruchu z AI, jego źródeł i dynamiki wzrostu. Jest to coraz to bardziej istotna wiedza dla właścicieli stron internetowych, którzy chcą zrozumieć wpływ nowoczesnych technologii na ich witrynę.
Łączenie danych z różnych źródeł
Na koniec warto wspomnieć o tym, że Looker Studio daje nam możliwość łączenia dwóch lub więcej źródeł danych w jednej tabeli. Niekiedy analiza danych z jednego źródła okazuje się niewystarczająca, szczególnie gdy chcemy uzyskać pełniejszy obraz sytuacji poprzez połączenie informacji z różnych systemów. W Looker Studio istnieje możliwość integracji danych z różnych źródeł. W poniższym przykładzie będą to dane z Google Analytics i plik Microsoft Excel.
W Looker Studio dostępne są różne rodzaje łączeń danych. Left Outer Join zwraca wszystkie wiersze z tabeli po lewej stronie oraz tylko dopasowane dane z tabeli prawej, natomiast Right Outer Join działa odwrotnie. Inner Join pozwala wyświetlić tylko te wiersze, które mają dopasowanie w obu tabelach, co jest idealne do analiz spójnych danych. Full Outer Join łączy wszystkie dane z obu tabel, w tym te bez dopasowania. Z kolei Cross Join tworzy każdą możliwą kombinację wierszy z obu tabel.
Przykład zastosowania połączenia danych:
Załóżmy, że w tabeli Google Analytics mamy dane dotyczące miast z których pochodzą użytkownicy. Chcielibyśmy zestawić te dane z danymi dotyczącymi wielkości i populacji tych miast – takich danych oczywiście w GA4 nie znajdziemy. Natomiast możemy posiadać takie dane w pliku Excel.
Połączenie dwóch źródeł danych umożliwia stworzenie tabeli, w której możemy zobaczyć, z jakich miast pochodzą użytkownicy i posortować je pod względem wielkości lub populacji (dane możliwe do pobrania na stat.gov.pl). W takim przypadku musimy użyć Left Join.
Dzięki połączeniu tych dwóch źródeł mamy możliwość stworzenia takich prostych tabel:
Łączenie danych pozwala na bardziej zaawansowaną analizę i uzupełnianie braków w raportach, co znacząco zwiększa ich wartość. Dzięki tej funkcji Looker Studio dostarcza dokładniejszych i bardziej złożonych informacji.
Podsumowanie
Google Looker Studio staje się coraz to bardziej zaawansowanym narzędziem, które pozwala na tworzenie raportów w prostym i intuicyjnym panelu. Dzięki możliwości integracji z różnorodnymi źródłami, takimi jak Google Analytics, Search Console, BigQuery (i wieloma innymi) użytkownicy mogą tworzyć kompleksowe, interaktywne raporty, które spełniają ich indywidualne potrzeby.
Można śmiało rzec, że Looker Studio to narzędzie przyszłości, które stale się rozwija, a w roku 2025 jeszcze zapewne nie raz nas zaskoczy 🙂