BigQuery与GA4总用户数存在显著差异，求助排查原因

使用Shopify搭配Elevar做服务器端追踪时，发现BigQuery和GA4的总用户数差异明显：一周周期差15%，一月周期最高差30%。以2024年7月15日至21日的周数据为例，BigQuery查询结果是21,627用户，GA4显示为24,319。

所用BigQuery查询语句 #

select 
  count(distinct(user_pseudo_id)) as users 
from 
  `events_*` 
where 
  _table_suffix between '20240715' and '20240721'

差异原因分析 #

• GA4用户计算逻辑不同
  • GA4会自动合并跨设备/跨会话的用户（基于User ID或内置设备匹配模型），而BigQuery直接统计原始user_pseudo_id去重数，未做合并处理。
  • GA4存在数据回填机制：用户在周期结束后触发的事件，可能回溯更新之前的用户计数；BigQuery的原始数据是静态的，不会自动调整。
  • GA4默认会过滤内部流量、机器人流量（若配置了规则），但你的BigQuery查询未做这些过滤，包含了无效流量。
• 数据管道与追踪的问题
  • Elevar服务器端追踪可能存在事件延迟：部分事件在周期结束后才同步到BigQuery，导致查询时未纳入这部分数据；而GA4会先统计近实时数据，后续修正后展示最终合并结果。
  • 可能存在事件丢失或重复：服务器端追踪的部分事件未成功写入BigQuery，或是GA4将同一用户的多个user_pseudo_id合并，但BigQuery会算成多个用户。
• BigQuery查询逻辑的局限性
  • 用_table_suffix过滤的是事件写入BigQuery的日期，而非事件实际发生的event_date，延迟写入的事件会被排除在查询范围外。
  • 未过滤无效记录：比如内部测试事件、空值或无效的user_pseudo_id，这些在GA4中会被自动过滤，但BigQuery查询未处理。

解决建议 #

• 调整BigQuery查询逻辑
  • 改用event_date作为时间过滤条件，确保统计的是事件实际发生在目标周期内的数据：

    select 
      count(distinct(user_pseudo_id)) as users 
    from 
      `events_*` 
    where 
      parse_date('%Y%m%d', event_date) between date('2024-07-15') and date('2024-07-21')
    

  • 加入GA4的过滤规则，排除内部流量、机器人和无效user_pseudo_id：

    select 
      count(distinct(user_pseudo_id)) as users 
    from 
      `events_*` 
    where 
      parse_date('%Y%m%d', event_date) between date('2024-07-15') and date('2024-07-21')
      and user_pseudo_id is not null 
      and user_pseudo_id != ''
      and traffic_source.source not in ('internal', 'test')
      -- 可根据GA4的内部IP规则添加额外过滤条件
    

• 对齐GA4的用户合并逻辑
  • 如果用了User ID，结合user_id和user_pseudo_id做统一用户ID统计，模拟GA4的用户匹配：

    with unified_users as (
      select 
        case when user_id is not null then user_id else user_pseudo_id end as user_id
      from 
        `events_*` 
      where 
        parse_date('%Y%m%d', event_date) between date('2024-07-15') and date('2024-07-21')
    )
    select count(distinct(user_id)) as users from unified_users
    

• 排查追踪管道问题
  • 检查Elevar的服务器端追踪日志，确认是否有事件延迟、丢失的情况，同步周期是否和GA4一致。
  • 先对比GA4和BigQuery的事件总数，确认基础事件数据是否一致，再定位用户数差异的根源。
• 验证数据时间范围
  • 月度数据查询时，延迟1-3天再查BigQuery，确保所有延迟写入的事件都已同步完成，再和GA4对比。

内容的提问来源于stack exchange，提问作者ali izadi