GA4-BigQuery：如何基于user_pseudo_id去重获取Total Users数据？

问题背景 #

我们的着陆页下载按钮通过Firebase标签追踪点击行为，GA4后台显示该事件的Total Users为737，但将数据同步到BigQuery后：

• 直接查询事件数得到1030（与GA4的Event count匹配）
• 用count(DISTINCT user_pseudo_id)得到671，和GA4的737存在明显差异

可能的原因 #

1. 用户身份合并逻辑差异：GA4会自动合并同一用户的多个user_pseudo_id（比如用户清除缓存、更换设备后生成的新ID），但BigQuery原始数据中这些ID是独立的，直接去重会低估用户数。
2. 查询范围不匹配：BigQuery查询的日期、事件名称、设备过滤条件和GA4后台查看的范围不一致，导致数据样本不同。
3. 用户ID未被利用：如果网站/应用有登录系统并设置了user_id，GA4会优先用user_id合并跨设备用户，但BigQuery查询若只依赖user_pseudo_id，会忽略这部分合并逻辑。
4. 事件数据缺失：部分点击事件的user_pseudo_id为空，GA4后台会对这类数据做特殊处理，但BigQuery中直接去重会排除这些事件关联的用户。

解决办法 #

1. 严格对齐查询范围 #

确保BigQuery的查询条件和GA4后台完全一致：

• 日期范围：使用_TABLE_SUFFIX匹配GA4查看的时间段
• 事件名称：确认追踪下载按钮的事件名（比如download_button_click）准确无误
• 设备类型：不要误过滤移动端/桌面端数据

示例SQL：

SELECT
  COUNT(*) AS event_count,
  COUNT(DISTINCT user_pseudo_id) AS distinct_pseudo_users
FROM `your-project.analytics_123456789.events_*`
WHERE event_name = 'download_button_click'
  AND _TABLE_SUFFIX BETWEEN '20240501' AND '20240531' -- 替换为GA4对应的日期

2. 结合用户ID统计 #

如果业务中使用了user_id，优先用user_id合并用户，缺失时再用user_pseudo_id：

SELECT
  COUNT(DISTINCT IF(user_id IS NOT NULL, user_id, user_pseudo_id)) AS aligned_users
FROM `your-project.analytics_123456789.events_*`
WHERE event_name = 'download_button_click'
  AND _TABLE_SUFFIX BETWEEN '20240501' AND '20240531'

3. 使用GA4预计算的用户表 #

GA4同步到BigQuery的users_*表是预计算的用户维度数据，更贴近后台的Total Users统计逻辑。查询触发过目标事件的用户数：

SELECT
  COUNT(DISTINCT user_pseudo_id) AS ga4_total_users
FROM `your-project.analytics_123456789.users_*`
WHERE _TABLE_SUFFIX BETWEEN '20240501' AND '20240531'
  AND EXISTS (
    SELECT 1 FROM UNNEST(event_params)
    WHERE key = 'event_name' AND value.string_value = 'download_button_click'
  )

4. 检查数据完整性 #

排查是否存在user_pseudo_id为空的事件，这类数据可能是GA4统计但BigQuery直接去重时遗漏的：

SELECT
  COUNT(*) AS total_events,
  COUNT(DISTINCT user_pseudo_id) AS valid_pseudo_users,
  COUNT(CASE WHEN user_pseudo_id IS NULL THEN 1 END) AS null_pseudo_events
FROM `your-project.analytics_123456789.events_*`
WHERE event_name = 'download_button_click'
  AND _TABLE_SUFFIX BETWEEN '20240501' AND '20240531'

如果存在大量null_pseudo_events，需要检查Firebase标签的触发逻辑，确保每个点击事件都正确携带用户ID参数。

内容的提问来源于stack exchange，提问作者Teddy Kossoko