Jak korzystać z danych geolokalizacyjnych w GA4 BigQuery

PrzezBartosz Spychalski Czas czytania 4 min.

Dane geolokalizacyjne to jeden z najczęściej analizowanych, a jednocześnie najczęściej źle interpretowanych obszarów w Google Analytics 4. Interfejs GA4 daje tylko podstawowy wgląd w lokalizację użytkowników, natomiast pełną kontrolę i elastyczność zapewnia dopiero eksport danych do BigQuery.

W tym artykule pokazuję:

  • jakie pola geolokalizacyjne są dostępne w GA4 BigQuery,
  • jak poprawnie je interpretować,
  • jak policzyć unikalnych użytkowników według lokalizacji,
  • oraz jak myśleć o geolokacji w analizach, a nie tylko jak pisać zapytania SQL.

Jakie dane geolokalizacyjne są dostępne w GA4 BigQuery?

W tabelach eksportu GA4 do BigQuery wszystkie dane geolokalizacyjne znajdują się w obiekcie geo.

Najważniejsze dostępne pola to:

  • geo.continent – kontynent użytkownika
  • geo.sub_continent – subkontynent (np. Western Europe)
  • geo.country – kraj
  • geo.region – region / województwo / stan
  • geo.city – miasto
  • geo.metro – obszar metropolitalny (głównie dla USA)

Te dane są przypisywane na podstawie adresu IP i dostępne na poziomie zdarzenia, ale w praktyce najlepiej analizować je na poziomie użytkownika.

Jak myśleć o geolokalizacji w GA4?

Zanim przejdziemy do SQL-a, warto zrozumieć kilka kluczowych zasad:

  • geolokalizacja nie jest stała – użytkownik może zmieniać lokalizację,
  • dane są przybliżone, nie precyzyjne,
  • blokady prywatności, VPN-y i sieci korporacyjne mogą zniekształcać wyniki,
  • najlepsze zastosowanie geolokacji to analiza trendów, nie dokładnych adresów.

Dlatego w większości przypadków:

  • liczymy unikalnych użytkowników,
  • grupujemy ich według kraju, regionu lub miasta,
  • analizujemy udział lokalizacji w ruchu, konwersjach i przychodach.

Logika liczenia unikalnych użytkowników według lokalizacji

Aby policzyć unikalnych użytkowników według geolokalizacji, należy:

  • pobrać dane z obiektu geo,
  • użyć user_pseudo_id jako identyfikatora użytkownika,
  • zastosować COUNT(DISTINCT user_pseudo_id),
  • pogrupować dane według wybranych poziomów lokalizacji.

Najczęściej analizowane kombinacje to:

  • kraj,
  • kraj + region,
  • kraj + miasto (dla dużych serwisów).

Przykładowe zapytanie SQL

Poniższe zapytanie oblicza liczbę unikalnych użytkowników według:

  • kontynentu,
  • subkontynentu,
  • kraju,
  • regionu,
  • miasta
    dla października 2025 roku.

Pamiętaj, aby podstawić własny identyfikator tabeli.

-- Obliczanie liczby unikalnych użytkowników według lokalizacji geograficznej

SELECT
  geo.continent AS continent,
  geo.sub_continent AS sub_continent,
  geo.country AS country,
  geo.region AS region,
  geo.city AS city,
  COUNT(DISTINCT user_pseudo_id) AS total_users
FROM
  `<Enter your table id here>`
WHERE
  _TABLE_SUFFIX BETWEEN '20251001' AND '20251031'
GROUP BY
  continent,
  sub_continent,
  country,
  region,
  city
ORDER BY
  total_users DESC;

Co dokładnie robi to zapytanie?

Zapytanie:

  • przypisuje użytkowników do lokalizacji na podstawie danych geo,
  • eliminuje duplikaty użytkowników dzięki COUNT(DISTINCT user_pseudo_id),
  • pozwala zobaczyć, skąd realnie pochodzą użytkownicy, a nie tylko sesje,
  • umożliwia dalsze łączenie danych z:
    • kampaniami,
    • źródłami ruchu,
    • konwersjami.

Najczęstsze zastosowania danych geolokalizacyjnych

Dane geo w GA4 BigQuery są szczególnie przydatne do:

  • analizy rynków zagranicznych,
  • identyfikacji regionów o najwyższym potencjale,
  • wykrywania anomalii (np. ruch botów z jednego kraju),
  • porównywania efektywności kampanii lokalnych,
  • optymalizacji treści i oferty pod konkretne lokalizacje.

O czym trzeba pamiętać?

  • geolokalizacja opiera się na IP, nie GPS,
  • dane mogą być zanonimizowane lub modelowane,
  • im bardziej szczegółowy poziom (miasto), tym większe ryzyko niedokładności,
  • najlepiej łączyć geolokację z innymi wymiarami (kanał, kampania, urządzenie).

Najważniejsza lekcja

Praca z danymi geolokalizacyjnymi w GA4 BigQuery nie polega na pisaniu zapytań, tylko na rozumieniu logiki danych.

Jeśli wiesz:

  • skąd pochodzą pola geo,
  • na jakim poziomie analizujesz użytkowników,
  • co dokładnie liczysz,

to:

  • możesz skalować analizy,
  • automatyzować raporty,
  • wykorzystywać AI do generowania SQL-a bez ryzyka błędnych wniosków.

Podobne wpisy