Guía Rápida para utilizar la API de Google Analytics 4 (GA4) en Python

María Mestres

Google Analytics 4 (GA4) ofrece una API poderosa para extraer datos analíticos. En esta guía, aprenderás a utilizar la API de GA4 en Python para recuperar datos esenciales.

1. Configurar el Proyecto en Google Cloud

Antes de comenzar a codificar, necesitas configurar un proyecto en Google Cloud:

  1. Abre Google Cloud Console.
  2. Habilita la API de Google Analytics Data API.
  3. Configura una cuenta de servicio. Ve a IAM y Administración > Cuentas de servicio. No es necesario darle ningún rol.
  4. En Analytics 4 abre Admin > Account access management y añade la cuenta de servicio como usuario con acceso de Viewer.

  1. Descarga el archivo JSON de credenciales desde las cuentas de servicio de Google Cloud (keys > Add keys > Create new key > Json).
  2. También necesitarás el ID de la propiedad de GA4. Este lo puedes encontrar en Analytics 4 > Admin > Property details en la esquina superior derecha.

2. Instalar Dependencias

Asegúrate de tener Python instalado y ejecuta:

Python
pip install google-analytics-data

3. Autenticarse en la API

Carga las credenciales de la cuenta de servicio y autentica la API:

Python

from google.analytics.data_v1beta import BetaAnalyticsDataClient

from google.oauth2 import service_account

# Reemplaza con la ruta a tu archivo JSON de credenciales

KEY_PATH = «ruta/a/credenciales.json»

# Autenticación

credentials = service_account.Credentials.from_service_account_file(KEY_PATH)

client = BetaAnalyticsDataClient(credentials=credentials)

4. Realizar una Consulta Básica

Ejemplo para obtener las páginas más vistas de un GA4 Property:

Python

import pandas as pd

PROPERTY_ID = «PROPERTY_ID» # Reemplaza por tu property_id de GA4

response = client.run_report(

    request={

        «property»: f»properties/{PROPERTY_ID}»,

        «dimensions»: [{«name»: «pagePath»}],

        «metrics»: [{«name»: «screenPageViews»}],

        «date_ranges»: [{«start_date»: «7daysAgo», «end_date»: «today»}]

    }

)

# Convertir a DataFrame

data = [{

    «pagePath»: row.dimension_values[0].value,

    «screenPageViews»: int(row.metric_values[0].value)

} for row in response.rows]

df = pd.DataFrame(data)

print(df)

5. Expandir la Consulta

Puedes modificar la consulta para incluir más dimensiones, filtros u ordenar por alguna métrica. Por ejemplo, para obtener usuarios activos por fuente de tráfico:

Python

response = client.run_report(

    request={

        «property»: f»properties/{PROPERTY_ID}»,

        «dimensions»: [{«name»: «source»}],

        «metrics»: [{«name»: «activeUsers»}],

        «date_ranges»: [{«start_date»: «30daysAgo», «end_date»: «today»}],

        «order_bys»: [{«metric»: {«metric_name»: «activeUsers»}, «desc»: True}]

    }

)

# Convertir a DataFrame

data = [{

    «source»: row.dimension_values[0].value,

    «activeUsers»: int(row.metric_values[0].value)

} for row in response.rows]

df = pd.DataFrame(data)

print(df)

Para obtener información sobre el uso de la API de Google Analytics 4 (GA4) en Python, puedes consultar los siguientes recursos:

  • Descripción general de la API de datos de Google Analytics: Aquí encontrarás detalles sobre la API de datos de GA4, incluyendo métodos disponibles y bibliotecas cliente en lenguajes como Python.
  • Existen varias páginas dónde puedes encontrar las dimensiones y métricas que se pueden extraer a través la API.

La API de GA4 en Python permite extraer datos de manera flexible para análisis avanzados. Puedes experimentar con diferentes combinaciones de dimensiones y métricas según tus necesidades.

¡Espero que esta guía te ayude a empezar con la API de GA4 en Python!