Análise exploratória sem método vira scroll infinito de relatórios GA4 — cada filtro abre nova pergunta, nenhuma vira insight acionável. GA4 + Looker (ou Looker Studio + BigQuery) dá profundidade que a UI sozinha não entrega, mas exige perguntas formuladas, métricas com definição fixa e disciplina para não confundir correlação com causa. Exploração boa termina com hipótese testável; exploração ruim termina com screenshot no Slack.

O que muda na exploração com GA4 + Looker vs UI nativa?

UI do GA4 é ótima para monitoring e perguntas pré-definidas (top pages, acquisition overview). Limita-se a dimensões registradas, thresholds de privacidade, sampling em relatórios exploratórios e agregações fixas. BigQuery export remove thresholds, permite unnest de event_params, joins com CRM/ads e histórico ilimitado.

Looker (ou Looker Studio conectado a views BQ) adiciona camada semântica: métricas calculadas consistentes, drill-down governado, compartilhamento sem exportar CSV. Exploração profissional acontece no warehouse + BI — GA4 UI vira sanity check, não workspace principal.

Como estruturar sessão de análise exploratória?

Comece com pergunta de negócio escrita: ‘Por que conversão caiu 15% na semana 34?’ — não ‘vou dar uma olhada nos dados’. Defina métrica primária (conversion rate), janela (semana 34 vs 33), segmento (all traffic ou canal específico) e critério de sucesso (‘identificar top 3 contribuintes para queda’).

Fluxo: (1) confirmar que dado é confiável (freshness, volume); (2) comparar período vs baseline; (3) decompor por dimensão (canal, device, landing); (4) drill no segmento que mais contribuiu; (5) formular hipótese; (6) validar com dado adicional ou experimento. Não pule etapa 1 — dado quebrado gera teoria elaborada sobre nada.

• Pergunta escrita antes de abrir BI
• Métrica primária e baseline definidos
• Decomposição por 1 dimensão por vez
• Hipótese documentada antes de concluir
• Insight com ação recomendada ao final

Quais dimensões e métricas preparar no Looker?

Camada semântica (LookML ou views BQ) com métricas versionadas: sessions, engaged_sessions, conversion_rate, revenue_per_session — fórmulas fixas, não calculadas ad hoc no dashboard. Dimensões: channel, campaign, landing_page, device, geo, new_vs_returning.

Evite 50 dimensões no mesmo explore — paralisia de escolha. Organize em explores temáticos: Acquisition, Behavior, Conversion, Product. Marketing encontra ‘onde converter caiu’ no explore certo sem ser SQL expert.

Explore	Perguntas que responde	Dimensões chave	Métricas chave
Acquisition	De onde vem tráfego e converte?	channel, campaign, source/medium	sessions, CVR, CPA proxy
Behavior	O que fazem no site?	landing_page, page_path, event	engagement rate, scroll, time
Conversion	Onde funil quebra?	funnel_step, device, geo	step CVR, drop-off, time to convert
Product	Quem retorna e compra de novo?	new_vs_returning, cohort	retention, LTV proxy, repeat rate
Quality	Dado está confiável?	date, stream_id	event volume, % unattributed

Quais armadilhas de agregação na exploração?

Simpson’s paradox: CVR sobe em cada canal individualmente mas cai no total porque mix mudou. Sempre decomponha antes de concluir. Métricas ratio (CVR, AOV) não são aditivas — não some CVR de segmentos. Média de médias mente — use totais agregados.

Cardinality explosion: cruzar campaign × landing × device × geo gera células com 1 sessão — CVR de 100% ou 0% sem significância. Filtre volume mínimo (≥30 sessions) antes de interpretar. GA4 thresholds no export BQ não existem, mas significância estatística ainda importa.

Como fazer drill-down eficiente no Looker?

Drill path pré-definido: channel → campaign → landing_page → event. Cada nível filtra o anterior. Looker drill_fields facilitam. Evite saltar de channel direto para event — perde contexto intermediário.

Cross-filter entre tiles quando dashboard tem múltiplas visões: clique em ‘organic search’ no tile de channel filtra tile de landing pages automaticamente. Exploração interativa, não 10 screenshots estáticos.

Como conectar exploração GA4 com CRM e ads?

Insight de GA4 (‘conversão caiu no mobile’) ganha profundidade cruzando com spend (CPA subiu?), CRM (lead quality caiu?) e produto (bug no checkout mobile?). Looker com explores unificados ou blended data permite filtro cruzado.

Exploração isolada em GA4 responde ‘o quê’; cruzamento responde ‘por quê’. Prepare joins no warehouse (user_id, gclid, campaign_id) antes da sessão de exploração — não tente join ad hoc durante meeting.

• Join keys documentados (user_id, campaign_id)
• Explores unificados ou dashboard blended
• CRM funnel stage disponível como dimensão
• Spend por campanha no mesmo período
• Hipótese testada com múltiplas fontes

Como documentar e compartilhar insights?

Template de insight: pergunta → método → finding → hipótese → ação recomendada → confiança (alta/média/baixa). Link para Looker explore com filtros salvos — reproduzível, não screenshot estático. Insight sem ação é curiosidade; insight com owner e prazo é valor.

Evite dashboard eterno de exploração — quando insight vira monitoramento, promova a tile fixa com alerta. Exploração é transiente; monitoring é permanente.

Checklist prático

• Camada semântica Looker/BQ com métricas versionadas
• Explores temáticos (acquisition, behavior, conversion)
• Template de sessão exploratória documentado
• Filtro de volume mínimo para significância
• Drill paths pré-definidos
• Joins GA4 + CRM + ads preparados no warehouse
• Template de insight com ação e owner
• Distinção clara entre exploração e monitoring

Erros comuns

• Explorar sem pergunta de negócio escrita
• Somar taxas de conversão de segmentos
• Interpretar células com volume <30 sessions
• Screenshot estático em vez de link reproduzível
• Concluir causalidade de correlação exploratória
• Ignorar qualidade de dado antes de analisar

Perguntas frequentes