GA4 - Cómo limpiar los parámetros de URL

Como explicamos en este otro artículo del blog a veces los parámetros de url pueden darnos grandes problemas de cardinalidad en los datos y sobre todo ahora en GA4.

Recuerda que en GA4 una alta cardinalidad de los datos puede hacer que te encuentres con líneas así en tus informes tanto predeterminados como en las exploraciones:

GA4 Cardinality

 

La cardinalidad es el número de valores únicos asignados a una dimensión. Existen dimensiones con un número fijo de valores únicos. (Ej: Weekday, Device) y otras pueden tener una cardinalidad alta (Ej: page path, transaction ID). Si una dimensión toma más de 500 valores al día, será considerada por GA4 como una dimensión de alta cardinalidad.

 

Una de las recomendaciones de google para evitar encontrarnos con la cardinalidad es “Limitar la recogida de datos sobre todo aquellos con alta cardinalidad (Ej: URLs o parámetros de url)”. Ya.

Pero estarás de acuerdo en que muchas veces esa cardinalidad en las urls viene por agentes externos que no dependen de nosotros y que además coinciden con plataformas de anuncios… ¿Te suenan estos parámetros de url?

fbclid=oiekhakjdvnkajsd089237498

creative=luesfglknadsnlad9867983

 

Si haces campañas de anuncios en Google Ads o en Meta seguro que te suenan.

 

Te vamos a explicar una forma de limpiar todos esos parámetros de las urls.

Lo primero es identificar esos parámetros. 

  1. Crea una nueva nueva exploración en GA4.

  2. Añade la dimensión page path + query string y la métrica views.

  3. Aplica un filtro a la tabla en el que la dimensión page path contenga “?”, por defecto la tabla muestra 10 filas, extiende la tabla a 50 o 100 filas.

GA4 - Exploration query parameters

 

Ahora que ya sabes qué parámetros quieres excluir vas a GTM al contenedor que gestione esa propiedad:

  1. Haz clic en Templates y luego en Search Gallery. GTM - Template & Gallery

  2. En el buscador de la galería escribe Trim Query y haz clic en la solución que aparece GTM - Search Template

  3. Haz clic en Add to Workspace GTM - Add Template to WS

  4. Haz clic en Add GTM - Add Template confirm

Vamos a crear una nueva variable:

  1. Ve a variables y haz clic en crear nueva.

  2. En tipo de variable selecciona Trim Query 

  3. En target URL despliega y selecciona Page URL. Por defecto está seleccionada Queries, si no es asi, selecciona esta opción.

  4. En Add Row añade uno a uno los parámetros que quieras limpiar del listado extraído de GA4.

  5. Cuando termines haz clic en Guardar. GTM - New variable

     

Y ahora vamos a aplicar esta variable. Tienes dos opciones:

  • Vas a cada uno de los tags de GTM de GA4 y añades un nuevo parámetro que sobreescriba el page_location con la variable que acabas de crear GTM - Add parameter to tag config
  • Creas una nueva variable de tipo Tag Event Settings y la aplicas en todos los tags de eventos . GTM - Tag events settings

Y de momento esta es la mejor forma de limpiar esas urls molestas que además pueden provocar problemas de cardinalidad en los informes.

Si quieres otro día te explicamos cómo limpiar esto pero en tus informes de Looker Studio.

ANTERIOR
SIGUIENTE

TIPS DE EXPERTOS

Suscríbete para impulsar tu negocio.

ÚLTIMOS ARTÍCULOS

Novedades INBOUND HubSpot 2025: cómo la IA transforma tu CRM

El gran cambio: de datos aislados a decisiones completas

Seamos sinceros: la mayoría de las empresas no deciden con datos completos. Usan un 20 por ciento y dejan el resto escondido en correos, llamadas o tickets. Eso significa que cuando la dirección revisa el pipeline, marketing analiza conversiones o servicio atiende a un cliente, lo hacen con una visión incompleta.

Marketing personalizado a escala: lo que significa aplicar IA en tus datos

La personalización ya no es opcional. Las marcas que entienden esto ya están integrando IA en sus sistemas de marketing. No para enviar correos con el nombre correcto. Sino para construir experiencias únicas en cada canal, en tiempo real, basadas en datos reales.

La percepción global de la IA: entre el escepticismo de los países desarrollados y el optimismo emergente

El último informe de Stanford HAI (Human-Centered Artificial Intelligence) refleja un contraste muy marcado en cómo distintos países perciben el impacto de la inteligencia artificial en el trabajo y la productividad. 

Datos sintéticos: cómo transformar la información en valor empresarial

La inteligencia artificial (IA) y el machine learning dependen cada vez más de datos de alta calidad. Sin embargo, obtener grandes volúmenes de información real puede ser costoso, lento y, en muchos sectores, limitado por regulaciones de privacidad. Aquí es donde entran en juego los datos sintéticos, una tecnología que permite generar información artificial con propiedades similares a los datos reales, ofreciendo soluciones versátiles para entrenar modelos, automatizar procesos y proteger la privacidad.

data
Mallorca 184, 08036
Barcelona, Spain