Gibt es einen LeadJourney-Connector für Looker Studio, Power BI oder Tableau?

Nein, und es braucht auch keinen. Alle drei lesen BigQuery nativ und verbinden sich direkt mit dem Dataset, in das LeadJourney schreibt.

Kann ich Daten von vor dem Anlegen einer Destination laden?

Ja. Nutze Backfill an der Destination und wähle einen Zeitraum. Nimm lieber Create or update a row, falls du denselben Zeitraum mehr als einmal laufen lassen könntest.

Google BigQuery verbinden

Streame LeadJourney-Klicks, -Conversions und -Leads mit einem Service-Account-Key in ein BigQuery-Dataset, das dir gehört, spiele vergangene Daten nach und lies die Tabellen in Looker Studio, Power BI oder Tableau.

Die Google BigQuery-Integration arbeitet in eine Richtung: LeadJourney schreibt deine Klicks, Conversions und Leads in ein Dataset in deinem eigenen Google-Cloud-Projekt, mit bereits aufgelöster Attribution. Zurückgelesen wird nichts. Du verbindest dich mit einem Service-Account-Key und legst dann Destinations an: Jede schreibt eine Zeile in eine Tabelle, sobald ein LeadJourney-Event feuert, nach einem Spalten-Mapping, das du festlegst. Looker Studio, Power BI und Tableau lesen diese Tabellen dann mit ihren eigenen, eingebauten BigQuery-Connectors.

Bevor du startest

Halte das bereit, damit die Verbindung von Anfang bis Ende funktioniert:

Einen aktiven LeadJourney-Workspace.
Ein Google-Cloud-Projekt mit BigQuery und genug Rechte, um ein Dataset und einen Service Account mit JSON-Key anzulegen und das Dataset für ihn freizugeben.
Tracking ist live, damit es Klicks, Conversions und Leads zum Schreiben gibt. Siehe Tracking-Script installieren.

Wo du es findest

Öffne Settings → Apps oder gehe zu app.leadjourney.io/settings?slug=apps. Klick auf die Google BigQuery-Karte. Solange du nicht verbunden bist, siehst du eine „Connect your BigQuery dataset“-Karte; nach dem Verbinden zeigt derselbe Screen die Verbindung, deine Destinations und die Sync-Historie.

Schritt für Schritt

Das Dataset in BigQuery anlegen

Öffne in Google Cloud BigQuery und lege das Dataset an, in das LeadJourney schreiben soll, z. B. leadjourney. Merk dir die Region, denn deine BI-Tools fragen die Daten dort ab. Das Dataset muss vor dem Verbinden existieren: LeadJourney kann bewusst keine Datasets anlegen, damit der Key nie Rechte auf Projektebene braucht.

Service Account und JSON-Key erstellen

Öffne IAM & Admin → Service Accounts und lege einen Service Account an, z. B. leadjourney-writer. Er braucht keine Rollen auf Projektebene. Öffne bei diesem Account Keys → Add key → Create new key → JSON. Die Datei wird genau einmal heruntergeladen.

BigQuery bietet für diese Art von Zugriff keinen OAuth-Flow, daher ist ein Service Account der Weg zur Verbindung. Er hängt nicht am Google-Login einer Person, die Verbindung läuft also weiter, wenn jemand das Unternehmen verlässt.

Zugriff auf das Dataset gewähren

Öffne in BigQuery dein Dataset → Sharing → Permissions, füge die E-Mail-Adresse des Service Accounts hinzu und gib ihm BigQuery Data Editor. Vergib die Rolle auf dem Dataset, nicht auf dem Projekt, damit der Key nur dieses eine Dataset berühren kann. Er kann nichts anderes in deinem Projekt lesen und keine Datasets anlegen oder löschen.

In LeadJourney verbinden

Auf der Karte Connect your BigQuery dataset:

Service account JSON key: füge die komplette JSON-Datei ein, inklusive der äußeren { }. Die Karte bestätigt, zu welchem Service Account und Projekt der Key gehört.
BigQuery dataset: die Dataset-ID (nur Buchstaben, Zahlen und Unterstriche).
Google Cloud project (optional): nur nötig, wenn das Dataset in einem anderen Projekt liegt als der Service Account. Leer lassen nutzt das Projekt des Keys.
Create missing tables: standardmäßig an. Beim Speichern einer Destination legt LeadJourney die Tabelle an und ergänzt alle Spalten, die dein Mapping braucht. Schalte es aus, wenn dein Datenteam das Schema verantwortet.

Klick auf Connect. LeadJourney tauscht den Key gegen ein Token und liest das Dataset, um die Freigabe zu prüfen, bevor irgendetwas gespeichert wird. Der Key wird verschlüsselt gespeichert und nie wieder angezeigt.

Die Verbindung prüfen

Der Header zeigt ein Live-Pill (oder Needs reconnect) sowie Connection, Dataset, Region und Destinations, dazu die Buttons Update key und Disconnect. Das Panel Connection zeigt, als welcher Service Account LeadJourney schreibt („Writing as“), und enthält den Schalter Create missing tables. Ist er aus, wird eine Destination, deren Tabelle oder Spalten nicht existieren, beim Speichern abgelehnt.

Eine Destination hinzufügen

Klick in Send to BigQuery auf + Add destination und fülle aus:

WRITE INTO THIS TABLE: wähle eine bestehende Tabelle oder tippe einen Namen unter Or type a new table name… ein und klick auf Use. Für das gewählte Event ist eine vorgeschlagene Tabelle vorbelegt.
WHEN THIS HAPPENS: das LeadJourney-Event, ein Klick, eine Conversion oder ein Lead.
CONVERSION TYPE (nur bei Conversions): ein Conversion-Typ oder Any conversion type.
WRITE MODE: Append a row oder Create or update a row (siehe unten).
MATCHING COLUMN (nur bei Create or update): die Spalte, über die Zeilen abgeglichen werden. Sie muss eine deiner gemappten Spalten sein.

Spalten mappen und speichern

Unter MAP COLUMNS verbindet jede Zeile eine BigQuery column (auswählen oder unter Or type a new column name… einen Namen tippen und auf Set klicken) mit einem LeadJourney value. Wähle einen oder mehrere Werte (mehrere werden mit Leerzeichen verbunden) oder füge unter Or type a fixed value… einen festen Wert hinzu. Mit + Add column kommen weitere Zeilen dazu. Find latest data lädt aktuelle echte Datensätze, sodass jeder Wert ein Beispiel zeigt; eingrenzen kannst du über Filter by click id / lead id….

Tabellen- und Spaltennamen müssen mit einem Buchstaben oder Unterstrich beginnen und dürfen nur Buchstaben, Zahlen und Unterstriche enthalten. Klick auf Create destination. Hat LeadJourney die Tabelle angelegt oder Spalten ergänzt, sagt die Bestätigung das. Ab dann wird bei jedem Auslösen des Events eine Zeile geschrieben.

Den Write Mode wählen

Modus	Was er macht	Geeignet für
Append a row (`insert`)	Fügt für jedes Event eine neue Zeile hinzu.	Die komplette Historie, bereit zum Aggregieren.
Create or update a row (`upsert`)	Hält eine Zeile pro Wert der Matching Column und ersetzt sie, wenn derselbe Wert erneut kommt.	Eine Tabelle mit dem aktuellen Stand, z. B. eine Zeile pro Lead.

Deine Destinations verwalten

Jede Destination erscheint als Zeile, Event → Tabelle, mit einem Active- / Paused-Pill und der Anzahl gemappter Spalten.

Pause / Resume: das Schreiben stoppen, ohne die Destination zu löschen.
Edit: Tabelle, Event, Write Mode oder Mapping ändern.
Backfill: vergangene Datensätze in die Tabelle schreiben (siehe unten).
Delete: in Delete this destination? bestätigen. Das Schreiben stoppt; Tabelle und Zeilen bleiben unberührt.

Vergangene Daten nachspielen (Backfill)

Eine Destination schreibt Events ab dem Moment, in dem sie existiert. Für ältere Datensätze klick auf Backfill. Wähle in Backfill past data den Range to backfill, klick auf Count rows, um zu sehen, wie viele Zeilen geschrieben werden, und dann auf Start backfill. Das Live-Streaming läuft währenddessen weiter.

Append-Destinations können Duplikate erzeugen

Bei Append a row wird jeder Datensatz im Zeitraum, der bereits gestreamt wurde, ein zweites Mal geschrieben; BigQuery dedupliziert nur innerhalb weniger Minuten nach dem ursprünglichen Schreiben. Zum Starten musst du I understand this may create duplicate rows anhaken. Bei Create or update a row ersetzt ein erneuter Lauf über denselben Zeitraum die Zeilen, statt sie zu duplizieren.

Sync-Historie

Sync history listet die nach BigQuery geschriebenen Zeilen mit Status (Success, Failed, Skipped), Event, Table, Mode, When und Detail. Klick bei einem fehlgeschlagenen oder übersprungenen Schreibvorgang auf Retry oder auf Refresh zum Neuladen. Jeder Backfill erscheint als eine Zeile mit Status (Queued, Running, Completed, Failed, Cancelled), Zählern und Fortschrittsbalken; ein wartender oder laufender Backfill lässt sich mit Cancel abbrechen.

Erneut verbinden

LeadJourney prüft die Verbindung jedes Mal, wenn du die Integration öffnest. Wird der Key abgelehnt oder wurde sein Zugriff auf das Dataset entfernt, siehst du Needs reconnect und ein Banner „BigQuery can’t be reached“; bis das behoben ist, werden keine Zeilen geschrieben. Stelle die Rolle BigQuery Data Editor für die Adresse aus dem Connection-Panel wieder her oder klick auf Update key und füge einen neuen Key ein. Deine Destinations bleiben erhalten.

Trennen (Disconnect)

Klick im Header auf Disconnect. Tippe in Disconnect BigQuery? disconnect und bestätige mit Disconnect BigQuery.

Disconnect löscht deine Destinations

Das Trennen löscht jede Destination samt Zustellhistorie und verwirft den gespeicherten Key. Neue Klicks, Conversions und Leads werden sofort nicht mehr geschrieben. Dein Dataset, seine Tabellen und alle bereits geschriebenen Zeilen bleiben genau so, wie sie sind, aber die Destination-Mappings werden nicht wiederhergestellt, wenn du erneut verbindest.

Die Daten in BI-Tools lesen

Looker Studio, Power BI und Tableau verbinden sich nativ mit BigQuery, daher hat LeadJourney keinen eigenen Connector dafür. Richte das Tool wie bei allen anderen BigQuery-Daten auf dein Dataset aus. Das Konto, mit dem sich das BI-Tool anmeldet, braucht eigenen Lesezugriff, typischerweise BigQuery Data Viewer auf dem Dataset plus die Berechtigung, Abfragen auszuführen (z. B. BigQuery Job User), in dem Projekt, das die Abfragen bezahlt. Nutze für Reporting nicht den Schreib-Key von LeadJourney.

Tabellen mit Append a row enthalten eine Zeile pro Event: aggregiere sie im BI-Tool oder nutze eine Destination mit Create or update a row, wenn du eine Zeile pro Lead willst.

Looker Studio

Klick auf Create → Data source und wähle den BigQuery-Connector.
Autorisiere den Zugriff mit deinem Google-Konto, falls gefragt.
Wähle Projekt, Dataset und Tabelle, in die LeadJourney schreibt (oder nutze eine eigene Abfrage).
Klick auf Connect, prüfe die Felder und erstelle einen Bericht.

Eine Datenquelle in Looker Studio kann die Zugangsdaten des Eigentümers oder des Betrachters nutzen; entscheide danach, wer die Daten sehen soll.

Power BI

Wähle in Power BI Desktop Get data → Google BigQuery.
Melde dich mit einem Google-Konto an, das das Dataset lesen darf.
Klappe im Navigator Projekt und Dataset auf und wähle die Tabellen aus.
Klick auf Load (oder Transform Data) und wähle Import oder DirectQuery, wenn gefragt.

Hinterlege nach dem Veröffentlichen im Power-BI-Service dort die Zugangsdaten der Datenquelle, damit geplante Aktualisierungen laufen.

Tableau

Wähle in Tableau Desktop unter Connect → To a Server Google BigQuery.
Melde dich mit einem Google-Konto an, das das Dataset lesen darf.
Wähle Billing Project, Projekt und Dataset.
Zieh die Tabelle auf die Arbeitsfläche und wähle eine Live-Verbindung oder einen Extract.

Bette beim Veröffentlichen auf Tableau Server oder Tableau Cloud die BigQuery-Zugangsdaten ein oder lass danach fragen, damit die Arbeitsmappe aktualisiert werden kann.

Fehlerbehebung

„Connect“ schlägt fehl oder bleibt deaktiviert?

Füge den kompletten JSON-Key eines Service Accounts ein, nutze eine Dataset-ID nur mit Buchstaben, Zahlen und Unterstrichen und prüfe, dass das Dataset existiert und der Service Account darauf BigQuery Data Editor hat. Liegt das Dataset in einem anderen Projekt, fülle Google Cloud project aus.

Speichern einer Destination wird abgelehnt?

Ist Create missing tables aus, müssen die Tabelle und jede gemappte Spalte bereits existieren. Bei Create or update a row muss die Matching Column außerdem eine gemappte Spalte sein.

Schreibvorgänge zeigen „Failed“ in der Sync-Historie?

Die Spalte Detail zeigt den Fehler. Behebe die Ursache (zum Beispiel eine entfernte Freigabe oder eine geänderte Spalte) und klick dann auf Retry.