Cómo conectar Amazon Seller Central a Google BigQuery

Cuatro formas gratuitas y de pago para conectar Amazon Seller Central a Google BigQuery

Cómo conectar Amazon Seller Central a Google BigQuery para Marketers (Sin Código)

Porter es un conector nativo de IA. Configura todo con lenguaje natural, no SQL ni formularios. Campos personalizados, filtros, programación—todo con prompts en español simple. Sin código, sin ingeniería de datos requerida.

• La vista previa de datos siempre está en vivo. A medida que seleccionas métricas, dimensiones, filtros y rangos de fechas, Porter muestra tus datos en tiempo real. Verifica todo antes de enviar a BigQuery.
• Los datos llegan transformados, combinados y listos para visualizar. No se necesitan transformaciones SQL después.

En este tutorial, te mostraremos cómo enviar tus datos de Amazon Seller Central a Google BigQuery con Porter. Enviaremos datos de rendimiento de vendedor incluyendo campos como ASIN, Units Ordered, Revenue, y campos personalizados como AOV y Sell-through Rate.

Crear una conexión

Inicia sesión en portermetrics.com con Google. Haz clic en “Create” y selecciona “Google BigQuery” como destino. Nombra tu conexión (e.g., “Amazon Seller Central Perfomance”). Selecciona Amazon Seller Central como fuente de datos.

• Combinación de datos: opcionalmente, agrega Google Ads, Meta Ads, Shopify en la misma conexión para reportes cross-channel.

Conecta tus cuentas de Amazon Seller Central

Conecta tu cuenta de Amazon Seller vía SP-API. Necesitarás autorizar a Porter como una app de desarrollador.

Conecta tu destino BigQuery

Autentica con login de Google o Service Account. Selecciona Project ID, Dataset location, Dataset y Table name.

• Google login (recomendado): Porter lista tus proyectos en un dropdown. La opción más fácil.
• Service Account JSON: para empresas con gestión estricta de permisos en Google Workspace. Copia un texto JSON de los detalles de tu proyecto para conectar.
• Dataset location: US, EU, o tu región preferida.
• Auto-actualizar schema: si cambias tu consulta después, Porter actualiza el schema automáticamente y lo reescribe en tu tabla de BigQuery, a diferencia de otras herramientas.

¿Nuevo en BigQuery? Crea tu primer proyecto:

Ve a console.cloud.google.com. En el Navigation Menu (arriba a la izquierda), selecciona BigQuery → Studio. En el panel izquierdo, verás tus proyectos.

1. Crear un Project: selecciona o crea un nuevo proyecto (e.g., “Marketing Data”). Elige un nombre, tipo y organización. BigQuery crea una carpeta para él.
2. Crear un Dataset: expande la carpeta de tu proyecto, haz clic en los tres puntos, y selecciona “Create Dataset.” Nómbralo (e.g., “Sales_data”) y selecciona una ubicación (US o EU).
3. Crear una Table: dentro de tu dataset, puedes crear una tabla (e.g., “amazon_seller”). O deja que Porter la cree automáticamente cuando envíes tu primera consulta.

El Project ID, Dataset name y Table name que configures aquí son los mismos valores que ingresarás en la configuración de BigQuery de Porter.

Verifica tus datos en BigQuery:

Cuando seleccionas una tabla, BigQuery muestra primero la vista de Schema. Estos son los metadatos: nombres de campos, tipos de campos y modos. Para ver tus datos exportados, ve a la pestaña Preview. Una vez que tu consulta se ejecute, verás la tabla completa con tus datos.

Elegir métricas

En el dropdown de métricas, busca y selecciona: e.g., Average Unit Price, Number Of Items Shipped, Item Price, Number Of Items, Fulfillable Quantity.

Elegir dimensiones

Para segmentar tus datos, en el dropdown de dimensiones, busca y selecciona: e.g., ASIN, Fulfillment Channel, Date.

• Otras dimensiones: ASIN, Date, Seller SKU, Fulfillment Network SKU, Product Name, Product Type, Deemed Reseller Category.
• Dimensiones de tiempo: Date, Week, Month, Quarter, Year disponibles para análisis de tendencias.
• Lista completa de campos: Consulta la documentación de Porter para todos los campos y dimensiones disponibles.

Ver todos los campos de Amazon Seller Central

Crear campos personalizados

Para métricas personalizadas, agrega una nueva métrica, escribe tu fórmula en lenguaje natural, y revisa la fórmula generada y una vista previa de la consulta. Elige el formato de tu métrica (number, currency, percentage). Para este ejemplo: AOV = “Order Total Amount / Quantity Ordered”, Sell-through Rate = “Number Of Items Shipped / Number Of Items”.

Para dimensiones personalizadas, escribe tu fórmula para segmentar datos basándote en convenciones de nombres. Si tus convenciones de nombres incluyen objetivo, etapa de funnel o productos, escribe una fórmula como: “If fulfillment channel contains ‘FBA’, tag as ‘FBA’. If contains ‘FBM’, tag as ‘FBM’. Else ‘Other’.” En la vista previa, mira cómo Porter transforma condicionales en regex para segmentaciones personalizadas.

Crea tus propias métricas o dimensiones para que no se necesite SQL ni transformación en BigQuery. Tus datos están listos para conectarse a Looker Studio. Operaciones soportadas: matemáticas (sum, subtract, divide, multiply), condicionales (if/then/else), regex (pattern matching). Las mismas capacidades que los campos calculados de Looker Studio.

Configurar rango de fechas

Selecciona un rango de fechas del dropdown. Para este ejemplo: últimos 30 días.

• Rangos dinámicos: today, yesterday, last 7/14/28/30/90 days, this week/month/quarter/year to date, last week/month/quarter/year.
• Rangos fijos: fechas de inicio y fin específicas.
• Auto-actualización: los datos se actualizan automáticamente basándose en el rango dinámico.

Agregar filtros

El conector de Amazon Seller Central puede retornar registros sin actividad. Crearemos un filtro para excluirlos.

Para este ejemplo:

• Condition: Exclude
• Field: Units Ordered
• Operator: equals
• Value: 0

Esto excluye todas las campañas sin actividad, para que tu consulta solo retorne campañas con gasto.

• Operadores disponibles: equals, contains, not contains, greater than, less than, starts with, ends with.
• Detección de valores: Porter detecta automáticamente si el campo es número o texto.
• Combinar filtros: agrega lógica AND/OR dentro de la misma condición o crea múltiples filtros en una consulta.

Programar actualización

Escribe tu programación en lenguaje natural. Para este ejemplo: “every day at 8am”.

• Ejemplos: “Every Monday at 5am”, “Weekdays at 7pm”, “Every hour”, “Every Tuesday and Friday at 9am”.
• Auto-conversión: Porter convierte los prompts en expresiones cron.
• Zona horaria: detectada automáticamente desde tu navegador.
• Frecuencia mínima: cada minuto. Sin costo extra por actualizaciones frecuentes.

Elegir modo de escritura

Selecciona cómo Porter escribe datos en BigQuery. Para este ejemplo: Overwrite.

• Overwrite (recomendado): elimina la tabla existente y escribe datos frescos. Sin duplicados.
• Append: agrega nuevas filas debajo de los datos existentes. Riesgo de duplicados si el mismo rango de fechas se ejecuta dos veces.
• Update: hace match de filas por dimensión y actualiza valores. Para datos de CRM con valores cambiantes.

Enviar, monitorear y organizar

Haz clic en “Save” para guardar tu consulta y haz clic en “Send” para entregar los datos a Google BigQuery. La transferencia toma unos segundos dependiendo del volumen de datos. Una vez terminado, puedes actualizarla o crear más consultas.

Para crear más consultas: regresa al gestor de consultas dentro de tu conexión, o ve a Porter Metrics → Account → Reports → Connections. En la pestaña Queries, verás todas las consultas ejecutándose desde tu cuenta con su conexión asociada, nombre, fuentes de datos, última ejecución, estado más reciente, y opción de ejecutar manualmente.

Para monitorear ejecuciones: haz clic en el ícono de tres puntos y selecciona “History.” Verás logs con fecha y hora exactas, tipo de ejecución (manual o programada), y estado. Si ocurre un error, verás el mensaje de error específico.

Para organizar tus datos: gestiona conexiones y consultas dentro de ellas. Nombra las conexiones por campaña (e.g., “Black Friday”), por cliente, o por fuente de datos. Dentro de cada conexión, crea tantas consultas o tablas como necesites y renómbralas. Puedes habilitar/deshabilitar consultas o conexiones, y actualizar cualquier consulta en cualquier momento—Porter actualiza y refresca el schema en BigQuery automáticamente.

Cómo conectar tu tabla de BigQuery a Google Looker Studio

Primero, verifica tus datos en BigQuery:

Ve a console.cloud.google.com/bigquery. En el menú izquierdo, bajo Products, encuentra BigQuery → Studio. Aquí es donde gestionas tus tablas.

Jerarquía de BigQuery:

• Project (e.g., “Marketing Data”): tu contenedor de nivel superior.
• Dataset (e.g., “Sales_Data”): una colección de tablas dentro de un proyecto.
• Table (e.g., “Amazon Seller Central”): tus datos reales.

En BigQuery Studio, ve a “Classic Explorer” y selecciona tu proyecto. Haz clic en los tres puntos para crear un nuevo dataset si es necesario (configura un nombre y ubicación, e.g., US o Europe). Navega a tu dataset y tabla. En “Schema,” ve la lista de campos y sus tipos. En “Preview,” ve tus datos reales. Para refrescar datos, regresa a Porter y reenvía—Porter sobrescribe la tabla.

Conectar BigQuery a Looker Studio:

Ve a Looker Studio. Haz clic en “Create” y selecciona “Report” para iniciar un reporte en blanco. Looker Studio te pedirá agregar una fuente de datos. Busca “BigQuery” y conecta tu cuenta de Google.

Verás opciones: Recent Projects, My Projects, Shared Projects, Custom Query, Public Datasets.

Selecciona “My Projects” y navega a tu proyecto, dataset y tabla. En este ejemplo: Project “Marketing Data” → Dataset “Sales_Data” → Table “Amazon Seller Central”. Haz clic en “Add” para conectar.

Una vez conectado, Looker Studio carga los campos de tu tabla. Crea un gráfico, agrega tus dimensiones (e.g., date) y métricas (e.g., Order Total Amount). Asegúrate de configurar un rango de fechas que coincida con tu consulta en Porter.

Tus datos de BigQuery ahora están conectados a Looker Studio.

Por qué los marketers mueven datos de Amazon Seller Central a BigQuery

• Conecta cualquier herramienta de reportes: BigQuery se conecta a Looker Studio, Power BI, Tableau, o cualquier herramienta de BI. Un warehouse, todos los destinos.
• Atribución multi-touch: Une Amazon Seller Central con datos de eventos crudos de GA4. Rastrea la ruta completa del usuario desde clic en anuncio hasta conversión.
• Fuente de verdad: Define qué significa “conversión” para tu empresa. Compara Meta vs. GA4 vs. HubSpot. Elige una fuente para CAC, ROAS y CPA. Termina el debate de “qué número es correcto”.
• Acceso a toda la empresa sin permisos de plataforma: Gestionar permisos entre plataformas es complicado. Con BigQuery, cualquiera puede acceder a datos de marketing sin cuentas ni roles en cada plataforma. Un modelo de permisos, todos los datos.
• Haz los datos disponibles para IA: La IA necesita datos limpios y estructurados con contexto. Cada herramienta de IA se siente aislada. Integrar fuentes es complicado. Con BigQuery como tu warehouse universal, cualquier herramienta de IA puede acceder a tus datos de marketing. Sin integraciones personalizadas. Sin configuración complicada.
• Combinación de datos: Combina Amazon Seller Central con CRM, GA4, Shopify, Google Ads en un warehouse. Mide ganancias reales, no ROAS de plataforma. Calcula CAC combinado en todos los canales.

Próximos pasos

Ahora que tus datos de Amazon Seller Central están en BigQuery:

• Conectar a BigQuery: aprende Google BigQuery para marketers y lee tutoriales para conectar otras fuentes de datos.
• Conectar a Looker Studio: Construye dashboards que cargan en segundos. Usa plantillas de Porter o crea las tuyas.
• Conectar a Google Sheets: Exporta datos de BigQuery a Sheets para análisis rápido, compartir con clientes, o cálculos personalizados.
• Combinar datos de múltiples fuentes: Agrega Google Ads, GA4, Shopify, CRM a la misma conexión. Porter auto-mapea campos equivalentes. Crea reportes cross-channel sin SQL joins.
• Crear workflows de IA: Automatiza alertas y reportes con lenguaje natural. Ejemplo: “Every Monday at 9am, get Amazon Seller Central spend for last 7 days, analyze performance with AI, send summary to Slack.”
• Usar plantillas: Comienza con plantillas pre-construidas de Looker Studio. Rendimiento de campañas, análisis de creativos, desgloses de audiencia—listas para conectar.
• Explorar otros destinos: Envía datos de Amazon Seller Central a Google Sheets, PostgreSQL, u otros warehouses. El mismo proceso de configuración.

Ver todas las plantillas de Amazon Seller Central