Cómo Conectar LinkedIn Ads a Google BigQuery

Cuatro formas gratuitas y de pago para conectar LinkedIn Ads a Google BigQuery

Cómo Conectar LinkedIn Ads a Google BigQuery para Marketers (Sin Código)

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

• La vista previa de datos siempre está activa. 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 LinkedIn Ads a Google BigQuery con Porter. Enviaremos datos de rendimiento de campañas incluyendo campos como Campaign Name, Impressions, Clicks y campos personalizados como CPA y segmentación de campañas por etapa del funnel.

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., “LinkedIn Ads Perfomance”). Selecciona LinkedIn Ads como fuente de datos.

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

Conectar tus cuentas de LinkedIn Ads

Conecta tu perfil de LinkedIn y otorga acceso a tus cuentas de Campaign Manager. Selecciona las Ad Accounts que deseas conectar.

Conectar tu destino BigQuery

Autentícate con inicio de sesión de Google o Service Account. Selecciona Project ID, Dataset location, Dataset y Table name.

• Inicio de sesión con Google (recomendado): Porter lista tus proyectos en un menú desplegable. La opción más fácil.
• Service Account JSON: para empresas con gestión estricta de permisos en Google Workspace. Copia un texto JSON desde los detalles de tu proyecto para conectar.
• Dataset location: US, EU o tu región preferida.
• Auto-actualización de 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 Menú de Navegación (arriba a la izquierda), selecciona BigQuery → Studio. En el panel izquierdo, verás tus proyectos.

1. Crear un Proyecto: 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., “ppc_data”) y selecciona una ubicación (US o EU).
3. Crear una Tabla: dentro de tu dataset, puedes crear una tabla (e.g., “linkedin_ads”). O deja que Porter la cree automáticamente cuando envíes tu primera consulta.

El Project ID, nombre del Dataset y nombre de la Tabla 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 menú desplegable de métricas, busca y selecciona: e.g., Impressions, Clicks, Spend, Leads, Conversions, Reach, Video Views.

Elegir dimensiones

Para segmentar tus datos, en el menú desplegable de dimensiones, busca y selecciona: e.g., Campaign Name, Date.

• Otras dimensiones: Campaign Name, Ad Name, Account Name, Objective, Country, Date, Seniority, Industry, Company Size, Job Function.
• Datos de targeting de empresa: Industry, Company Size, Job Function, Seniority disponibles como dimensiones.
• Lead Gen Forms incluidos: Lead Form Completions y Lead Form Opens están disponibles como métricas.
• Granularidad diaria recomendada: La API de LinkedIn Ads proporciona mejor precisión de datos a nivel diario. Los desgloses por hora no están disponibles.

Ver todos los campos de LinkedIn Ads

Crear campos personalizados

Para métricas personalizadas, agrega una nueva métrica, solicita tu fórmula en lenguaje natural y revisa la fórmula generada y una vista previa de la consulta. Elige el formato de tu métrica (número, moneda, porcentaje). Para este ejemplo: CPC = “Spend / Clicks”, CPL = “Spend / Leads”.

Para dimensiones personalizadas, solicita tu fórmula para segmentar datos basándote en convenciones de nomenclatura. Si tus convenciones de nomenclatura incluyen objetivo, etapa del funnel o productos, solicita una fórmula como: “If campaign name contains ‘awareness’, tag as ‘Awareness’. If contains ‘consideration’, tag as ‘Consideration’. If contains ‘conversion’, tag as ‘Conversion’. Else ‘Other’.” En la vista previa, observa cómo Porter transforma los 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 (suma, resta, división, multiplicación), condicionales (if/then/else), regex (coincidencia de patrones). Las mismas capacidades que los campos calculados de Looker Studio.

Configurar rango de fechas

Selecciona un rango de fechas del menú desplegable. Para este ejemplo: last 30 days.

• 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 específicas de inicio y fin.
• Auto-actualización: los datos se actualizan automáticamente basándose en el rango dinámico.

Agregar filtros

La API de LinkedIn puede devolver campañas con cero impresiones. Crearemos un filtro para excluir campañas inactivas.

Para este ejemplo:

• Condición: Exclude
• Campo: Impressions
• Operador: equals
• Valor: 0

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

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

Programar actualización

Solicita 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: coincide 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 administrador 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, último estado 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 exacta, 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 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., “ppc_data”): una colección de tablas dentro de un proyecto.
• Table (e.g., “LinkedIn Ads”): 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 actualizar 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 “ppc_data” → Table “LinkedIn Ads”. Haz clic en “Add” para conectar.

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

Tus datos de BigQuery ahora están conectados a Looker Studio.

Plantillas de LinkedIn Ads para BigQuery + Looker Studio

Porter tiene la galería de plantillas de Looker Studio más completa para datos de marketing.

Las plantillas son compatibles con tablas de BigQuery creadas en Porter.

Nota: Los nombres de campos de BigQuery usan guiones bajos en lugar de espacios (e.g., “amount_spent” en lugar de “Spend”). Puede que necesites mapear campos al conectar una plantilla.

Plantillas disponibles:

Dashboard creativo de LinkedIn Ads

Por Qué los Marketers Mueven Datos de LinkedIn Ads 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 B2B: Une LinkedIn Ads con HubSpot o Salesforce. Rastrea qué campañas y títulos de trabajo convierten a pipeline e ingresos.
• Análisis B2B cross-channel: Combina LinkedIn con Google Ads y datos de content marketing. Ve el journey completo del comprador B2B a través de touchpoints.
• Acceso de toda la empresa: Los equipos de ventas pueden acceder a datos de LinkedIn Ads sin permisos de Campaign Manager. Marketing y ventas alineados en los mismos números.
• Haz los datos disponibles para IA: Las herramientas de IA necesitan datos estructurados. BigQuery permite que cualquier IA analice el rendimiento de tus LinkedIn Ads para insights de audiencia.
• Supera los límites de tasa de API: La API de LinkedIn tiene límites de tasa estrictos. BigQuery almacena tus datos localmente para consultas ilimitadas sin alcanzar cuotas de API.

Próximos Pasos

Ahora que tus datos de LinkedIn Ads 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 propias.
• 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 flujos de trabajo de IA: Automatiza alertas y reportes con lenguaje natural. Ejemplo: “Every Monday at 9am, get LinkedIn Ads 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 LinkedIn Ads a Google Sheets, PostgreSQL u otros warehouses. El mismo proceso de configuración.

Explorar todas las plantillas de LinkedIn Ads