Cómo conectar GSC a BigQuery paso a paso

Por qué exportar GSC a BigQuery

La interfaz web de Google Search Console tiene un límite de 1.000 filas por informe y una retención máxima de 16 meses. Para un sitio con miles de keywords y cientos de URLs, eso significa que una parte significativa de los datos queda oculta y que los datos más antiguos se pierden inevitablemente.

La exportación masiva (Bulk Data Export) a BigQuery elimina el límite de filas y permite almacenar datos históricos indefinidamente. Además, tener los datos de GSC en BigQuery permite cruzarlos con los datos de GA4 para análisis que ninguna herramienta individual ofrece: saber qué keywords generan conversiones, detectar desajustes entre CTR y engagement, o identificar páginas zombi sin tráfico ni conversiones.

Requisitos previos

• Una cuenta de Google Cloud con un proyecto y la facturación activada. A diferencia de la conexión de GA4, la exportación de GSC requiere que la facturación esté activa en el proyecto de Google Cloud (aunque los costes reales suelen ser mínimos o nulos dentro de la capa gratuita).
• Ser propietario verificado de la propiedad en Google Search Console (el rol de usuario con permisos completos).
• El proyecto de Google Cloud debe tener la API de BigQuery habilitada (se activa automáticamente al usar BigQuery por primera vez).

Paso 1: Acceder a la configuración de GSC

1. Abrir search.google.com/search-console e iniciar sesión.
2. Seleccionar la propiedad (dominio o prefijo de URL) que se desea exportar.
3. En el menú lateral izquierdo, ir a Settings («Configuración»).
4. Desplazarse hasta encontrar la sección Bulk data export («Exportación masiva de datos»).

Paso 2: Configurar la exportación

1. Hacer clic en Set up («Configurar») en la sección de exportación masiva.
2. Seleccionar BigQuery como destino de la exportación.
3. Elegir el proyecto de Google Cloud donde se almacenarán los datos. Es recomendable usar el mismo proyecto donde están los datos de GA4 para facilitar los cruces posteriores.
4. Seleccionar la ubicación del dataset. Elegir la misma región que el dataset de GA4 (si es posible) para que los JOIN entre tablas funcionen sin problemas. Si las regiones son distintas, BigQuery puede dar errores al cruzar datos.
5. Revisar el resumen y confirmar la configuración.

Paso 3: Estructura de los datos exportados

GSC crea un dataset llamado searchconsole en el proyecto seleccionado. Dentro de ese dataset se crean dos tablas principales que contienen datos complementarios:

• searchdata_site_impression: datos agregados a nivel de sitio. Cada fila es una combinación de query + fecha + país + dispositivo + tipo de búsqueda. No incluye la URL específica. Es la tabla más adecuada para análisis de keywords globales.
• searchdata_url_impression: datos a nivel de URL. Cada fila incluye también la URL específica que apareció en los resultados de búsqueda. Es la tabla necesaria para análisis de páginas individuales y para hacer cruces con GA4 por URL.

Las columnas principales en ambas tablas son:

• data_date: fecha del registro (tipo DATE nativo, no string como en GA4).
• query: el término de búsqueda que el usuario escribió en Google.
• url: la URL que apareció en los resultados (solo en la tabla url_impression).
• country: código de país en formato ISO 3166-1 alpha-3 (ESP, MEX, ARG, etc.).
• device: tipo de dispositivo: DESKTOP, MOBILE o TABLET.
• search_type: tipo de búsqueda: WEB, IMAGE, VIDEO, NEWS.
• clicks: número de clics recibidos.
• impressions: número de veces que la URL apareció en los resultados.
• sum_top_position: suma de posiciones (campo necesario para calcular la posición media correctamente).
• is_anonymized_query: indica si la query fue anonimizada por Google por tener bajo volumen de búsquedas (para proteger la privacidad del usuario).

El cálculo de la posición media

Un detalle técnico importante que es fuente frecuente de errores: en la exportación de BigQuery, la posición media no viene como un campo directo. Se calcula a partir de sum_top_position e impressions con esta fórmula:

-- Posición media correcta (0-indexed convertido a 1-indexed)
ROUND(
  SUM(sum_top_position + impressions) / SUM(impressions),
2) AS posicion_media

Las posiciones en el export de BigQuery son 0-indexed (la primera posición de Google es 0, no 1). Al sumar impressions a sum_top_position antes de dividir, se convierte a la escala 1-indexed que muestra la interfaz de GSC. Todas las queries de GSC del catálogo de Queryteca aplican esta fórmula correctamente.

Un error común es usar AVG(sum_top_position / impressions) o simplemente SUM(sum_top_position) / SUM(impressions) sin el ajuste de +1. Ambas fórmulas devuelven posiciones incorrectas (desplazadas en -1 respecto a lo que muestra la interfaz de GSC).

Paso 4: Verificación

La exportación comienza a funcionar al día siguiente de la activación. Para verificar que los datos llegan correctamente:

SELECT
  data_date,
  COUNT(*) AS filas,
  SUM(clicks) AS clics_totales,
  SUM(impressions) AS impresiones_totales
FROM
  `tu-proyecto.searchconsole.searchdata_site_impression`
WHERE
  data_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)
GROUP BY
  data_date
ORDER BY
  data_date DESC

Si devuelve filas con datos de los últimos días y los números de clics/impresiones coinciden aproximadamente con lo que muestra la interfaz de GSC, la exportación funciona correctamente.

Datos históricos

Una ventaja importante de la exportación de GSC frente a la de GA4: GSC sí exporta datos históricos retroactivos, aproximadamente los últimos 16 meses de datos. Esto significa que incluso si se activa la exportación hoy, se tendrá acceso a más de un año de datos de búsqueda desde el primer día, sin esperar.

Siguiente paso

Con GA4 y GSC conectados a BigQuery, el entorno de análisis está completo. El paso natural es ejecutar la primera query en BigQuery con un ejercicio guiado que muestra cómo consultar datos reales del sitio, paso a paso.