Firebase とアプリ分析の BigQuery 費用計算

Firebase、GA4、アプリイベントの export は、最初は無料のように見えがちです。プロダクトチームはデータウェアハウス費用より先にダッシュボードを見るためです。セッションごとのイベント数、ユーザーごとのセッション数、月間アクティブユーザー、平均イベントサイズ、export する環境数から見積もります。

デバッグイベント、クライアントのリトライ、バックグラウンド heartbeat、重複したサーバーイベントは、標準の見積もりから外せるように整理します。これらは保存データを増やし、その後のクエリが必要以上のバイトをスキャンする原因になります。

BigQuery 費用は通常、保存するデータ量と各クエリが処理するデータ量に分けて考えます。小さなテーブルでも、繰り返しのダッシュボード、Looker Studio レポート、スケジュールクエリ、アドホック SQL が広い期間を何度もスキャンすると高くなります。

イベントテーブルは日付で partition し、絞り込みに効く高頻度の軸は cluster を検討します。分析者には必要なカラムだけを選ぶ習慣を持たせ、定期レポートには小さな summary table を作って、ダッシュボード更新のたびに生イベント履歴を再スキャンしないようにします。

分析データは、すべての環境で同じ保持期間にする必要はほとんどありません。デバッグと attribution に必要な期間だけ生イベントを保持し、古いデータはプロダクト指標、funnel、cohort、売上 summary に集約します。

公開前に、Cloud Billing 予算、dataset expiration policy、クエリ費用制御、スケジュールジョブの担当者レビューを BigQuery と一緒に設定します。そのうえで分析ワークロードを別の後回し費用にせず、計算機の Firebase、Cloud Run、Firestore、Storage、Cloud SQL シナリオに加えてバックエンド全体で比較してください。