Cómo conectar LinkedIn Ads a BigQuery: guía paso a paso
Rutas reales para pasar tus datos de LinkedIn Ads a BigQuery, con pasos de configuración, esquema de tablas y los errores que hacen fallar la conexión.

Los datos de LinkedIn Ads viven encerrados en Campaign Manager: los mirás ahí y después cuesta cruzarlos con nada. Si querés histórico propio, análisis a tu medida y combinar campañas con GA4 o tu CRM, el destino es un warehouse como BigQuery. La consulta «conectar linkedin ads a bigquery» aparece en nuestros datos de Search Console (7 impresiones, posición media 35,9; muestra acotada que sirve como señal de demanda, no como volumen).
Respuesta corta: Tres rutas: exportar CSV desde Campaign Manager, un connector de terceros o la Reporting API con scripts propios. No hay connector nativo en BigQuery Data Transfer Service para LinkedIn Ads. La ruta depende de tus cuentas, la frecuencia que necesites y el mantenimiento que aceptes. El valor está en el esquema: hechos diarios más dimensiones con vigencia.
Para qué sirve tener LinkedIn Ads en BigQuery
- Histórico propio. La Reporting API retiene datos de performance 10 años y demografía profesional 2, pero el análisis largo desde la UI no escala. Con los datos en tu base, armás series y auditás cambios de inversión.
- Combinación con GA4 y CRM. El export de GA4 a BigQuery es nativo. Con ambos datasets en el mismo proyecto, cruzás gasto con sesiones, leads y oportunidades por fecha, campaña o UTM.
- Análisis a tu medida. Costo por lead calificado por industria, frecuencia contra rendimiento, presupuesto por cuenta: en la UI obligan a exportes a mano; en SQL, son una vista.
BigQuery no es un dashboard: es el depósito. Sin esquema ordenado, el cruce devuelve números que no cierran.
Tres rutas para conectar LinkedIn Ads a BigQuery
| Ruta | Cómo funciona | Para qué caso | Límite principal |
|---|---|---|---|
| Export manual de CSV | Descargás reportes desde Campaign Manager y los cargás en BigQuery | Pocas cuentas, validación inicial | Manual; la recurrencia la resolvés vos |
| Connector de terceros | Una herramienta (Fivetran, Supermetrics, Funnel, Improvado y otras) sincroniza hacia tu dataset | Varias cuentas, refresh diario | Licencia pagada y esquema del vendor |
| API + scripts propios | La Reporting API (adAnalytics) alimenta un pipeline que escribís vos |
Alto volumen, equipo técnico | Mantenimiento propio y versiones con corte |
Pasos de configuración por ruta
Export manual. En Campaign Manager elegís el rango de fechas y usás Export. Según la documentación de exportes de LinkedIn, elegís tipo de reporte (ad set performance, ad performance, demografía profesional o leads), columnas y desglose temporal (diario, mensual o todo el período). Después cargás el CSV a una tabla de staging con bq load y hacés el merge a la tabla final.
Connector. Elegís proveedor, autorizás la cuenta, apuntás el dataset de destino y definís refresh y backfill. Ojo: el Data Transfer Service de BigQuery lista fuentes como Facebook Ads, Google Ads y GA4, pero no LinkedIn Ads; los connectors no nativos llegan como transferencias de terceros vía Google Cloud Marketplace.
API propia. Necesitás una app con la Advertising API aprobada por LinkedIn (niveles de acceso y límites en el cronograma de acceso de LinkedIn). La Reporting API expone adAnalytics con permiso r_ads_reporting y OAuth de tres patas. Pedís métricas con el parámetro fields: sin él te devuelve solo impresiones y clics, y el máximo es 20 métricas por request. Programá extracción diaria con backfill de dos o tres días.
El esquema de tablas que conviene armar
La tentación es una tabla enorme con todo el CSV. Resiste poco: nombres cambian, métricas se corrigen y joins se rompen.
fact_ads_daily: fecha, account_id, campaign_id, ad_set_id, creative_id, impresiones, clics, costo, conversiones. Particionada por fecha.dim_campaigns,dim_ad_sets,dim_creatives: nombre, estado y objetivo con vigencia (valid_from/valid_to) o snapshot diario, para saber cómo se llamaba cada cosa cuando ocurrió el hecho.load_control: fecha de carga, filas, fuente y estado. Sin esto no auditás huecos.
Dos decisiones que evitan problemas: guardá los IDs como string (los identificadores viajan como URNs o números largos) y almacená numeradores, no promedios: un CTR guardado como porcentaje no se promedia bien entre días.
Errores comunes al conectar LinkedIn Ads a BigQuery
- Esperar un connector nativo en Data Transfer Service. No está en la lista oficial de fuentes: si tu plan dependía de un transfer de LinkedIn dentro de BigQuery, replaneá antes de empezar.
- Asumir que el CSV exporta todo lo que ves en el tablero. Hay columnas que no viajan al export, como key results, costo por resultado, puja y métricas MRC, según el tablero de reportes de Campaign Manager. Validá contra tu export real.
- Cargar una vez y olvidarte. La demografía profesional tarda 24 a 48 horas en estabilizarse y las métricas de video hasta 48 horas: re-exportá siempre los últimos dos o tres días.
- Duplicar filas al re-cargar. Si cada carga hace append, los días re-exportados se suman dos veces. Reemplazá por partición de fecha o dedupeá antes del merge.
- Ignorar los límites del endpoint.
adAnalyticsno pagina y topea en 15.000 elementos por respuesta. Las versiones de la API vencen (la 202511 el 16/11/2026 y la 202601 el 15/01/2027): un pipeline sin versión fija se rompe solo. - Joins por nombre de campaña. Los nombres cambian; los IDs no. Joineá por ID.
Qué mirar una vez conectado
La tubería resuelta es cuando empieza la revisión:
- Freshness: compará el gasto de ayer contra Campaign Manager. Si no coincide, el problema está en la extracción o en la ventana de fechas.
- Completitud: filas por día y campañas activas sin filas. Un hueco silencioso es peor que un error visible.
- Estabilidad de esquema: LinkedIn agrega columnas a los exportes; enterate por el control de cargas, no por un usuario.
- Coherencia con GA4 y CRM: las fuentes no coinciden en número y está bien. Documentá las diferencias, no fuerces cuadres.
La lectura de indicadores es otro terreno: reporting con IA: qué mirar en tus tableros. Y no confundas fuentes: medir el tráfico de ChatGPT en GA4 mide visitas de asistentes y las métricas de visibilidad en IA miden presencia en respuestas. Este post es solo la tubería hacia tu warehouse.
Preguntas frecuentes
¿Puedo conectar LinkedIn Ads a BigQuery sin escribir código?
Sí. Un connector de terceros resuelve la sincronización sin código, y el export manual con carga tampoco requiere programar. Lo que no existe es un connector nativo en Data Transfer Service para LinkedIn Ads.
¿Cuánto cuesta mantener la conexión?
Depende de la ruta: el export manual suma trabajo recurrente, los connectors tienen licencia y la API suma desarrollo. BigQuery factura almacenamiento y consultas aparte. Compará todo con el volumen que analizás antes de elegir.
¿Cada cuánto conviene refrescar los datos?
Diario, con backfill de dos o tres días. Un día recién cargado puede corregirse después por demoras de medición; el backfill absorbe esas correcciones sin duplicar filas.
¿La API de LinkedIn me devuelve todo lo que muestra Campaign Manager?
No. Algunas columnas del dashboard no están en el export CSV ni en el endpoint de reporting, y la demografía profesional tiene límites de retención y desglose. Validá tus campos contra un export real.
¿Sirve para comparar LinkedIn Ads con Google Ads?
Sí: con ambas fuentes en el mismo warehouse normalizás fechas, costos y conversiones. Ojo con forzar equivalencias de atribución: cada plataforma cuenta las conversiones a su manera y esa diferencia no es un error.
En síntesis: elegí la ruta según tu volumen, armá un esquema con hechos diarios y dimensiones con vigencia y revisá freshness cada semana. ¿Querés que armemos el pipeline? Conocé nuestro servicio de LinkedIn Ads.
Sumá a Achalay como fuente preferida y Google te va a mostrar nuestras notas más seguido en tus búsquedas y en sus respuestas con IA.