3 fonctionnalités de Google Analytics 4 pour rattraper les données perdues

Avec le retrait imminent de l'ancienne version de Google Analytics, nous sommes entrés dans l'ère de Google Analytics 4 (GA4). Outre un lifting majeur et un changement de modèle de données, l'une des mises à niveau les plus puissantes de la plate-forme a été l'ajout et le raffinement des capacités d'apprentissage automatique.

Google Analytics a désormais la possibilité de combiner des données observées et des données non observées. Non seulement c'est un avantage, mais c'est une nécessité car les modifications apportées aux cookies du navigateur et aux identifiants des utilisateurs limitent de plus en plus l'ancienne méthode de suivi.

Nos outils de suivi et d'analyse perdent des données telles que nous les connaissons - et nous devons nous adapter. L'utilisation de certaines fonctionnalités simples dans GA vous aidera à compenser cette perte afin que vous puissiez rester informé des données.

Creusez plus profondément : 3 outils marketing "secrets" dans Google Analytics 4

Données non observées : comment ça marche et pourquoi c'est important

Quel que soit l'outil d'analyse que vous utilisez, l'exploitation des données non observées est un excellent outil pour suivre l'évolution de l'environnement de l'analyse du marketing numérique. La différence entre les données non observées et observées est la différence entre les données collectées et les données modélisées .

Le suivi des utilisateurs avec des cookies était auparavant plus fiable puisque presque tous les navigateurs acceptaient les cookies. La façon dont il fonctionne avec l'analyse consiste à marquer automatiquement un utilisateur avec un cookie lorsqu'il atterrit sur un site Web. Ce cookie permet aux plates-formes telles que GA d'identifier les utilisateurs par les informations sur l'appareil, l'emplacement, les données démographiques et, surtout, un identifiant aléatoire qui est "collant".

Lorsque cet utilisateur revient sur le site Web, l'identifiant est reconnu par GA en tant qu'utilisateur de retour, ce qui associe les informations passées de cet utilisateur à une nouvelle activité. Pour les applications mobiles, le comportement est similaire. Au lieu d'un cookie, les appareils ont un identifiant publicitaire unique comme identifiant (Android et iOS ont des versions différentes.)

Cependant, les choses ont changé progressivement au cours des dernières années et continueront de changer. Il y a un énorme problème avec cet ancien comportement : il donnait aux utilisateurs peu ou pas de contrôle sur le partage de leurs informations personnelles. La confidentialité n'était pas une considération, et les organisations avaient un contrôle à 100 % sur les informations de leur public.

Aucune information personnellement identifiable (PII) n'a jamais été suivie avec Google Analytics par défaut, car la collecte de ces données sur GA est contraire aux conditions de service, mais la définition des PII a changé en fonction de la manière dont les politiques sont rédigées et interprétées par différentes lois et équipes de sécurité.

Désormais, les utilisateurs peuvent bloquer et désactiver les outils d'analyse pour la collecte de données. L'opt-out automatique est la valeur par défaut pour le RGPD et les lois d'autres pays l'adopteront certainement. C'est le "futur sans cookies".

Pour faire court, nous n'obtiendrons plus le volume ou le détail des données utilisateur auxquelles nous étions habitués, il est donc temps de combler cette lacune. Dans Google Analytics 4, il existe plusieurs fonctionnalités prêtes à l'emploi pour compenser les données perdues. Ils ne nécessitent que peu ou pas de levage une fois le suivi mis en place, vous pouvez donc les tester et en tirer parti dès aujourd'hui. Voici trois exemples :

• Attribution basée sur les données
• Métriques prédictives
• Modélisation du comportement

Creusez plus profondément : que font les outils d'attribution marketing et d'analyse prédictive ?

1. Attribution basée sur les données

Dans GA4, l'attribution basée sur les données (DDA) peut être quelque peu difficile à trouver si vous n'êtes pas familier avec l'interface. Il se trouve dans l'écran Publicité au lieu de la zone Rapports. Les rapports sur la publicité sont intéressants et fractionnés car ils offrent une vue différente de vos données.

Dans Universal Analytics (parfois appelé GA3), l'équivalent le plus proche est les rapports sur les entonnoirs multicanaux. C'est un bon descriptif, car ces rapports élargissent l'analyse des conversions à plusieurs points de contact et à un parcours utilisateur plus complet. Auparavant, l'attribution basée sur les données n'était disponible que pour les comptes 360 payants, mais elle est désormais disponible pour tous.

Le modèle d'attribution DDA utilise un modèle statistique pour montrer l'importance d'un canal dans l'assistance à une conversion. Par exemple, il peut y avoir 5 000 achats attribués au canal de recherche organique dans le rapport d'acquisition principal GA4, mais les points de contact précédents du canal de recherche payante peuvent avoir une influence significative sur l'utilisateur qui achète finalement.

Le modèle statistique prendra les données sur le comportement et les chemins des utilisateurs menant à la conversion et déterminera le crédit que les différents points de contact devraient recevoir. Au lieu que 100 % du crédit soit attribué à l'organique dans l'exemple précédent, le crédit serait divisé par des pourcentages sur tous les canaux d'où proviennent les utilisateurs avant d'effectuer une transaction.

La visualisation de DDA se trouve dans le rapport Publicité > Chemins de conversion (illustré ci-dessus).

2. Métriques prédictives

Nous avons des données sur ce que les utilisateurs ont vu et avec lequel ils ont interagi, mais que feront-ils ensuite ? C'est l'exemple ultime de données non observées car il s'agit d'un comportement "futur". Notez que cette fonctionnalité ne concerne actuellement que les données de commerce électronique et de barattage.

Le suivi du commerce électronique devra être configuré avant que les métriques prédictives et les audiences prédictives puissent être utilisées. Si vous disposez d'un suivi du commerce électronique, les principales zones à voir et à utiliser la modélisation prédictive se trouvent dans les rapports Explorer et l'outil Audience.

Dans les rapports Explore, les métriques prédictives sont mieux utilisées dans la technique User Lifetime. Dans ce type de rapport, vous pouvez choisir les métriques à importer en fonction de la probabilité d'achat, de la probabilité d'attrition et des revenus prévus. Il y a une section dédiée à ces mesures sur l'écran de sélection.

Les données prédictives dans GA4 (à la fois ici et dans l'outil Audience) sont basées sur l'activité passée des utilisateurs. Avec les points de données des utilisateurs qui ont effectué un achat par rapport à ceux qui ne l'ont pas fait, le modèle apprendra les tendances qui développent les probabilités et les centiles. Pour l'attrition, le modèle examine les utilisateurs actifs et les utilisateurs qui deviennent inactifs pour déterminer qui ne reviendra pas sur votre site ou votre application la semaine prochaine.

Les informations peuvent également être utilisées en dehors de Google Analytics. Des audiences et des segments peuvent être créés pour isoler les acheteurs probables/improbables et utilisés dans Google Ads pour le remarketing. Pour construire une audience prédictive en quelques clics, vous pouvez vous rendre dans Admin > Audiences > Nouvelle audience > Prédictive . Cela vous donnera des audiences modèles prédéfinies à utiliser et à personnaliser comme vous le souhaitez (photo ci-dessous).

3. Modélisation du comportement

La modélisation du comportement est la fonctionnalité d'apprentissage automatique la plus percutante parmi ces trois, car elle affecte le suivi des utilisateurs directement depuis la source - l'identifiant. Il s'agit d'intégrer GA4 à votre outil de gestion du consentement des cookies afin que Google Analytics puisse collecter des données sur les utilisateurs qui ne consentent pas à être suivis.

Cela semble contre-intuitif, mais les données sont anonymisées et ne sont pas liées à un cookie ou à un identifiant d'utilisateur. Au lieu de cela, les données d'événement anonymes uniquement sont utilisées pour déterminer l'activité au niveau de l'utilisateur. Il est puissant car il est basé sur les données de votre site ou de votre application. Le comportement des utilisateurs observés (utilisateurs qui optent pour le suivi) forme un modèle d'apprentissage automatique pour estimer le comportement des utilisateurs qui se désengagent du suivi.

Si vous souhaitez tirer parti de la modélisation du comportement, la documentation de Google sur le mode de consentement peut vous aider à démarrer des conversations et des actions autour de l'utilisation de cette méthode de suivi des utilisateurs. L'option permettant d'activer la modélisation du comportement dans votre compte GA4 se trouve dans Admin > Reporting Identity > Blended .

Tirer le meilleur parti des fonctionnalités d'apprentissage automatique de GA4

Avec les outils ci-dessus, les questions sur vos utilisateurs et vos données peuvent se transformer de "Combien de vues la page X a-t-elle reçues ?" à "Quels utilisateurs sont les plus susceptibles de faire un achat important au cours des 7 prochains jours ?" Cette sophistication est beaucoup plus exploitable.

La combinaison des méthodes d'apprentissage automatique de GA4 avec le remarketing et le partage d'audience peut lancer vos analyses de la seule analyse aux cas d'utilisation immédiats et même à l'engagement de l'audience et à l'impact RoAS.

Creusez plus profondément dans GA4 avec ces histoires.

Les opinions exprimées dans cet article sont celles de l'auteur invité et pas nécessairement celles de MarTech. Les auteurs du personnel sont répertoriés ici.

Ajoutez MarTech à votre flux d'actualités Google.

---