Les 6 principaux avantages de l'utilisation de Google Analytics 4 et de Google BigQuery Export

L'un des principaux avantages du nouveau Google Analytics 4 est la possibilité d'exporter gratuitement des données brutes non échantillonnées vers Google BigQuery. Rappelons que dans Universal Analytics, cette option n'était disponible que dans la version payante (Google Analytics 360). Voyons quelles opportunités se sont ouvertes pour la majorité des utilisateurs de Google Analytics (GA) avec ce changement.

La migration vers Google Analytics 4 est une étape inévitable que la plupart des entreprises franchiront dans un avenir proche. OWOX vous aide à faire cette transition aussi facilement que possible. Nous vous aiderons à développer et mettre en place un système de métriques ainsi qu'à mettre en place correctement le suivi des données. Vous pouvez enregistrer les rapports dont vous avez besoin et en créer de nouveaux sans avoir à comprendre la nouvelle structure de données et à réécrire les requêtes SQL.

En intégrant Google Analytics 4 à Google BigQuery, vous pouvez collecter des données brutes et non échantillonnées de votre site Web dans un stockage cloud, où chaque utilisateur et ses événements seront affichés sur des lignes distinctes. En utilisant des requêtes SQL sur ces données, vous pouvez calculer tous les paramètres et indicateurs dont vous avez besoin.

En collectant des statistiques de site dans Google BigQuery, vous pouvez éviter l'échantillonnage et d'autres limitations de Google Analytics 4. Vous pourrez analyser des données complètes, ce qui signifie que la qualité des décisions prises sur la base de ces données sera bien supérieure à la qualité des décisions que vous aurait pu faire sur la base de X.

Par exemple, la période de conservation par défaut des données d'utilisateur et d'événement dans GA 4 est de deux mois. Vous pouvez l'augmenter à 14 mois dans les paramètres de ressources. Cependant, cela peut ne pas être suffisant si vous souhaitez analyser les événements des utilisateurs qui se sont connectés pour la dernière fois il y a plus de 14 mois. Autrement dit, vous ne pouvez pas générer de rapport sur une période de deux ans. C'est là que Google BigQuery peut vous aider. Après avoir exporté des données vers BigQuery, vous pouvez les stocker sans limite de temps.

L'interface de Google Analytics ou de tout autre système d'analyse limite votre capacité à créer des rapports. Par exemple, il existe des limites sur le nombre de paramètres et d'indicateurs ainsi que sur la façon dont vous pouvez les combiner et effectuer des calculs basés sur eux. De plus, dans GA 4, il n'est pas possible d'importer des données de coût, de créer des groupes de canaux personnalisés ou d'inclure des métriques provenant de sources tierces telles qu'un CRM dans vos rapports.

En ayant accès aux données brutes dans Google BigQuery, vous pouvez créer des rapports avec n'importe quel nombre et combinaison de mesures dont vous avez besoin. Par exemple, vous pouvez effectuer une analyse de cohorte basée sur tous les indicateurs importants pour votre entreprise.

Dans Google Analytics 4, les rapports standard ne sont pas soumis à l'échantillonnage, mais l'échantillonnage peut être utilisé dans les rapports personnalisés : lors de la comparaison de données, lors de l'utilisation de paramètres et de filtres supplémentaires, lorsque la limite de 10 millions d'événements est dépassée. L'échantillonnage est également appliqué lorsque la plage de dates est supérieure à 60 jours.

L'échantillonnage peut déformer les données, vous ne pouvez donc pas faire confiance à 100 % aux rapports créés à l'aide de l'échantillonnage. Cela est particulièrement vrai pour les rapports sur une longue période ou pour les rapports personnalisés avec un grand nombre de paramètres et d'indicateurs. En téléchargeant des données brutes de Google Analytics 4 vers Google BigQuery, vous pouvez éviter ce problème.

Les données brutes de votre site Web peuvent être fusionnées avec les données sur les dépenses publicitaires des services publicitaires, les données de suivi des appels, les données de la newsletter par e-mail et les données sur les commandes échangées de votre CRM pour configurer des analyses de bout en bout.

Cela vous permettra de prendre en compte tous les points de contact avec votre entreprise, d'analyser les parcours de conversion des utilisateurs, d'évaluer l'impact de tous les efforts marketing (en ligne et hors ligne) sur les performances commerciales, de trouver les canaux marketing les plus efficaces et d'optimiser rapidement canaux qui entraînent des pertes.

Une fois que vous avez collecté et fusionné toutes vos données marketing, vous pouvez créer des entonnoirs de vente complexes adaptés à la structure de votre entreprise et créer vos propres modèles d'attribution pour évaluer la contribution de chaque canal publicitaire aux ventes.

Par exemple, vous pouvez évaluer la contribution des canaux à l'entonnoir marketing avec l'attribution basée sur l'entonnoir OWOX. Le modèle d'attribution basée sur l'entonnoir calcule la valeur de chaque canal et campagne dans l'entonnoir en fonction de sa contribution à la progression de l'utilisateur à travers les étapes de l'entonnoir. Pour effectuer ce calcul, les données agrégées ne conviennent pas - nous avons besoin de données sur chaque action de l'utilisateur, liées par l'ID utilisateur.

Plus le canal guide l'acheteur à travers les étapes les plus difficiles, plus il reçoit de valeur.

Avec le modèle d'attribution basée sur l'entonnoir, vous pouvez identifier les campagnes les plus efficaces et vous concentrer sur leur développement pour réaliser votre plan marketing. Par exemple, vous pouvez trouver des campagnes gérées que vous pouvez développer pour augmenter l'élasticité des canaux dépendants à capacité limitée (organique, contexte de marque, CPA, retargeting) et ainsi augmenter vos ventes globales.

Google Analytics 4 fournit des métriques prédictives (probabilité d'achat, probabilité d'attrition et prévisions de revenus) qui sont calculées à l'aide du machine learning. Cependant, le modèle est une boîte noire et fonctionne uniquement sur les données GA 4.

Disons qu'un analyste de données a été chargé de créer un modèle qui prédirait la probabilité d'un achat. On s'attend à ce que ce modèle soit aussi transparent que possible (il sera clair sur quelles fonctionnalités il est formé) et formé sur la base de toutes les données disponibles, y compris les données personnalisées. Dans ce cas, l'interface Google Analytics 4 n'est plus suffisante pour l'analyste, car il ne sait pas ce qu'il y a dans la métrique prédite calculée par GA. Si vous avez besoin de comprendre et de gérer le modèle (définissez vos propres fonctionnalités pour l'entraîner, par exemple), il est préférable d'importer vos données dans BigQuery.

Dans Google Analytics 4, un groupe de canaux standard prédéfini est disponible (payant, recherche, organique, etc.). Cela signifie que vous ne pourrez pas créer de rapport avec votre propre groupe de canaux dans l'interface GA 4 - du moins pas encore (peut-être que cette option sera ajoutée à l'avenir).

Par exemple, vos campagnes facebook/cpc vont par défaut au groupe de canaux payants, mais vous devrez peut-être les séparer dans un groupe social payant. Dans ce cas, il est utile d'importer des données dans BigQuery et de regrouper des canaux à l'aide de SQL.

Pour être juste, le regroupement des canaux peut être configuré de manière plus simple :

1. Connectez les données Google Analytics à Data Studio avec un connecteur intégré.
2. Configurez les conditions de regroupement dans Data Studio.

Ce ne sera pas aussi fiable que le regroupement de canaux dans Google BigQuery, mais si vous avez besoin d'une solution rapide, vous pouvez utiliser cette implémentation.

Supposons que vous deviez montrer des statistiques à un partenaire uniquement sur la base d'une balise UTM et ne divulguer aucune autre information. Dans l'interface Google Analytics 4, vous ne pouvez pas créer une vue séparée pour cela. Il n'y a qu'une seule vue de la ressource, c'est-à-dire que tous les partenaires verront toutes les données.

Google BigQuery vous permet de charger de grandes quantités de données et de les traiter rapidement à l'aide de SQL. Vous pouvez automatiser et planifier des rapports afin que votre équipe puisse se concentrer sur l'obtention d'informations au lieu de préparer des rapports.

Remarque : L'importation de données dans BigQuery à partir de Google Analytics 4 est gratuite, mais il existe des limites au-delà desquelles vous devez payer. Vous pouvez trouver des détails ici.

La transition vers Google Analytics 4 est une étape inévitable que la plupart des entreprises franchiront d'ici le 1er juillet 2023. OWOX aide à rendre cette transition aussi indolore que possible, vous permettant de conserver les rapports dont vous avez besoin et d'en obtenir de nouveaux sans avoir à comprendre les nouvelles données. structurez et réécrivez toutes vos requêtes SQL.

OWOX fusionnera toutes vos données et les intégrera dans la bonne structure pour votre modèle commercial. Grâce à cela, vous pouvez instantanément créer de nouveaux rapports ou modifier les anciens. Vous pouvez changer la source de données dans vos rapports pour Google Analytics 4, par exemple, sans avoir à réécrire des centaines de requêtes SQL.

Nous recommandons à tous nos clients de commencer dès maintenant à collecter des données dans Google Analytics 4 en parallèle avec Universal Analytics. À l'aide du suivi en parallèle, vous pouvez comparer les deux versions de Google Analytics, explorer de nouvelles fonctionnalités et la nouvelle interface de GA 4 et accumuler des données historiques. Plus vous installez Google Analytics 4 tôt, plus vous collecterez de données historiques.

L'équipe OWOX peut vous aider à développer et à mettre en œuvre un système de métriques, à configurer correctement le suivi parallèle et à intégrer Google Analytics 4 à Google BigQuery.