Comment exporter des données de Google Analytics 4 vers Google BigQuery

Google Analytics 4 facilite plus que jamais l'analyse des données dans Google BigQuery. Désormais, presque tout le monde peut collecter gratuitement des données dans BigQuery. Dans cet article, nous expliquons comment exporter correctement des données vers BigQuery depuis Google Analytics 4 et ce que vous devez prendre en compte pour tirer le meilleur parti de vos informations collectées.

Les données brutes (non traitées) vous permettent d'analyser précisément vos processus métier. En collectant des données brutes, vous pouvez :

• Évaluer objectivement vos processus d'affaires
• Effectuer une analyse approfondie des métriques
• Suivre l'intégralité du parcours utilisateur
• Créez des rapports sans limites
• Segmentez votre audience et mettez en place des publicités ciblées

L'échantillonnage consiste à extrapoler les résultats de l'analyse pour un segment donné, lorsque la quantité d'informations est trop importante pour être traitée rapidement (par exemple, si vous utilisez plusieurs dimensions personnalisées dans vos rapports). L'échantillonnage peut fausser considérablement vos rapports et vous amener à mal évaluer vos résultats puisque vous n'analysez pas toutes les données mais seulement une partie. Ce faisant, vous risquez d'investir dans des campagnes publicitaires inefficaces ou de désactiver les canaux publicitaires générateurs de revenus. Comme vous pouvez le voir, éviter l'échantillonnage est définitivement une bonne idée. Et heureusement, c'est réalisable.

Passons au côté pratique de la question : quelle plate-forme d'analyse est pratique, abordable et vous permet de travailler avec des données brutes non échantillonnées ? La solution que nous recommandons - Google BigQuery - est probablement la plus populaire parmi les spécialistes du marketing du monde entier, et il y a de nombreuses raisons solides à cela. Nous vous recommandons de collecter, stocker et traiter les données brutes à l'aide du stockage cloud BigQuery. Nous vous expliquons ci-dessous pourquoi.

Google BigQuery est un entrepôt de données multicloud avec un service de requête intégré et un haut niveau de sécurité et d'évolutivité. Selon Gartner, "d'ici 2022, 75 % de toutes les bases de données seront déployées ou migrées vers une plate-forme cloud, avec seulement 5 % jamais envisagées pour un rapatriement sur site". Et grâce au fait que BigQuery fait partie de l'écosystème Google et de Google Cloud Platform en particulier, il s'intègre nativement aux autres produits Google et vous aide à développer votre activité à une vitesse compétitive.

Il existe de nombreux aspects de bas niveau qui rendent BigQuery presque irremplaçable pour les spécialistes du marketing. Examinons de plus près certains de ses avantages les plus précieux :

• Possibilité de télécharger de gros volumes d'informations. Avec BigQuery, vous pouvez effectuer une analyse en temps réel de tout type de données et les traiter rapidement avec SQL.
• Haut niveau de sécurité . Vous obtenez un contrôle total sur votre projet et pouvez profiter de l'authentification à deux facteurs.
• Abordable. Ne payez que pour les données collectées et traitées.
• Intégration native avec les produits Google. Connectez-vous facilement à Google Analytics et à d'autres produits.
• Évolutif. Évoluez rapidement et de manière transparente pour vous adapter facilement à un monde en évolution rapide.
• BigQueryML . Créez des modèles de prédiction d'apprentissage automatique sur des données structurées et semi-structurées à l'aide de SQL.
• SIG BigQuery. Grâce au système d'information géographique (SIG) de BigQuery, vous pouvez analyser les informations géospatiales et déterminer quels utilisateurs doivent recevoir un e-mail pour un emplacement de magasin spécifique, par exemple.

Examinons le format et le schéma des données de propriété GA 4 qui sont exportées vers BigQuery. Une chose importante à garder à l'esprit lorsque vous travaillez avec GA 4 est que sa structure diffère de la structure d'Universal Analytics, qui est familière aux spécialistes du marketing du monde entier.

Voici comment le schéma Google Analytics 4 diffère du schéma Universal Analytics :

• Ensembles de données. Échantillon GA les ensembles de données sont nommés analytics_ , où ID de propriété est votre ID de propriété Analytics.
• Les tables. Un tableau Google Analytics distinct est importé dans l'ensemble de données pour chaque jour. Le format de ces tables est events_YYYYMMDD , contrairement à Universal Analytics où il s'agit de ga_sessions_YYYYMMDD .
• Lignes. Chaque ligne correspond à un événement téléchargé, contrairement à Universal Analytics où chaque ligne correspond à une session Google Analytics 360.
• Colonnes. Les noms de champ diffèrent largement entre GA 4 et Universal Analytics. Vous pouvez les comparer en suivant ces liens :
  • Schéma d'exportation BigQuery de Google Analytics 4
  • Schéma d'exportation BigQuery Universal Analytics

Passons maintenant à l'objectif principal de cet article : fournir des instructions détaillées sur la manière d'exporter vos données de Google Analytics 4 vers BigQuery.

Si les informations dont vous avez besoin sont déjà dans Google Analytics 4, vous pouvez commencer à les exporter. Vous pouvez l'exporter vers une instance gratuite du bac à sable BigQuery (les limitations du bac à sable s'appliquent).

Pour créer un projet APIs-Console :

1. Connectez-vous à la console des API Google.
2. Créez un nouveau projet ou sélectionnez un projet existant.

1. Accédez au tableau des API.
2. Allez dans le menu Navigation et cliquez sur API et services , puis sélectionnez Bibliothèque .

3. Dans les API Google Cloud, sélectionnez API BigQuery .
   
4. Sur la page qui s'ouvre, cliquez sur Activer .
5. Ajoutez un compte de service à votre projet Cloud. Assurez-vous que firebase-measurement@system. gserviceaccount.com est membre du projet et a le rôle d'éditeur qui lui est attribué.

1. Connectez-vous à votre compte Google Analytics. Le compte doit avoir le propriétairel'accès à votre projet BigQuery et l'accès en modification à la propriété Google Analytics 4 avec laquelle vous travaillez.
2. Accédez à l'onglet Admin et recherchez la propriété Analytics que vous devez associer à BigQuery.
3. Dans la propriétécolonne , cliquez sur Liaison BigQuery .

4. Cliquez sur Lien .
   

5. Cliquez sur Choisir un projet BigQuery pour afficher les projets auxquels vous avez accès. Pour créer un nouveau projet BigQuery, cliquez sur En savoir plus .
   

6. Sélectionnez votre projet et cliquez sur Confirmer .
   

7. Sélectionnez un emplacement . (Si votre projet possède déjà un ensemble de données pour la propriété Analytics, vous ne pouvez pas configurer cette option.)
   

8. Cliquez sur Suivant .
   
9. Sélectionnez les flux de données dont vous souhaitez exporter les informations.

Si vous devez inclure des identifiants publicitaires, cochez Inclure les identifiants publicitaires pour les flux d'applications mobiles .

10. Définir la fréquence : Quotidienou diffusion en continuexportation (continue) (vous pouvez également sélectionner les deux options).
    

11. Enfin, cliquez sur Soumettre .
    

Bravo! Vous verrez vos informations Google Analytics 4 dans votre projet BigQuery dans les 24 heures.

Vous disposez désormais de toutes les données brutes sur le comportement des utilisateurs dans BigQuery. Cependant, pour effectuer une analyse marketing, trouver vos zones de croissance et vos points faibles, vous devez ajouter à GBQ les données de coût des services publicitaires, les données des systèmes CRM, les services de suivi des appels et les applications mobiles (si vous en utilisez). Ensuite, fusionnez toutes ces données en un seul ensemble de données et rendez les données prêtes pour l'entreprise, afin que les spécialistes du marketing puissent facilement créer des rapports basés sur les données BigQuery.

L'une des solutions les plus optimales pour collecter et traiter toutes vos données marketing est OWOX BI Pipeline . Il inclut les données des services publicitaires, des CRM, des services de suivi des appels et des magasins hors ligne vers BigQuery pour compléter votre puzzle de données.

Une fois que vous avez toutes les données nécessaires en place, il est temps de les faire fonctionner pour vous. Habituellement, c'est une tâche pour un analyste, mais avec OWOX BI Smart Data , n'importe qui peut facilement travailler avec les données BigQuery.

BigQuery effraie souvent les spécialistes du marketing et semble complexe, mais il n'y a pas lieu de s'en soucier : il existe une solution qui peut vous aider à découvrir facilement tout le potentiel de vos données marketing. OWOX BI peut l'organiser dans un modèle adapté à votre entreprise, de sorte que vous puissiez facilement créer des rapports même si vous ne connaissez pas du tout SQL. Utilisez simplement un générateur de rapport simple ou sélectionnez un modèle prêt à l'emploi et visualisez les résultats dans votre outil de visualisation préféré.

Vous pouvez facilement exporter vos informations GA 4 vers BigQuery. Si la nouvelle structure fonctionne bien pour vous, vous pouvez profiter de ce service progressif et l'ajouter à votre boîte à outils d'analyse marketing. Avec OWOX BI Pipeline, vous pouvez collecter des données depuis votre site Web, vos services publicitaires, votre CRM, vos boutiques hors ligne et vos services de suivi des appels dans BigQuery pour compléter vos données. Et avec OWOX BI Smart Data, vous pouvez faire en sorte que ces données fonctionnent pour vous en créant des rapports, en transformant plusieurs lignes et tableaux en informations exploitables et en améliorant votre prise de décision.