Google Analytics DIY - Réplication de la fonctionnalité 360 dans GA

Certains d'entre vous auront peut-être la chance d'avoir le budget pour s'offrir Google Analytics 360 avec toutes ses fonctionnalités. Mais, pour ceux d'entre vous qui ne sont peut-être pas encore prêts à investir beaucoup d'argent, cet article devrait, espérons-le, vous donner quelques trucs et astuces qui vous permettront de partir et d'obtenir certaines de ces fonctionnalités payantes sans avoir à dépenser un sou.

La majorité des clients avec lesquels nous travaillons n'ont pas la version payante de Google Analytics. Nous avons donc affiné un certain nombre de processus au fil des ans qui permettent à nos clients de tirer le meilleur parti de leurs packages d'analyse gratuits.

Qu'est-ce que vous achetez avec 360 ?

Premièrement, que payez-vous réellement lorsque vous investissez dans Google Analytics 360 ? Eh bien, comme vous pouvez l'imaginer, il existe un certain nombre d'excellentes fonctionnalités :

• Intégration BigQuery*
• Intégration Salesforce*
• Analyse avancée
• Accès aux données brutes
• Rapports avancés sur l'entonnoir
• Modélisation des attributions
• Augmentation des vues
• Quotas de données plus importants
• Dimensions personnalisées supplémentaires*
• Des données plus récentes
• Rapports non échantillonnés*

Ce sont toutes des fonctionnalités intéressantes, mais dans cet article, nous allons examiner les points mis en évidence dans la liste ci-dessus et comment nous pouvons les obtenir dans la version gratuite de la plate-forme.

La pensée créative

Google Analytics nous offre un ensemble d'outils ou de rapports qui nous permettent d'examiner nos données d'une certaine manière. Bien qu'il s'agisse évidemment de la manière la plus simple d'utiliser la plate-forme, avec un peu de créativité autour de ces outils, nous pouvons créer des utilisations plus grandes et meilleures pour eux où nous pouvons obtenir encore plus d'informations sur nos données. Examinons donc quelques travaux de bricolage que nous pouvons entreprendre.

Rapports non échantillonnés

Le premier projet de bricolage que nous allons examiner concerne les rapports non échantillonnés. Beaucoup d'entre nous ont probablement été confrontés à la situation où nous allons superposer un segment ou une dimension secondaire sur un rapport et tout d'un coup une coche jaune apparaît dans le coin supérieur gauche nous indiquant que notre rapport est maintenant échantillonné.

Il y a 2 façons de contourner cela. Premièrement, si nous dépensons 120 000 £ sur Google Analytics 360, nous aurons un bouton attaché à tous les rapports qui nous permettra de créer un rapport non échantillonné. Cependant, il existe un certain nombre de produits gratuits qui utilisent l'API Google Analytics et sont livrés avec une fonctionnalité appelée minimiser l'échantillonnage. Les exemples comprennent:

• Bord analytique pour Excel
• Supermetrics pour Google Sheets/Data Studio

Pour comprendre le fonctionnement de ces produits, nous devons d'abord examiner pourquoi Google Analytics échantillonne les données en premier lieu. Il existe un certain nombre de facteurs impliqués dans le taux d'échantillonnage, y compris le type ou la qualité des dimensions, mais un facteur important est la quantité de données traitées.

La quantité de données dans un rapport a une relation très linéaire avec la durée du rapport - plus la plage de dates est grande, plus il y a de données dans le rapport et donc plus les niveaux d'échantillonnage sont élevés.

Ce que fait la fonction d'échantillonnage de minimisation susmentionnée, c'est que si vous exécutez un rapport sur une période de 10 jours, il exécutera à la place 10 rapports par incréments de 1 jour et les assemblera. Chacun de ces rapports d'un jour aura soit un taux d'échantillonnage considérablement réduit, soit aucun échantillonnage en raison de leur taille réduite.

C'est un moyen vraiment facile de réduire la taille de l'échantillonnage et très simple à mettre en œuvre.

Une note de GA4 :

Il convient de noter que ces projets de bricolage sont axés sur Universal Analytics, cependant, Google Analytics a récemment publié une nouvelle version de la plate-forme appelée GA4 qui a un moteur très différent sous le capot.

Alors, à quoi ressemble l'échantillonnage dans la nouvelle plate-forme GA4 ? Eh bien, la réponse courte est que c'est toujours une chose. Cela fonctionne légèrement différemment, mais fondamentalement, vous avez une limite maximale de 10 millions de visites par requête - au-dessus de cet échantillonnage se produira.

La plate-forme n'en est qu'à ses débuts, nous verrons donc comment certaines des plates-formes tierces discutées précédemment s'adaptent à ces limites pour nous offrir des options autour de la minimisation de l'échantillonnage.

Intégration GRC

Toute entreprise qui génère des prospects en ligne et les convertit hors ligne aura rencontré le problème à un moment donné de connecter les données historiques de navigation des clients comme les pages visitées et l'attribution des canaux avec des informations sur les prospects comme la qualité et les revenus générés.

Google Analytics 360 résout ce problème en introduisant un connecteur natif pour SFDC qui vous permet de transmettre des informations de ce CRM particulier à Google Analytics. C'est un énorme avantage car cela signifie que vous pouvez commencer à optimiser vos campagnes vers des prospects de qualité plutôt que de simplement soumettre des formulaires.

Il est cependant parfaitement possible d'établir vous-même cette connexion en utilisant un élément clé - l'ID utilisateur/client. Il s'agit de l'identifiant que Google Analytics stocke dans un cookie et utilise pour identifier les visiteurs uniques. Si vous capturez cet ID lorsqu'un formulaire est soumis, vous pouvez le stocker en tant que champ dans votre CRM.

L'étape suivante consiste à tirer parti du protocole de mesure de Google Analytics pour commencer à renvoyer les données CRM dans Google Analytics. Si vous envoyez ces données avec l'identifiant client/utilisateur, Google les connectera automatiquement à tout historique de campagne/comportement de navigation dans GA.

Cela signifie que vous pouvez commencer à alimenter des données telles que les revenus hors ligne et le statut des prospects dans Google Analytics (et donc Google Ads également) et commencer à optimiser les campagnes autour de mesures qui comptent vraiment.

Technologie SAM

Si vous payez pour GA 360 ou si vous le construisez vous-même, cela semble être un peu plus d'effort que vous ne le souhaitez, alors l'aide est à portée de main. Nous avons construit un logiciel qui connecte une large gamme de CRM (pas seulement SFDC) à Google Analytics. Nous appelons ce logiciel la technologie SAM (Systematic Attribution of Marketing). Si vous souhaitez optimiser vos campagnes vers les mesures qui génèrent une valeur réelle pour votre entreprise, veuillez nous contacter.

Une note de GA4 :

Les connexions CRM natives ne sont toujours pas possibles avec GA4, c'est donc toujours un problème que nous devrons surmonter. Cependant, il existe une connexion native avec Big query incluse qui nous donne également la possibilité de fusionner nos données CRM via cette plateforme.

Intégration de BigQuery

Big Query est la plate-forme de base de données de Google. Il est susceptible de devenir de plus en plus important dans le monde de l'analyse, donc je conseillerais certainement aux gens de se familiariser avec lui. Le stockage de vos données dans une base de données personnalisable par opposition à Google Analytics présente un certain nombre d'avantages, notamment :

• Intégration plus rapide avec DataStudio
• Modélisation prédictive
• Fusionner des données
• Pas d'échantillonnage

L'idée de base de la façon dont cela fonctionne est que vous définissez les champs que vous souhaitez extraire via l'API de création de rapports, puis importez ces données dans Big Query. Les nuances de la façon dont cela fonctionne sont évidemment un peu plus complexes, mais les laboratoires flous font un excellent travail pour expliquer comment cela fonctionne dans le lien ci-dessous : https://github.com/fuzzylabs/google-analytics-big-query-importer

Une note de GA4 :

GA4 change la donne en termes d'utilisation de Big Query. Il est livré avec un connecteur natif qui facilite l'importation de toutes vos données GA dans Big Query. Si vous envisagez d'intégrer vos données GA dans Big Query, c'est certainement la voie à suivre.

Dimensions personnalisées supplémentaires

Notre projet de bricolage final est des dimensions personnalisées. Pour tous ceux qui souhaitent un rappel sur leur fonctionnement, il y a un lien ici : https://support.google.com/analytics/answer/2709828?hl=en .

Ils sont extrêmement puissants et nous permettent d'enrichir notre analyse avec des dimensions et des métriques personnalisées spécifiques au fonctionnement de notre site Web. Le problème est que nous n'en recevons que 20, il y a donc souvent une décision à prendre en fonction de ce que nous capturons et de ce que nous ne capturons pas.

À moins bien sûr de repenser la façon dont nous en rendons compte. Les dimensions personnalisées sur lesquelles nous voulons nous concentrer pour ce projet de bricolage sont celles à faible cardinalité (c'est-à-dire qu'il y a peu de variations). Par exemple, concentrons-nous sur le scénario d'un utilisateur connecté où la dimension peut être connectée ou non connectée. Lorsqu'il y a une dimension avec une faible cardinalité, nous pouvons plutôt chercher à créer un segment pour chaque résultat et ainsi libérer une dimension personnalisée.

Par exemple ici, si nous voulions une dimension personnalisée au niveau de la session pour les utilisateurs connectés et non connectés, nous pouvons à la place chercher à créer un événement qui se déclenche lorsque quelqu'un se connecte. Ensuite, nous créons un segment au niveau de la session pour les sessions qui incluent un événement connecté et un deuxième segment qui n'incluent pas d'événement au niveau de la session.

Si vos dimensions sont légèrement plus complexes, vous pouvez également vous assurer qu'elles n'ont pas changé au cours d'une session (pour reproduire le comportement des dimensions personnalisées).

Pour ce faire, vous pouvez utiliser les options de séquence dans les segments. Un exemple ici étant les types de compte. Quelqu'un peut passer d'un compte gratuit à un compte payant au cours d'une session. Vous souhaiterez peut-être signaler uniquement les sessions avec des comptes gratuits créés.

Dans ce cas, nous devons donc exclure toute personne ayant créé un compte payant. Nous voudrions donc créer une dimension personnalisée au niveau des sessions où un événement de compte gratuit existait, mais exclure les sessions où quelqu'un est allé créer un compte payant.

Une note de GA4 :

GA4 réécrit complètement le fonctionnement des dimensions personnalisées. Vous disposez désormais de 100 dimensions et statistiques personnalisées et de 25 propriétés utilisateur qui fonctionnent de la même manière que les dimensions personnalisées. Finies les dimensions personnalisées au niveau de la session !

Conclusion

Que faut-il donc retenir de tout cela ? Essentiellement, Google Analytics vous donne un ensemble d'outils et vous indique comment vous êtes censé les utiliser. Mais avec un peu de bricolage et de réflexion créative, nous pouvons adapter ces outils pour créer des niveaux de perspicacité encore plus grands.