Utilisation de Google Analytics et de l'API Google Trends pour suivre les performances avec R

Pourquoi les données Google Trends sont-elles puissantes ?

Nous savons tous que Google capture une quantité effrayante de données sur nous. Avec des milliards de recherches chaque jour, Google peut en savoir beaucoup plus sur notre société et le sentiment des populations que les gouvernements. Par exemple, les données sur les tendances de recherche peuvent reconnaître les épidémies bien avant qu'elles ne soient annoncées par les médias en constatant une augmentation des requêtes de recherche liées à des symptômes spécifiques. Sans surprise, des études ont été menées pour prévoir l'augmentation des cas de COVID-19 par région.

Ces jours-ci, Google est essentiellement le baromètre du sentiment mondial et la meilleure chose à propos des données sur les tendances de recherche de Google ? C'est gratuit.

Pourquoi utiliser l'API Google Trends ?

Google Trends est une fonctionnalité clé de la boîte à outils de nombreux spécialistes du marketing numérique. La popularité des requêtes de recherche au fil du temps peut être analysée pour montrer la connaissance du marché. La superposition de ces données avec celles d'autres sources peut fournir des informations qui seraient autrement manquées.

Ce blog fournit un tel exemple en montrant comment vous pouvez superposer les données de Google Trends avec le trafic organique de votre site Web – cela peut être utilisé pour comprendre les performances SEO. Si votre trafic organique commence à baisser, est-ce dû à une baisse de l'intérêt du marché ou parce que vous n'êtes pas très bien classé pour vos principales requêtes de recherche ?

Il existe des packages R disponibles pour Google Trends et Google Analytics qui sont assez faciles à utiliser pour ceux qui ont une compréhension de base de la programmation. Pour Google Trends, nous utiliserons le package gtrendsR, puis pour Google Analytics, nous utiliserons le package googleAnalyticsR, que nous avons abordé dans notre article précédent - Utilisation de l'API Google Analytics avec R. L'exemple de code fourni doit être simple à copier/coller et à adapter. pour répondre à vos besoins.

Nous utiliserons l'exemple d'une entreprise qui vend des boissons gazeuses et qui souhaite comprendre la popularité au fil du temps des produits qu'elle vend.

API Google Trends - Comment extraire les données des tendances de recherche

Ces données sont les plus faciles à obtenir, principalement parce qu'aucune clé API n'est requise. Pour commencer, installez simplement le package avec install.packages("gtrendsR") et chargez la bibliothèque avec library(gtrendsR) . La sélection des mots clés souhaités peut être difficile. Nous vous recommandons de consulter les principaux termes non liés à la marque dans la Search Console, classés par impressions.

 # Load Libraries and Set Up Query Conditions # library(gtrendsR) keywords = c(“Soft drinks”, “Fizzy drinks”, “Pepsi”, “Lemonade”, “Fanta”) country = c('GB') time = (“2020-01-01 2021-10-31”) channel = 'web' # Run Query # data1 = gtrends(keywords, gprop = channel, geo = country, time = time) data_trend = data$interest_over_time

Comme indiqué dans le code ci-dessus, des variables supplémentaires peuvent être incluses dans votre requête : gprop, geo et time :

• Gprop représente les propriétés de Google, à savoir les actualités, les images et YouTube. Toutefois, s'il n'est pas renseigné, il s'agira par défaut du Web.
• Geo représente le pays en fonction de son code ISO à deux chiffres - cependant, s'il est laissé vide, il sera par défaut dans le monde entier.
• L'heure représente la date de début et de fin de la demande.

Le package gtrendsR a une limite de 5 mots-clés à la fois, donc si vous souhaitez exécuter plusieurs requêtes, vous pouvez utiliser une boucle comme indiqué ci-dessous. Nous vous conseillons de le faire si vous évaluez la popularité globale d'un ensemble de termes de recherche, car cette boucle exécute chaque mot clé séparément avant d'agréger chacune de leurs modifications hebdomadaires. Par conséquent, le changement de popularité de l'un n'a pas d'impact direct sur celui de l'autre.

 list1 = list() for (i in 1:length(keywords)){ trends = gtrends(keywords[i], gprop =channel,geo=country, time = time ) time_trend=trends$interest_over_time time_trend$keyword <- keywords[i] list1 [[i]] <- time_trend } data1 <- do.call("rbind", list1)

Une chose à noter est que Google Trends fournit des données hebdomadaires, mais les semaines commencent un dimanche. Par conséquent, nous devrons agréger nos données Google Analytics au niveau de la semaine à partir d'un dimanche - il existe un package utile pour nous aider à le faire que nous aborderons plus tard.

API Google Analytics - Comment tirer du trafic organique

Nous vous recommandons de lire notre article précédent pour comprendre plus en détail le package googleAnalyticsR. Cet article vous montre comment vous pouvez filtrer votre trafic organique vers des pages de destination spécifiques. Cela peut être utile si votre entreprise est présente sur plusieurs marchés. Par exemple, si vous vendez des boissons gazeuses et des barres chocolatées, vous ne voudriez pas inclure le trafic organique vers les pages des barres chocolatées lors de l'évaluation de l'intérêt du marché pour les boissons gazeuses.

Sinon, le code ci-dessous vous permet d'accéder à tout le trafic organique de votre site en utilisant ce package avec R.

Nous vous conseillons d'exécuter chaque ligne d'un code à la fois afin que vous puissiez facilement repérer les erreurs.

Pour une méthode d'authentification plus "professionnelle", qui aide à l'automatisation des scripts, consultez cette explication plus détaillée.

Le code ci-dessous tire le trafic organique par jour. La fonction floor_date est ensuite utilisée pour agréger le trafic par semaine à partir du dimanche, afin de faire correspondre les données de la Search Console (qui se limitent aux données hebdomadaires du dimanche au samedi).

 # Load Libraries and Setup Query - make sure to set your View ID # library(googleAnalyticsR) library(dplyr) library(lubridate) ga_auth() set_view_ID <- #ENTER_VIEW_ID# organicTraffic <- dim_filter("channelGrouping", "EXACT", "Organic Search") organicFilter <- filter_clause_ga4(list(organicTraffic),”AND” ) # Run Query, Aggregate Daily Traffic to Weekly Traffic and Rename Columns # data2 <- google_analytics (set_view_ID, date_range = c(“2021-01-01”, ”2021-10-31”), metrics = "sessions", dimensions = "date", dim_filters = organicFilter, anti_sample = TRUE) data2$week <- floor_date(as.Date(data2$date, "%Y-%m-%d"), unit="week") data2 <- data2 %>% group_by(week) %>% summarise(sum(sessions)) names(data2)[1] <- "week" names(data2)[2] <- "sessions" # Merge Search Trends and Organic Traffic # merged_data <- merge(data1, data2)

Fusionner les ensembles de données et obtenir des informations

Dans notre dernière ligne de code ci-dessus, nous avons fusionné les ensembles de données en 3 colonnes : date de début de la semaine, sessions organiques et tendance de recherche relative. Désormais, ces deux jeux de données peuvent facilement être superposés dans un graphique à analyser (voir graphique ci-dessous par exemple).

L'agrégation des données sur les tendances de recherche signifie que nous pouvons voir la popularité relative de toutes les requêtes de recherche au fil du temps, ce qui donne un aperçu de l'évolution de l'intérêt du marché.

Nous vous recommandons de superposer les données des tendances de recherche et le trafic organique sur un graphique au fil du temps en utilisant un axe droit et gauche afin d'évaluer la tendance. Ce que vous verrez probablement, c'est une corrélation positive entre eux, le trafic augmentant à mesure que la popularité de la recherche augmente. Il peut y avoir des points où les lignes s'écartent les unes des autres, indiquant un changement dans le classement des mots clés. Avez-vous l'impression de vous déplacer vers le haut ou vers le bas de la page de résultats de recherche de Google ?

Le graphique ci-dessous montre des exemples de données avec le trafic organique sur l'axe de gauche et les tendances de recherche sur l'axe de droite. Dans le graphique ci-dessous, il y a une nette divergence entre les deux mesures au cours de la semaine 24. Malgré la baisse significative du trafic organique, les tendances de recherche restent relativement cohérentes, indiquant une baisse du classement des mots clés sur les pages qui génèrent un volume élevé de trafic - ces classements alors reprendre vers la semaine 33.

Il ne s'agit que d'un cas d'utilisation de l'API Search Console. Il a de nombreux autres rôles à jouer dans l'espace marketing, tels que la génération de rapports en direct sur les tendances des termes de recherche qui peuvent être utilisés pour des histoires de relations publiques numériques réactives, ou l'observation de la popularité de la marque des concurrents au fil du temps.

Envie d'en savoir plus ? Contactez-nous pour parler à un membre de notre équipe d'analyse Web avancée !