![header Marketing Mix Modelling](https://assets.iodigital.com/f/119964/2309x1299/1911d9de56/mmm.jpg/m/800x800)
Webinar
Date limite pour l'exportation depuis Universal Analytics : 1er juillet 2024.
Après le 1er juillet 2024, il ne sera plus possible d'accéder à vos données dans Universal Analytics. Il est donc essentiel de prendre des mesures en temps voulu et de les exporter avant cette date.
En exportant les données avant la fermeture de l'accès, vous pouvez conserver des informations précieuses, stocker vos données en toute sécurité et entreprendre tout autre action nécessaire. Il est conseillé de ne pas s'y prendre à la dernière minute, car vous pourriez rencontrer des obstacles, tels que des erreurs d'extraction ou des défis techniques.
Pour éviter les problèmes potentiels, il est conseillé de transférer les données à temps dans un environnement où elles peuvent être stockées en toute sécurité. Vous pourrez ainsi les utiliser ultérieurement à des fins d'analyse ou de transformation. En agissant maintenant, vous pouvez vous assurer que vous ne perdrez pas vos précieuses données et que vous serez bien préparé·e pour l'avenir.
Découvrez nos recommandations ci-dessous.
La conservation des données historiques offre plusieurs cas d'usage précieux qui peuvent vous aider à prendre des décisions stratégiques et à optimiser les performances de votre entreprise. Voici quelques cas d'usage clés où la conservation des données historiques peut s'avérer très utile.
Analyse des tendances sur plusieurs années : l'analyse des données historiques vous permet d'identifier les tendances et de mieux comprendre l'évolution du comportement de vos visiteur·euse·s. Par exemple, en examinant la fréquence des visites au fil des ans, vous pouvez découvrir des modèles et comprendre comment l'engagement de vos visiteur·euse·s évolue. Cela vous permet de développer et d'optimiser les stratégies de fidélisation et d'engagement des client·e·s.
Impact du RGPD : avec l'introduction du RGPD, il peut y avoir eu des changements dans les données disponibles et la façon dont elles sont capturées. En conservant les données historiques, vous pouvez analyser quelle partie des données est encore reconnaissable et quelles données ont été perdues en raison des nouvelles réglementations. Ces informations vous aideront à évaluer la pertinence et l'exactitude de vos analyses et à procéder aux ajustements nécessaires pour vous conformer au RGPD.
Changements démographiques des visiteur·euse·s : les données historiques peuvent fournir des indications précieuses sur l'évolution des caractéristiques démographiques de vos visiteur·euse·s au fil du temps. En comprenant ces changements, vous pouvez mieux adapter vos stratégies de marketing aux besoins et aux intérêts de votre public cible. Vous pouvez identifier de nouveaux segments et développer des campagnes personnalisées pour augmenter l'engagement et la conversion.
Campagnes répétées : si vous avez investi massivement dans des campagnes passées qui se répètent chaque année, il est essentiel de conserver les données historiques. En analysant les performances de ces campagnes au cours des années précédentes, vous pouvez savoir ce qui a fonctionné et ce qui n'a pas fonctionné. Cela vous aidera à optimiser vos stratégies marketing, à augmenter le retour sur investissement et à éviter de répéter les erreurs du passé.
Cartographier les effets saisonniers : les effets saisonniers peuvent affecter le comportement de vos visiteur·euse·s et les performances de votre site web. En analysant les données historiques, vous pouvez cartographier ces effets saisonniers et comprendre comment ils affectent votre entreprise. Cela vous permet d'aligner vos efforts marketing et de vente sur ces fluctuations saisonnières et de planifier vos ressources plus efficacement.
La conservation des données historiques présente donc plusieurs avantages. En les utilisant, vous pouvez prendre des décisions mieux informées afin d'atteindre les objectifs fixés pour votre organisation.
Lorsque vous comparez Google Analytics 4 (GA4) et Universal Analytics (UA), vous devez tenir compte de certains aspects importants pour faire le bon choix en fonction de vos besoins en matière d'analyse.
Modèle de données différent : la principale différence entre GA4 et UA réside dans la manière dont ils collectent et communiquent les données. GA4 est basé sur les événements, ce qui signifie qu'il se concentre sur la capture d'événements et d'interactions spécifiques sur votre site web. UA, quant à lui, utilise des mesures composites et se concentre davantage sur le suivi des sessions et des pages vues.
Nombre de sessions et d'utilisateur·rice·s : il est important de noter que les nombres de sessions et d'utilisateur·rice·s peuvent différer entre GA4 et UA en raison des différentes méthodes de collecte de données. UA utilise des cookies pour suivre les sessions des utilisateur·rice·s tandis que GA4 adopte une approche plus souple et plus respectueuse de la vie privée en utilisant des événements et des identifiants d'utilisateur·rice·s anonymes. Cela peut entraîner des différences dans les chiffres rapportés, et il est donc important d'en tenir compte lors de la comparaison des données.
Impact des événements anormaux tels que le COVID-19 : les événements anormaux, tels que la pandemie de COVID-19, peuvent avoir un impact significatif sur les tendances et les données historiques. Il est important de comprendre que les tendances historiques peuvent ne pas être représentatives du comportement normal au cours de cette période exceptionnelle.
Comprendre la différence entre GA4 et UA, évaluer le nombre de sessions et d'utilisateur·rice·s, et prendre en compte les événements anormaux tels que la pandémie, sont des facteurs importants lors de la prise de décision.
En stockant les données dans BigQuery, vous pouvez appliquer des transformations de données, ce qui rend le modèle de données des deux plateformes d'analytics comparable. Cela permet d'effectuer des analyses, de tendances ou autre, de manière plus équitable entre les deux plateformes.
Bien qu'UA soit un outil puissant pour collecter et analyser des données, il y a des limites à prendre en compte lorsque l'on veut stocker toutes les données disponibles. Voici quelques raisons pour lesquelles vous ne pouvez pas tout sauvegarder à partir d'Universal Analytics :
Limite de l'API de reporting : l'API de création de rapports d'Universal Analytics est limitée en terme de taille des rapports. Ceux-ci peuvent comprendre un maximum de 10 dimensions et 9 métriques. Cela signifie que toutes les dimensions et tous les indicateurs disponibles ne peuvent pas être inclus dans un seul rapport. Lors de la création du schéma de données pour l'exportation des données UA, il est important de déterminer les dimensions et les métriques les plus pertinentes pour vos besoins spécifiques, et les rapports que vous souhaitez générer.
Focus sur les rapports pertinents : le stockage de toutes les données disponibles peut entraîner une abondance d'informations qui ne sont peut-être pas toutes pertinentes pour vos besoins en matière d'analyses. Il est important de déterminer quels sont les rapports les plus précieux et les plus utiles pour votre entreprise. En définissant des types de rapports spécifiques et en ne stockant que les dimensions et métriques nécessaires, vous pouvez vous concentrer sur les données qui comptent vraiment et travailler plus efficacement.
Chez iO, nous avons élaboré un schéma de données qui tient compte de ces lacunes. Sur cette base, vous obtenez des données UA intéressantes avec lesquelles il est possible d'effectuer des analyses. Le schéma ci-dessous montre le résultat sous forme d'ensemble de données (datasets) :
Le transfert des données d'Universal Analytics vers BigQuery est une étape importante pour mieux gérer et exploiter vos données. En utilisant Airbyte OS, installé sur une machine virtuelle dans Google Cloud, nous allons simplifier et automatiser ce processus. Grâce à cet outil ETL, les données d'UA - basées sur le schéma de données que nous avons défini - seront chargées dans BigQuery. Cela vous permettra de gérer, d'analyser et d'exploiter plus efficacement vos données UA pour en tirer des enseignements en matière de marketing et prendre des décisions basées sur des éléments concrets.
N'hésitez pas à nous contacter afin d'obtenir de l'aide pour l'installation et la configuration d'Airbyte OS ainsi que le transfert de vos données UA. Nous pouvons vous aider à chaque étape du processus.
L'implémentation d'un outil ETL avec Airbyte sur une machine virtuelle dans Google Cloud et l'utilisation d'un hub de données marketing peuvent constituer une approche puissante pour stocker et exploiter vos données à des fins marketing. Voici un aperçu de la vision qui sous-tend l'utilisation d'un hub de données marketing :
Marketing cloud environment : le hub de données marketing agit comme un environnement consolidé où toutes les données marketing peuvent être collectées et éditées. Il s'agit d'un hub central où toutes vos données marketing sont rassemblées, ce qui vous permet d'avoir une vue d'ensemble de vos activités marketing.
Single source of truth : en utilisant un hub de données marketing, vous créez une source unique de vérité pour toutes vos données marketing. Vous évitez ainsi les incohérences et les doublons, et vous pouvez compter sur l'exactitude et la cohérence de vos données.
Flexible et évolutif : un hub de données marketing vous permet de ne payer que pour ce que vous utilisez, ce qui vous permet d'optimiser vos coûts. En outre, l'intégration de données provenant d'autres plateformes vous permet d'obtenir une image plus complète de vos efforts marketing et de prendre de meilleures décisions.
Votre propre serveur pour le server-side tagging : avec un hub de données marketing, vous pouvez configurer votre propre serveur pour le server-side tagging. Cela vous permet de gérer le suivi et la collecte des données et de les adapter à vos besoins spécifiques.
Possibilité d'installer des outils de données : en utilisant des machines virtuelles dans le cloud, vous pouvez facilement installer et utiliser des outils de données sur votre propre serveur cloud. Cela vous donne un contrôle total sur votre infrastructure de données et vous permet d'intégrer des outils et des technologies spécifiques en fonction de vos objectifs marketing.
Transformation des données avec Dataform : Dataform vous permet de transformer les données et de les préparer pour l'analyse et la création de rapports. Cela vous permet d'effectuer des transformations complexes et de structurer vos données de la manière la plus utile pour vos activités marketing.
Préparer l'avenir avec des outils cloud tels que Vertex AI : en utilisant des outils cloud tels que Vertex AI - qui permettent l'apprentissage automatique et le recours à l'IA - vous pouvez vous préparer à l'avenir du marketing. Par exemple, ces outils peuvent générer des recommandations de produits intelligentes basées sur des algorithmes avancés et des modèles dans vos données marketing.
Si vous êtes intéressé·e par l'implémentation d'un outil ETL avec Airbyte et la configuration d'un hub de données marketing, nous vous encourageons à contacter notre équipe. Nous pouvons vous aider à mettre en place la bonne infrastructure et à implémenter les outils nécessaires pour gérer et exploiter efficacement vos données marketing afin d'obtenir des informations plus pertinentes pour prendre de meilleures décisions.