Google Analytics 4 avancé et BigQuery

Les explorations de GA4 constituent un espace de travail d’analyse avancée proposant six types d’exploration : Forme libre, qui permet de créer des tableaux et des graphiques par glisser-déposer, Exploration de l’entonnoir, Exploration des chemins, Chevauchement des segments, Exploration des cohortes et Durée de vie des utilisateurs.

Contrairement aux rapports GA4 standards qui utilisent des dimensions fixes, les explorations permettent aux analystes de créer des requêtes personnalisées avec n’importe quelle combinaison de dimensions et de métriques, avec jusqu’à 10 dimensions et 10 métriques par requête.

L’exploration des cohortes de GA4 regroupe les utilisateurs selon leur date d’acquisition, ou la date de leur premier événement, puis suit leur comportement au cours des semaines ou des mois suivants. Elle révèle dans quelle mesure vous fidélisez les utilisateurs acquis par différents canaux et différentes campagnes.

Un graphique de cohorte présentant une forte baisse dès la deuxième semaine signale un problème d’intégration. Les cohortes issues du marketing de contenu qui affichent une rétention à 90 jours supérieure à celle des cohortes payantes indiquent où investir pour favoriser une croissance durable.

La segmentation de l’analyse des cohortes par canal d’acquisition révèle si les utilisateurs issus de la recherche naturelle, des réseaux sociaux payants, des recommandations par e-mail ou du trafic direct présentent au fil du temps des schémas de rétention et d’engagement sensiblement différents.

Si les cohortes issues de la recherche naturelle affichent une rétention à 60 jours trois fois supérieure à celle des cohortes issues des réseaux sociaux payants, ces données justifient d’investir davantage dans le référencement naturel et le contenu, et éventuellement de réduire les dépenses consacrées aux réseaux sociaux payants qui attirent des utilisateurs ayant une faible valeur sur leur durée de vie.

GA4 propose une intégration native permettant d’exporter chaque jour vers Google BigQuery les données brutes non échantillonnées au niveau des événements, par lots ou en mode de diffusion en continu, et de créer ainsi un entrepôt de données permanent contenant chaque interaction de vos utilisateurs avec vos propriétés numériques.

L’export est gratuit pour la connexion à BigQuery, mais vous payez le stockage BigQuery ainsi que les coûts des requêtes. La configuration s’effectue dans la section Administration de GA4, sous Liaison à BigQuery, et nécessite un projet Google Cloud.

GA4 exporte les données vers BigQuery dans une structure JSON imbriquée organisée par événement : chaque ligne correspond à un événement, et les propriétés de l'utilisateur et de la session sont stockées sous forme de paires clé-valeur dans des champs RECORD imbriqués.

Les analystes utilisent SQL standard pour interroger les données, mais doivent utiliser UNNEST() pour aplatir les tableaux imbriqués event_params et user_properties avant de filtrer selon des valeurs de paramètres précises — une syntaxe différente de celle des tables relationnelles plates.

Une requête courante dans BigQuery pour GA4 relie les données au niveau de la session aux événements de conversion : elle déplie les données session_traffic_source pour obtenir le canal, puis compte les sessions, les utilisateurs et les conversions par canal pour une période donnée.

Ce type de requête produit des données de performance des canaux non échantillonnées et entièrement personnalisables, que l'interface standard de GA4 ne peut pas fournir, ce qui est particulièrement utile pour les propriétés à fort trafic auxquelles GA4 applique un échantillonnage des données dans les rapports.

BigQuery permet aux analystes de relier avec JOIN les données comportementales de GA4 aux données CRM, aux données de dépenses publicitaires et aux données produit dans une seule requête, créant ainsi des modèles fusionnés impossibles à obtenir au sein d'une seule plateforme marketing.

Par exemple, relier les données de session de GA4 à l'export CRM de Salesforce permet d'associer l'acquisition par canal marketing au chiffre d'affaires issu des ventes conclues en aval — reliant l'activité du haut de l'entonnoir aux résultats commerciaux du bas de l'entonnoir.

Looker Studio (anciennement Data Studio) se connecte directement à BigQuery comme source de données, ce qui permet aux analystes de créer des tableaux de bord visuels alimentés par des requêtes SQL personnalisées portant sur l'ensemble du jeu de données des événements GA4.

Cette combinaison permet de créer des rapports qui se mettent automatiquement à jour à mesure que de nouvelles données arrivent dans BigQuery, avec la souplesse de SQL personnalisé en arrière-plan et l'accessibilité d'un outil de création de tableaux de bord par glisser-déposer pour les parties prenantes non techniques.

Les requêtes planifiées de BigQuery exécutent SQL selon un calendrier défini — quotidien, hebdomadaire ou horaire — et écrivent les résultats dans une table de destination, ce qui permet de mettre à jour automatiquement la chaîne de traitement des données sans exécution manuelle de requête.

Un cas d'utilisation courant consiste à planifier quotidiennement une requête qui agrège les données des événements GA4 de la veille dans une table récapitulative, que Looker Studio lit ensuite pour alimenter des tableaux de bord affichant toujours les données les plus récentes, sans intervention d'un analyste.

GA4 utilise l'apprentissage automatique pour créer des audiences prédictives à partir de trois scores : la probabilité d'achat (probabilité d'effectuer un achat au cours des 7 prochains jours), la probabilité d'attrition (probabilité de ne pas revenir) et la prévision de revenus.

Ces audiences peuvent être exportées directement vers Google Ads afin de cibler les utilisateurs ayant une forte probabilité d'achat avec des campagnes axées sur les conversions, ou d'exclure les utilisateurs ayant une forte probabilité d'attrition des campagnes de fidélisation — en agissant sur des prédictions d'apprentissage automatique plutôt qu'en attendant que le comportement se produise.

GA4 permet aux spécialistes du marketing de définir des dimensions personnalisées (attributs au niveau de l'utilisateur ou de l'événement qui vont au-delà des valeurs par défaut — comme le niveau d'abonnement, la catégorie de contenu ou la variante d'expérimentation A/B) et des métriques personnalisées (valeurs numériques telles que le temps de lecture ou le nombre de vidéos regardées) afin de recueillir des signaux propres à l'activité.

Les dimensions et métriques personnalisées apparaissent dans les rapports et les explorations de GA4, tout comme les dimensions et métriques par défaut, ce qui permet d'analyser les performances selon des attributs propres à votre produit ou à votre stratégie de contenu et absents du modèle de données GA4 par défaut.

Les explorations de GA4 permettent d'effectuer des analyses avancées, notamment des explorations d'entonnoir, de cohortes et de parcours, sans limites d'échantillonnage dans l'espace de travail. L'exportation vers BigQuery fournit les données brutes au niveau de l'événement dans un environnement SQL, pour des analyses entièrement personnalisées.

La connexion de BigQuery à Looker Studio permet de créer des tableaux de bord automatisés à partir de modèles personnalisés, tandis que les audiences prédictives de GA4 permettent aux prédictions d'apprentissage automatique d'alimenter directement le ciblage Google Ads.