Avec l’ancienne version de Google Analytics Bientôt à la retraite, nous sommes entrés dans l’ère de Google Analytics 4 (GA4). En plus d’obtenir un lifting majeur et un changement de modèle de données, l’une des mises à niveau les plus puissantes de la plate-forme a été l’ajout et le perfectionnement des capacités d’apprentissage automatique.
Google Analytics a maintenant la possibilité de combiner les données observées et les données non observées. Non seulement c’est un avantage, mais c’est une nécessité, car les changements dans les cookies du navigateur et les identifiants d’utilisateur limitent de plus en plus l’ancienne méthode de suivi.
Nos outils de suivi et d’analyse perdent des données telles que nous les connaissons – et nous devons nous adapter. L’utilisation de fonctionnalités simples dans GA aidera à compenser cette perte afin que vous puissiez rester informé des données.
Creusez plus profondément: 3 outils marketing « secrets » dans Google Analytics 4
Données non observées : comment cela fonctionne et pourquoi c’est important
Quel que soit l’outil d’analyse que vous utilisez, l’exploitation de données non observées est un excellent outil pour suivre l’évolution de l’environnement de l’analyse du marketing numérique. La différence entre les données non observées et les données observées est la différence entre Données collectées et Données modélisées.
Suivi des utilisateurs avec des cookies Utilisé pour être plus fiable puisque presque tous les navigateurs acceptaient les cookies. La façon dont il fonctionne avec l’analyse consiste à tamponner automatiquement un utilisateur avec un cookie lorsqu’il atterrit sur un site Web. Ce cookie permet à des plateformes comme GA d’identifier les utilisateurs par des informations sur l’appareil, l’emplacement, les données démographiques et, surtout, un identifiant aléatoire qui est « collant ».
Lorsque cet utilisateur revient sur le site Web, l’ID est reconnu par GA comme un utilisateur récurrent, ce qui assemble les informations passées de cet utilisateur avec une nouvelle activité. Pour les applications mobiles, le comportement est similaire. Au lieu d’un cookie, les appareils ont un identifiant publicitaire unique comme identifiant (Android et iOS ont des versions différentes).
Cependant, les choses ont changé progressivement au cours des dernières années et continueront de changer. Il y a un énorme problème avec cet ancien comportement: il donnait aux utilisateurs peu ou pas de contrôle sur leurs informations personnelles partagées. Vie privée n’était pas une considération, et les organisations avaient 100% de contrôle sur les informations de leur public.
Aucune information personnellement identifiable (PII) n’a jamais été suivie avec Google Analytics par défaut, car la collecte de telles données à GA est contraire aux conditions d’utilisation, mais la définition des PII a changé en fonction de la façon dont les politiques sont écrites et interprétées par différentes lois et équipes de sécurité.
Désormais, les utilisateurs peuvent bloquer et refuser la collecte de données par les outils d’analyse. L’opt-out automatique est la valeur par défaut pour le RGPD et les lois d’autres pays sont certaines de l’adopter. C’est le «Avenir sans cookies. »
Pour faire court, nous n’obtiendrons pas le volume ou le détail des données utilisateur que nous avions l’habitude de faire, il est donc temps de combler cette lacune. Dans Google Analytics 4, il existe plusieurs fonctionnalités prêtes à l’emploi pour compenser les données perdues. Ils nécessitent peu ou pas de levage une fois le suivi mis en place, vous pouvez donc les tester et en tirer parti aujourd’hui. En voici trois exemples :
- Attribution basée sur les données
- Métriques prédictives
- Modélisation comportementale
Creusez plus profondément: Que font les outils d’attribution marketing et d’analyse prédictive ?
1. Attribution basée sur les données
Dans GA4, Attribution basée sur les données (DDA) peut être un peu difficile à trouver si vous n’êtes pas familier avec l’interface. Il est situé dans l’écran Publicité au lieu de la zone Rapports. Les rapports publicitaires sont intéressants et divisés car ils fournissent une vue différente de vos données.
Dans Universal Analytics (parfois appelé GA3), l’équivalent le plus proche est les rapports Multi-Channel Funnel. C’est un bon descripteur car ces rapports étendent l’analyse des conversions à plusieurs points de contact et à un parcours utilisateur plus complet. Auparavant, l’attribution basée sur les données n’était disponible que pour les comptes 360 payants, mais elle est maintenant disponible pour tous.
Le modèle d’attribution DDA utilise un modèle statistique pour montrer l’importance d’un canal dans l’aide à une conversion. Par exemple, il peut y avoir 5 000 achats attribués au canal de recherche organique dans le rapport d’acquisition principal de GA4, mais les points de contact précédents du canal de recherche payante peuvent avoir une influence significative sur l’utilisateur qui achète en fin de compte.
Le modèle statistique prendra les données sur le comportement des utilisateurs et les chemins menant à la conversion et déterminera le crédit que les différents points de contact devraient recevoir. Au lieu d’un crédit à 100% à l’organique dans l’exemple précédent, le crédit serait divisé par des pourcentages sur tous les canaux d’où provenaient les utilisateurs avant d’effectuer une transaction.
La visualisation de DDA se trouve dans le Chemins de publicité > de conversion (photo ci-dessus.)
2. Mesures prédictives
Nous avons des données sur ce que les utilisateurs ont vu et avec lequel ils se sont engagés, mais que feront-ils ensuite? C’est l’exemple ultime de données non observées car elles impliquent un comportement « futur ». À noter que cette fonctionnalité ne concerne actuellement que le commerce électronique et le barattage des données.
Le suivi du commerce électronique devra être mis en place avant que les métriques prédictives et les audiences prédictives puissent être utilisées. Si vous avez un suivi du commerce électronique, les principales zones à voir et à utiliser la modélisation prédictive se trouvent dans les rapports Explorer et l’outil Audience.
Dans les rapports Explorer, les mesures prédictives sont mieux utilisées dans la technique de durée de vie de l’utilisateur. Dans ce type de rapport, vous pouvez choisir des mesures à importer en fonction de la probabilité d’achat, de la probabilité de désabonnement et du chiffre d’affaires prévu. Il y a une section dédiée à ces métriques sur l’écran de sélection.
Les données prédictives dans GA4 (ici et dans l’outil Audience) sont basées sur l’activité passée des utilisateurs. Avec les points de données des utilisateurs qui ont effectué un achat par rapport à ceux qui ne l’ont pas fait, le modèle apprendra les tendances qui développent les probabilités et les percentiles. Pour l’attrition, le modèle examine les utilisateurs actifs et les utilisateurs qui deviennent inactifs pour déterminer qui ne reviendra pas sur votre site ou votre application la semaine suivante.
Les informations peuvent également être utilisées en dehors de Google Analytics. Les audiences et les segments peuvent être créés pour isoler les acheteurs probables/improbables et utilisés dans Google Ads à des fins de remarketing. Pour construire une audience prédictive en quelques clics, vous pouvez vous rendre sur Admin > audiences > nouvelle audience > prédictive. Cela vous donnera des audiences prédéfinies à utiliser et à personnaliser comme vous le souhaitez (photo ci-dessous).
3. Modélisation comportementale
La modélisation comportementale est la fonctionnalité d’apprentissage automatique la plus percutante de ces trois, car elle affecte le suivi des utilisateurs directement à partir de la source – l’identifiant. Il s’agit d’intégrer GA4 à votre outil de gestion du consentement aux cookies afin que Google Analytics puisse collecter des données sur les utilisateurs qui ne consentent pas à être suivis.
Cela semble contre-intuitif, mais les données sont anonymisées et ne sont pas liées à un cookie ou à un identifiant d’utilisateur. Au lieu de cela, les données d’événement anonyme uniquement sont utilisées pour déterminer l’activité au niveau de l’utilisateur. Il est puissant car il est basé sur les données de votre site ou de votre application. Le comportement des utilisateurs observés (utilisateurs qui optent pour le suivi) entraîne un modèle d’apprentissage automatique pour estimer le comportement des utilisateurs qui choisissent de ne pas suivre.
Si vous souhaitez tirer parti de la modélisation comportementale, consultez la documentation de Google sur consentement peut aider à démarrer des conversations et des actions à l’aide de cette méthode de suivi des utilisateurs. L’option permettant d’activer la modélisation du comportement dans votre compte GA4 se trouve dans Identité de rapport d’administrateur > > mixte.
Tirer le meilleur parti des fonctionnalités d’apprentissage automatique de GA4
Avec les outils ci-dessus, les questions sur vos utilisateurs et vos données peuvent passer de « Combien de vues la page X a-t-elle reçues ? » à « Quels utilisateurs sont les plus susceptibles d’effectuer un achat important dans les 7 prochains jours ? » Cette sophistication est beaucoup plus exploitable.
La combinaison des méthodes d’apprentissage automatique de GA4 avec le remarketing et le partage d’audience peut lancer votre analyse de la simple analyse aux cas d’utilisation immédiats et même à l’engagement du public et à l’impact RoAS.
Approfondissez l’AG4 avec ces histoires.
Obtenez MarTech! Quotidien. Libre. Dans votre boîte de réception.
Les opinions exprimées dans cet article sont celles de l’auteur invité et pas nécessairement celles de MarTech. Les auteurs du personnel sont répertoriés ici.
À propos de l’auteur
Samantha travaille avec l’analyse Web et la mise en œuvre depuis plus de 10 ans. Elle est défenseure des données et consultante pour des entreprises allant des petites entreprises aux sociétés Fortune 100. En tant que formatrice, elle a dirigé des cours pour plus de 1000 participants au cours des 6 dernières années à travers les États-Unis. Qu’il s’agisse de gestion des balises, de stratégie d’analyse, de visualisation de données ou de codage, elle aime l’excitement de développer des solutions sur mesure dans une grande variété de secteurs verticaux.
