4.8/5

Nous avons une bonne et une mauvaise nouvelle pour vous… Commençons sans ménagement par la mauvaise : l’outil Universal Analytics sera officiellement obsolète d’ici le 1er juillet 2023. Cela signifie que vous allez devoir migrer vers Google Analytics 4, ce qui risque de nécessiter un temps d’adaptation.

La bonne nouvelle, c’est que GA4, qui existe depuis 2020, apporte un arsenal de nouveautés des plus intéressantes pour votre stratégie marketing. Meilleure interface, usage du machine learning, exportation possible vers Big Query, on vous fait l’inventaire des nouveautés appliquées à l’outil d’analyse du web le plus utilisé au monde, avec ses plus de 20 milliards de sites et applications trackés, soit près de 85 % des parts de marché.

On en profitera pour vous expliquer en quelques mots comment mener à bien votre passage de Google Analytics 3 à Google Analytics 4… Et pour revenir aux bases, il vous suffit de jeter un œil à notre article d’intro sur l’outil Google Analytics.

Pourquoi ce changement imposé vers Google Analytics 4 ? 

C’est vrai qu’il est contraignant de devoir absolument se mettre à la page. En voici les raisons : 

Universal Analytics a été fondé sur un système de mesure en ligne davantage axé sur les utilisateurs d’ordinateurs de bureau, reposant notamment sur des sessions indépendantes et les fameux cookies, lesquels requièrent (en principe) le consentement de l’utilisateur.

Cependant, cette technologie est rendue obsolète en partie à cause des règles de confidentialité (RGPD et CCPA par exemple) qui encadrent de plus en plus la sphère digitale (sans parler des VPN). D’autre part, l’usage croissant des terminaux mobiles tend à invalider l’effort de concentration sur les appareils de type desktop.

Exemple cookies

En conséquence, la dernière version de Google Analytics a été conçue pour s’affranchir des cookies autant que de la récupération d’adresses IP. Plutôt sympathique pour vos internautes !

Fin de Google Analytics 3 : quelles conséquences pour votre site web ?

En gros, à partir du 1er Juillet 2023, plus aucune donnée ne se verra enregistrée par Universal Analytics. Certes, les anciennes datas seront encore accessibles jusqu’au 31 décembre de la même année mais, passé ce délai, elles seront automatiquement détruites. 

Vous vous dites sans doute qu’il y a le temps ? Non. Notre meilleur conseil ici est clairement le suivant : prenez-y vous dès maintenant ! Deux raisons essentielles à cela : 

  • la transition demande un certain temps d’adaptation
  • c’est l’occasion de prendre de l’avance (ou d’éviter les retards) sur la concurrence !

Mais avant qu’on vous explique en long et en large le protocole à suivre, souffrez donc une petite présentation de votre prochain outil de mesure web et laissez-vous séduire…

Google Analytics 4 : 7 nouveautés qui enterrent définitivement Universal Analytics

Pour les analystes et les chargés marketing comme pour les développeurs, la nouvelle version du célèbre outil de Google se drape d’un certain nombre d’avantages, que l’on va essayer de détailler ici !

Google Analytics 3 vs Google Analytics 4

1. Une interface hautement améliorée

Jusqu’ici, les nouveaux utilisateurs d’Analytics pouvaient reprocher à la troisième version d’être d’un abord relativement complexe. En effet, on y jongle avec tout un panel de rapports : 

  • rapport d’audience 
  • d’acquisition
  • de comportement
  • de conversion 
  • rapports en temps réel  
  • beta “analysis”
  • attribution

Ajoutez à cela tous les outils de type “propriétés et vues”, “filtres de vues”, “dimensions secondaires” ,“segments”, “filtres de rapport”, “dimensions custom”. En bref, il fallait un peu de temps pour maîtriser tous les aspects de l’interface.

Universal Analytics vs Google Analytics

GA4, de son côté, parvient à être plus intuitif. L’interface gagne en simplicité et en souplesse :

  • on allège le nombre de rapports au profit des vues et des segments, avec la possibilité d’effectuer des comparaisons entre les diverses dimensions sélectionnées
  • les rapports se font plus concrets, puisqu’ils vont correspondre aux étapes du cycle de vie du client (les fameux AARRR)
  • un tracking automatisé (automatic events), mais aussi plus souple, avec des options préconfigurées (recommended events).

2. Les événements comme modèle de données : plus pratique et plus précis !

À l’origine, la webanalyse reposait beaucoup sur le taux de rebond, calculé notamment à partir du nombre de vues, du temps passé sur une page ou encore du nombre de pages consultées à chaque session. 

Google Anlytics 3 vs Google Analytics 4

Si ce système semblait pertinent dans le cadre d’un site web, les applications mobiles et à page unique, en revanche, ont tendance à s’écarter de ce schéma.

Il a donc fallu chercher d’autres éléments signifiants, qu’on a finalement appelé “événements”, pour un modèle qu’on dira “event centric”, qui offre une approche simplifiée (exit l’”event category”, l”event action” et l’”event label”, par exemple) et plus flexible du comportement des utilisateurs. 

En outre, ce système d’événements, mais aussi de paramètres et de propriétés d’utilisateur, convient aussi bien au tracking d’applis mobiles qu’à celui des sites internet classiques.

3. Le machine learning au service du tracking pour un meilleur ROI

Pour obtenir une vision claire du parcours client, il convient de connaître tous les points de contact avec votre entreprise, peu importe sur quelle plateforme ou avec quel appareil. Toujours plus intelligent, Google Analytics 4 accomplit ce tour de force avec un tracking multi-plateforme et multi-device pour une meilleure attribution des conversions.

Autrement dit, vous avez un meilleur contrôle sur les données recueillies et stockées, avec une meilleure granularité pour un usage plus efficace (ex :  personnalisation des publicités et optimisation des périodes d’annonces).

Pour compléter ce tracking, et afin de combler les données manquantes, notamment en raison de la disparition des cookies, GA4 calcule et prédit, à partir des données collectées sur les autres plateformes intégrées (ex : YouTube et Google Ads), le comportement des utilisateurs. Vous connaîtrez donc la probabilité de voir s’accomplir certaines actions, grâce aux KPIs prédictifs ci-après : 

  • Purchase probability : à savoir la probabilité d’une conversion dans les 7 prochains jours par un utilisateur ayant été actif durant les 28 derniers jours ;
  • Churn probability : il s’agit de mettre en lumière le niveau d’engagement d’un utilisateur ayant été actif les 7 derniers jours en calculant la probabilité qu’il le soit encore les 7 jours suivants ; 
  • Revenue prediction : c’est tout bonnement les recettes attendues lors des 28 prochains jours, générées par un utilisateur ayant été actif durant les 28 derniers jours.

4. Les exportations vers Google Cloud BigQuery deviennent gratuites

GA4 et Big Query

Avec GA3, vous deviez nécessairement avoir la version 360 pour pouvoir exporter vos données brutes vers BigQuery. Désormais, vous pouvez utiliser l’outil gratuitement, afin d’unifier, de modéliser et de visualiser toutes vos données dans Data Studio. Pour une vision macro de vos actions marketing, c’est le top !

5. Gros respect des données utilisateur

On l’évoquait plus haut, les données des utilisateurs est un sujet plutôt sensible. À cet égard, GA4 propose l’anonymisation automatique des IPs et un meilleur contrôle sur tout ce qui touche à ces précieuses informations (collecte, conservation, puis suppression).

6. La section Analysis Hub : découvrez un puissant outil d’analyse !

À l’instar des exportations vers Big Query, les rapports “Analysis Hub” sont natifs sur Google Analytics 4. Avec ses 6 types d’analyses avancées, vous allez pouvoir vous amuser à analyser des parcours, comparer des segments, créer des funnels personnalisés, etc. 

Types d'analyse Google Analytics

Voici lesquels : 

  • Exploration : pour effectuer des analyses d’ensemble rapides, avec un niveau de précision intermédiaire ; 
  • Path Analysis  : pour visualiser le chemin emprunté par les internautes, sur quel canal, etc. Les options Starting Point et End Point permettent de revenir sur les actions qui ont mené l’utilisateur à tel ou tel événement ;
  • User Lifetime : pour saisir le comportement d’un utilisateur depuis qu’il est en contact avec votre site web ou application, et ce qu’il ou elle vous a rapporté en tant que client. Vous saurez alors, par exemple, quel médium ou quelle campagne aboutit au plus haut lifetime revenue sur une période donnée ; 
  • Funnel Analysis : pour visualiser les étapes précédant une conversion. Il s’agit avant tout de mettre en lumière les points de friction. Vous pouvez réduire le champ d’analyse à un seul appareil ;
  • Segment Overlap : pour isoler une certaine audience selon 3 segments et 10 metrics maximum, et examiner les comportement de votre groupe cible ; 
  • Cohort Analysis : pour observer dans la durée différents groupes d’utilisateurs rassemblés selon des attributs précis. L’inclusion dans une cohorte dépend soit d’un événement quelconque, soit plus spécifiquement d’une conversion ou d’une transaction, toujours déclenchés par l’utilisateur en question ;

Analyse Google Analytics 4

7. Une configuration simplifiée pour les développeurs

D’abord, Google Analytics 4 intègre une fonction de debug, sous le rapport dénommé “DebugView”. Elle permet d’isoler en temps réel les données issues de votre appareil de test.

D’autre part, les interactions dont le suivi se fait via javascript (lecture de vidéo, tracking du scroll, clics sur liens de sortie) sont désormais accessibles directement dans l’outil. Un simple bouton (intitulé “Enhanced measurement”) suffit à les activer.

Comment gérer la migration vers Google Analytics 4 ?

Maintenant qu’on vous a bien vanté les mérites de Google Analytics 4, c’est au moment de passer à l’action que les choses se corsent ! En effet, puisqu’on a vu qu’il s’agissait d’une restructuration en profondeur, les plus familiers d’Universal Analytics auront sans doute un peu de mal à chambouler leurs habitudes de travail.

C’est pourquoi il faut vous y mettre dès maintenant pour une transition toute en douceur. Avec une première configuration simple, vous serez en mesure de :

  • vous faire un historique de données sur GA4 pour alimenter son machine learning
  • vous former tranquillement à ce nouvel outil ; 
  • continuer sur Universal Analytics pour vos affaires en cours.

Les étapes à suivre pour migrer et collecter des données sur GA4

En premier lieu, selon Google, vous devez évidemment configurer une propriété Google Analytics 4, à partir de l’espace “Éditeur”. C’est valable pour votre site web comme pour votre application. 

Migration GA3 vers GA4

À ce moment-là, vous activez la collecte de données qui s’enclenche simultanément à celle de GA3. Cette dernière reste toujours accessible via le sélecteur de propriétés. 

Ensuite, il vous faudra activer les signaux Google et créer les associations dont vous avez besoin avec les outils comme Google Ads (dont vous définirez les enchères). Enfin, vous migrez et validez les objectifs, les conversions, les audiences et les mesures Universal Analytics vers GA4.

Balise GA4

Pour les exportations, il existe deux méthodes : 

  • l’automatisation, au moyen de l’API ; 
  • ou à la main, par rapports et par périodes à travers plusieurs formats (CSV, TSV, Excel, Sheets, PDF, etc.)

Enfin, pour configurer la nouvelle collecte de données, de deux choses l’une : 

  • soit vous utilisez déjà des balises Gtag, et vous pouvez utiliser les même sur GA4 ; 
  • soit vous utilisez des balises analytics.js ou Google Tag Manager, et il faudra générer une nouvelle balise de code gtag.js sur toutes les pages de votre site.

Nota Bene : il est recommandé de mettre en place un nouveau dataLayer, notamment pour le suivi e-commerce.

Bref… go to Google Analytics 4 !

On a vu que GA4 proposait à la fois une estimation plus précise du comportement des utilisateurs. Un élément fort utile pour continuer d’itérer sur votre site web (et application !). En outre, les rapports events simplifiés, en synergie avec l’Analysis Hub, vous épargnent du temps en collecte de données. Pour les données manquantes, le machine learning parvient à calculer des probabilité d’action de la part des internautes et mobinautes. Cette puissante capacité d’analyse est valorisée par la possibilité native d’exporter des données sur BigQuery. Dernière chose et pas des moindres : cet outil de mesure web est davantage conforme aux normes RGPD. Vous avez donc tout intérêt à procéder à une migration immédiate. 

Vos questions, nos réponses !

Comment ajouter la balise gtag.js ou balise “GA4” ?

Cliquez sur le bouton “Administration”. Ensuite, sélectionnez dans la colonne “Propriété” votre propriété GA4 toute neuve. Puis cliquez sur “Flux de données”, suivi de “Web”. Sélectionnez le flux de données et passez sur l’onglet “Instructions de taggage”. Là, cliquez sur “Ajouter une nouvelle balise sur la page” en choisissant “Global Site Tag”. Une section de code va s’afficher, commençant par <!– Global site tag (gtag.js) – Google Analytics ? et finissant par </script>. Copiez-collez ce code à la suite de la balise <head> de toutes les pages de votre site et le tour est joué ! 

Nota Bene : nul besoin de retirer immédiatement vos anciennes balises. Elles serviront pour la propriété GA3 jusqu’au 1er juillet 2023 !

La migration vers Google Analytics 4 est-elle obligatoire ?

Si vous voulez continuer d’utiliser la solution Google Analytics passé début juillet 2023, la réponse est : “affirmatif” ! Cela étant, si vous voulez vous affranchir de cette contrainte, vous pouvez toujours vous intéresser à d’autres outils d’analyse web tels que Matomo, AT-Internet ou encore Piwik

Quand passer à Google Analytics 4 ?

On vous conseille de créer votre propriété GA4 dès maintenant ! Cela vous permettra une transition en douceur, tout en continuant d’utiliser Universal Analytics en parallèle. D’ici mi-2023, vous aurez alors tout le temps de vous former petit à petit à ce nouveau système d’analyse, bien plus sophistiqué que son prédécesseur.