Données de tiers dans Google Analytics

Il est évident que l'analyse numérique est un moyen d'obtenir des réponses basées sur des données aux questions numériques. En effet, chaque chargement de page, impression, clic et vue vidéo est suivi et analysé. Mais qu'en est-il de la relation entre les plateformes numériques et l'environnement en dehors du monde numérique ? Par exemple, quel effet la météo a-t-elle sur vos clients ? Ou le taux de change ? Ou le résultat du match de football d'hier soir ?

Il est important d'identifier le potentiel de lier les données internes d'une entreprise avec des données fournies par des tiers. Les organisations qui utilisent des données tierces et intègrent avec succès un large éventail de données externes dans leurs opérations peuvent surpasser les autres entreprises en débloquant des améliorations de la productivité et de la gestion des risques. La crise du COVID-19 est un parfait exemple de la pertinence des données externes. La pandémie a tout perturbé, du comportement des consommateurs aux chaînes d'approvisionnement, augmentant l'imprévisibilité des entreprises, rendant plus difficile l'utilisation des données passées pour prédire le comportement futur. Les entreprises ne peuvent aller plus loin qu'avec leurs propres données internes et peuvent bénéficier de l'utilisation de sources externes pour les guider.

Malheureusement, ces données ne sont pas facilement disponibles dans les outils d'analyse numérique standard. C'est pourquoi nous avons compilé cet article de blog, dans lequel nous examinons quelles données peuvent être ajoutées à GA, comment ces données peuvent être utilisées pour répondre aux questions commerciales et comment ces réponses peuvent être utilisées pour améliorer votre entreprise.

Quelles données pouvez-vous ajouter dans Google Analytics ?

Les sources de données externes offrent un potentiel immense, mais elles présentent également plusieurs défis pratiques. Par exemple, acquérir simplement une compréhension de base de ce qui est disponible demande des efforts considérables. Étant donné qu'il existe un large éventail de sources de données disponibles et que celles-ci peuvent éclairer les décisions commerciales de diverses manières, il est important d'avoir une définition claire du problème commercial pour générer de la valeur.

La première étape lors de l'ajout de données tierces consiste à examiner attentivement votre entreprise et à déterminer quels facteurs environnementaux sont les plus susceptibles de l'affecter. Il ne sert à rien d'ajouter des résultats sportifs à une petite boutique en ligne proposant un éclairage sur mesure, car il est très peu probable qu'ils soient corrélés à l'entreprise.

La deuxième étape que nous devons aborder est la source des données. La clé de notre implémentation est que les données doivent être disponibles via une API. Une API est un moyen de communiquer avec un autre service qui possède les données que nous recherchons.

Nous n'allons pas entrer dans les détails ici, mais il existe de nombreuses API offrant le type de données qui pourraient nous intéresser. Certaines d'entre elles sont gratuites, d'autres jusqu'à un certain nombre d'appels, tandis que d'autres sont exclusivement payés pour des services. Avant de commencer à chercher à ajouter des données, il est important de trouver l'API que vous utiliserez.

Quels sont les risques liés à l'utilisation de données tierces dans Google Analytics ?

Le RGPD (Règlement général sur la protection des données) a étendu le champ de responsabilité en matière de protection des données et de confidentialité, ce qui signifie qu'il est désormais nécessaire d'être beaucoup plus prudent quant aux implications des incidents de sécurité causés par les fournisseurs de services. Tout au long du processus de recherche et d'utilisation des données externes, les entreprises doivent garder à l'esprit les problèmes de confidentialité.

• Confirmez que les fournisseurs tiers sont conformes au GPDR.
• Définissez clairement tous les domaines et activités dans lesquels le RGPD s'applique, et demandez aux fournisseurs tiers d'accepter et de fournir des assurances contractuelles signées que leurs processus répondent aux exigences du règlement.

Quel est le statut des données tierces dans GA4 ?

Google Analytics 4 se déploie au début d'une nouvelle ère de collecte de données en ligne. Au cours des prochaines années, l'accès des entreprises aux données de tiers sur les clients continuera de se réduire. En réponse, les équipes marketing devront construire de nouvelles stratégies de conversion pour s'adapter à un internet sans cookies.

Les outils de suivi en ligne devront contourner la diminution des données tierces. Heureusement, GA4 a une intégration avec BigQuery qui permet une flexibilité accrue en joignant les données analytiques aux sources de données externes. Cela peut augmenter les frais généraux techniques mais améliorera la disponibilité des données importantes.

A quelles questions pouvez-vous répondre avec ces données ?

L'utilisation de données externes a le potentiel de changer la donne dans une variété d'entreprises et de secteurs. Une fois que vous avez accumulé suffisamment de données dans votre compte Google Analytics, vous êtes alors en mesure d'étudier la corrélation entre ces données tierces et les mesures numériques traditionnelles telles que les transactions et les pages vues.

Pour montrer comment cela pourrait être utilisé, nous avons inclus un exemple de la boutique de vêtements en ligne fictive « E-Clothing » :

Vous trouverez ci-dessous un rapport qui combine des données météorologiques tierces et la catégorie de produits « chaussettes ». Cela nous permet de répondre à la question « par quel temps les gens sont-ils le plus susceptibles d'acheter des chaussettes ? ».

Comme nous pouvons le voir dans ce rapport, le taux de conversion (mesuré en tant que pourcentage de vues détaillées qui aboutissent à un achat) est le plus élevé lorsqu'il pleut. C'est aussi à ce moment-là que le plus de chaussettes sont vendues. Le deuxième taux de conversion le plus élevé est en cas de pluie légère et le troisième en cas de ciel couvert. Cela suggère que les gens sont plus enclins à acheter des chaussettes lorsque le temps est mauvais.

Vous trouverez ci-dessous un autre rapport qui montre la catégorie de produits « maillots de bain » avec la même dimension météorologique que le rapport ci-dessus.

Ici, nous pouvons voir un comportement qui contraste avec le comportement des « chaussettes ». Contrairement aux chaussettes, les maillots de bain enregistrent les taux de conversion les plus élevés lorsque le temps est clair.

Enfin, nous allons regarder un exemple où des données de tiers sous forme de résultats sportifs sont combinées avec des données de produits. Dans cet exemple, nous utilisons les résultats du football pour tous les matchs impliquant Arsenal, plus précisément la différence de buts, et nous les comparons aux ventes de produits d'Arsenal.

Cela nous permet de répondre à la question « les ventes de marchandises sont-elles liées aux résultats de l'équipe ? ».

Le résultat qui ressort le plus dans le tableau ci-dessus est le premier rang, où Arsenal a gagné par trois buts. Les vues des marchandises d'Arsenal directement après ce match ont connu de loin le taux de conversion le plus élevé et ont représenté une grande partie du total des achats.

Compte tenu de plus de données qui suivent le même modèle, nous pouvons facilement conclure que le taux de conversion des marchandises de l'équipe est en effet corrélé aux performances de cette équipe.

La pandémie de Covid-19 a modifié le comportement des consommateurs à bien des égards. L'industrie des services est un secteur qui a subi de graves perturbations. De nombreux restaurants ont lancé des plateformes de commande en ligne pour leurs sites Web, élargi leurs partenariats de livraison avec des tiers et/ou créé des voies de service au volant. Mais avec la nature cyclique de la gravité de la pandémie, il peut être difficile d'obtenir le bilan de ce à quoi les consommateurs réagiront dans la publicité.

Un exemple de la façon dont les données de tiers pourraient aider cela serait de modifier les offres - livraison et collecte vs dîner sur place - que les restaurants font la publicité. Bien entendu, plus le taux d'infection est élevé, plus ils doivent se concentrer sur les options de livraison et de collecte à faible contact. Inversement, si les taux d'infection sont inférieurs, ils peuvent à nouveau se concentrer sur leurs options de restauration. En comparant le taux d'infection historique à leur rapport réel entre les ventes au restaurant et les ventes à emporter, ils peuvent voir plus précisément à quels tarifs leurs clients se sentent en sécurité pour dîner sur place et quand ils doivent s'en tenir à la publicité de leurs options de collecte ou de livraison.

Que pouvez-vous faire avec ces réponses ?

Ces données peuvent aider à minimiser les risques et à ajouter de la valeur à l'entreprise ; Cependant, cela nécessite un mélange de résolution de problèmes, de travail structuré et d'exécution ciblée.

Adaptez votre stratégie publicitaire

L'une des applications les plus logiques de ces données est l'optimisation des campagnes publicitaires. Compte tenu des performances de la catégorie « chaussettes » et de la catégorie « maillots de bain » dans l'exemple ci-dessus, nous pourrions facilement ajuster notre publicité pour ces catégories en fonction de la météo. Par temps pluvieux ou mauvais, nous pourrions augmenter les enchères pour notre campagne « chaussettes » tout en diminuant simultanément les enchères pour nos campagnes « maillots de bain ». Nous pourrions également réaffecter le budget afin que le budget normalement alloué aux maillots de bain soit déplacé vers les chaussettes. Ensuite, lorsque le temps est clair, nous pourrions inverser le processus et allouer tout le budget des chaussettes aux maillots de bain et réajuster les enchères.

De même, étant donné la corrélation entre les résultats sportifs et les marchandises d'équipe, nous pourrions allouer une plus grande partie de notre budget publicitaire aux marchandises d'équipe pour les équipes qui ont récemment enregistré des victoires convaincantes.

Ces optimisations peuvent être effectuées manuellement, mais dans la plupart des cas, elles doivent être effectuées par programme. Quoi qu'il en soit, l'inclusion de ces nouveaux facteurs dans nos optimisations peut nous aider à obtenir un retour sur investissement plus élevé pour nos dépenses publicitaires.

Ajustez le contenu de votre site Web

En plus de la publicité PPC, ces données peuvent également être utilisées pour personnaliser le contenu de votre site Web. En utilisant les mêmes API à partir desquelles les données sont collectées, nous sommes en mesure de modifier les produits affichés sur la page d'accueil d'E-Clothing, en fonction des conditions météorologiques actuelles.

Prochaines étapes

Il ne vous reste qu'à vous et votre équipe de réfléchir aux facteurs externes les plus susceptibles d'avoir un impact sur vos performances en ligne, de trouver une API qui vous permettra d'accéder à ces données et de commencer le suivi !