Lorsque l’on utilise un outils de webanalytics comme GA4 ou n’importe lequel de ses concurrent nous cherchons généralement à répondre à deux grandes questions :
- Que puis je déduire du comportement de mes visiteurs pour améliorer mon site web (le tunnel de conversion, les pages de paiement, etc…) ?
- Quelle est la rentabilité des actions marketing que j’engage pour mieux orienter mes investissements ?
C’est sur la seconde que nous allons travailler dans cet article et il va nous falloir, pour le faire correctement, sortir de notre outil d’analytics pour combiner ses données avec d’autres sources avant d’afficher le résultat dans Looker Studio.
En effet, le rapport sur l’acquisition de trafic de GA4 est très intéressant pour comprendre l’origine des visites et leur performance en terme de conversions mais il n’intègre aucune notion de cout pour ces sources de trafic ; nous ne pouvons donc pas y analyser leur rentabilité. Si vous avez connecté votre compte Google Ads à GA4, une exploration vous permettra de travailler sur cette notion mais uniquement pour la source Google Ads.
Pour avancer sur une bonne analyse de performance marketing il est donc préférable d’exporter les données analytic pour les combiner à vos couts marketing, ce que nous allons faire dans Google Sheets, afin de disposer d’une source de donnée complète pour Looker Studio.
Récupération des données analytics dans Google Sheets
Pour commencer créez un nouveau fichier Google Sheets vierge et une première feuille dans ce fichier pour intégrer vos données analytics. Dans cette feuille nous allons récupérer 5 données (les sessions, les sessions engagées, les ventes, le revenu des ventes et les taxes associées) en fonction de 3 dimensions (la date, le couple source / support de la session et la campagne de la session).
Pour cette récupération plusieurs solutions sont possibles. Vous pouvez par exemple créer une exploration dans Google Analytics avec ces données, exporter les données de l’exploration et les importer dans la feuille. C’est la solution la plus simple mais la plus longue et qui n’est pas automatisable. Vous pouvez aussi utiliser l’une des solutions d’import automatique des données GA4 présentées dans cet article.
Dans le cas présent une des solutions payante comme Supermetrics peut être intéressante car elle permettra aussi de récupérer les données des plates formes marketing les plus courantes. Si votre choix se porte sur cette solution pensez à utiliser l’option « AVOID_SAMPLING » dans la requête pour essayer de récupérer les données analytics les plus brutes possibles.
Traitement des données analytics
A ce stade les données récupérées sont intéressantes mais la granularité de la segmentation source / support / campagne va être trop importante pour les analyses finales. Sur la même logique que les groupes de canaux de GA4 nous allons donc les regrouper de manière plus compacte.
Pour ça nous ajoutons un colonne concaténée source / medium / campaign à notre feuille.
=CONCATENATE(B2;" / ";C2)Et dans une nouvelle feuille nous allons affecter, selon nos préférences, un groupe à chacune de ces combinaisons ; l’idée étant de rester sur des grandes familles de trafic aux comportements proches.
Une fonction recherche V standard nous permettra enfin de reprendre ces groupes dans notre feuille analytics.
=VLOOKUP(I2;AffectAnalytics!A:B;2;FALSE)
Vous remarquerez l’ajout d’une colonne Origine qui sera utile pour identifier les origines des conversions dans le rapport final (analytics ou plateforme marketing).
Les données analytics étant prêtes nous allons pouvoir passer aux données des plates formes marketing en elles mêmes comme Google Ads ou Meta.
Récupération des données marketing dans Google Sheet
Supposons par exemple que le site étudié utilise deux sources marketing payantes, Google Ads d’une part et Meta d’autre part. Il faudra donc dans ce cas créer deux feuilles supplémentaires pour importer les données issues de ces deux plates formes.
Comme pour les données analytics cet import peut être manuel par des exports de rapports et imports dans les feuilles ou automatique avec une extension comme Supermetrics pour Google Sheets.
Pour chaque levier nous récupérons 5 données (les impressions, les clics sortants, l’investissement, les conversions et la valeur de conversion) en fonction de la date et du nom de la campagne concernée.
Nous ne prenons dans cet exemple que ces deux sources marketing mais il est bien entendu qu’il faut faire ça pour l’ensemble de vos sources payantes, qu’il s’agisse de plates formes ou de prestataires externes. Si par exemple vous payez quelqu’un pour vous accompagner sur votre SEO vous devriez avoir une feuille dédiée avec a minima un cout journalier moyen pour toutes les dates du rapport. Idem pour vos emails CRM avec par jour un nombre d’envoi, les clics sur les emails et l’investissement correspondant.
Traitement des données marketing
Il s’agit ici d’opérer le même type de regroupement que pour les données analytics traitées précédemment. Si par exemple vous avez découpé au niveau de l’analytics votre SEA en SEA – Marque, SEA – Hors Marque et SEA – PLA (pour le shopping) il faut reprendre cette même nomenclature au niveau de vos données plates forme.
Nous créons donc une nouvelle feuille pour les affectations Google Ads.
Et nous récupérons dans la feuille Google Ads ces groupes avec une fonction recherche v comme pour l’analytics.
=VLOOKUP(B2;AffectGgAds!A:B;2;FALSE)En opérant de la même manière pour chaque levier nous obtenons un classeur complet contenant d’une part les données issues de notre outil analytics (les visites et performances) et d’autres part les données de chaque plate forme ou partenaire (niveaux d’investissements + affichages et clics quand disponibles) avec une correspondance exacte entre les groupes de canaux que nous souhaitons analyser.
Compilation des données dans une feuille unique
Pour pouvoir utiliser notre classeur comme source de données pour Looker Studio il convient maintenant de regrouper toutes les données que nous venons de récupérer et de retraiter dans une feuille unique que nous connecteront à notre data visualisation. Nous créons donc une feuille vierge « Data » contenant toutes les colonnes qui seront nécessaires à nos rapports.
Date, Groupe, Campagne, Impressions, Clics, Costs, Sessions, Engaged sessions, Purchases, Purchase revenue, Tax amount, Origine, AttributionNous n’avons par parlé d’attribution jusqu’ici mais nous le feront dans les articles complémentaires ultérieurs. Pour l’instant il faut juste comprendre qu’en récupérant les données de conversion analytics dans GA4 en fonction des sources et support des sessions, nous sommes automatiquement sur une attribution Last Clic (quel que soit votre modèle d’attribution dans GA4). C’est ce que nous indiquerons dans la dernière colonne.
Le passage des données entre les feuilles Analytics et Plate formes se fait par la fonction QUERY de Google Sheets. Pour chaque feuille source nous allons faire 2 requêtes, la première pour récupérer les données de trafic (et d’investissement pour les plates formes) et la seconde pour récupérer les données de conversion. Pour 3 feuilles sources (Analytics, Google Ads et Meta) nous aurons donc 6 fonctions QUERY combinées pour alimenter notre feuille Data compilée.
Voici par exemple une QUERY permettant de récupérer les données de trafic dans la feuille analytics.
QUERY(Analytics!A2:X;"select A,J,M,N,O,P,D,E,Q,R,S,T,U where B != ''")Et celle pour récupérer les données de conversion de la même feuille.
QUERY(Analytics!A2:X;"select A,J,M,N,O,P,Q,R,F,G,H,K,L where L != ''")Les colonnes sont à ajuster à votre cas particulier mais vous avez le principe ici. Et si besoin pour vous aider à combiner les query voici la solution avec les deux précédentes.
={
QUERY(Analytics!A2:X;"select A,J,M,N,O,P,D,E,Q,R,S,T,U where B != ''");
QUERY(Analytics!A2:X;"select A,J,M,N,O,P,Q,R,F,G,H,K,L where L != ''")
}Une fois vos 6 requêtes combinées vous disposerez donc de votre source complète.
Création de la source de données Looker Studio
Le travail le plus complexe étant maintenant fait, direction Looker Studio pour créer une nouvelle source de données depuis cette feuille Google Sheets.
Comme nous n’avons repris que des données de base (trafic, cout, conversions…) dans notre récupération, nous allons ajouter des champs calculés à cette source pour disposer de données un peu plus « complexes » comme le taux de transformation des sources ou le retour sur investissement des campagnes.
Vous pouvez ainsi créer plusieurs taux comme le taux de transformation ou le taux de clic, un champ ROAS pour le retour sur investissement, un calcul de cout par clic ou de cout par session pour les campagnes, etc… Ci dessous par exemple la formule pour le taux de transformation.
SUM(Purchases)/SUM(Sessions)Pensez à affecter le bon type (Nombre, Pourcentage) à vos champs calculés avant de passer à l’étape suivante qui sera la dernière de cet article.
Création du dashboard dans Looker Studio
La dernière étape est la plus simple à réaliser. Maintenant que vous disposez d’une source de données dans votre Looker Studio pour pouvez créer un rapport pour l’exploiter. Pour ça vous pouvez cliquer sur le bouton « créer le rapport » directement en haut à droite de la source de données.
Depuis la racine de Looker Studio vous pouvez aussi passer par l’un des modèles ou par le bouton créer en haut à gauche. Dans ce cas vous sélectionnerez la source de données que vous venez de générer pour l’alimenter (si vous passez par le bouton rapport dans la source les deux seront automatiquement liés).
La première chose à intégrer à ce rapport sera un tableau reprenant par groupes de trafic les métriques principales à analyser comme l’investissement, les impressions et clics, les sessions et le cout pas session, les ventes, le TTR, le cout par vente, le revenu et le ROAS. L’interface de Looker Studio est très intuitive pour réaliser cela.
Attention par contre aux données de conversion et de vente. Dans la source de données en effet nous avons cumulé dans ces colonnes les données issues de l’analytics avec les données issues des plates formes. il faut donc ajouter un filtre au rapport pour n’afficher que les données avec une Origine vide ou une Origine Analytics sans quoi le rapport sera faussé.
Et pour parfaire le rapport nous pouvons ajouter un champ de contrôle sur les dates et un autre sur les groupes de trafic afin de faciliter les analyses. Nous disposons ainsi d’un rapport de performances complet qui va nous permettre d’analyser de manière synthétique les performances de chaque canaux et les retours sur investissements des budgets engagée dans nos actions de marketing.
Bien que ce rapport soit une base d’analyse déjà très intéressante il faut quand même garder en tête ses deux faiblesses :
- Les données de trafic et de conversion sont incomplètes car elles n’incluent pas par exemple les données des visiteurs n’ayant pas donné leur consentement au tracking analytics
- L’attribution des conversions est une attribution Last Clic qui ne traduit que partiellement la contribution réelle des canaux aux résultats. Un canal de début de parcours ne sera ainsi que très mal valorisé alors qu’il peut avoir une réelle utilité dans le mix marketing
Pour traiter ces problématiques nous allons pousser plus loin le travail des données dans les articles complémentaires à venir.
