Six façons d'importer vos données GA4 dans Looker Studio
Publié: 2022-12-13Étant donné que les nouveaux quotas de l'API GA4 sont en place, les rapports Looker Studio utilisant le connecteur GA4 natif sont susceptibles de se casser fréquemment. Heureusement, de nombreuses alternatives existent. Continuez votre lecture pour découvrir en quoi ces alternatives sont différentes, en explorant six voies pour créer des rapports stables adaptés à vos besoins de reporting.
Préférez-vous des rapports à chargement rapide plutôt qu'une exploration plus facile des données ? Combien de propriétés GA4 gérez-vous et quelle est leur taille ? Voulez-vous améliorer votre jeu et sauter dans le train de l'entrepôt de données ? En fonction de vos exigences en matière de rapports, différentes techniques seront votre meilleur choix.
Il y a eu beaucoup de discussions sur les réseaux sociaux selon lesquelles 2023 marquera la fin des données d'analyse gratuites. Il existe encore des moyens d'obtenir vos données GA4 dans Looker Studio sans dépenser un centime, mais vous êtes confronté à un volume de données en constante augmentation, à la multiplication des micro-services que vous souhaitez suivre et à des niveaux sophistiqués de mélange de données. Si en plus de cela, vous souhaitez avoir des données historiques à portée de main, 2023 peut être l'année où vous souhaitez revoir votre pipeline de données actuel.
Passer devant >>
- Les quotas d'API sont partout
- Faut-il faire de la manipulation de données dans Looker Studio ?
- Pourquoi devriez-vous toujours utiliser le connecteur Supermetrics GA4
- Construire un entrepôt de données à l'aide de feuilles de calcul
- Quelle configuration correspond à vos besoins ?
Vous n'êtes pas au courant des dernières modifications apportées aux quotas GA4 ?
Comment surmonter les limites des quotas de l'API Google Analytics 4 dans Looker Studio
Les quotas d'API sont partout
Avant de passer en revue les différentes options pour importer des données dans Looker Studio, examinons comment la plupart des spécialistes du marketing utilisent Looker Studio aujourd'hui.
Lorsque vous créez une nouvelle source de données dans Looker Studio, vous pouvez choisir parmi plus de 700 connecteurs. La plupart de ces connecteurs communiquent directement avec l'API du service, et nous ne nous sommes jamais posé la question de savoir si c'était la manière la plus intelligente de le faire.
En discutant avec nos experts en bases de données, il est devenu clair qu'il n'y a pas une seule API d'un fournisseur SaaS qui n'applique pas de quotas. Comme le dit Valery Khudoborodov, responsable de l'ingénierie chez Supermetrics, « Stocker un tas de choses est bon marché, mais le déplacer est coûteux et souvent complexe.
Et lorsqu'on lui a demandé pourquoi les entrepôts de données sont tellement plus performants que les API, Kurre Stahlberg a fourni l'explication suivante :
"Une chose à retenir est que les ressources de l'API sont généralement partagées entre tous les utilisateurs de l'API et, par conséquent, sont provisionnées pour l'utilisateur moyen. En revanche, une base de données, en général, est juste pour vous et est généralement sur-approvisionnée. L'API gère la surutilisation en appliquant des limites de débit et des quotas, la base de données gère la surutilisation en plantant. »Kurre Stahlberg, ingénieur en chef de la sécurité, Supermetrics
En fin de compte, c'était probablement plus une question de « quand » et non de « si » Google Analytics imposera un quota à un moment donné.
Faut-il faire de la manipulation de données dans Looker Studio ?
Si vous vous déconnectez de Google et accédez à la page d'accueil de Looker Studio, vous verrez la description du produit suivante.
Vous avez probablement déjà lu ces lignes plusieurs fois, il n'y a rien de nouveau ici. Mais concentrez-vous sur les mots clés manquants : nettoyage des données, préparation des données, manipulation des données et fusion des données.
Aucune mention d'eux, et pourtant, nous utilisons les fonctions de Looker Studio pour le nettoyage et la préparation des données, et nous étions ravis lorsque Looker Studio a publié des capacités de fusion de données plus avancées au début de l'année.
Himanshu Sharma appelle cela les "erreurs de débutant que font 99 % des utilisateurs de Looker Studio". Et il poursuit : « Looker Studio n'est pas destiné à la manipulation de données. Ce n'est pas une feuille de calcul ou un entrepôt de données.
Bien que je ne sois pas complètement d'accord avec Himanshu, j'ai choisi deux arguments de son manifeste qui méritent d'être discutés plus en détail.
- Lorsque vous manipulez des données dans Looker Studio, cela ralentit le rapport, en particulier lorsque vous utilisez de grands ensembles de données.
- La manipulation des données dans Looker Studio rend leur utilisation inutilement difficile.
D'après mon expérience, je ne peux pas dire que la manipulation des données ralentit un rapport, mais je n'ai peut-être jamais travaillé avec des ensembles de données suffisamment volumineux. Ce qui ralentit un rapport, cependant, c'est le mélange de données provenant de plusieurs sources. La raison, cependant, est moins le mélange que le fait que vous devez attendre que les deux API chargent les données.
S'il est plus facile de manipuler des données dans une feuille de calcul que dans Looker Studio, c'est peut-être une question de préférence. Je suis d'accord qu'il n'est pas toujours facile d'obtenir vos données dans le format requis.
Mais il existe d'autres raisons de parler de feuilles de calcul et d'entrepôts de données.
Feuilles de calcul et entrepôts de données
Lorsque vous extrayez d'abord vos données dans une feuille de calcul ou un entrepôt de données, vous pouvez séparer la manipulation des données de la visualisation des données.
Google Sheets, par exemple, vous offre un ensemble de fonctions similaire à Looker Studio. Cela signifie que vous pouvez nettoyer, manipuler ou même fusionner des données avant de les importer dans Looker Studio. Dans un entrepôt de données, vous utilisez généralement SQL pour ces tâches, mais même ici, les choses évoluent et vous avez de plus en plus accès à des outils visuels.
La rapidité
Des rapports rapides sont le résultat le plus évident lors de l'importation de données propres dans Looker Studio. Avez-vous déjà essayé de fusionner deux sources de données à partir d'API lentes ? Le résultat peut être inutilisable. Extraire d'abord les données dans une feuille de calcul fait déjà une énorme différence.
L'utilisation d'entrepôts de données, comme BigQuery, sera même rapide avec d'énormes ensembles de données. BigQuery utilise son BI Engine, un service d'analyse rapide en mémoire qui accélère de nombreuses requêtes SQL en mettant intelligemment en cache les données que vous utilisez le plus fréquemment.
Données historiques
Si vous souhaitez effectuer des comparaisons d'une année sur l'autre (YoY), vous avez besoin d'au moins 2 ans de données. Et si l'année précédente avait eu une pandémie, vous voudriez remonter encore plus loin pour évaluer correctement vos progrès. Les données historiques sont cruciales pour comparer les performances précédentes.
De nombreuses API ont promis un accès à vie à vos données. Mais les règles ont changé, et bien que vous ayez toujours accès pendant 37 mois à vos données Facebook Ads, la conservation des données pour GA4 n'est que de 14 mois.
Plus vous mettez d'efforts dans vos rapports, et plus les gens comptent sur vos rapports, plus vous avez de raisons d'évoluer vers un entrepôt de données. Protégez vos actifs en devenant propriétaire.
Pourquoi devriez-vous toujours utiliser le connecteur Supermetrics GA4
Des rapports rapides, même pour des ensembles de données volumineux, et la propriété des données sont de bons arguments pour passer à un entrepôt de données. Mais ils peuvent ne pas s'appliquer à tous les cas d'utilisation. Il existe encore de nombreuses raisons de continuer à utiliser les connecteurs Looker Studio.
L'utilisation de connecteurs reste sans aucun doute le moyen le plus rapide d'accéder à vos données. En quelques minutes, vous avez les chiffres dans votre rapport que vous pouvez partager avec le monde.
L'accès immédiat à toutes les dimensions et métriques de votre rapport vous aide à découvrir plus rapidement les ensembles de données et vous permet d'explorer des métriques que vous auriez pu ignorer autrement. Utilisez des feuilles de calcul ou des entrepôts de données lorsque vous savez exactement sur quelles mesures et dimensions vous souhaitez générer des rapports. D'ici là, utilisez des connecteurs si votre volume de données est suffisamment faible.
Mais vous devez utiliser des connecteurs de qualité qui respectent les quotas d'API en limitant les requêtes simultanées et la mise en cache pour maximiser vos ressources disponibles.
Chez Supermetrics, nous avons surveillé de près les erreurs de quota d'API au cours des dernières semaines. Alors que nous essayons toujours d'améliorer notre connecteur GA4, nous pouvons partager que 92 % de nos clients n'ont jamais rencontré d'erreurs de quota, et 94 % ne voient des erreurs que dans 5 % de leurs requêtes.
Si vous avez rencontré des problèmes avec le connecteur natif et pensez que vos besoins en matière de rapports se situent dans la 95e tuile du secteur, vous pouvez tester le connecteur Supermetrics.
Feuilles de calcul vs entrepôts de données
Les feuilles de calcul et les entrepôts de données vous aident à séparer la préparation et la visualisation des données. Sinon, ces deux approches ont peu de choses en commun.
Les solutions low-tech
Google Sheets et le connecteur Extract Data sont des options valides, mais ils manquent d'espace de stockage suffisant. Le connecteur Extract Data a une limite de 100 Mo et chaque onglet d'une feuille de calcul Google est limité à 10 millions de cellules.
Pour un site avec 1000 visites mensuelles, une comparaison annuelle avec des données très granulaires (9 dimensions et 14 métriques) ne serait pas possible avec Extract Data ou en utilisant Google Sheets.
Solutions d'entrepôt de données
Si vos besoins dépassent les feuilles de calcul, vous devriez envisager d'utiliser un entrepôt de données. Vous disposerez d'un stockage presque illimité pour un prix très raisonnable et pourrez remplir vos données à l'aide du transfert BigQuery.
Il n'y a pas d'autre solution pour fournir des rapports plus rapides, mais les choses deviennent un peu plus complexes.
Si vous utilisez la fonctionnalité gratuite de GA4 pour exporter des données vers BigQuery, vous serez confronté à un nouveau mode de stockage des données. BigQuery stockera les données dans un format imbriqué, et avant d'utiliser les données dans Looker Studio, vous devez créer des tableaux plats. D'un autre côté, cela nécessite des connaissances SQL et beaucoup de planification.
Le connecteur d'entrepôt Supermetrics facilite grandement les choses. Vous pouvez utiliser le schéma standard de Supermetrics pour accéder à vos données GA4 sans aucune préparation. Vous pouvez également créer votre schéma personnalisé sans écrire une seule ligne de code - tout est géré avec une interface utilisateur graphique.
Pour nettoyer vos données, il faut encore moins de codage que dans Looker Studio. Sur le site de l'équipe Supermetrics, les clients peuvent créer des dimensions et des métriques personnalisées à l'aide de conditions, de fonctions et de recherches.
« Est-ce que j'écris du SQL ? Oui. Est-ce que je veux écrire du SQL ? Non, je suis un spécialiste du marketing, et c'est ce que je fais le mieux. »JJ Reynolds, responsable du marketing et de l'analyse, Mediauthentic
Il y a certainement un processus d'apprentissage, mais une fois que vous avez configuré votre entrepôt pour votre reporting, vous n'avez probablement plus envie de revenir en arrière. Un bon point de départ pour en savoir plus sur les entrepôts de données est le webinaire "Tout ce que vous devez savoir pour créer votre entrepôt de données marketing" par Anna Shutko et Evan Kaeding.
Construire un entrepôt de données à l'aide de feuilles de calcul
Je discutais du sujet avec Mehdi Oudjida, l'un des experts les plus connus de Looker Studio qui surprend fréquemment la communauté avec des solutions de contournement intelligentes.
« Il est possible d'extraire quotidiennement des données GA4 dans une feuille de calcul à l'aide du connecteur Supermetrics. Associez la feuille de calcul Google à BigQuery, planifiez une requête pour ajouter les données à votre table de destination et obtenez un entrepôt de données à moindre coût. »Mehdi Oudjida, Expert Digital Analytics
Cette méthode nécessite quelques connaissances en SQL et vous devrez mettre en place des mesures de protection pour garantir l'intégrité de vos données en cas d'échec de l'une des étapes de votre chaîne. La mise en place d'un tel pipeline n'est pas sorcier. C'est une approche à faible risque pour profiter des avantages d'un entrepôt de données.
Quelle configuration correspond à vos besoins ?
Nous avons vu de nombreuses options pour intégrer nos données marketing dans Looker Studio. Quelle configuration correspond à vos besoins ? Pour faciliter votre processus de décision, nous avons créé un arbre de décision que vous pouvez utiliser pour poser les bonnes questions.
Quelle configuration correspond à vos besoins
6 façons d'importer vos données GA4 dans Looker Studio
Faites des quotas GA4 une histoire du passé
Si vous rencontrez des problèmes avec les nouvelles limites de quota GA4, vous devrez peut-être revoir la manière dont vous importez vos données marketing dans Looker Studio. Il existe de nombreuses options, des connecteurs plus stables aux feuilles de calcul en passant par les entrepôts de données. Espérons que cet article vous aide à avoir une idée claire des différentes possibilités et à faire le bon choix. Et si vous ne savez toujours pas par où commencer, vous pouvez réserver une démonstration avec notre équipe · nous sommes toujours heureux de vous aider.
Autres questions?
Discutez avec nos ingénieurs commerciaux pour trouver la solution qui correspond à vos besoins.
A propos de l'auteur
Ralph, responsable de la visualisation des données chez Supermetrics, travaille à la mise en œuvre de la première bibliothèque commerciale de graphiques Looker Studio, une collection de visualisations de données qui vous permettent de repousser les limites de Looker Studio.