Comment archiver vos données historiques Universal Analytics

Une autre échéance du projet de migration vers Google Analytics 4 approche à grands pas, et cette échéance est difficile à fixer. Le 1er juillet, Google supprimera toutes les données historiques des propriétés Universal Analytics. Ce délai affecte également les clients Analytics 360.

À peine plus d’un mois avant la date limite, si vous ne l’avez pas encore fait, votre organisation doit donner la priorité à l’archivage de vos données historiques. Il y a trois phases principales que je recommande pour aborder ce projet.

Phase 1 : Élaborer un plan

Avant d'archiver des données, il est important de décider :

Quelles données spécifiques sont importantes pour vous ?

• Donnez la priorité au téléchargement des données auxquelles vous faites régulièrement référence, telles que les données de conversion et de ventes.
• Faites une liste complète des données que vous devez archiver.

Combien d’années de données souhaitez-vous conserver ?

• Beaucoup d'entre nous utilisent Google Analytics depuis le milieu des années 2000. Votre organisation a-t-elle besoin d'archiver des données datant de près de 20 ans ?
• Décidez jusqu’où vous souhaitez archiver les données. Je recommande, au minimum, d'envisager un archivage remontant à 2018 environ pour vous assurer de disposer de données pré-pandémiques, car la pandémie a réellement présenté des anomalies de données pour de nombreuses entreprises.

À quelle cadence examinez-vous les données ?

• Pensez à la fréquence à laquelle vous publiez généralement des rapports sur vos données. Est-ce hebdomadaire ? Mensuel?
• Selon la méthode d'archivage que vous choisissez lors de la phase 2, vous devrez peut-être organiser les données en incréments de temps spécifiques.

---

Phase 2 : Choisir une méthode d'archivage

Trois options principales sont disponibles pour archiver vos données Universal Analytics. Chacune a ses propres avantages et inconvénients, alors choisissez une méthode basée sur les ressources et les compétences de votre équipe.

Option 1 : téléchargements manuels de fichiers

• Avantages: Facile à faire pour presque tous les utilisateurs, gratuit
• Les inconvénients: données chronophages, lourdes et difficiles d'accès pour un reporting ultérieur, limitées à 5 000 lignes

Bien qu’il s’agisse du processus le plus simple à comprendre, il prend également du temps.

En suivant votre plan sur les années, la cadence et les points de données, vous devrez accéder à chaque rapport dans l'interface Google Universal Analytics, définir les paramètres de date, de dimension et de métrique selon vos besoins.

N'oubliez pas non plus de modifier le nombre de lignes de 10 par défaut au maximum de 5 000 lignes pour vous assurer de capturer autant de données que possible.

Cliquez sur le bouton Exporter et exportez les données vers une feuille Google, Excel ou CSV. Répétez ce processus jusqu'à ce que vous ayez téléchargé toutes les données identifiées dans votre plan d'archivage.

Option 2 : Téléchargez des données sur Google Sheets à l'aide du module complémentaire Google Analytics (meilleure option pour les novices en technologie)

• Avantages: Assez simple à mettre en œuvre pour la plupart des utilisateurs ayant une expérience des tableurs, gratuit, rapide à télécharger.
• Les inconvénients: Restrictive à une période définie (par exemple mensuellement), chaque feuille a des limites totales de données et rencontre souvent des problèmes d'échantillonnage.

Cette option est assez simple à réaliser pour la plupart des utilisateurs. Créez une nouvelle feuille Google et ajoutez le Module complémentaire de feuille de calcul Google Analytics.

Le module complémentaire utilise essentiellement l'API Google Analytics pour télécharger des données vers Google Sheets, mais ne nécessite pas de connaissances en programmation API pour fonctionner. Google a compilé un aperçu de base de cette approche dans ce document d'aide.

La première fois que vous utiliserez le module complémentaire, vous créerez un rapport à l'aide de l'interface du module complémentaire. Mais une fois le premier rapport exécuté, vous pouvez également simplement mettre à jour l'onglet Configuration du rapport et créer des rapports supplémentaires directement dans les colonnes de cette feuille.

Vous pouvez également utiliser facilement les formules dans la feuille de configuration du rapport. Utilisez le Explorateur de dimensions et de statistiques pour trouver le code API approprié à saisir dans chaque champ.

Un inconvénient de la méthode Google Sheets est que vous pouvez rencontrer un échantillonnage si vous extrayez trop de données à la fois (par exemple, l'intégralité de votre ensemble de données sur 20 ans pour les sessions) ou si votre rapport est trop détaillé (trop de dimensions rassemblées pour un niveau élevé d'analyse). granularité).

Lorsque vous exécutez un rapport, vous verrez le niveau d'échantillonnage dans l'onglet Données du rapport dans la cellule B6. Si votre rapport contient des données échantillonnées, vous pouvez envisager de réduire la quantité de données dans cette extraction particulière. Par exemple, vous pouvez diviser l'extraction en deux périodes.

Toutefois, si vous ne pouvez pas éviter l'échantillonnage, vérifiez le pourcentage d'échantillonnage de données sur le rapport. Ensuite, dans l'onglet Configuration du rapport, affichez les lignes 14 à 17 et la taille d'échantillonnage de la ligne 15 à ce niveau afin que vos données restent cohérentes.

Conseil: Le module complémentaire contient par défaut 1 000 lignes de données dans un rapport. Supprimez simplement les 1 000 sous la ligne intitulée « Limite » (généralement la ligne 11).

Un autre inconvénient de l'option Google Sheets est que chaque fichier est limité à 10 000 000 de cellules. En règle générale, chaque feuille commence avec 26 colonnes (A à Z) et 1 000 lignes par défaut (ou 26 000 cellules).

Si vos données téléchargées dépassent la limite de 10 000 000 de cellules (ce qui peut très probablement arriver), vous devrez peut-être disposer de plusieurs feuilles Google Sheets pour télécharger toutes les données.

Option 3 : Télécharger les données à l'aide de l'API Google Analytics

• Avantages: Extrait les données rapidement une fois configurées
• Les inconvénients: Nécessite des connaissances et des ressources en matière de développement Web, ne résout pas le problème d'échantillonnage des données et les limitations des quotas d'API.

Si vous disposez de ressources de développement Web capables de travailler sur le projet d'archivage, elles peuvent extraire directement les données détaillées dans votre plan à l'aide de l'API Google Analytics.

Cela fonctionne de manière similaire à l'option complémentaire Google Sheets susmentionnée, mais il s'agit d'un processus plus manuel de programmation des appels d'API.

Pour savoir comment utiliser l'API pour ce projet, visitez Page d'informations sur l'archivage de Google et examinez la deuxième puce, qui détaille plusieurs ressources et considérations relatives à l'utilisation de l'API pour ce projet d'exportation de données.

Option 4 : Télécharger des données sur BigQuery (meilleure option globale)

• Avantages: Accès simple aux données ultérieurement pour le reporting, informations accrues sur les données, plus flexible pour les données
• Les inconvénients: Compliqué pour les novices à mettre en place au départ, peut impliquer des frais pour BiqQuery, peut nécessiter des ressources techniques pour la mise en place, nécessite d'impliquer un outil supplémentaire

Le principal avantage de l'archivage de vos données Universal Analytics dans BigQuery est que BigQuery est un entrepôt de données qui vous permet de poser des questions sur l'ensemble de données via des requêtes SQL pour obtenir vos données très rapidement. Ceci est particulièrement utile pour accéder à ces données pour créer des rapports ultérieurs.

Utilisateurs d'Analytics 360

Si vous êtes un utilisateur Analytics 360, Google propose une exportation native vers BigQuery. Je recommande cette méthode. Voir les instructions de Google.

Tous les autres

Si vous n'êtes pas un utilisateur d'Analytics 360, vous devrez aborder la sauvegarde BigQuery différemment, car Google ne fait pas fournir des options de sauvegarde BigQuery innées dans Universal Analytics pour les utilisateurs non-360.

Voici les étapes que vous souhaiterez suivre :

• Étape 1: Créez un projet de console API Google et activez BigQuery.
  • Connectez-vous au Console des API Google.
  • Créez un projet de console des API Google.
  • Accédez au tableau des API.
  • Activez BigQuery.
• Étape 2: Préparez votre projet pour l'exportation BigQuery.
  • Assurez-vous que la facturation est activée pour votre projet. Vous n’aurez peut-être rien à payer, mais cela variera en fonction de l’utilisation et des données dont vous disposez.
  • Si vous y êtes invité, créez un compte de facturation.
  • Acceptez l'essai gratuit s'il est disponible.
  • Validez l’activation de la facturation. Ouvrez votre projet sur https://console.cloud.google.com/bigquery, et essayez de créer un ensemble de données dans le projet. Cliquez sur la flèche bleue à côté du nom du projet, puis cliquez sur Créer un ensemble de données. Si vous pouvez créer l'ensemble de données, la facturation est correctement configurée. S'il y a des erreurs, assurez-vous que la facturation est activée.
  • Ajoutez le compte de service à votre projet. Ajouter [email protected] en tant que membre du projet et assurez-vous que l'autorisation au niveau du projet est définie sur Éditeur (par opposition à BigQuery Data Editor). Le rôle Éditeur est requis pour exporter des données d'Analytics vers BigQuery.
  • Si vous êtes dans l'UE, veuillez également examiner les exigences supplémentaires.
• Étape 3: Configurez un essai gratuit de Supermetrics. Semblable au module complémentaire Google Sheets dans l'option 2 ci-dessus, Supermetrics est un outil qui aide les utilisateurs non techniques à interagir avec les API et à les utiliser. Ils proposent un essai gratuit de 14 jours, ce qui est probablement tout ce dont vous aurez besoin pour ce projet puisque vous ne téléchargez les données Universal Analytics qu'une seule fois (pas régulièrement).
  • Connectez la source de données BigQuery dans le tableau de bord Supermetrics.
• Étape 4: Dans BigQuery, établissez la connexion à Supermetrics.
  • Accédez à BigQuery, puis à Transferts de données.
  • Cliquez sur + Créer un transfert.
  • Sélectionnez votre Google Analytics par Supermetrics comme source et cliquez sur Inscrire.
  • Remplissez les détails du transfert. Voir les instructions détaillées sur la façon de configurer un transfert.
  • Sous Connexion tierceCliquez sur Connecter la source.
  • Acceptez l'accord.
  • Cliquez sur Autorisez avec votre source de données Google.
  • Cliquez sur Connectez-vous avec Google.
  • Connectez-vous avec le compte Google que vous utilisez avec cette source de données. Il n'est pas nécessaire que ce soit le même que le compte Google que vous utilisez avec Supermetrics.
  • Cliquez sur Permettre.
  • Sélectionnez les comptes que vous souhaitez inclure dans vos rapports et définissez les paramètres de transfert.
  • Cliquez sur Soumettre.
  • Cliquez sur Sauvegarder.

Étant donné que vous n'avez besoin de transférer les données Universal Analytics qu'une seule fois, vous pouvez également modifier la planification du transfert pour Sur demande puis exécutez le transfert maintenant.

Phase 3 : Assurez-vous d'avoir tout capturé

Avant de considérer le projet comme terminé, assurez-vous de revérifier vos données archivées pour vous assurer que vous avez capturé tout ce que vous aviez prévu d'archiver.

Au 1er juillet, vous ne pourrez plus accéder aux données Universal Analytics, ni par API, ni via l'interface.