par Laurie | 13, Nov 2020 | Analytics, Google Analytics 4
Google Analytics 4 (ou GA4) est une toute nouvelle version de Google Analytics. L’avantage principal de GA4 est qu’il fournit une meilleure représentation et visualisation du comportement des utilisateurs et permet de passer moins de temps à collecter et agréger les données.
Google fait de gros investissements sur le GA4. Il était auparavant connu sous le nom de « App + Web » beta mais il est maintenant appliqué par défaut lorsque vous créez une nouvelle propriété et remplacera bientôt Universal Analytics.
D’où vient le GA4 ?
Si vous suivez Google Analytics depuis un certain temps, vous vous souviendrez qu’il y a eu deux révisions majeures de la plateforme depuis son acquisition :
2009 : Transition d’Urchin vers Google Analytics classique (ga.js)
2013 : Transition de Google Analytics classique à Universal Analytics (analytics.js)
Aujourd’hui, nous sommes au milieu d’une troisième réforme majeure de Universal Analytics à Google Analytics 4, ce qui en fait la quatrième version.
Google Analytics 4 est en cours de développement depuis la sortie initiale de « Google Analytics for Firebase » en 2017 et une version bêta a été publiée en juillet 2019 sous le nom « App + Web Properties ».
Ce qu’il faut retenir sur GA4 :
Google a déployé de nombreuses mises à jour avec la version 4, mais la différence majeure entre GA4 et les anciennes versions de Google Analytics est le modèle de données piloté par les événements. Au début de la webanalyse, les sites web étaient composés de pages qui se chargeaient à chaque fois qu’elles étaient consultées. Puis sont apparues les applications mobiles et les applications à page unique et les concepts de pages vues et de sessions ne s’appliquent plus toujours. Cependant, le concept de “vue” de la page est utilisé pour calculer le taux de rebond, le temps passé sur le site, le temps passé sur la page, le nombre de pages par session et plus encore. On est donc rapidement limités lorsque l’on cherche à transposer ces indicateurs à des applications par exemple.
Les analystes d’applications mobiles ont résolu ce problème en écartant l’idée que la composante fondamentale d’une session est une vue de page et en la remplaçant par un système flexible d’événements, de paramètres et de propriétés d’utilisateur. Ces nouveaux concepts peuvent être appliqués avec souplesse à toute nouvelle application, mais ils peuvent également être appliqués à un site web traditionnel.
Ce modèle basé sur les données événementielles est au cœur de GA4. Cette approche testée et éprouvée existe depuis des années mais a rarement été appliquée aux sites web traditionnels avant l’arrivée du GA4.
Quels sont les avantages de Google Analytics 4 ?
Le GA4 présente de nombreux avantages et ce que vous soyez analyste, chargé de marketing ou développeur.
Pour les analystes :
- La notion de roll-up : si vous êtes un analyste qui gère à la fois des sites web et des applications mobiles, vous aurez enfin la possibilité de rassembler vos données sur le web et les mobiles. Cette fonction est bien plus puissante que les propriétés de synthèse que vous avez pu utiliser dans le passé car les données issues de chaques plateformes utilisent le même schéma.
- Centre d’analyse : même si vous ne gérez pas d’application mobile, vous remarquerez que GA4 est un outil d’analyse beaucoup plus puissant que les versions précédentes de Google Analytics. En effet, les rapports « Analysis Hub » qui étaient auparavant réservés aux utilisateurs de GA360 sont désormais disponibles gratuitement et ils ont été améliorés afin que vous puissiez facilement explorer les données, créer des entonnoirs de conversion personnalisés, comparer des segments et effectuer des analyses de parcours. L’exportation BigQuery est désormais accessible à l’ensemble des utilisateurs qui peuvent désormais accéder à leurs données brutes pour les joindre à d’autres sources ou y effectuer des requêtes SQL.
Pour les chargés de marketing :
- Suivi de segments comportementaux d’utilisateurs et abandons : Le GA4 permet de regrouper les utilisateurs en fonction de la probabilité qu’ils effectuent un achat dans les 7 jours à venir. Cette méthode exploite le comportement de votre site web de first-party pour générer des prédictions basées sur vos données.
- Nouvelles mesures de l’engagement : si votre objectif est d’inciter les utilisateurs à s’intéresser à votre site ou à votre application, il est important de savoir quels utilisateurs s’intéressent à votre contenu en lisant des articles, en scrollant les pages, en regardant des vidéos, etc. GA4 lance une nouvelle méthode innovante pour vous aider à suivre l’engagement des utilisateurs et abandonne le concept de taux de rebond.
- Attribution des campagnes multiplateformes : si vous gérez à la fois des sites web et des applications mobiles, la capacité à véritablement rassembler les données signifie que l’attribution de votre campagne et les publics que vous créez seront enfin suffisamment intelligents pour prendre en compte tous les points de contact de l’utilisateur avec votre marque, quelle que soit la plate-forme.
Pour les développeurs et équipes techniques chargées des configurations :
- Suivi des interactions améliorées : si vous utilisez GA4 sur un site web, la plupart des interactions qui nécessitent un suivi à l’aide de javascript personnalisé sont intégrées dans l’outil : le tracking du scroll, la lecture de vidéos, ou les clics sur les liens de sortie, peuvent être activés automatiquement via un bouton.
- Fonction de debug : GA4 dispose d’un rapport intégré, « DebugView », qui permet d’isoler les données en temps réel provenant de votre appareil de test pendant vos recettes.
Attention, la migration vers GA4 est complexe. Malgré tous les avantages du GA4, les analystes et les spécialistes du marketing qui connaissent bien les anciennes versions de Google Analytics auront probablement du mal à migrer vers le GA4. En effet, cette nouvelle version est une restructuration complète du Google Analytics avec lequel vous êtes familiers. De nombreux rapports par défaut ne sont plus présents. Les dimensions et métriques populaires telles que « moyen » et « rebond » n’existent plus. Le processus d’implémentation et d’ajout de balises est également très différent.
Les configurations à réaliser sont plus complexes que celles pour la migration de Classic GA vers Universal Analytics, que vous avez probablement effectuée en 2013. Les avantages du passage vers GA4 sont nombreux mais il est important de s’attendre à ce qu’une telle migration prenne du temps.
N’hésitez pas à nous contacter si vous souhaitez être accompagné dans cette migration.
par Laurie | 18, Août 2020 | Analytics, Enhanced e-commerce, Google Data Studio
Lors d’un précédent article sur le lien entre l’UX design et la webanalyse, nous avions évoqué les différentes possibilités qui existent pour mettre en place le suivi des utilisateurs lors de leur parcours sur un site web.
Parmi les avantages en faveur d’un suivi des utilisateurs via des outils de data visualization, on compte la possibilité d’observer de façon synthétique et illustrée les interactions de l’utilisateur sur les pages, là où le suivi des interactions de l’utilisateur avec le site web via un plan de marquage nécessite une aisance avec les outils analytics qui n’est pas forcément à la portée de tous les métiers.
La bonne nouvelle est la suivante : lorsque l’on opte pour un plan de marquage pour suivre les KPIs, une alternative existe pour obtenir un tableau de bord qui illustre les données relatives à la navigation de l’utilisateur avec presque autant de possibilités que les outils de dataviz ad hoc (nous verrons les limites en fin d’article).
Dès lors que le plan de marquage est intégré et que les événements remontent dans Google Analytics, il est possible de créer une carte de chaleur dans Google Data Studio.
Pour ce faire, on inclut des captures d’écran du site web auxquelles on ajoute des compteurs d’événements. On crée un élément avec en statistique le nombre total d’événements, pour plus de lisibilité on peut renommer le nom de la statistiques pour la faire correspondre avec l’action réalisée : clic logo, départ réseau social, etc. On remarque alors qu’on obtient le nombre total de tous les événements trackés, il faut appliquer un filtre à cette donnée pour n’avoir que le nombre d’occurrences d’un seul événement. On crée alors un filtre ad hoc où l’on inclut uniquement le ou les Catégorie / Action / Libellé de l’événement tels qu’ils remontent dans Google Analytics et on applique ce nouveau filtre à notre donnée. On peut alors cartographier sur une page les événements qui traduisent les interactions entre l’utilisateur et la page.
Dans notre exemple, nous avons fait la homepage du site Meet Your Data. Nous faisons également des pages produit, pages liste ou des formulaires de leads à la demande de nos clients. Les événements étant généralement les mêmes sur toutes fiches produit par exemple, il est pertinent d’ajouter un bouton de filtre à votre rapport pour sélectionner des pages précises. Pensez alors à filtrer ce sélecteur sur “Page produit” en fonction d’un paramètre d’URL ou d’une variable de dataLayer, afin d’avoir une liste qui ne comporte que des pages produits. Ainsi, vous pourrez observer les interactions sur les fiches produit au global, mais également au détail sur votre carte de chaleur.
Autre cas de dataviz très sollicité par nos clients e-commerçants : les illustrations d’entonnoirs de conversion ou tunnels d’achat. Ils permettent d’obtenir une vision schématique et illustrée du parcours global des utilisateurs sur le site dans un objectif de conversion (transactionnel ou lead). Les étapes des parcours sont donc celles des rapports Google analytics “Comportement d’achat” et “Comportement lors du processus de paiement”. Pour le premier rapport, ce sont les sessions qui sont représentées dans les encarts. Pour obtenir les mêmes chiffres que dans l’outil GA, on peut créer directement les segments dans Google analytics, en cliquant sur les colonnes dans le rapport, pour ensuite les importer dans Data Studio et les appliquer aux encarts. On peut également créer des entonnoirs illustrant des objectifs personnalisés en se basant sur les événements trackés. Selon vos préférences, la disposition peut être horizontale ou verticale et l’illustration est facultative.
Couplées avec des indicateurs, des tableaux et des graphiques, ces représentations visuelles de cartes de chaleur et d’entonnoirs apportent une réelle valeur ajoutée à un tableau de bord classique et viennent le compléter. Toutefois, comparé aux outils de dataviz dédiés, il existe plusieurs limites au fait de passer par l’outil Data Studio. En effet, certaines fonctionnalités ne sont pas encore disponibles pour une illustration complète. Par exemple, le taux de passage entre les étapes des funnels n’est pas natif dans l’outil. Une autre contrainte, pour les heatmaps cette fois, est due au fait de passer par une capture d’écran pour avoir l’illustration des pages du site web. Cela implique que les changements réalisés sur le site web ne seront pas automatiquement mis à jour dans le tableau de bord, il faut alors remplacer les captures d’écran en cas de changements d’ergonomie majeurs.
Si vous souhaitez être accompagnés dans la configuration d’outils de dataviz, dans l’élaboration d’un tableau de bord ou d’un plan de marquage, n’hésitez pas à nous contacter.
par Laurie | 25, Mai 2020 | Analytics
Un A/B test consiste à pousser simultanément sur un site web, une ou plusieurs versions d’un élément ou d’une page, en répartissant le trafic du site de manière égale entre les versions, puis à mesurer les performances des versions.
A quoi sert l’A/B test ?
La finalité de l’étude de type A/B test correspond à une démarche de maintenance du site web qui passe par la vérification et l’analyse des visites et comportements associés sur les pages web. Cela permet d’identifier les tendances d’exploration, les pages visitées, détecter des anomalies et opportunités dans la navigation. Le but étant, à l’issue de ces analyses et des conclusions tirées, de pouvoir modifier la structure du site pour mieux répondre aux besoins des utilisateurs et ainsi offrir une expérience de navigation optimale.
Quelles sont les conditions de la mise en place d’un A/B test?
La méthodologie de l’A/B test permet de diffuser simultanément deux versions d’une même page auprès de deux segments de visiteurs afin de constater des différences de comportements entre les deux versions A et B. Il est important de prendre en compte le fait qu’un seul changement doit être opéré, autrement, on parle de test multivarié dont l’interprétation est plus complexe. Par ailleurs, la simultanéité en termes de période et de saisonnalité, est primordiale. Il est possible de réaliser un changement sur des pages d’un site et de comparer les KPIs avant et après les changements opérés. Néanmoins, cela constitue un biais lié à la période et saisonnalité.
Quels sont les avantages à mettre en place un A/B test sur votre site?
Outre la rapidité de mise en place et d’obtention de résultats concrets, à condition d’avoir un volume de trafic significatif, l’avantage majeur des A/B Test est que l’on se base sur des phénomènes comportementaux propres aux utilisateurs de nos sites web. C’est-à-dire que certaines recommandations formulées par des experts peuvent ne pas s’appliquer à une certaine cible de clients ou à certains cas de retail avec des concepts particuliers ou des produits spécifiques. L’A/B test permet de s’assurer que ces best practices s’appliquent votre contexte commercial, à la nature des produits et à la communication attendue par l’utilisateur. En effet, avec l’A/B test, les sujets de l’étude ne sont autre que vos propres clients qui agissent naturellement et donc sans biais par rapport à des études de type panels, questionnaires, etc.
Appliquez une démarche stratégique dans la mise en place de vos tests.
Dès lors que vous disposez d’un outil qui permet de réaliser des tests A/B, il est tentant de tout remettre en question et de réaliser pleins de tests. Il faut cependant cadrer la démarche car tous les tests ne sont pas pertinents à mener. Pour savoir si un test comporte un intérêt réel, il faut se pencher sur son potentiel : que peut-on espérer en terme de gains avec les optimisations visées et de quelle nature sont-ils ? Il est préférable de ne faire que quelques tests, mais dont les résultats vont permettre une prise de décision qui va représenter un réel enjeu en terme de ROI. Enfin, il faut également que le test soit facile à opérer : il faut s’interroger sur l’ampleur des ressources requises pour le test, d’un point de vue développement web et graphisme à engager et sur les contraintes à envisager. Ces critères déterminent les caractères réalistes, réalisables ou utiles des tests.
Quand analyser les résultats d’un A/B test ?
Il n’existe pas de durée standard pour commencer à interpréter un A/B test. Les outils du marché tels que A/B Tasty, Google Optimize, Kameleoon ou Monetate permettent de mesurer le niveau de significativité d’un test en cours grâce à l’indicateur du taux de confiance. On considère que le taux de confiance doit atteindre 95% pour déclarer un test comme étant fiable et pour s’appuyer sur ses résultats.
Toutefois, le temps que met un A/B test pour atteindre les 95% de taux de confiance dépend en premier lieu du nombre d’impressions des versions A et B, autrement dit, le nombre de fois où elles sont vues. Cela dépend donc du volume de visites sur votre site et sur les pages en question. Par exemple, un site web avec des milliers de visites par jour n’aura besoin que de quelques semaines pour voir son taux de confiance atteint, là où pour un site d’une plus petite envergure, notamment en B to B par exemple, les versions devront être déployées plusieurs mois.
Un autre paramètre que la largeur de la diffusion des versions entre en jeu. C’est celui de la divergence des comportements observés. Dans le cas de la modification du format ou de l’emplacement d’un bouton de type call-to-action par exemple, si on observe un nombre de clics qui va du simple au double entre les deux versions, alors un taux de confiance inférieur à 95% peut être recevable. En effet, dans la réalité du terrain, il est parfois trop contraignant d’attendre avant de pouvoir faire un choix de version et mettre en place des optimisations. Cependant, prenez avec précaution les résultats obtenus d’un test A/B dont le taux de confiance est en deçà de 80% car leur significativité est plus faible.
Quelle est la portée des A/B tests ?
Hormis l’optimisation de l’ergonomie et de la navigation auxquels on pense en premier, l’A/B test peut également être un outil précieux qui permet de mieux appréhender d’autres aspects marketing. Notamment le travail des landing pages (pages de destination) pour vos campagnes Ads de différentes sources de trafic. Ainsi, vous pouvez travailler la cohérence entre le message que vous souhaitez véhiculer sur vos différents supports en testant plusieurs variantes. C’est également un bon moyen pour tester l’impact d’un discours commercial sur un site de lead. L’A/B test peut aussi servir à essayer de nouvelles dispositions d’e-merchandising des produits.
Ces différentes facettes de l’A/B test peuvent permettre à divers services marketing d’affiner leur connaissance sur la nature et le comportement de la cible marketing.
Chez Meet your data, nous pouvons vous accompagner dans la mise en place d’A/B tests sur votre site web, notamment dans la configuration de vos tests, l’analyse de leurs résultats et dans l’apport de recommandations.
par Laurie | 21, Avr 2020 | Analytics
Traditionnellement, lorsque l’on pense à mettre en place des outils d’analytics, on songe à la mesure du trafic, au nombre de sessions, de visiteurs, à la répartition de ces derniers selon les différentes sources d’acquisition, ou encore au potentiel SEO des différentes pages. En effet, ce champ d’analyse constitue une majeure partie de la discipline qu’est la webanalyse. Il est toutefois important de s’intéresser à d’autres aspects pour toucher à une vision plus complète de l’analytics. Cela passe notamment par la mesure de la performance des pages via différents indicateurs et par l’observation et l’étude des comportements de navigation des utilisateurs sur le site web, autrement dit, User eXperience, (aka l’UX).
L’enjeu étant de déceler les points de frictions et irritants qui freinent l’utilisateur sur son parcours, et in fine, d’en perfectionner la fluidité pour l’amener vers la conversion ; qu’elle soit transactionnelle (e-commerce) ou rapportée à un objectif (lecture de contenu, leads). Pour ce faire, on étudie alors les interactions entre l’utilisateur et les fonctionnalités du site au travers des interfaces : clics sur des éléments, survols avec la souris dans le cas du desktop (mouseover), défilements de l’écran pour modifier la ligne de flottaison (scrolls). On parle alors d’optimisation de la conversion (aka Conversion Rate Optimization, CRO).
L’accès à des données comportementales et décisionnelles
L’analyse des comportements navigationnels découle sur plusieurs types d’apprentissage :
- Quelles sont les fonctionnalités privilégiées par mon utilisateur lors de son parcours ?
- Quels référentiels d’ergonomie peuvent être ajustés, afin d’améliorer la lisibilité des fonctionnalités citées précédemment ?
- Y a-t-il un parcours homogène parmi mes utilisateurs, ou au contraire, observe-t-on plusieurs types de navigations distincts qui correspondraient à des cibles variées avec des attentes diverses ?
Toutes ces informations viennent préciser la connaissance du e-commerçant sur l’utilisation qui est faite de son site et sur les attitudes de ses visiteurs vis-à-vis de celui-ci. Ces informations exigent néanmoins d’être en mesure de les traiter, de les comprendre et de les interpréter afin de pouvoir en tirer des décisions tactiques qui iront dans le sens d’une optimisation de la conversion grâce à des choix ergonomiques judicieux.
Parfois, l’étude des comportements des utilisateurs peut amener à des découvertes sur les besoins des clients et sur la cible. Par exemple, lorsqu’on se penche sur les requêtes tapées dans le moteur de recherche interne du site et que l’on s’aperçoit que les produits les plus recherchés sont sous-représentés sur le site web. Cela peut également donner des indices sur la typologie de visiteurs : un site web à dimension B to B peut s’assurer que les besoins via les requêtes de search interne correspondent bien à sa cible.
Faites de la navigation mobile votre priorité
A l’heure où la majorité des sites web sont soumis au phénomène de mobile first, il est primordial de penser à l’UX sur mobile. Un site web peut offrir une expérience fluide et agréable sur ordinateur mais révéler de multiples impasses sur mobile, ce qui est hautement problématique. Cela empêche l’utilisateur de pouvoir réaliser un achat dans l’immédiat dans des conditions satisfaisantes et va constituer un manque à gagner inévitable au e-commerçant.
Il est donc fondamental de s’assurer du caractère fluide et optimal de la navigation sur le site sur l’ensemble des devices et de prioriser les chantiers en fonction de l’importance de chacun et ce, dès la phase de design ou de refonte d’un site web.
Comment mettre en place le suivi des utilisateurs sur un site web ?
Les outils de Data visualization
L’analyse des parcours client sur un site web peut se faire de différentes façons. Il existe sur le marché différents outils en mode SaaS qui offrent la possibilité de voir sous forme de cartes de chaleur et entonnoirs les interactions des utilisateurs sur votre site (clics, scrolls, survols, impressions). L’avantage de ces outils est la Data visualization (aka Dataviz), c’est-à-dire que la lecture des informations et l’utilisation de ces outils est relativement aisée après une configuration attentive. On peut alors voir des formulaires de contact avec la perdition entre chaque champ par exemple, ou les fonctionnalités les plus cliquées sur une fiche produit. Pour autant, l’interprétation de ces éléments nécessite une connaissance avisée des comportements de l’utilisateur.
La mise en place d’un plan de marquage
L’autre possibilité est de centraliser les interactions des utilisateurs dans un outil de suivi analytics tel que Google Analytics, Adobe Analytics ou encore AT Internet. Dans ce cas, on retrouve alors dans des rapports dédiés le nombre d’occurrences pour chaque interaction, avec un schéma de variable / valeur qui est commun à tous, mais des systèmes de classification inhérents aux outils. Ces systèmes offrent des possibilités plus ou moins grandes de segmenter ces événements. Si on prend l’exemple de Google Analytics, les événements sont classés en catégorie, action et libellé, ce qui permet de préciser de façon claire les conditions dans lesquelles l’événement s’est déroulé : URL de la page, emplacement d’un bouton cliqué, URL de provenance, profondeur de scroll effectuée, etc…
Vous l’aurez compris, la lecture et la compréhension de ces systèmes, bien qu’élémentaires, exigent de s’y accoutumer car ils demeurent peu intuitifs ; notamment pour les métiers plus éloignés de la technique, qui préfèreront une lecture plus illustrée et représentative, ce qu’offrent les outils de Data visualization. Il faut toutefois noter qu’outre l’avantage de centraliser la donnée au même endroit, la mise en place d’un plan de marquage se fait sur-mesure pour un site et s’adapte à sa dimension commerciale (e-commerce, génération de lead, médias et contenus, etc). On mesure alors des données pertinentes et spécifiques au site et uniquement celles-ci pour ne pas être surchargé en informations. Les possibilités sont multiples dans le cas du tracking via un plan de marquage bien construit et les données s’intègrent parfaitement dans la solution analytics. De plus, contrairement aux idées reçues, celui-ci n’est pas figé dans le temps et peut évoluer en fonction du site web ou des besoins d’analyse des métiers.
Ces deux possibilités pour suivre les interactions des utilisateurs sur le site ne s’opposent pas nécessairement et sont d’ailleurs parfois utilisées conjointement lorsque le budget le permet. En effet, le coût des outils de data visualization, bien que variable selon l’outil et les forfaits choisis, reste supérieur à celui d’un plan de marquage.
Chez Meet Your Data, nous proposons des plans de marquage pour tout type de site. Nous mettons à profit notre expertise pour vous proposer les éléments pertinents pour suivre le parcours utilisateur, selon vos besoins d’analyse et les connaissances clients qu’il vous manque.
Nous réalisons également des lectures des outils de Data visualization et apportons notre oeil expert pour que vous puissiez tirer le meilleur parti de vos outils.
N’hésitez pas à nous contacter pour en discuter.
par Romain | 19, Mar 2020 | Analytics, Google Universal Analytics
Tout le monde en parle, le Règlement Général de la Protection des Données (RGPD) régit le monde de la data et nous devons faire face à de nombreuses parades pour conserver l’anonymat des internautes. Ici, nous parlerons de l’anonymisation des IP dans Google Analytics, afin de pouvoir exclure le trafic interne de vos rapports dans Google Analytics tout en respectant le RGPD. Le fait d’enlever les IP internes permet de ne comptabiliser que les sessions « réelles » réalisées.
Là où, avant, nous utilisions une simple règle de filtrage dans Google Analytics (autrement dit, exclusion des IP en clair), nous allons faire face désormais à une manipulation plus fastidieuse mais efficace, pérenne et surtout légale.
Ancienne méthode :
Cette technique est obsolète et nous passerons désormais par Google Tag Manager pour gérer les IP internes. En effet, lorsque nous définissons le champ “anonymizeIP” dans la balise Google Analytics dans Google Tag Manager, ce filtre n’a plus aucun sens et ne fonctionne plus car les adresses IP deviennent cryptées.
Pour contrer cela, nous allons procéder par étape :
- Étape 1 : Savoir écrire son adresse IP sous forme de REGEX (expression régulière)
De nombreux sites permettent d’écrire facilement des REGEX. Ainsi, deux adresses IP lambda notées 195.162.1.1 et 194.188.5.1 seront notées de cette façon en REGEX : (195\.162\.1\.1|194\.188\.5\.1)
- Étape 2 : Ajout du script Javascript
Ensuite, il suffit de créer une balise contenant ce script dans GTM
JavaScript
<script>
//Define cookie functions - used to create and read cookies
function createCookie(name,value,days) {
if (days) {
var date = new Date();
date.setTime(date.getTime()+(days*24*60*60*1000));
var expires = "; expires="+date.toGMTString();
}
else var expires = "";
document.cookie = name+"="+value+expires+"; path=/"; //Regular cookie
//Create a cookie for main domain (coded for root domain and www. domain only)
var domain = location.hostname;
document.cookie = name+"="+value+expires+"; path=/;domain="+domain+";"; //Regular cookie
var domain = domain.replace("www","");
document.cookie = name+"="+value+expires+"; path=/;domain="+domain+";";
}
function readCookie(name) {
var nameEQ = name + "=";
var ca = document.cookie.split(';');
for(var i=0;i < ca.length;i++) { var c = ca[i]; while (c.charAt(0)==' ') c = c.substring(1,c.length); if (c.indexOf(nameEQ) == 0) return c.substring(nameEQ.length,c.length); } return null; } function eraseCookie(name) { createCookie(name,"",-1); } //Check if internal or external IP function getIP(){ var HttpClient = function() { this.get = function(aUrl, aCallback) { var anHttpRequest = new XMLHttpRequest(); anHttpRequest.onreadystatechange = function() { if (anHttpRequest.readyState == 4 && anHttpRequest.status == 200) aCallback(anHttpRequest.responseText); } anHttpRequest.open( "GET", aUrl, true ); anHttpRequest.send( null ); } } var client = new HttpClient(); client.get('https://api.ipify.org?format=json', function(response) { var result = JSON.parse(response); var ip = result.ip; var ipInternal = /^(195\.162\.1\.1|194\.188\.5\.1)$/i; //replace with your own IP adresses if(ip.search(ipInternal) >=0) {
//Is internal IP
createCookie("isInternal",1,30); //Save for 30 days
eraseCookie("isExternal");
console.log("Is internal IP: " + ip);
} else {
//Is external IP
createCookie("isExternal",1,7); //Save for 7 day
eraseCookie("isInternal");
console.log("Is external IP: " + ip);
}
});
}
getIP();
</script>
Ce long script permet, en outre, de vérifier si l’IP est interne ou non. Si l’IP est comprise dans la REGEX, un cookie propriétaire sera attribué à l’utilisateur le définissant sur isInternal. Sinon, le cookie attribué sera isExternal, tout simplement.
- Étape 3 : Définir les cookies dans GTM sous forme de variables
Ensuite, nous récupérons les cookies propriétaires sous forme de variables dans GTM.
- Étape 4 : S’assurer que le script ne se déclenche pas à chaque rechargement de page
La manipulation est simple, il faut ajouter des exceptions sur le déclencheur du type : si la variable cookie (externe ou interne) n’est pas définie (undefined), on déclenche le script jusqu’à ce que le cookie soit défini.
- Étape 5 : Réunir les 2 variables cookies en une seule
JavaScript
function () {
var returnValue = "true";
var external = {{cookie - External traffic}};
var internal = {{cookie - internal traffic}};
if(external == 1) {
returnValue = "true";
}
else if (internal == 1) {
returnValue = "false";
}
else {
returnValue = "true";
}
return returnValue;
}
Pour permettre d’obtenir une variable qui renverra de façon binaire « TRUE » ou « FALSE » selon les valeurs des cookies.
- Étape 6 : Créer un tableau de conversion
Ce tableau de conversion a pour objectif d’anonymiser toutes les IP externes (autrement dit, lorsque la variable JS sera définie sur “true”.
Attention : Ne pas oublier de mettre les ‘ ‘ car seul les informations booléennes sont prises en compte.
- Étape 7 : Ajouter toutes ces modifications dans la balise GA Settings
Comme à chaque fois, il faut bien veiller à ajouter une ligne pour la dimension personnalisée liée à la variable créée ainsi qu’ajouter un champ à définir sur la balise pour garantir l’anonymisation des IP (sinon tout ce que nous venons de faire ne servirait à rien).
Enfin, il suffit d’aller dans Google Analytics pour traduire tout ce que nous venons de faire dans GTM.
- Créer la dimension personnalisée correspondante
Ici, veillez à bien conserver le même index entre celui attribué dans GTM et celui attribué dans GA, il doit être identique (dans l’exemple ici, l’index est le 15).
- Créer un filtre se basant sur la dimension personnalisée créée juste au dessus
Voici comment anonymiser les IP des visiteurs tout en permettant l’exclusion du trafic interne sur vos vues Google Analytics.
Pour toute demande de renseignement ou d’accompagnement, n’hésitez pas à entrer en contact avec l’équipe MYD.
par Romain | 23, Mai 2017 | Analytics
Si les concepts Analytics – soit analyse des données en français – et de Business Intelligence ne sont pas nouveaux, ils ont pris un réel tournant dans l’ère du Big Data. Face à un volume de données exponentiel, généré par des utilisateurs, des institutions ou des entreprises toujours plus connectés, la capacité à en extraire des informations est désormais un atout majeur.
A quoi correspond l’analytics ? Comment les entreprises peuvent-elles en tirer profit?
Commençons par une définition : L’analytics correspond à la découverte, l’interprétation et la communication de données. Ces dernières proviennent d’interactions humaines (réseaux sociaux, e-mails, visites sur les sites web…) d’actions d’entreprises (ventes, supply chain…) ou encore d’institutions traditionnelles (données démographiques, scientifiques…).
La présence des entreprises sur Internet est désormais quasi indispensable, ne serait-ce qu’en terme d’image et de notoriété. Qu’elles disposent d’un site marchand ou non marchand, d’une application ou non, les entreprises ont tout intérêt à savoir analyser les données créées par leurs utilisateurs. Elles constituent de précieux indicateurs pour conduire son activité en optimisant la prise de décision.
Si vous vous posez ce type de questions : Que font les visiteurs sur mon site Internet ? Quel a été leur chemin pour y parvenir ? Quel est leur panier moyen ? Comment améliorer l’expérience utilisateur ? Quels sont les effets de mes campagnes marketing ?
Sachez qu’il est possible d’y répondre en faisant parler vos données.
Envie de savoir tout ce que l’analytics peut faire pour vous? Contactez-nous!
