Peut-on envoyer l’historique des données Google Analytics 3 dans Google Analytics 4 ?

Avant de commencer, voici 3 formations gratuites en rapport avec la question traitée dans cet article qui pourraient vous intéresser :

Formation sur Google Analytics 4 (2023)

Formation sur Google Big Query (2023)

Formation sur Looker Studio (2023)

Allez, c’est parti ! 🤓

Comme vous le savez sans doute, la fin de la collecte des données dans les propriétés Google Analytics 3 est prévue pour le 1er juillet 2023.

Vous pourrez accéder à l’intégralité des données historiques depuis l’interface ainsi qu’avec l’API Google Analytics Core Reporting jusqu’au 31 décembre 2023. Après cette date, vous ne pourrez plus accéder à ces données depuis l’interface ni depuis l’API Google Analytics Core Reporting.

Beaucoup d’entre vous se demandent s’il est possible d’envoyer les données de Google Analytics 3 (GA3) dans Google Analytics 4 (GA4) afin de bénéficier d’un maximum de données historiques dans cette dernière et ainsi pouvoir réaliser correctement vos analyses temporelles et de comparaison.

Malheureusement, ce n’est pas possible. Une fois votre migration vers Google Analytics 4 effectuée, vous ne pourrez pas envoyer de données historiques provenant de Google Analytics 3 dans cette dernière. Il est d’ailleurs peu probable que cette fonctionnalité soit disponible un jour.

La raison pour laquelle ce n’est pas possible est que les modèles de données de Google Analytics 3 et Google Analytics 4 sont considérablement différents.

L’ancienne version se base sur les sessions et les pages vues alors que la dernière version se base sur les utilisateurs et les événements. Cela induit une différence dans “le schéma des tables de données brutes qui se cachent derrière les interfaces respectives”.

Du côté de Google Analytics 3, une ligne correspond à une session unique et chaque hit (page vue, événement, etc) réalisé au cours de cette même session est “imbriqué” dans cette ligne.

Pour mieux visualiser/comprendre, voici un schéma de données (interactif) relatif à Google Analytics 3 :

https://storage.googleapis.com/e-nor/visualizations/bigquery/ga360-schema.html

Du côté de Google Analytics 4, chaque ligne correspond à un événement unique.

Pour mieux visualiser/comprendre, voici un schéma de données (interactif) relatif à Google Analytics 4 :

https://www.measurelab.co.uk/wp-content/uploads/GA4_tree.html

Vous comprendrez donc que, dans l’état, ces deux modèles ne sont pas compatibles…

Mais ce n’est pas la seule raison. La définition des métriques et dimensions peut varier entre les deux propriétés. Par exemple :

• Les conversions ne sont pas exactement comptabilisées de la même manière
• Les sessions non plus
• Le taux de rebond non plus
• Etc

Ainsi, même si nous avions le même modèle de données dans les deux propriétés et que nous pouvions envoyer les données de Google Analytics 3 dans Google Analytics 4, dans certains cas, cela reviendrait à comparer des pommes avec des poires.

Cependant, il existe une solution pour réaliser correctement vos analyses temporelles et de comparaison en prenant en compte les données des deux propriétés distinctes.

La solution que nous mettons en place chez nos clients pour répondre à ce besoin consiste à recouper les données des deux propriétés sur un data warehouse (généralement BigQuery) et de visualiser le tout sur une solution de visualisation externe (généralement Looker Studio).

Voici les étapes principales du processus en utilisant BigQuery (en data warehouse) et Looker Studio (en solution de visualisation) :

Étape 1 : Lister les métriques (et dimensions associées) que vous voulez suivre d’une propriété à l’autre

Cette étape est importante, car plus la quantité de données brutes que vous voulez exporter depuis Google Analytics 3 est importante, plus vous pouvez être contraint à certaines limites ou à de l’échantillonnage. La seule façon de contourner ces contraintes et de multiplier le nombre de requêtes lors du processus d’exportation. Il convient donc d’éliminer les métriques et dimensions inutiles afin de limiter la quantité de données et ainsi faciliter ce processus. Voici une documentation expliquant comment optimiser vos requêtes pour gérer les résultats de données volumineux :

https://developers.google.com/analytics/devguides/reporting/core/v3/reference?hl=fr#largeDataResults

De manière générale, il est toujours important de lister les métriques et dimensions dont vous avez besoin pour satisfaire vos visualisations avant tout projet de création de reporting ou dashboard.

Étape 2 : Exporter les données brutes de Google Analytics 3 et les envoyer dans BigQuery

Chez Boryl, nous utilisons l’API Google Analytics Core Reporting pour exporter les données brutes de Google Analytics 3 (listées en étape 1). Voici une documentation sur le sujet :

https://developers.google.com/analytics/devguides/reporting/core/v3?hl=fr

Ensuite, nous les envoyons dans Google Cloud Storage puis dans BigQuery. Voici deux documentations sur le sujet :

https://cloud.google.com/storage/docs/uploading-objects?hl=fr#storage-upload-object-client-libraries (envoi des données dans Google Cloud Storage)

https://cloud.google.com/bigquery/docs/batch-loading-data?hl=fr (envoi des données depuis Google Cloud Storage dans BigQuery)

Si vous n’avez pas les ressources techniques, vous pouvez exporter les données brutes de Google Analytics 3 avec l’UA Query Explorer qui vous permet d’utiliser l’API Google Analytics Core Reporting via une interface graphique. Voici le lien vers l’outil :

https://ga-dev-tools.google/query-explorer/

Ensuite, vous pouvez les envoyer dans BigQuery manuellement.

En fonction de la quantité de données à exporter avec l’API Google Analytics Core Reporting, il est possible que vous deviez réaliser plusieurs exports afin de contourner les limites ainsi que l’échantillonnage. Plus d’informations ici :

https://developers.google.com/analytics/devguides/reporting/core/v3/reference?hl=fr#sampling

Et ici :

https://developers.google.com/analytics/devguides/reporting/core/v3/limits-quotas?hl=fr

Étape 3 : Activer l’export automatique des données brutes de Google Analytics 4 dans BigQuery

Google propose une connexion native entre BigQuery et Google Analytics 4. Cette connexion vous permet d’exporter tous les événements bruts d’une propriété Google Analytics 4 dans BigQuery.

Étape 4 : Créer une table de données analysée sur BigQuery

Cette table de données analysée est celle que vous connectez à Looker Studio. Le schéma de cette table doit répondre à vos besoins en visualisation.

C’est donc dans cette table que sont recoupées les données de Google Analytics 3 et Google Analytics 4.

Étape 5 : Créer et exécuter la requête SQL d’analyse sur les données brutes de Google Analytics 3

Cette étape consiste à mettre au bon format les données brutes de Google Analytics 3 et à les envoyer dans la table de données analysée.

Étape 6 : Créer et automatiser l’exécution de la requête SQL d’analyse sur les données brutes de Google Analytics 4

Cette étape consiste à créer et automatiser l’exécution de la requête SQL qui met à jour, chaque matin, la table de données analysée avec les nouvelles données (au bon format) issues des données brutes de Google Analytics 4.

Étape 7 : Créer le rapport Looker Studio

Cette étape consiste tout simplement à connecter la table de données analysée à un rapport Looker Studio et à créer les différentes visualisations.

Et voilà, c’est terminé ! 🤓

Pour finir cette réponse, voici quatre informations supplémentaires :

• Le plus tôt vous déployez Google Analytics 4, le plus vous aurez de données historiques à compter du 1er juillet 2023 (c’est toujours bon de le rappeler).
• Plus globalement, même si vous n’avez pas de besoin à date, l’export des données Google Analytics 3 dans BigQuery pourra toujours vous servir après le 31 décembre 2023. Nous vous conseillons donc le faire (au moins pour les données élémentaires) afin de pouvoir répondre aux éventuels besoins futurs.
• Si vous avez une propriété Google Analytics 3 360 il existe une connexion native avec BigQuery (comme celle entre Google Analytics 4 et BigQuery).
• Si vous voulez envoyer des données Google Analytics 3 dans Google Analytics 4 afin de nourrir vos audiences publicitaires Google Ads, vous pouvez toujours créer vos audiences sur BigQuery et les envoyées vers Google Ads via l’API dédiée.