Comment analysez vos canaux avec les champs UTM dans BigQuery ?

L’univers du marketing digital évolue sans cesse, et les spécialistes du marketing doivent constamment affiner les outils qu’ils utilisent pour obtenir des insights plus précis de leurs campagnes. Google Analytics, l’un des piliers incontournables, continue d’innover pour répondre à ces besoins. La dernière mise à jour concerne l’ajout de nouveaux champs UTM dans l’export d’événements vers BigQuery, offrant ainsi de nouvelles opportunités pour l’analyse des canaux de trafic.

Un bref rappel sur les champs UTM

Les paramètres UTM (Urchin Tracking Module) sont des fragments de code ajoutés à la fin des URL pour suivre l’origine du trafic web. Ils permettent de connaître précisément d’où viennent les visiteurs de votre site. Voici un rappel des cinq paramètres UTM traditionnels :

1. utm_source : identifie la source du trafic (moteur de recherche, newsletter, etc.).
2. utm_medium : indique le type de moyen (CPC, email, social, etc.).
3. utm_campaign : spécifie le nom de la campagne pour analyser un groupe de contenu.
4. utm_term : destiné au suivi des mots-clés lors des campagnes payantes.
5. utm_content : utilisé pour différencier les annonces pointant vers une même URL.

Ces paramètres permettent de segmenter les données de trafic et d’identifier les performances marketing de manière plus structurée.

Les nouveaux champs UTM ajoutés

Google a récemment intégré trois nouveaux champs aux enregistrements de source de trafic dans l’export des événements vers BigQuery. Il s’agit de :

1. manual_creative_format : spécifie le format créatif utilisé dans la campagne (vidéo, display, etc.).
2. manual_marketing_tactic : identifie les tactiques de marketing appliquées (SEO, SEA, content marketing, etc.).
3. manual_source_platform : précise la plateforme source spécifique d’où provient le trafic (Facebook, Instagram, LinkedIn, etc.).

Ces nouveaux champs permettent d’amplifier l’analyse des performances des canaux en offrant une granularité supplémentaire et en permettant une segmentation plus fine.

Pourquoi ces nouveaux champs UTM ?

L’objectif principal de l’introduction de ces nouveaux champs est de répondre au besoin croissant d’une compréhension plus fine des comportements utilisateurs et des performances de campagnes. Voici trois raisons principales pour cette évolution :

1. Granularité accrue : En déterminant précisément le format créatif, la tactique marketing et la plateforme source, les spécialistes peuvent optimiser leurs campagnes avec une connaissance détaillée des éléments les plus performants. Cela permet de comprendre non seulement le canal de traffic, mais aussi comment chaque élément de campagne contribue à l’efficacité globale.
2. Analyse approfondie : Grâce à BigQuery, les données exportées peuvent être manipulées et analysées en profondeur. BigQuery offre des capacités analytiques poussées, permettant des visualisations complexes et des analyses multidimensionnelles impossibles avec seulement les champs UTM standard.
3. Optimisation des dépenses marketing : En sachant quelles combinaisons de formats, tactiques et plateformes génèrent le meilleur retour sur investissement (ROI), les responsables marketing peuvent ajuster leurs budgets pour maximiser l’impact de leurs campagnes marketing.

Comment les utiliser dans BigQuery ?

L’export des données Google Analytics vers BigQuery permet de traiter des volumes considérables de données rapidement. Voici comment exploiter efficacement ces nouveaux champs dans BigQuery :

1. Configuration : Assurez-vous que votre propriété Google Analytics est configurée pour exporter les données vers BigQuery. Les étapes détaillées sont disponibles dans le guide de configuration du lien BigQuery.
2. Accéder aux nouveaux champs : Une fois configuré, les nouveaux champs (manual_creative_format, manual_marketing_tactic, manual_source_platform) apparaîtront dans l’export de schéma de source de trafic.
3. Exploitation des données : Utilisez des requêtes SQL dans BigQuery pour trier, filtrer et analyser les données. Vous pouvez également lier BigQuery à un outil de visualisation de données tel que Google Data Studio pour créer des rapports visuels et interactifs.

Cas pratiques et exemples d’utilisation

Pour illustrer l’impact de ces nouveautés, voici quelques cas pratiques :

Analyse par format créatif

Problématique : Une entreprise souhaite savoir quel format d’annonce (vidéo, image statique, GIF, etc.) génère le plus de conversions.
Approche : En utilisant le champ manual_creative_format, l’équipe marketing peut créer une requête dans BigQuery pour comparer les taux de conversion par format d’annonce.
Résultat : Cela permet d’identifier le format créatif le plus performant et de redistribuer le budget en faveur de ce format.

Comparaison de tactiques marketing

Problématique : Une organisation veut déterminer l’efficacité relative de ses efforts SEO par rapport aux PPC.
Approche : Le champ manual_marketing_tactic permet de filtrer les données selon les tactiques utilisées et d’analyser les performances en termes de trafic organique et payant.
Résultat : Des décisions informées peuvent être prises pour équilibrer ou intensifier l’investissement dans l’une ou l’autre des tactiques en fonction de leur ROI.

Evaluation des plateformes de diffusion

Problématique : Un e-commerçant veut savoir quelle plateforme (par exemple, Facebook vs Instagram) amène le plus de trafic qualifié.
Approche : Grâce au champ manual_source_platform, des requêtes dans BigQuery peuvent trier le trafic en fonction de la plateforme source et mesurer la qualité du trafic généré.
Résultat : Il en ressort une optimisation des placements publicitaires, en priorisant les plateformes les plus efficaces.

Le futur des analyses avancées avec Google Analytics et BigQuery

Ces ajouts constituent un pas vers une analyse toujours plus précise et personnalisée. Avec l’évolution rapide des technologies, il est raisonnable de s’attendre à ce que Google introduise encore plus de détails dans les suivis UTM et les capacités analytiques de BigQuery.

Pour les marketeurs, cela implique de rester constamment informés et vigilants sur les nouvelles mises à jour. Cela ouvre également des opportunités pour des analyses plus fines, notamment avec l’essor de l’intelligence artificielle et du machine learning qui permettront d’automatiser et d’approfondir les insights.

Conclusion

L’ajout de ces nouveaux champs UTM à l’exportation des événements Google Analytics vers BigQuery représente une avancée significative. Il offre aux spécialistes du marketing des outils puissants pour évaluer et optimiser leurs campagnes avec une précision inégalée. En exploitant ces nouveaux champs, ils pourront améliorer leur compréhension des performances des canaux, optimiser leurs dépenses marketing et, en fin de compte, atteindre leurs objectifs commerciaux de manière plus efficace.

Ressources complémentaires

• Comprendre les paramètres de campagne – Google Support
• Configuration de l’export de données vers BigQuery – Google Analytics
• BigQuery Data Transfer Service – Google Cloud

En vous tenant à jour sur les évolutions de Google Analytics et en intégrant ces nouveaux champs à vos analyses, vous pourrez conserver une longueur d’avance dans le suivi et l’optimisation de vos campagnes marketing.

FAQ

1. Que sont les paramètres UTM ?

Les paramètres UTM (Urchin Tracking Module) sont des fragments de code ajoutés aux URL pour suivre l’origine du trafic web. Ils permettent d’identifier la source, le moyen, la campagne, le terme et le contenu de chaque visiteur de votre site.

2. Quels sont les nouveaux champs UTM ajoutés par Google ?

Google a ajouté trois nouveaux champs UTM : manual_creative_format, manual_marketing_tactic et manual_source_platform. Ces champs permettent d’obtenir des insights plus précis sur les formats créatifs, les tactiques marketing et les plateformes sources.

3. Comment ces nouveaux champs UTM peuvent-ils aider à l’analyse des performances marketing ?

Ces nouveaux champs UTM permettent une granularité accrue et une analyse approfondie des campagnes marketing. Ils permettent de comprendre quelles combinaisons de formats, tactiques et plateformes génèrent les meilleurs résultats, améliorant ainsi l’optimisation des dépenses marketing.

4. Comment configurer l’export des données Google Analytics vers BigQuery ?

Pour configurer l’export des données Google Analytics vers BigQuery, vous devez suivre les étapes détaillées dans le guide de configuration disponible sur le support Google.

5. Pourquoi utiliser BigQuery pour analyser les données exportées de Google Analytics ?

BigQuery permet de traiter de grands volumes de données rapidement et offre des capacités analytiques avancées. En utilisant BigQuery, les marketeurs peuvent manipuler et analyser les données en profondeur, créant des visualisations complexes et des analyses multidimensionnelles pour des insights plus précis.