Découvrez les champs BigQuery GA4 : batch_page_id, batch_ordering_id et batch_event_index.
Google Analytics 4 (GA4) continue d’évoluer, apportant de nouveaux outils et capacités pour aider les entreprises et les marketeurs à recueillir, analyser et interpréter les données plus efficacement. Une des dernières mises à jour, annoncée le 20 juillet 2024, introduit des améliorations significatives aux tables d’exportation d’événements de BigQuery. Spécifiquement, Google a ajouté trois nouveaux champs : batch_page_id, batch_ordering_id et batch_event_index. Ces ajouts visent à aider les utilisateurs à reproduire l’ordre de collecte du navigateur pour les événements exportés vers BigQuery.
Dans cet article complet, nous explorerons ces nouveaux champs, leur fonctionnalité et leur impact sur l’analyse et la génération de rapports de données. Nous nous pencherons également sur les implications plus larges de ces changements pour les propriétés web et fournirons des exemples concrets pour illustrer leur utilisation. Que vous soyez un analyste de données chevronné ou un marketeur digital cherchant à améliorer vos capacités analytiques, cet article vous fournira des informations précieuses sur les nouveaux ajouts d’ordonnancement d’événements de GA4 BigQuery.
Comprendre les nouveaux champs GA4 BigQuery
batch_page_id
Le champ batch_page_id est conçu pour aider à identifier la page sur laquelle un événement particulier s’est produit. Dans GA4, les événements peuvent être collectés sur plusieurs pages, et avoir un identifiant unique pour chaque page où les événements sont capturés est crucial pour une analyse de données précise.
Imaginez que vous gériez un site e-commerce avec plusieurs pages de produits. Avec le batch_page_id, vous pouvez facilement suivre quels événements (tels que des clics, des soumissions de formulaire ou des achats) se sont produits sur des pages de produits spécifiques. Cela permet une analyse plus granulaire des interactions et du comportement des utilisateurs sur différentes parties de votre site Web.
batch_ordering_id
Le champ batch_ordering_id est particulièrement utile pour maintenir l’ordre dans lequel les événements sont collectés. Lorsque plusieurs événements sont capturés dans une période courte, ce champ garantit que la séquence est préservée, reproduisant l’ordre exact dans lequel le navigateur a collecté ces événements.
Considérez un utilisateur qui navigue sur votre site web, ajoutant des articles à son panier et passant à la page de paiement. Avec le batch_ordering_id, vous pouvez maintenir l’ordre de ces interactions, fournissant un chemin clair du parcours de l’utilisateur et aidant à identifier d’éventuels problèmes ou abandons dans le processus.
batch_event_index
Le batch_event_index sert de couche supplémentaire d’indexation pour identifier la position spécifique de chaque événement dans un lot. Cela est essentiel pour un suivi et une analyse détaillés des événements, surtout lors de la gestion de données de gros volume.
Pour un site de nouvelles avec plusieurs éléments interactifs (comme des commentaires, des mentions J’aime et des partages), le batch_event_index aide à comprendre la séquence exacte des interactions des utilisateurs. Cela peut être inestimable pour les chercheurs UX et les développeurs visant à optimiser l’expérience utilisateur.
Les champs « event » contiennent des informations permettant d’identifier de manière unique un événement.
| Nom du champ | Type de données | Description |
|---|---|---|
| batch_event_index | ENTIER | Nombre indiquant l’ordre séquentiel de chaque événement dans un lot en fonction de leur ordre d’occurrence sur l’appareil. |
| batch_ordering_id | ENTIER | Nombre augmentant régulièrement, incrémenté chaque fois qu’une requête réseau est envoyée à partir d’une page donnée. |
| batch_page_id | ENTIER | Nombre séquentiel attribué à une page et qui augmente pour chaque page supplémentaire lors d’un engagement. |
| event_date | CHAÎNE | Date d’enregistrement de l’événement (format AAAAMMJJ dans le fuseau horaire enregistré pour votre application). |
| event_timestamp | ENTIER | Heure (en microsecondes, UTC) à laquelle l’événement a été enregistré sur le client. |
| event_previous_timestamp | ENTIER | Heure (en microsecondes, UTC) à laquelle l’événement a été précédemment enregistré sur le client. |
| event_name | CHAÎNE | Nom de l’événement. |
| event_value_in_usd | FLOAT | Valeur convertie en devise (USD) du paramètre « value » de l’événement. |
| event_bundle_sequence_id | ENTIER | Identifiant séquentiel du groupe dans lequel ces événements ont été importés. |
| event_server_timestamp_offset | ENTIER | Décalage au niveau de l’horodatage entre l’heure de collecte et l’heure d’importation, en microsecondes. |
Implications pour les propriétés web
L’introduction de ces nouveaux champs dans les tables d’exportation d’événements GA4 BigQuery apporte plusieurs avantages et implications clés pour les propriétés web :
Précision et fiabilité accrues des données
Ces nouveaux champs améliorent la granularité du suivi des événements, garantissant que les données sont collectées et organisées de manière précise. Cela améliore la précision et la fiabilité globales de vos données analytiques, menant à des décisions plus éclairées.
Cartographie améliorée du parcours utilisateur
En maintenant l’ordre des événements et en identifiant les pages spécifiques où les interactions se produisent, les entreprises peuvent créer des cartes détaillées des parcours utilisateur. Cela est crucial pour comprendre le comportement des utilisateurs, optimiser la navigation sur le site et améliorer les taux de conversion.
Meilleur dépannage et débogage
Les champs batch_ordering_id et batch_event_index facilitent le dépannage et le débogage des problèmes liés au suivi des événements. En fournissant une séquence claire d’événements, les analystes peuvent rapidement identifier où et pourquoi des erreurs se sont produites, facilitant des résolutions plus rapides.
Segmentation et analyse avancées
Avec ces nouveaux champs, les entreprises peuvent effectuer une segmentation et une analyse plus avancées de leurs données. Par exemple, vous pouvez segmenter les utilisateurs en fonction de leurs schémas d’interaction sur différentes pages ou analyser la séquence d’événements menant à une conversion. Ce niveau de détail permet des campagnes marketing plus ciblées et des expériences utilisateur personnalisées.
Exemples pratiques et cas d’utilisation des nouveaux paramètres
Pour illustrer les applications pratiques de ces nouveaux champs, explorons quelques exemples et cas d’utilisation détaillés :
Site e-commerce
Un site e-commerce peut tirer parti des champs batch_page_id, batch_ordering_id et batch_event_index pour suivre le parcours complet des clients, de la découverte du produit à l’achat. Cela peut aider à identifier les chemins les plus courants vers la conversion, optimiser les pages de produits et détecter les points de friction dans le processus de paiement.
Analyse de données :
- Extraire les événements liés aux pages de produits en utilisant
batch_page_id. - Séquencer ces événements avec
batch_ordering_idpour comprendre le parcours utilisateur. - Utiliser
batch_event_indexpour analyser les interactions spécifiques au sein de chaque visite de page.
Site de contenu
Pour un site de contenu, ces champs permettent une analyse plus approfondie de la manière dont les utilisateurs interagissent avec différents articles, vidéos ou autres contenus. Les éditeurs peuvent suivre quels types de contenus génèrent le plus d’engagement et adapter leurs stratégies en conséquence.
Analyse de données :
- Identifier les principaux événements d’interaction (par ex., vues de page, lectures de vidéos) en utilisant
batch_page_id. - Maintenir la séquence des interactions avec
batch_ordering_id. - Analyser les schémas d’engagement détaillés avec
batch_event_index.
Mise en œuvre technique
La mise en œuvre de ces nouveaux champs dans votre configuration d’exportation d’événements GA4 BigQuery implique quelques étapes techniques :
- Mettre à jour votre schéma BigQuery : Assurez-vous que vos tables BigQuery incluent les nouveaux champs
batch_page_id,batch_ordering_idetbatch_event_index. Consultez la documentation officielle du schéma d’exportation BigQuery pour des instructions détaillées. - Modifier votre logique de suivi des événements : Ajustez votre logique de suivi des événements pour capturer et renseigner ces nouveaux champs. Cela peut impliquer la mise à jour du code de suivi de votre site web ou de configurer correctement votre gestionnaire de tags.
- Valider la collecte de données : Après la mise en œuvre des changements, effectuez des tests approfondis pour assurer que les nouveaux champs sont dûment renseignés et que les données d’événements sont capturées et séquencées avec précision.
- Exploiter BigQuery pour l’analyse : Utilisez BigQuery pour interroger et analyser vos données d’événements, en tirant parti des nouveaux champs pour obtenir des informations plus approfondies sur le comportement des utilisateurs et les interactions.
Meilleures pratiques et recommandations
Pour tirer le meilleur parti de ces nouveaux ajouts d’ordonnancement d’événements GA4 BigQuery, considérez les meilleures pratiques et recommandations suivantes :
Audits réguliers des données
Réalisez des audits réguliers de vos données d’événements pour vous assurer que les nouveaux champs sont constamment renseignés et que l’intégrité des données est maintenue. Cela aide à identifier les écarts ou problèmes dès le début et assure la fiabilité de vos analyses.
Impliquez plusieurs parties prenantes dans le processus d’analyse pour recueillir diverses perspectives et idées. La collaboration entre analystes de données, marketeurs et designers UX peut mener à des résultats plus complets et exploitables.
0ptimisation continue
Utilisez les informations obtenues de l’analyse détaillée des événements pour optimiser en continu votre site web et vos stratégies marketing. Expérimentez différentes approches, suivez leur impact et affinez vos tactiques en fonction des données.
Investissez dans l’éducation et la formation de votre équipe pour vous assurer qu’elle maîtrise bien l’utilisation de GA4 et de BigQuery pour des analyses avancées de données. Cela peut inclure des sessions de formation formelles, des cours en ligne ou des réunions régulières de partage des connaissances.
Conclusion
L’ajout des champs batch_page_id, batch_ordering_id et batch_event_index aux tables d’exportation d’événements GA4 BigQuery marque une étape significative dans le suivi et l’analyse des événements. En fournissant des données plus granulaires et précises, ces améliorations permettent aux entreprises d’obtenir des informations plus approfondies sur le comportement des utilisateurs, d’optimiser leurs propriétés digitales et de prendre des décisions basées sur les données.
Alors que GA4 continue d’évoluer, rester à jour avec