Traitement des données avec BigQuery

A l’aide de BigQuery (entrepôt de données de Google), nos experts en technologies cloud vous aident à centraliser toutes vos données et à mener des analyses avancées sur des grandes quantités de données. Passez de la simple description de vos données à la prévision !

Applications

Tellement de choses !

BigQuery est l’outil de data warehouse de Google. Il permet en quelques secondes de requêter des millions de lignes de données avec une très grande précision et a de grandes possibilités d’intégration avec d’autres outils.

Chez Woptimo, BigQuery est désormais un outil central dans notre workflow au quotidien.

Pourquoi utiliser BigQuery ?

Nous utilisons notamment pour :

exploiter les données brutes GA4
stocker les données Google Search Console et les exploiter de manière avancée
stocker les données de positionnement issues de crawls réguliers de Google
lier les données GA4 à d’autres outils externes, comme des données socio démographiques, géographiques ou encore des données CRM

Pourquoi utiliser BigQuery ?

pour nos clients avec de nombreuses filiales ou agences, nous exploitons les données GPS pour permettre par exemple de connaître le nombre de villes de plus de 10 000 habitants avec au moins 1 agence dans les 20 km. Cela permet d’améliorer le SEO et la recherche locale, ainsi que l’organisation générale
stocker les données brutes de Google Ads, grâce au transfert gratuit de données intégrées dans BigQuery
stocker toutes les informations possibles liées aux mots clés (suggestion de mots clés, volume de recherche…)
construire des modèles de machine learning, en utilisant BigQuery ML

Exemples d’analyse avec BigQuery

Intervalle de temps entre deux événements

Par exemple, connaître l’évolution du temps moyen entre l’ajout au panier et la confirmation de commande est un bon indicateur, qui permet de souligner les optimisations à prévoir et les impacts d’éventuels changements (exemple : intégration du 3dsecure). Néanmoins, la moyenne cache parfois l’essentiel, car elle peut être affectée par une poignée d’utilisateurs extrêmement lents à la prise de décision. Il est donc important de faire une analyse en distribution, ce que ne propose pas du tout Google Analytics. Connaître l’évolution du nombre de personnes remplissant le processus de commande en moins de 2 minutes, ou connaître l’évolution des 20% les plus rapides est bien souvent plus efficace.

Impact d’une autopromotion ou d’une fonctionnalité

Il n’est pas toujours évident dans GA de savoir si, par exemple, un bandeau a été efficace. Il est bien sûr possible de créer un segment, mais il faudra créer autant de segments que de bandeaux. Vous pouvez aussi utiliser les systèmes natifs d’autopromotion, assez efficaces, mais qui ne permettent pas d’appliquer un modèle d’attribution interne, tout est toujours attribué au dernier clic par exemple. Pour avoir une vision complète de l’efficacité d’un bandeau, l’exploitation des données brutes GA4 sous BigQuery est une nécessité. On peut ainsi mesurer l’efficacité sur un temps long. Savoir qu’un utilisateur a, par exemple, utilisé telle fonctionnalité de quiz ou de simulation en janvier avant de faire une demande de devis en mai, n’est possible qu’avec des exports BigQuery !

On travaille ensemble ?

Notre expertise BigQuery nous permet de vous aider à être plus efficaces grâce à l’exploitation de vos données. Nous transformons et donnons du sens à vos données pour vous aider dans la prise de décisions et mettre en place les actions marketing les plus pertinentes.