Découvrez quelques raisons expliquant les divergences entre les données de Google Ads et de Google Analytics.

Un téléspectateur note les programmes qu'il a regardés pendant plusieurs jours dans un carnet officiel destiné à l'Office de collecte des statistiques. À la fin du mois, un inspecteur reçoit ce carnet, ainsi que des milliers d'autres, et compte l'audience manuellement en introduisant les informations dans un tableau sur un ordinateur.

Dans un autre foyer, un appareil appelé "Set Meter", connecté à la télévision, envoie des données sur les programmes regardés directement à un ordinateur de l'Office of Statistics Collection. Une équipe d'agents relie les deux sources de données et, à l'aide de manipulations statistiques, estime l'audience de chaque programme télévisé.

La méthode partielle et manuelle, extrêmement sujette aux lacunes, biais et erreurs statistiques, était autrefois l'un des seuls moyens de mesurer l'audience. Les annonceurs scrutaient les émissions ayant le plus grand nombre de téléspectateurs et, ne faisant que des suppositions sur leur profil, dépensaient d'énormes sommes d'argent pour acheter des espaces publicitaires. Des processus similaires étaient utilisés pour les magazines, les émissions de radio, les journaux, les panneaux d'affichage et les sites Web avant le milieu des années 2000.

Avec l'avènement et la popularisation du Web Analytics, avec des outils tels que Urchin (qui deviendra Google Analytics) et Omniture (qui deviendra Adobe Analytics), les annonceurs et les webmasters n'ont plus eu à s'inquiéter de la fiabilité de la mesure de leur audience. Plusieurs outils offraient une vue personnalisée spécifique qui était mesurée avec précision. Désormais, les consommateurs de données ne dépendaient plus d'informations extrapolées à partir d'échantillons pour répondre à leurs questions. Ils disposaient de données, utilisateur par utilisateur, sur chaque entrée du site, chaque action et chaque minute. La fiabilité des rapports s'est accrue et la précision de la mesure de l'impact de chaque publicité a augmenté.

Avec des données plus précises, des outils de plus en plus robustes et des intégrations natives avec plusieurs autres outils puissants, la demande d'uniformité des données a augmenté.

Par "uniformité des données", nous entendons qu'il existe une cohérence entre les informations présentées par les différents outils, c'est-à-dire que le nombre de visites du site mesuré par Google Analytics, Google Ads ou les journaux internes du CRM devrait être le même.

Toutefois, si les informations sont beaucoup plus précises dans le monde actuel de l'analyse Web qu'elles ne l'étaient dans le passé, il existe encore un certain nombre de facteurs qui empêchent cette uniformité des données. Dans cet article, nous traiterons de l'outil d'analyse le plus populaire du marché, Google Analytics, et de la manière dont nous devons aborder les divergences de données lorsque nous comparons les collections de divers outils.

Google Analytics et Google Ads

Google Ads est l'outil de Google utilisé pour gérer le contenu des recherches payantes sur Google ainsi que l'exposition des annonces sur divers sites Web sur le réseau d'affichage.

L'outil affiche quelques mesures de performance de base telles que les clics, les conversions et le coût par clic. Bien qu'élémentaires, ces métriques peuvent être intégrées aux métriques et dimensions de Google Analytics, ce qui permet d'obtenir une vue globale et robuste du trafic et du comportement des utilisateurs de Google.

Cependant, lorsque vous effectuez l'intégration, vous devez noter que certains des chiffres ne sont pas les mêmes dans les deux outils, notamment en ce qui concerne les objectifs. Nous allons énumérer les principales raisons de ce phénomène ci-dessous.

Différences dans la quantification des conversions

Google Ads considère la conversion le premier jour du clic, tandis qu'Analytics considère la conversion le jour où elle a effectivement eu lieu. L'objectif importé d'une plateforme à l'autre est accompagné de sa date, mais il est réinterprété, ce qui génère certaines divergences.

Différences dans le modèle d'attribution

Google Ads utilise par défaut le modèle d'attribution Last Click, autrement dit, le dernier support sur lequel l'utilisateur a cliqué avant que le site ne devienne responsable de la conversion. Analytics utilise un modèle appelé Data Drive Attribution (DDA). Ce modèle donne différents degrés d'importance pour chacun des médias. Par conséquent, au lieu d'attribuer la conversion à un seul média, il l'attribue à plusieurs médias. Par exemple, si un utilisateur voit une bannière DP6 sur un site, regarde une vidéo institutionnelle sur YouTube, puis recherche "DP6 Company" sur Google en cliquant sur notre lien CPC, Ads considère qu'il y a "1" conversion vers CPC. Analytics, en revanche, répartirait la conversion comme suit : 0,2 pour la bannière, 0,3 pour YouTube et 0,5 pour Google, pour estimer les valeurs. Lorsque les objectifs sont importés, la différence est recalculée, ce qui génère également des divergences.

Délai de calcul des données

Le compte Google Ads prend 48 heures pour calculer les données importées d'Analytics, ce qui peut également entraîner de légères différences.

Date d'importation

Les conversions qui ont eu lieu dans Analytics avant la date d'importation pour Ads ne sont pas calculées, ce qui peut entraîner une légère différence.

Différences dans la fenêtre de temps de conversion

Les transactions et les objectifs sont importés dans la conversion de Google Ads uniquement s'ils se produisent dans les 30 jours suivant le premier clic de l'utilisateur. Analytics calcule les conversions jusqu'à 6 mois avant le clic, attribuant la conversion à différents médias et interférant avec les données de Google Ads.

Il existe d'autres sources de confusion liées à l'intégration d'Analytics et d'Ads qui ne sont pas exactement des divergences, mais un désalignement conceptuel, la principale étant la différence entre les clics et les sessions.

Comme il s'agit de paramètres qui mesurent des situations similaires, il est compréhensible que beaucoup imaginent que les chiffres dans Ads et Analytics devraient être les mêmes.

Or, ces deux outils de mesure sont différents et mesurent des situations différentes de manière différente. Il faut les comprendre pour comprendre la raison de ces divergences.

Tout d'abord, nous devons comprendre le cœur du concept de clics et de sessions. Un clic est effectivement un clic sur Google Ads, c'est-à-dire l'entrée sur le site à partir d'une recherche payante Google. Une session est une fenêtre de temps qui, à quelques exceptions près, expire après 30 minutes, et mesure la période d'interaction de l'utilisateur sur la page marquée.

Prenons donc l'exemple d'un utilisateur qui a le comportement commun suivant :

• Recherche d'un terme sur Google
• Accède à un site web après avoir cliqué sur une recherche payante
• Interactions sur le site

• Recherche d'un terme sur Google

• Accède à un site Web après avoir cliqué sur une recherche payante
• Interactions avec le site
• Ferme le site après 5 minutes
• 15 minutes plus tard, recherche le même terme sur Google
• Entre sur le site web après avoir cliqué sur la même recherche payante
• Interactions avec le site

Cet utilisateur aurait compté deux clics en raison des multiples entrées de recherche payante, mais une seule session en raison de la fenêtre temporelle de 30 minutes.

Si l'on considère que les parcours des clients ne sont pas toujours linéaires, il est important de garder ces questions à l'esprit lorsque l'on effectue ce type de comparaison.

Il existe d'autres raisons, comme les filtres et le codage automatique, qui sont expliquées plus en détail dans la documentation officielle de Google associée à ce sujet.

Profil de l'auteur : Lucas Guanaes | Titulaire d'une licence en gestion du commerce international, il a travaillé avec la logistique et l'analyse de données appliquées à l'économie avant de migrer vers le marketing numérique. Au sein de DP6, il a travaillé sur des projets de DataViz, Digital Analytics et d'architecture de données.

Traduit en français en utilisant Deepl de l'article original - 'Discrepancies Part 1 - Discrepancies entre Google Ads et Google Analytics' .