Mise en contexte - Dimensions personnalisées en Web Analytics

Ce guide explique le sujet Dimensions personnalisées en Web Analytics avec un contexte pratique. Les pages vues disent que /docs a reçu du trafic ; des dimensions personnalisées dans Web Analytics disent s'il s'agissait des docs API, migration ou tarifs.

Les dimensions personnalisées transforment les analyses génériques en analyses utiles. Les pages vues vous indiquent que /docs a reçu du trafic. Une dimension personnalisée peut vous indiquer si ce trafic était destiné aux documents API, aux documents de migration, aux guides pour débutants ou aux pages de configuration d'entreprise.

L’astuce consiste à ajouter du contexte métier sans transformer l’analyse en surveillance. Les bonnes dimensions personnalisées sont grossières, prévisibles et liées aux décisions. Les mauvaises dimensions personnalisées sont personnelles, de forme libre et impossibles à gérer.

Que sont les dimensions personnalisées

Une dimension personnalisée est un attribut supplémentaire attaché à un événement d'analyse, une page vue ou une visite. Au lieu de signaler uniquement les champs par défaut tels que le chemin, le référent, le navigateur et le pays, vous pouvez créer un rapport par champs qui correspondent à votre produit ou modèle de contenu.

Exemples :

• plan_tier : gratuit, professionnel, professionnel, entreprise
• content_type : blog, documentation, comparaison, journal des modifications
• page_category : tarification, intégration, support, intégration
• account_age : nouveau, actif, mature
• role : propriétaire, administrateur, membre
• experiment_variant : a, b

Celles-ci sont puissantes car elles répondent à des questions auxquelles les analyses par défaut ne peuvent pas répondre : les visiteurs de l'entreprise lisent-ils les pages de sécurité avant de réserver une démo ? Les utilisateurs du forfait gratuit accèdent-ils aux documents d'activation ? Quelles catégories de contenu génèrent des inscriptions à l’essai ?

Choisissez les dimensions des décisions

Ne commencez pas par demander « que pouvons-nous suivre ? » Commencez par les décisions :

• Quels canaux marketing génèrent du trafic qualifié ?
• Quels documents réduisent les tickets d'assistance ?
• Quels domaines de produits stimulent l’activation ?
• Quel segment de forfait passe de l'essai à l'abonnement payant ?
• Quelles campagnes attirent les visiteurs qui utilisent réellement le produit ?

Définissez ensuite les plus petites dimensions nécessaires.

Règles de vie privée pour les dimensions personnalisées

Les dimensions personnalisées permettent aux équipes d'analyse de collecter accidentellement des données personnelles. GDPR définit les données personnelles au sens large, et CCPA couvre les informations qui peuvent raisonnablement être liées à un consommateur ou à un foyer. Il n’est pas nécessaire qu’une dimension soit un nom pour créer un risque.

Évitez d'envoyer :

• adresses e-mail
• noms
• numéros de téléphone
• IDs de compte
• utilisateur brut IDs
• adresses de portefeuille
• adresses IP
• emplacement exact
• facture IDs
• texte du ticket d'assistance
• valeurs des champs de formulaire

Préférez les seaux et les étiquettes. Utilisez company_size: 11-50 au lieu d'un nombre exact d'employés. Utilisez account_age: 30-90d au lieu de l'horodatage d'inscription. Utilisez country: DE au lieu de l'emplacement au niveau de la ville, sauf si la ville est réellement nécessaire et légale.

Les conseils de mesure d'audience de CNIL constituent une référence utile : les données analytiques ne doivent pas être combinées avec des ensembles de données non liés ni réutilisées à des fins de ciblage si vous souhaitez rester en territoire à faible risque.

Modèle de mise en œuvre

Définir un schéma d'événement avant l'expédition :

type AnalyticsContext = {
  content_type?: 'blog' | 'docs' | 'pricing' | 'support';
  plan_tier?: 'free' | 'pro' | 'business' | 'enterprise';
  role?: 'owner' | 'admin' | 'member';
  experiment_variant?: 'a' | 'b';
};

Attachez ensuite les dimensions de manière cohérente :

analytics.track('signup_started', {
  plan_tier: 'pro',
  page_category: 'pricing',
  experiment_variant: 'b',
});

Gardez les valeurs énumérables lorsque cela est possible. Le texte libre est difficile à valider, difficile à traduire, difficile à regrouper et facile à utiliser à mauvais escient.

Liste de contrôle de la gouvernance

Avant d'ajouter une dimension, notez :

1. Propriétaire : qui l'a demandé et qui le gère.
2. Question : quelle décision il soutient.
3. Valeurs autorisées : liste exacte ou logique de compartiment.
4. Examen de vie privée : pourquoi ce n'est pas personnel ou pourquoi le traitement est licite.
5. Rétention : combien de temps il reste utile.
6. Tableau de bord : où il sera réellement utilisé.

Si personne ne peut nommer le tableau de bord ou la décision, n'ajoutez pas la dimension.

Cas d'utilisation courants

Performances du contenu : Marquez les articles par sujet, étape de l'entonnoir et type de contenu. Cela montre si les guides de conformité en matière de vie privée, les didacticiels de produits ou les pages de comparaison génèrent de meilleures conversions.

Activation du produit : Marquez les événements par étape de configuration. Pour un produit SaaS, workspace_created, integration_connected et first_report_viewed comptent souvent plus que chaque clic.

Qualification B2B : Utilisez les catégories firmographiques grossières de votre propre CRM uniquement lorsque cela est approprié. Par exemple, comparez le trafic libre-service, de taille moyenne et d'entreprise sans envoyer les noms d'entreprises aux analyses.

Expériences : associez le nom et la variante du test aux événements d'exposition et de conversion. Supprimez la dimension une fois le test terminé si elle n'a aucune valeur continue.

Conseils pour les rapports

Ne découpez pas chaque métrique par chaque dimension. Cela crée de minuscules segments et de fausses conclusions. Choisissez une dimension principale pour chaque rapport :

• acquisition par utm_source
• conversion par page_category
• activation par plan_tier
• rétention par account_age
• engagement de documents par content_type

Surveillez les valeurs à cardinalité élevée. Si une dimension comporte des milliers de valeurs uniques, elle peut être trop granulaire, trop personnelle ou trop compliquée.

Liste de contrôle d'approbation de la mise en œuvre

Utilisez cet article comme guide de mise en œuvre étape par étape. Avant d'expédier des dimensions personnalisées, confirmez :

• Chaque dimension a un propriétaire, une décision, des valeurs autorisées et une attente de rétention.
• Les valeurs sont énumérables ou regroupées lorsque cela est possible.
• Aucun e-mail, nom, numéro de téléphone, compte ID, adresse complète IP, jeton, facture ID ou valeur de formulaire en texte libre n'est envoyé.
• Les champs de cardinalité élevée sont intentionnels et examinés.
• Les tableaux de bord utilisent en fait la dimension.
• Le contrôle qualité confirme que la charge utile correspond au dictionnaire d'événements.

Les dimensions personnalisées sont puissantes car elles ajoutent du contexte. Ils deviennent risqués lorsqu’ils ajoutent discrètement une identité.

L'essentiel

Les dimensions personnalisées sont optimales lorsqu'elles ajoutent du contexte et non de l'identité. Utilisez-les pour comprendre les groupes, les pages, les campagnes et les étapes du produit. Gardez-les petits, gouvernés et respectueux de la vie privée, et vos analyses deviendront plus utiles sans devenir plus invasives.

Une norme de dénomination et de valeur

Rédigez une courte norme avant la mise en œuvre. Les noms de dimension doivent être en minuscules, lisibles et stables, tels que page_category, plan_tier, content_type ou signup_source. Dans la mesure du possible, les valeurs doivent provenir d'une liste verte : pricing, docs, blog, starter, business, enterprise. Évitez les valeurs qui exposent une personne, une entreprise, des revenus exacts, un domaine de messagerie ou une saisie de texte libre.

Décidez également de la façon dont les valeurs manquantes apparaissent. Utilisez unknown ou laissez la propriété non définie de manière cohérente ; ne mélangez pas les blancs, les valeurs nulles et les étiquettes personnalisées entre les événements. Les valeurs de dimension désordonnées créent des erreurs de reporting et des problèmes de vérification de la vie privée. Une norme claire facilite l'interrogation, la traduction, la documentation et la suppression ultérieure des dimensions personnalisées.

Questions fréquentes

Qu'est-ce qu'une dimension personnalisée en analytique ?

Une dimension personnalisée est un attribut supplémentaire attaché à un événement, une page vue ou une visite, en plus des champs par défaut comme le chemin, le référent, le navigateur et le pays. Elle permet de rapporter selon son propre modèle de produit ou de contenu, comme plan_tier ou content_type. Ce contexte transforme un simple comptage de pages vues en quelque chose sur lequel on peut agir.

Quelle est la différence entre une dimension personnalisée et un champ par défaut ?

Les champs par défaut sont intégrés à l'outil d'analytique : chemin, référent, navigateur, pays. Les dimensions personnalisées, vous les définissez vous-même, adaptées à votre produit, comme role, page_category ou experiment_variant. Elles répondent à des questions pour lesquelles les champs par défaut n'ont jamais été conçus.

Combien de dimensions personnalisées un site devrait-il suivre ?

Le nombre doit rester restreint et encadré plutôt que de suivre tout ce qui est disponible. Chaque dimension a besoin d'un responsable, d'une décision qu'elle appuie et d'un dashboard où elle est réellement utilisée. Si personne ne peut nommer le dashboard ou la décision, on ne l'ajoute pas.

Une dimension personnalisée peut-elle contenir un ID utilisateur brut ?

Les ID utilisateur bruts, les ID de compte et les identifiants similaires figurent sur la liste à éviter parce qu'ils transforment une dimension en donnée personnelle. On utilise à la place des buckets et des labels, comme company_size : 11-50 plutôt qu'un nombre exact. L'objectif est le contexte, pas l'identité.

Quelle différence entre account_age et un horodatage d'inscription ?

Un horodatage d'inscription est exact et se rattache directement à une personne. account_age regroupé en bucket comme 30-90d apporte la même valeur analytique, qu'un utilisateur soit nouveau ou établi, sans la précision qui crée un risque pour la vie privée. Préférer les buckets aux valeurs exactes est la règle générale pour les dimensions personnalisées.

Qui devrait être responsable d'une dimension personnalisée ?

Chaque dimension a besoin d'un responsable nommé, la personne qui l'a demandée et qui la maintient. Cela figure dans la liste de gouvernance à côté de la décision qu'elle appuie, des valeurs autorisées, d'une revue de confidentialité et d'un plan de rétention. Sans responsable, une dimension dérive sans que personne ne remarque quand elle casse.

Faut-il supprimer une dimension personnalisée une fois l'expérimentation terminée ?

Oui. Le nom de l'expérimentation et la variante sont attachés aux événements d'exposition et de conversion pendant la durée du test, mais une fois celui-ci terminé, la dimension n'a plus de valeur continue. La supprimer garde le schéma propre et évite d'accumuler des dimensions que personne ne vérifie plus.

Qu'est-ce que la cardinalité élevée et pourquoi compte-t-elle pour les dimensions personnalisées ?

Une cardinalité élevée signifie qu'une dimension a des milliers de valeurs uniques au lieu d'un ensemble gérable. C'est un signe qu'elle est trop granulaire, trop personnelle ou trop désordonnée pour être utile dans un rapport. Il faut la surveiller et y voir un signal pour regrouper les valeurs ou reconsidérer la dimension.

Le texte libre est-il acceptable comme valeur de dimension personnalisée ?

Le texte libre est difficile à valider, difficile à traduire, difficile à agréger et facile à détourner, donc les valeurs énumérables sont préférées dès que possible. Une liste autorisée comme pricing, docs, blog, starter, business, enterprise garde une dimension interrogeable et plus facile à revoir sur le plan de la confidentialité. Le texte des tickets de support et les autres champs libres figurent explicitement parmi ce qu'il faut éviter d'envoyer.

Comment s'applique la recommandation de la CNIL sur la mesure d'audience aux dimensions personnalisées ?

La recommandation de la CNIL considère les données analytiques comme peu risquées seulement si elles ne sont pas combinées à des jeux de données sans rapport ni réutilisées pour du ciblage. C'est un bon repère pour les dimensions personnalisées en particulier, car il est facile d'ajouter un champ qui transforme discrètement l'analytique en quelque chose proche du profilage. Rester sur du contexte qui appuie une décision, pas de l'identité, maintient une dimension dans cette zone à faible risque.