Réponse claire - Comment exporter les données de Google Analytics

Voici une réponse pratique à la recherche : Comment exporter les données de Google Analytics. Ce guide montre comment exporter les données de Google Analytics avant qu'une migration, un audit ou un changement d'outil ne vous prenne de court.

L'exportation de données depuis Google Analytics est la plus simple avant d'en avoir un besoin urgent. Une fois la date limite de migration, d'audit, de changement de fournisseur ou d'expiration de Universal Analytics arrivée, les équipes découvrent souvent que les exportations GA4 ne fonctionnent pas comme un vidage complet de base de données.

La bonne méthode dépend si vous avez besoin d'un rapport rapide, de données de tableau de bord récurrentes, de données d'événements brutes à venir ou d'une archive historique. Ne présumez pas qu’une seule méthode d’exportation peut tout préserver. Les rapports GA4, les données API et BigQuery répondent à différentes questions et peuvent légitimement produire des totaux différents.

Méthode 1 : exportations CSV manuelles

Les rapports et explorations GA4 peuvent être exportés manuellement pour une conservation rapide. Ceci est utile pour les rapports exécutifs, les pages d'accueil, les résumés de chaînes, les pages de destination, les résumés de commerce électronique et les rapports de conversion.

Utilisez les exportations CSV lorsque :

• Vous avez besoin d’une archive lisible par l’homme.
• L'ensemble de données est petit.
• Vous souhaitez conserver une définition de rapport spécifique.
• Vous documentez les références de pré-migration.

Limites : les exportations manuelles sont agrégées, faciles à oublier et ne conviennent pas à la reconstruction brute d'événements.

Méthode 2 : Google Analytics Données API

Les données GA4 API sont utiles pour les exportations planifiées vers un entrepôt, une feuille de calcul ou un outil BI. Il renvoie des données de style rapport basées sur des dimensions et des métriques, et non le même flux d'événements bruts que BigQuery.

Utilisez le API lorsque :

• Vous avez besoin d’extraits récurrents.
• Vous voulez des définitions de métriques cohérentes.
• Vous créez votre propre couche de reporting.
• Vous avez besoin de plus de contrôle que ce que propose l’interface utilisateur.

Les limitations incluent les quotas, l'agrégation et la planification de schéma. Vous devez versionner vos requêtes afin que les rapports restent explicables.

Méthode 3 : exportation BigQuery

L'exportation BigQuery de GA4 est l'option la plus puissante pour les données d'événements brutes à l'avenir. Google explique que l'exportation BigQuery donne accès aux données brutes sur les événements et au niveau de l'utilisateur, à l'exclusion de certaines valeurs ajoutées apportées dans les rapports standard, et que les propriétés standard ont une limite d'exportation par lots quotidienne de 1 million d'événements (GA4 BigQuery export).

Utilisez BigQuery lorsque :

• Vous avez besoin d’une analyse au niveau des événements.
• Vous souhaitez rejoindre l'analyse avec des données sur les produits ou les revenus.
• Vous disposez d'analystes capables de travailler avec SQL.
• Vous souhaitez des données en dehors de l'interface GA4.

Attention importante : l'exportation BigQuery n'est pas une machine à voyager dans le temps. Google note qu'une fois que vous exportez des données vers BigQuery, vous ne pouvez pas les réexporter. Les données brutes historiques avant le lien ne sont pas entièrement remplies de la même manière. Configurez l'exportation tôt.

Choisissez délibérément le mode d'exportation. L'export quotidien est plus complet pour la veille mais peut être retardé et limité pour les propriétés standards. L'exportation en streaming s'effectue quasiment en temps réel et n'a pas de limite de volume d'événements, mais Google la décrit comme un effort optimal, sans niveau de service complet, et elle peut exclure les données sources de trafic des nouveaux utilisateurs et des nouvelles sessions. Pour les archives de migration, ne comptez pas uniquement sur le streaming si l’exhaustivité quotidienne compte.

Méthode 4 : Google Sheets et Looker Studio

Les feuilles et les connecteurs Looker Studio sont utiles pour les rapports légers avec les parties prenantes. Ce ne sont pas des archives robustes. Utilisez-les pour des résumés récurrents, et non pour la rétention de niveau de conformité.

Que faut-il exporter avant de changer d'outil

Au minimum, préservez :

• Utilisateurs mensuels, sessions, pages vues et conversions.
• Rapports sur les chaînes et les sources/supports.
• Performances de la page de destination.
• Top contenu et pages de sortie.
• Rapports sur les revenus et les produits du commerce électronique, le cas échéant.
• Définitions des événements clés.
• Conventions de dénomination UTM.
• Captures d'écran des tableaux de bord importants.
• Paramètres d'administration, audiences, conversions et paramètres de conservation des données.

Exportez également la taxonomie de votre événement. Les noms et paramètres des événements sont souvent plus précieux que les décomptes historiques, car ils expliquent comment l'entreprise mesure le comportement.

Considérations relatives à la vie privée et à la conservation

Le paramètre de conservation des données de GA4 affecte les explorations et les rapports d'entonnoir, et non les rapports agrégés standard. La documentation de Google répertorie 2 mois et 14 mois pour les propriétés standard, avec des options plus longues pour GA4 360 (GA4 data retention). Si vous comptez sur Explorations, vérifiez ce paramètre immédiatement.

Lors de l’exportation, évitez de créer un problème de vie privée plus important. Ne sauvegardez pas les données brutes des événements dans un lecteur partagé sans contrôle d'accès. Appliquez également des règles de rétention, de chiffrement, de moindre privilège et de suppression aux exportations.

Flux de travail de migration

1. Répertoriez les rapports que les parties prenantes utilisent réellement.
2. Exportez 12 à 24 mois de tendances agrégées si disponibles.
3. Activez l'exportation BigQuery si vous avez encore besoin des données brutes GA4 à l'avenir.
4. Exportez les définitions d’événements et de conversions.
5. Configurez le nouvel outil d'analyse.
6. Exécutez les deux outils en parallèle pendant une courte période.
7. Expliquez les différences métriques attendues.
8. Archivez les exportations avec le propriétaire, la date, la source et la période de conservation.

Les exportations Google Analytics ne sont pas de simples sauvegardes. Ils constituent la mémoire institutionnelle. Conservez suffisamment d’historique pour comparer les tendances, mais utilisez la migration comme une opportunité de simplifier ce que vous collecterez ensuite.

Conseils de dénomination et de documentation

Les exports sont bien plus utiles lorsque les futures équipes peuvent les comprendre. Enregistrez chaque exportation avec le nom de la propriété, la plage de dates, la date d'exportation, le fuseau horaire et le type de rapport. Conservez un petit fichier README expliquant les définitions des métriques, les filtres, les problèmes connus d'échantillonnage ou de seuillage, et indiquant si les données proviennent d'un rapport standard, d'une exploration, d'une requête API ou de BigQuery.

Après la migration

Conservez les exportations GA4 en lecture seule. Ne laissez pas les analystes nettoyer ou modifier la seule copie d'archive. Si vous avez besoin de données transformées, créez une table dérivée ou une feuille de calcul distincte. Planifiez ensuite un examen de suppression. L'analyse historique peut être utile pour les comparaisons saisonnières, mais les données brutes au niveau de l'utilisateur ne doivent pas être conservées éternellement simplement parce que le projet de migration les a produites.

Contrôles de qualité des exportations

Après l'export, validez l'archive avant de fermer le projet. Confirmez la plage de dates, le fuseau horaire, la propriété ID, la devise, les filtres et les définitions de conversion. Comparez les totaux mensuels de l'exportation avec le rapport GA4 d'origine pour quelques mois échantillons. De légères différences sont attendues entre les API et les rapports, mais les écarts importants doivent être expliqués tant que la source est toujours disponible.

Testez également la convivialité de la restauration. Ouvrez le CSV, exécutez à nouveau la requête API ou interrogez la table BigQuery à partir d'un compte distinct avec un accès en lecture seule. Un export que seul un analyste peut comprendre n’est pas une archive ; c'est un espace de travail personnel fragile.

Liste de contrôle de transfert d'exportation

Une archive GA4 utile devrait inclure :

• Rapports de tendances agrégés pour les mesures commerciales réellement examinées.
• Définitions d'événements et de conversions, y compris leur date de modification.
• BigQuery date du lien, emplacement de l'ensemble de données, mode d'exportation, flux ou événements exclus et tout avertissement de limite quotidienne.
• Paramètres de fuseau horaire et de devise pour chaque exportation de revenus ou de tendances quotidiennes.
• Mises en garde connues telles que le seuillage, la modélisation du consentement, les limites de rétention, les limites d'interface utilisateur de type échantillonnage et les différences report/API.
• Un original en lecture seule et une copie de travail distincte pour les tableaux nettoyés.

L’objectif n’est pas de créer un musée de chaque tableau de bord. Il s'agit d'une archive durable qui permet aux futures équipes de comprendre ce que pensait l'entreprise avant la migration et de comparer honnêtement les nouvelles analyses à cet historique.

Questions fréquentes

Quelle est la limite quotidienne d'export par lot pour les propriétés GA4 standard vers BigQuery ?

Les propriétés GA4 standard peuvent envoyer jusqu'à 1 million d'événements par jour via l'export quotidien par lot de BigQuery. Les propriétés avec un volume plus important doivent passer à GA4 360. Cette limite s'applique à l'export quotidien, pas à l'export en streaming, qui n'a pas de plafond d'événements.

Peut-on réexporter des données historiques vers BigQuery si la liaison est configurée plus tard ?

Non, une fois que des données ont été exportées vers BigQuery, elles ne peuvent pas être réexportées, et les données brutes antérieures à la liaison ne sont pas entièrement reconstituées. La date d'export devient donc en pratique le point de départ de l'historique des données brutes. Configurez la liaison BigQuery tôt si cet historique compte pour vous.

Le paramètre de rétention des données de GA4 affecte-t-il les rapports standard ?

Non, ce paramètre concerne uniquement les explorations et les rapports d'entonnoir, pas les rapports agrégés standard. La documentation de Google indique 2 mois et 14 mois comme options pour les propriétés standard, avec des durées plus longues disponibles sur GA4 360. Vérifiez ce paramètre immédiatement si votre équipe s'appuie sur les explorations.

Quelle est la différence entre l'export quotidien et l'export en streaming dans BigQuery ?

L'export quotidien est plus complet pour la veille mais peut être retardé, et les propriétés standard restent soumises à la limite d'un million d'événements. L'export en streaming arrive quasiment en temps réel et n'a pas de plafond de volume, mais Google le décrit comme fonctionnant au mieux, sans garantie de complétude, et il peut omettre les données de trafic des nouveaux utilisateurs et des nouvelles sessions. Pour une archive de migration, ne comptez pas uniquement sur le streaming si la complétude quotidienne compte.

Pourquoi l'API Données de GA4 ne peut-elle pas remplacer BigQuery pour l'analyse des événements bruts ?

L'API Données renvoie des données de type rapport construites à partir de dimensions et de métriques, pas le même flux d'événements bruts que BigQuery exporte. Elle convient bien aux extractions planifiées et à des définitions de métriques cohérentes, mais les quotas et l'agrégation limitent ce qu'on peut en tirer. Les équipes qui ont besoin de jointures au niveau événement avec des données produit ou de revenu ont toujours besoin de BigQuery.

Combien de mois de données historiques un flux de migration doit-il exporter ?

Le flux de travail de migration prévoit d'exporter 12 à 24 mois de tendances agrégées lorsque c'est possible. Cette plage suffit pour des comparaisons saisonnières sans accumuler des données que personne ne réutilisera. Associez-la aux définitions d'événements et de conversions exportées pour que les chiffres restent compréhensibles plus tard.

Pourquoi les rapports GA4 et l'API Données peuvent-ils afficher des totaux différents pour la même période ?

Les rapports GA4, l'API Données et BigQuery sont conçus pour répondre à des questions différentes, donc un certain écart entre leurs totaux est attendu plutôt qu'une erreur. Les petits écarts s'expliquent en général par l'agrégation ou par des définitions différentes entre les trois. Les écarts importants méritent une explication tant que la source d'origine reste disponible.

Que doit contenir un README pour une archive d'export GA4 ?

Un README pour un export GA4 doit expliquer les définitions de métriques, les filtres appliqués et les problèmes connus d'échantillonnage ou de seuil. Il doit aussi préciser si les données proviennent d'un rapport standard, d'une exploration, d'une requête API ou de BigQuery. Ce contexte est ce qui permet à quelqu'un en dehors du projet d'origine de faire confiance aux chiffres.

Est-il prudent de stocker des exports d'événements bruts GA4 sur un lecteur partagé en accès libre ?

Déposer des données d'événements brutes sur un lecteur partagé sans contrôle d'accès ne fait qu'échanger un problème contre un autre. Appliquez aux exports les mêmes règles de rétention, de chiffrement et de moindre privilège qu'à tout autre jeu de données sensible. Garder l'original en lecture seule le protège aussi des modifications accidentelles.

Que doit contenir une liste de contrôle de transfert d'export ?

Une liste de contrôle de transfert doit couvrir les rapports de tendances agrégées pour les métriques réellement suivies, ainsi que les définitions d'événements et de conversions et leurs évolutions. Elle a besoin de la date de liaison BigQuery, de l'emplacement du dataset, du mode d'export et de tout avertissement sur la limite quotidienne, avec le fuseau horaire et la devise pour les données de revenu. Complétez-la avec des mises en garde connues comme le thresholding et la modélisation du consentement, plus un original en lecture seule séparé de toute copie de travail.