L’agence SEO Search Foresight, spécialiste des stratégies Search depuis 2012, accompagne, à la fois des clients grand comptes & Pure Player comme des Start-ups à développer sa visibilité dans les moteurs de recherche.

Riche de cette expérience, elle est composé d’une équipe de data analyst qui a pour rôle de construire des dashboard sur mesure pour piloter à la fois les actions d’optimisations et les résultats obtenus.

L’un de ces spécialistes, Louis Dubruel, vous propose un article sur les bases de la création d’un dashboard Google Data Studio avec les astuces et des exemples de graphiques et template possible.

Introduction à Google Data Studio

Google Data Studio (GDS pour les intimes) est un outil de création de dashboard à l’attention des marketeurs, proposé par Google depuis 2016 en France. Cet outil a la particularité d’être en constante évolution : Google ajoutant des features ou améliorant l’ergonomie 1 fois par mois au minimum.

Google Data Studio est disponible pour tout compte Gmail ou Google App dans le Drive. Google a cependant annoncé en Septembre 2019 une future migration de tous les fichiers GDS “en dehors du drive”. Ca change quoi ? Et bien, les utilisateurs qui n’ont pas de Google Drive pourront utiliser l’outil de dashboarding.

Data Studio : L’intérêt de la solution

L’intérêt de cette outil se résume en 4 points :

• Gratuité
• Sources de données
• Interactivité
• Communauté

1 – Gratuité

L’outil est proposé par Google gratuitement. Bonne nouvelle !

Ce qui expliquerait peut-être le temps de chargement assez long et une gestion des caches de données pour l’instant peu avancée.

L’équipe propose 2 ou 3 évolutions / nouveautés par mois, donc restez connecté sur le “What’s new” de la doc Google Data Studio.

2 – Sources de données

GDS utilise des connecteurs pour interfacer l’outil de dashboard avec des sources de données diverses et variées.

De nombreux connecteurs sont disponibles gratuitement :

• Le connecteur Google Spreadsheet qui permet de traiter n’importe quel set de donnée présent sur votre Drive dans le format Google Sheet (on vous explique juste après comment ça fonctionne)
• Les connecteurs des outils de Google (Google Search Console, Google Analytics, Youtube Analytics, Big Query,…), avec leur propre metrics et dimensions disponibles.
• Les connecteurs développés, à ajouter manuellement à votre banque de connecteur. N’hésitez pas à fouiner sur le web pour trouver votre bonheur.
• Les connecteurs développés par les sources de données elles-même (Advanced Web Ranking,…) généralement en Bêta : ils sont friands de feedback, n’hésitez-pas à les demander à votre contact commercial ou technique.

D’autres connecteurs proposés par des partenaires demandent pour la plupart un abonnement mensuel (connecteurs Yandex Analytics, Baidu,…) autour de 30€ par mois.

3 – Interactivité

Vos clients vont aimer cette feature !

Lorsque vous créez un graphique, vous pouvez cocher l’option “activer le filtre”. Cette option permet de filtrer l’ensemble des données du dashboard en fonction de ce qui est sélectionné dans le premier graphique. Très pratique ! 

 Dans cet exemple, on clique sur un pays de la map pour afficher uniquement les données du pays en question

Les graphiques offrent d’autres interactions intéressantes comme la modification de la métrique qu’affiche le graphique dans le dashboard directement depuis la vue “client” (clic droit “afficher le détail”)

4 – Communauté

La communauté GDS officie déjà dans le développement de connecteurs spécifiques à certaines sources de données.

Il est également possible de développer vos propres graphiques “les Community Visualisations”, avec des framework JS.

Pour tester les graphiques de communauté, il vous suffit de récupérer l’id du composant et de le coller dans le menu “Visualisations de la communauté”

Sélectionnez le graphique de communauté à ajouter ou ajouter un graphique par ID (le développeur le fournit généralement)

Comment utiliser Google Spreadsheet avec Data Studio ?

Prenons l’exemple de Roger qui est un SEO manager et qui cherche à présenter à son client, l’évolution des positions Google du site web sur les 12 derniers mois sur un corpus de mots clés défini en début de projet.

1 – Préparer les données

L’ensemble de donnée, appelé dataset, est un tableau constitué de dimensions (les lignes) et de statistiques (les colonnes)

La ligne d’en-tête constitue le “schéma” de la source de donnée : elle contient les dénominations des metrics et de dimensions que vous allez ajouterez aux graphiques dans GDS.

Pour répondre pleinement au besoin du client, nous allons utiliser le schéma suivant :

• Date (dimension)
• Mot clé (dimension)
• Position relevée (metrics)

Si Roger n’a qu’un relevé de position par mois sur 2 mots clés, voici ce qu’il devra obtenir comme dataset :

Date	Mot Clé	Position relevée
2019-01-02	canard	3
2019-01-02	chien	4
2019-02-07	canard	1
2019-02-07	chien	1
2019-03-03	canard	2
2019-03-03	chien	1

NB : Le “jour” défini dans la dimension DATE peut être arbitraire dans le dataset. La DATE pourra être utilisée dans GDS en dimension “Jour”, “Mois”, ou “Année”

On peut avoir des dataset  un peu plus complexes quand même

2 – Connecter les données

Fort de ce dataset sur Google Spreadsheet, vous pouvez désormais le connecter à votre Google Data Studio.

Pour ce faire, après avoir créé un nouveau GDS, vous avez accès à vos sources de données à droite et à un bouton “Créer une source de donnée”. C’est celui-ci qui nous intéresse.

Vous avez alors accès à la liste des connecteurs natifs (ou pas) que Google Data Studio à intégrer.

La connexion se fait en 3 étapes :

1 – Sélectionner le connecteur Google Sheet dans la liste

En sélectionnant le connecteur, vous accédez à la liste des Google Spreadsheet partagé avec votre compte Google App sur lequel vous êtes connecté

Cliquer sur le Google Sheet correspondant puis sur la feuille du Dataset et associez là au Google Data Studio.

2 – Vous avez maintenant accès aux dimensions de la source de données.

Par défaut il n’y a rien à configurer, c’est automatique. Vous pouvez vérifier si les dimensions sont du type souhaité. 

3 – Cliquez sur “Ajouter au rapport” et c’est fait ! Vous avez maintenant accès à vos dimensions.

Vous pouvez gérer le type (Texte, Nombre, Date, URL,…) et l’agrégation qui vous permet d’agréger par défaut des dimensions en Somme par exemple.

3 – Segmenter les données

Les segments de données peuvent être utiles pour ajouter une couche de segmentation supplémentaire non présente dans le dataset source. Je m’explique.

Une colonne contenant un ensemble d’url sont catégorisée dans le dataset par template : home, catégorie, tag, article,…

Sur le Datastudio on peut ajouter des segments de données au moyen de la fonction CASE qui nous permettrait de segmenter par exemple par texte présent dans l’url : toutes les urls contenant .html, toutes les urls contenant /video/, etc.

On procède en ajoutant une dimension personnalisée :

• Aller dans l’écran de champs de votre source de donnée
• Cliquer sur ”ajouter une dimension”

Vous pouvez alors créer une dimension personnalisée. Ce qui nous intéresse ici est de créer un nouveau segment de donnée.

Nous allons donc utiliser la fonction CASE dont la syntaxe est la suivante :

CASE
WHEN condition THEN résultat
WHEN condition THEN résultat
WHEN condition THEN résultat
...
ELSE résultat
END

La condition est compatible avec un grand nombre de fonctions. Par exemple, la fonction REGEX_MATCH qui permet de vérifier si une valeur de donnée vérifie une regex.

CASE
WHEN REGEXP_MATCH(URL,”.*/video/.*”) THEN “VIDÉO”
WHEN REGEX_MATCH(URL,”https?://mon-site.fr/[^/].*/”) THEN “REPERTOIRE 1”
ELSE “Autre”
END

A savoir que le CASE est “lue” de haut en bas, c’est à dire que si une valeur respecte 2 conditions dans le CASE, elle ne sera interceptée que par la 1ère de la liste. L’ordre des conditions est donc important.

Ce nouveau segment peut ensuite être utilisé comme un filtre dans votre dashboard.

4 – Afficher les données

Et maintenant la partie qui fera travailler votre esprit logique et créatif : la datavisualisation !

Google Data Studio propose de nombreux graph très utiles. Vous pouvez les trouver dans le menu dédié :

Quelques exemples que vous utiliserez à tous les coups :

1 – La série temporelle

Ce graphique permet d’observer l’évolution d’une métrique dans le temps.

Elle est également compatible avec la fonction de “répartition de donnée” : vous pouvez visualiser une métrique dans le temps répartie selon des segments d’une dimension

Ce graph décrit le nombre de Clics sur google par Pays.

 2 – L’histogramme

Le graphique de type histogramme permet de comparer des volumes.

Ce graph utilise une métrique “Poids de page en Bytes”  segmentées par type de fichier et répartie par template de page

3 – La carte du monde

 Pour l’analyse de données géographiques, l’affichage sur carte permet d’avoir une vision intuitive des valeurs de données réparties par différents niveaux de “zoom” : Région, Pays, Villes,…

Ici, on affiche le potentiel de volume de recherche par Ville.

Beaucoup d’autres graphiques sont à découvrir, et notamment les graphiques de la communauté proposés par des développeurs tiers.

Il est aussi possible d’ajouter vos propres graphiques réalisé sur des framework JS.

Performances de Data Studio

Vous le remarquerez assez vites, Data Studio propose de nombreuses fonctionnalités et permet de réaliser rapidement des dashboard.

Il y a toutefois un point négatif : les performances.

On doit parfois attendre quelques minutes avant la fin du chargement complet des données.

Les facteurs impactant les performances sont les suivants :

• Le nombre de données chargées dans une seule page
• Le nombre de sources de données utilisées dans une seule page
• Le nombre de calculs (filtre, dimension personnalisée,…)
• Les combinaisons de données
• Les caches

Si on s’amuse à faire un test Google Pagespeed d’un rapport vide, on obtient un score de 23/100 sur Desktop et même 1/100 sur Mobile. J’dis ça, j’dis rien 🙂

La meilleure façon d’optimiser le chargement d’un dashboard est d’utiliser BigQuery :

• la connexion est plus rapide
• la table entreposée sur BigQuery correspond exactement aux données utiles à votre dashboard

Google Spreadsheet est pratique à utiliser pour vos jeux de données de test, mais dès que l’on atteint 500 000 lignes, ce n’est plus vraiment exploitable, il est plus intéressant de passer sur BigQuery.

Il est possible d’attribuer une durée de cache à votre source de donnée équivalente à 15 min, 4 heures et 12 heures.

Si vos données ne changent pas toutes les 15min, je vous conseille de placer le curseur sur 12 heures. Ainsi lors de l’utilisation de la création de votre datastudio, vos données ne se rechargeront pas toutes les 15min. C’est plus sympa !

Data Studio : monter un rapport rapidement : parler qu’il existe des templates et qu’on peut vite dupliquer les données

Un rapport peut se monter en 30min…avec l’aide de la communauté.

Data Studio propose en effet une galerie de template de dashboard PAD (prêt à dupliquer).

Il vous sera possible de dupliquer des dashboard de 3 catégories différentes :

• Les “templates Featured” réalisé par des contributeurs et mis en avant par l’équipe Data Studio
• Les “templates Marketing” réalisés par l’équipe Data Studio et exploitant les sources de données Google comme Google Ads, Google Analytics,..
• Les “templates Community” réalisés par la Communauté et exploitant des sources de données diverses (pas seulement les outils Google)

Il vous est également possible de contribuer à cette galerie en proposant vos templates banalisés.

Nous avons par exemple eu l’occasion de contribuer avec ce template de monitoring Google Ads

En sélectionnant un template, vous pourrez le copier facilement, connecter directement vos sources de données qui s’appliqueront à la copie du dashboard.

Il ne vous restera plus qu’à corriger les quelques bugs, revoir les graphiques si besoin, changer les titres,… il y a toujours un peu de travail 😉

Combiner différentes sources de données pour un dashboard

Une fonctionnalité utile – mais gourmande en performance, comme vu précédemment – concerne la combinaison de donnée.

Il est possible dans Data Studio de procéder directement à des jointures de sources de données.

Définition de jointure : association de plusieurs table de donnée par le biais d’une dimension commune à ces tables de données que l’on appelle clé de jointure.

Cela peut s’avérer très pratique pour visualiser des données communes à 2 sources différentes :

• On peut imaginer par exemple joindre la table Google Ads avec la table Google Analytics Search Console par le biais de la dimension commune “Campaign” qui nous permettra de corréler par exemple le CPC (côté Ads) et les Objectifs (côté GA)

A noter que la jointure proposer par Data Studio est une jointure “à gauche”, cela signifie que seule les données de la table de gauche seront exhaustives.

⇒ Si une valeur de  clé de jointure existe sur la table de droite, mais pas celle de gauche, elle n’apparaîtra pas dans votre rapport.

Le point noir de cette fonctionnalité : les performances. Les données issues de source de données combinées se chargent très lentement, parfois au bout d’1 min.

Ce temps peut être compressé en :

• Limitant les données importées : limiter les lignes dans les tableaux, limiter le nombre de graphiques dans une page,…
• Utiliser BigQuery : créer la jointure entre les tables directement sur BigQuery est la meilleure solution à ce jour. Les données se chargent au bout de quelques secondes ce qui améliore grandement l’expérience client.

 Comparer le trafic global et le trafic SEO

Exemple avec les données analytics pour donner une visualisation des leviers d’acquisition du site

Comparer la position moyenne sur Google pour les requêtes Marque et Hors Marque

Les SEO, avec les données de la search console, ont l’avantage d’exprimer la position moyenne ou encore le trafic google sur les requêtes “marque” vs “hors marque” que l’on peut visualiser de cette façon :

Comparer les données SEO/SEA

En combinant les sources de données Search Console et Google Ads sur la clé de jointure “Keywords” = “Terme de recherche”, on peut visualiser les performances SEO vs SEA sur une même dimension : le mot clé.

Le dashboard suivant montre par exemple les performances d’une requête Google en SEO et en SEA en fonction du nombre d’impressions et de la position moyenne pour chaque levier.

 Conclusion

Avec un template et des connecteurs, vous serez en mesure de construire vos premiers dashboard avec aisance. Pour obtenir des dashboards croisant plusieurs sources de données ou avec un grand volume de Data, l’appel à un spécialiste sera nécessaire. Il existe encore beaucoup de responsable de site qui pilote à vue leurs actions de webmarketing.

L’agence Search Foresight propose systématique un dashboard sur Google Data Studio ou d’autres technologie (PowerBI, Tableau, …). La mesure de vos actions et la croissance de votre site web doivent être connues afin d’apporter les actions complémentaires ou les budgets supplémentaires.