La veille de janvier 2025

🔥 What’s New ?

👉 GA4 : Copie de rapports entre propriétés vous fera gagner du temps

Vous pouvez maintenant copier vos rapports détaillés personnalisés d'une propriété à une autre. C'est fini de tout reconfigurer à chaque fois. Gagnez du temps sur la création et consacrez-vous à ce qui compte : analyser vos données et en tirer des insights concrets.

ℹ️ Pour en savoir plus, rendez-vous sur : [GA4] Copy reports and explorations across Google Analytics properties

‍

👉 BigQuery change le look de son menu de navigation :

Google BigQuery a restructuré son menu, cette démarche de Google a pour objectif de rentre BigQuery un hub analytics au lieu d’un simple datawarehouse, on y voit :

Le menu de navigation de BigQuery a été restructuré en six catégories principales :

1. Studio : Centralise l'accès à vos datasets, tables et l'exécution de requêtes, et intègre maintenant les notebooks Colab Enterprise.
2. Pipelines et intégration : Regroupe les transferts de données, les pipelines Dataform, les requêtes programmées et un nouvel outil de planification (en Preview).
3. Gouvernance : Inclut Analytics Hub pour les échanges de données et les balises de politique pour la classification.
4. Administration : Rassemble les outils de surveillance, l'explorateur de tâches, la gestion de capacité, BI Engine, la reprise après sinistre et les recommandations.
5. Migration : Propose des outils d'évaluation et de traduction SQL pour faciliter la migration depuis d'autres entrepôts de données.
6. Ressources additionnelles : Offre l'accès au Centre des partenaires, aux paramètres par défaut (en Preview) et aux notes de version.

Le menu peut être réduit pour n'afficher que les icônes ou développé pour montrer les libellés complets.

‍

👉 Meridian : le nouvel outil Google pour l'analyse du mix marketing

Google a lancé Meridian, un framework open-source pour la modélisation du mix marketing (MMM). Cet outil aide les annonceurs à mesurer l'impact de leurs campagnes sur leurs revenus et autres KPIs.

Meridian fonctionne sans cookies ni données personnelles, utilisant uniquement des données agrégées et donc anonymes. Il s'appuie sur l'inférence causale bayésienne pour analyser l'efficacité des différents canaux marketing et prendre en compte les facteurs externes qui influencent les performances.

L'outil est particulièrement efficace avec des données géographiques détaillées, mais peut aussi fonctionner avec des données nationales. Il intègre plusieurs fonctionnalités techniques comme la modélisation de la saturation des canaux, des effets différés, et l'utilisation facultative des données de couverture et fréquence.

Meridian permet également d'optimiser la répartition du budget entre les différents canaux et de simuler différents scénarios d'investissement marketing.

Pour les équipes disposant de connaissances préalables sur leurs performances média, l'approche bayésienne de Meridian permet d'intégrer ces informations dans le modèle, qu'elles proviennent d'anciens tests, de résultats MMM antérieurs ou de benchmarks sectoriels.

Concrètement, Meridian utilise des modèles statistiques et des données chronologiques pour vous aider à optimiser votre mix publicitaire. Son objectif selon google est de maximiser le retour sur investissement.

👉 Bien que notre équipe chez Starfox Analytics n'ait pas encore déployé Meridian en production, nous disposons de l'expertise technique en modélisation bayésienne et en inférence causale pour développer rapidement des POCs personnalisés. Nos consultants sont prêts à explorer comment ce framework peut s'intégrer à votre stack d'attribution marketing actuelle et générer des insights sur l'efficacité de vos canaux. Contactez-nous pour discuter d'une implémentation adaptée à vos besoins spécifiques.

‍

💡 L’astuce du mois

Notre rubrique "L'astuce du mois" partage des conseils pratiques utilisés quotidiennement chez Starfox Analytics. Ces astuces couvrent divers outils de Web Analyse pour optimiser votre travail. N'hésitez pas à les tester et à les partager avec vos collègues.

BigQuery :Optimisation des requêtes avec les tables temporaires

BigQuery permet d'améliorer les performances des requêtes complexes en utilisant une combinaison de tables temporaires :

-- Création d'une table temporaire pour stocker un calcul coûteux
CREATE TEMP TABLE user_metrics AS
SELECT 
  user_id,
  ARRAY_AGG(product_id ORDER BY timestamp DESC)[OFFSET(0)] AS last_viewed_product,
  COUNT(DISTINCT session_id) AS session_count
FROM `dataset.events` 
WHERE DATE(_PARTITIONTIME) BETWEEN DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY) AND CURRENT_DATE()
GROUP BY user_id;

-- Utilisation de la table temporaire dans les requêtes suivantes
SELECT 
  um.user_id,
  um.last_viewed_product,
  t.conversion_value
FROM user_metrics um
JOIN `dataset.transactions` t USING(user_id)
WHERE um.session_count > 3;

‍‍


Les avantages que cette méthode de création de table temporaire avec la clause CREATE TEMP TABLE sont nombreux :

• Réduction des coûts : Les calculs coûteux ne sont exécutés qu'une seule fois, puis réutilisés.
• Amélioration des performances : Sur des jeux de données volumineux, les temps d'exécution peuvent être réduits de 40-60%.
• Simplification du code : Les requêtes deviennent plus lisibles en séparant le traitement en étapes logiques.
• Durabilité dans la session : Les tables temporaires persistent pendant toute votre session BigQuery, contrairement aux sous-requêtes qui sont recalculées à chaque appel.

Résultats typiques d'optimisation :

Pour une requête analysant 500 millions de lignes avec des agrégations complexes :

• Sans table temporaire : ~120 secondes, 2,3 To traités
• Avec table temporaire : ~45 secondes, 1,1 To traités

La différence est encore plus marquée lorsque les résultats intermédiaires sont utilisés dans plusieurs requêtes successives pendant la même session d'analyse.

Limitation importante : Les tables temporaires expirent à la fin de votre session. Pour des résultats qui doivent persister plus longtemps, considérez les vues matérialisées ou les tables standards.

📖 Sharing Is Caring

Notre rubrique "Sharing is Caring" présente mensuellement un article approfondi sur un sujet d'actualité en Web Analyse. Nos experts utilisent leur savoir-faire et les ressources en ligne pour explorer ces thématiques en détail.

Ce mois-ci, découvrez notre article rédigé par Fadoua sur l’API de Google Natural Language et son utilisation

Google Natural Language API

❤️ Meilleures ressources et articles du moment

• Découvrez GA4DATAFORM, un outil qui combine les données de GA4 dans BigQuery et Dataform pour obtenir des modèles faciles à exploiter en deux clics : GA4Dataform by Superform Labs is now officially Open-Source! 🎉
• Un guide pour mieux contrôler vos dépenses sur DBT : Stop Overspending on dbt Tests: Make Costs Visible

🤩 Inside Starfox

Je continue cette série de nouvelles sur notre fonctionnement interne. Comment nous gérons notre pipeline commercial dans Notion ✨

L'objectif est simple : remporter le maximum d'opportunités qualifiées en un minimum de temps et préparer les missions pour le succès. Plutôt que de nous disperser entre différents outils, nous avons structuré l'intégralité de notre pipeline commercial dans Notion, avec une approche automatisée et ultra-collaborative.

🔹 Une base de données centralisée : toutes nos opportunités y sont enregistrées, reliées aux bases "Missions", "Partenaires", "Sociétés" et "Contacts".

🔹 Des vues filtrées intelligentes : des dashboards dynamiques nous permettent d’identifier immédiatement les opportunités à relancer en priorité (via des critères comme le lead time ou l'absence de relance récente).

🔹 Un suivi collaboratif : chaque consultant est responsable de ses opportunités, avec un cadre clair et structuré.

🔹 Une automatisation poussée : l'IA nous aide à qualifier les deals, remplir les fiches d’opportunités, et même calculer automatiquement les primes collaborateurs.

🔹 Vers une intégration CRM : nous allons encore plus loin en ajoutant un layer Pipedrive pour optimiser le suivi des interactions avec nos clients et partenaires.

En bref, un système conçu pour minimiser la friction et maximiser la conversion. On vous explique tout en détail ici 👇

🔗 Lire l'article complet

‍

🙌  Retour d’expérience client

Nous avons choisi d’investir dans des témoignages clients authentiques. Convaincus que la vidéo est un outil puissant pour raconter des histoires et créer du lien humain, nous avons décidé d’orienter notre communication dans ce sens, avec une priorité claire : privilégier la qualité à la quantité.

Voici le premier témoignage d’une série de quatre interventions que nous avons capturées avec soin. Chaque vidéo illustre non seulement nos résultats, mais aussi la richesse des collaborations qui font le succès de nos projets.