Google Analytics 4 (GA4) permet de suivre des centaines d’actions : pages consultées, clics, formulaires envoyés, téléchargements, recherches internes, interactions avec une vidéo, achats…
Cette richesse crée pourtant un problème fréquent : les entreprises collectent beaucoup de données sans toujours savoir à quelles questions elles doivent répondre.
On installe Google Analytics, on configure des événements, puis on construit un tableau de bord rempli de sessions, de taux d’engagement et de conversions. Mais lorsqu’un directeur marketing demande : « Pourquoi les demandes de devis diminuent-elles ? »
le tableau de bord ne permet pas forcément de répondre.
La bonne méthode consiste donc à inverser la logique : définir d’abord les décisions que l’entreprise souhaite prendre, puis déterminer quelles données sont nécessaires pour les éclairer.
C’est ce qu’on appelle un plan de mesure ou measurement framework.
GA4 collecte des données, mais ne décide pas de ce qui est important
Google Analytics peut mesurer ce qui se passe sur un site ou une application. Il ne connaît cependant ni les priorités commerciales de l’entreprise, ni la valeur réelle d’une action.
Deux compagnies d’assurance utilisant exactement le même site pourraient ainsi avoir des besoins de mesure très différents.
La première cherche à augmenter le nombre de demandes de devis auto.
La seconde reçoit déjà beaucoup de demandes, mais constate que peu d’entre elles aboutissent à une souscription.
Pour la première, le volume de demandes de devis est un indicateur essentiel.
Pour la seconde, cette donnée est insuffisante. Elle devra probablement rapprocher les données du site de celles du CRM afin d’identifier les demandes réellement qualifiées et celles qui se transforment en contrats.
Google lui-même permet désormais de sélectionner dans GA4 des objectifs business comme la génération de prospects, les ventes ou l’engagement afin d’adapter certains rapports et recommandations. Mais cette configuration ne remplace pas la réflexion préalable sur ce que l’entreprise considère réellement comme une réussite.
Commencez par les questions auxquelles l’entreprise doit répondre
Avant de choisir les indicateurs à afficher dans un tableau de bord, il est plus utile de lister les questions auxquelles les équipes souhaitent répondre.
Pour une compagnie d’assurance, cela pourrait être :
- Quels canaux génèrent réellement des demandes de devis ?
- Quelles pages produits transforment le mieux les visiteurs en prospects ?
- À quelle étape du formulaire les internautes abandonnent-ils ?
- Les campagnes Google Ads génèrent-elles des prospects qui deviennent effectivement clients ?
- Le taux de conversion est-il moins bon sur mobile ?
- Les visiteurs qui utilisent le simulateur ont-ils davantage tendance à demander un devis ?
Chaque question permet ensuite de déterminer les données nécessaires.
Prenons cette question : Pourquoi autant d’internautes commencent-ils une demande de devis sans la terminer ?
Pour y répondre, mesurer uniquement le nombre de formulaires envoyés ne suffit pas.
Il peut être nécessaire de connaître le nombre de personnes qui commencent le formulaire, les différentes étapes atteintes, l’appareil utilisé, la page depuis laquelle le formulaire a été ouvert ou encore la source d’acquisition.
La logique devient donc : Question business → comportement à comprendre → données nécessaires → configuration GA4.
Et non l’inverse.
Toutes les données ne sont pas des KPI
Une autre erreur fréquente consiste à appeler « KPI » quasiment tout ce que Google Analytics mesure.
Un KPI (Key Performance Indicator, ou indicateur clé de performance) doit être directement lié à un objectif important pour l’entreprise.
Un clic sur un bouton peut être utile à analyser sans pour autant être un KPI.
Il est plus clair de distinguer trois niveaux.
1. Les résultats business
Ce sont les résultats que l’entreprise cherche réellement à obtenir :
Assurance :
nombre de contrats souscrits, primes générées, nouveaux clients.
Banque :
comptes ouverts, crédits souscrits, cartes commandées.
E-commerce :
commandes, chiffre d’affaires, marge.
Ces données se trouvent d’ailleurs rarement toutes dans Google Analytics.
2. Les indicateurs de performance
Ils permettent de comprendre si le parcours digital contribue à ces résultats.
Par exemple :
taux de demande de devis, taux de finalisation d’un formulaire, taux de conversion d’une landing page ou proportion de visiteurs passant d’une page conseil vers une page produit.
Ces indicateurs permettent généralement aux équipes marketing d’identifier les endroits où la performance progresse ou se dégrade.
3. Les données de diagnostic
Elles servent principalement à comprendre pourquoi un résultat évolue.
Par exemple : clics sur un bouton, abandon à une étape précise du formulaire, différence de conversion entre mobile et ordinateur, utilisation d’un moteur de recherche interne ou consultation d’une FAQ.
Ces données peuvent être extrêmement utiles lorsqu’un problème doit être investigué. Elles n’ont cependant pas toutes leur place dans le tableau de bord d’un directeur général.
Un bon plan de mesure précise aussi ce qu’il ne faut pas mesurer
GA4 fonctionne largement autour des événements, c’est-à-dire des actions réalisées par les utilisateurs.
Il devient donc tentant de tout suivre.
- Clic sur le menu.
- Ouverture d’une FAQ.
- Défilement de 25 %, 50 % ou 75 % d’une page.
- Clic sur chaque bouton.
- Téléchargement d’un document.
- Utilisation d’un filtre.
Techniquement, beaucoup de choses peuvent être mesurées. Mais chaque donnée supplémentaire doit ensuite être configurée, testée, documentée, maintenue et analysée.
Avant d’ajouter un nouvel événement, une question simple peut éviter beaucoup de tracking inutile : « Si cet indicateur augmente ou diminue fortement, est-ce que quelqu’un prendra une décision différente ? »
Si la réponse est non, sa collecte n’est probablement pas prioritaire.
Cette discipline évite de transformer GA4 en accumulation d’événements dont personne ne se sert réellement.
GA4 ne doit pas être votre seule source de vérité
C’est particulièrement important pour les banques, assurances et entreprises disposant d’un CRM ou de systèmes métiers.
GA4 est très performant pour comprendre les comportements digitaux : d’où viennent les internautes, quelles pages ils consultent, quelles actions ils effectuent ou à quel moment ils abandonnent.
Mais une conversion enregistrée dans GA4 n’est pas nécessairement un résultat commercial.
Imaginons une campagne d’assurance automobile.
GA4 enregistre : 1 000 demandes de devis.
Le CRM révèle ensuite que :
- 600 dossiers sont exploitables,
- 250 prospects reçoivent effectivement une proposition,
- 80 contrats sont finalement souscrits.
Si l’entreprise optimise uniquement ses campagnes sur les 1 000 formulaires envoyés, elle peut favoriser les canaux qui génèrent beaucoup de prospects… mais peu de clients.
Dans ce cas, les systèmes ont des rôles différents : GA4 explique l’acquisition et le comportement sur le site.
Le CRM mesure la qualification et l’avancement commercial.
Le système métier confirme éventuellement la souscription et la valeur financière du client.
Le plan de mesure doit donc déterminer quelle source fait référence pour chaque information.
Transformer les questions business en événements GA4
Une fois les questions et indicateurs définis, la configuration technique devient beaucoup plus simple.
Prenons une compagnie d’assurance qui souhaite améliorer son parcours de demande de devis automobile.
Son objectif business pourrait être : augmenter le nombre de contrats auto issus du digital.
Une question importante serait alors : où perdons-nous les prospects pendant la demande de devis ?
Le plan de mesure pourrait devenir :
| Niveau | Exemple |
|---|---|
| Résultat business | Contrats auto souscrits |
| Indicateur principal | Demandes de devis complétées |
| Indicateur intermédiaire | Taux de finalisation du formulaire |
| Diagnostic | Étape d’abandon |
| Diagnostic | Appareil utilisé |
| Diagnostic | Source d’acquisition |
| Diagnostic | Page ayant déclenché la demande |
C’est seulement à ce moment que l’équipe technique peut traduire le besoin dans GA4.
Par exemple :
demarrage_devis: pour le début d’une demande de devis.etape_devis: pour le passage d’une étape à une autre.soumission_devis: pour l’envoi complet du formulaire.
Des paramètres peuvent ensuite enrichir ces événements : type d’assurance, étape du formulaire, pays, produit ou autre information utile.
Dans GA4, les paramètres d’événements permettent justement d’ajouter du contexte aux actions suivies, puis certaines informations peuvent être exploitées sous forme de dimensions ou métriques personnalisées.
Tous les événements importants ne doivent pas non plus devenir des conversions
GA4 distingue les événements classiques des événements clés, c’est-à-dire les actions particulièrement importantes pour l’entreprise.
Une consultation d’une page produit peut être utile à analyser sans pour autant devenir un événement clé.
À l’inverse, une demande de devis ou une création de compte peuvent mériter ce statut.
Google permet ensuite d’utiliser certains événements clés comme conversions pour la mesure et l’optimisation publicitaire dans Google Ads.
Là encore, la hiérarchie définie dans le plan de mesure permet d’éviter de considérer chaque interaction comme une conversion équivalente.
À quoi ressemble concrètement un plan de mesure ?
Il n’est pas nécessaire de commencer avec un document extrêmement complexe.
Un simple tableau peut suffire :
| Question business | Indicateur | Donnée nécessaire | Source | Décision possible |
|---|---|---|---|---|
| Quels canaux génèrent les meilleurs prospects ? | Leads qualifiés par canal | Source + statut du lead | GA4 + CRM | Réallouer le budget |
| Où les internautes abandonnent-ils le devis ? | Taux d’abandon par étape | Étapes du formulaire | GA4 | Améliorer le formulaire |
| Quelles pages contribuent aux demandes ? | Conversion par page d’entrée | Landing page + devis | GA4 | Optimiser les pages |
| Quels prospects deviennent clients ? | Taux lead → contrat | Lead + contrat | CRM | Revoir acquisition et ciblage |
Cette matrice devient ensuite le brief transmis aux équipes analytics ou techniques.
Elles savent précisément quels événements créer, quels paramètres récupérer, quelles données rapprocher du CRM et quels rapports construire.
C’est beaucoup plus efficace que d’ouvrir Google Tag Manager ou GA4 et de commencer par se demander : « Qu’est-ce qu’on pourrait tracker ? »
Le dernier travail consiste à vérifier que la donnée est fiable
Définir les bons événements ne suffit pas.
Un événement peut apparaître dans GA4 tout en étant incorrect.
Un formulaire peut par exemple déclencher deux fois l’événement de conversion. Un événement peut être envoyé dès le clic sur « Envoyer » alors que le formulaire a finalement échoué. Les choix de consentement de l’utilisateur peuvent également affecter les données collectées.
Le plan de mesure doit donc être complété par une phase de recette permettant de vérifier que chaque événement se déclenche au bon moment, avec les bons paramètres et sans duplication.
L’objectif n’est pas d’obtenir une donnée parfaitement exhaustive : dans un environnement soumis aux restrictions de consentement, aux bloqueurs et aux différences entre systèmes, cette perfection est rarement réaliste.
L’objectif est d’obtenir une donnée suffisamment bien définie et fiable pour prendre une décision.
Le tableau de bord vient en dernier
Un tableau de bord performant n’est finalement pas celui qui contient le plus de graphiques.
C’est celui dans lequel chaque indicateur répond à une question.
Avant un projet GA4, la meilleure première réunion n’est donc probablement pas une réunion consacrée au tracking.
Elle devrait commencer par quelques questions beaucoup plus simples :
- Que cherche réellement l’entreprise à améliorer ?
- Quelles décisions voulons-nous prendre avec ces données ?
- Qu’avons-nous besoin de comprendre pour prendre ces décisions ?
- Quelle est la meilleure source pour obtenir chaque information ?
Lorsque ces réponses sont claires, GA4 retrouve sa véritable fonction : mesurer les comportements nécessaires pour éclairer les décisions, plutôt qu’accumuler des données simplement parce qu’elles sont disponibles.
Le paramétrage technique vient après la définition de ce que l’entreprise cherche réellement à comprendre.
