Comment connecter son compte Google Analytics 4 à un modèle IA ?

L'intelligence artificielle arrive partout et surtout dans le domaine du web marketing et plus spécifiquement dans la web analyse. Ne soyons pas naïfs, notre profession va être bousculée comme jamais à cause de ces nouveaux outils qui viennent d'arriver sur le marché et qui vont justement nous obliger à nous réinventer. Par conséquent, il serait intéressant de voir s'il serait possible d'utiliser l'intelligence artificielle pour avoir quelque chose de beaucoup plus puissant au terme d'analyse avec ces nouveaux outils. Et si on essayait de connecter les outils Google avec la pays de chat GPT, qu'est-ce que cela donnerait?

Le projet : Automatiser la web analyse !

Partons sur un projet simple. Tout d'abord, il faut connecter GA4 à BigQuery. Pourquoi ? Parce que GA4 ne donne pas un accès simple et flexible à toutes les données via son interface. BigQuery permet d'interroger directement les données brutes et cela permet aussi d'être beaucoup plus souple en termes d'analyse de données.

Donc tout d'abord il faut aller sur le site analytics.google.com, ouvrir une propriété GA4. Et une fois que l'on est dans le compte, on va dans admin puis après lien BigQuery. Et là il faudra créer un projet GCP si ce n'est pas déjà fait. Une fois que cela est fait, il faudra justement créer un dataset BigQuery qui permettra d'exporter les données quotidiennement en streaming selon votre besoin.

Une fois Big Query activé, il suffit de:

• structurer la bse de données

• de sélectionner les données qui nous intéresse,

  afin de nous retrouver avec des bases de données que nous allons interroger par la suite. Et pour ça, c'est incontournable, il nous faut des requêtes en langage SQL !

Étape suivante, connectez BigQuery à Looker Studio. Pour cela, il suffit d'ouvrir Looker Studio, créer un nouveau rapport, ajouter une nouvelle source de données et sélectionner la source de données que l'on vient de créer avec BigQuery. Une fois que notre projet est connecté, il suffit à juste de choisir la base de données adéquate et importer la table dans une requête SQL enregistrée. Et ensuite, il faudra bien sûr créer les visualisations dynamiques afin que le rapport soit complet. A ce stade, on a un report classique. Nous allons maintenant passer à l'automatisation de l'analyse avec ChargeGPT.

L'automatisation de l'analyse avec ChatGPT.

Tout d'abord, il vous faut récupérer une clé API. Celle-ci est disponible sur votre compte. Ensuite, il vous faudra créer un script en langage python pour :

• Récupérer le résultat des requêtes Big Query

• Structurer les données en JSON ou CSV

• Envoyer ces données à chat GPT via l'API

• demander une interprétation automatique des données

Voici le prompt :

prompt = f"""

Voici les données de comportement utilisateur sur un site e-commerce :

{data_from_bigquery}

Analyse les irritants dans le parcours utilisateur, détecte les étapes où les utilisateurs abandonnent, et fais des suggestions simples d'amélioration UX."""

Une fois la réponse générée par le modèle IA, il suffit juste de la récupérer et de la stocker dans la base dans BigQuery.

Cette configuration permet ensuite de récupérer les données et d'avoir par exemple une synthèse de la semaine ou une liste des irritants UX détectés. Quid des recommandations ?

Voilà ! Maintenant vous savez ce qu'il vous reste à faire !