analytics-interpreter

name	analytics-interpreter
description	Analyse et interprétation de données Google Analytics et Matomo — métriques, segments, conversions et rapports actionnables. Se déclenche avec "Google Analytics", "GA4", "Matomo", "analytics", "taux de conversion", "bounce rate". Also triggers on "Google Analytics report", "interpret my traffic data", "conversion analysis".

Analytics Interpreter

1. Vérifier la fiabilité du tracking avant tout

Avant d'analyser quoi que ce soit, valider l'intégrité des données :

GA4 — Debug View en temps réel :

GA4 Admin → DebugView → déclencher les événements manuellement sur le site

Vérifier la déduplication des pages vues (gtag.js vs GTM doublon fréquent) :

// Ouvrir la console navigateur sur le site et chercher :
window.dataLayer.filter(e => e.event === 'gtm.pageview')
// Si count > 1 par page → doublon à corriger dans GTM

Filtrer le trafic interne dans GA4 :

Admin → Flux de données → Définir des filtres IP internes

Matomo — vérifier le tracking tag :

// Console navigateur → Network → filtrer "matomo.php" ou "piwik.php"
// Réponse 204 = OK ; 0 hit = tag absent ou bloqué

Critères de validation minimaux avant analyse :

• Taux de rebond GA4 cohérent (< 80 % pour la plupart des sites e-commerce)
• Pas de pics de sessions à heure ronde (signe de bot)
• Les événements de conversion remontent dans les 24 h suivant le déploiement

---

2. Définir les conversions et leur valeur

Configurer les événements clés dans GA4 (anciennement "objectifs") :

Admin → Événements → Cocher "Marquer comme conversion"

Exemples d'événements standards à activer :

Événement GA4	Déclencheur recommandé
purchase	Page de confirmation commande
generate_lead	Soumission formulaire contact
sign_up	Création de compte réussie
file_download	Clic sur lien PDF/ZIP

Matomo — objectifs :

Matomo Admin → Objectifs → Ajouter → URL de destination / Événement / Durée

Attribuer une valeur monétaire systématiquement pour calculer le ROI canal par canal.

---

3. Analyser l'acquisition par canal

Rapport GA4 : Acquisition → Acquisition de trafic

Métriques à comparer par canal (Source / Support) :

• Sessions, Utilisateurs
• Taux d'engagement (≠ bounce rate GA4 = sessions avec interaction > 10 s ou 2 pages)
• Taux de conversion par canal
• Revenus / valeur de conversion

Query Looker Studio pour comparer canaux :

-- Dimension : Session default channel group
-- Métriques : Sessions, Conversions, Revenue
-- Filtre : Date range = 30 derniers jours
-- Tri : Revenue DESC

Critère de décision : un canal avec un taux de conversion > 2× la moyenne mérite un budget supplémentaire. Un canal < 0,5× la moyenne mérite une analyse de qualité d'audience.

---

4. Analyser le comportement et les funnels

Rapport de chemin GA4 :

Explorer → Exploration de chemin → Point de départ = Page d'entrée

Funnel de conversion GA4 :

Explorer → Exploration d'entonnoir → Définir les étapes (ex. : page produit → panier → checkout → purchase)

Métriques comportementales prioritaires :

• Scroll depth (événement scroll avec paramètre percent_scrolled) → indique si le contenu est lu
• Temps avant conversion (cohorte J0, J1–J7, J7+) → pilote les séquences de retargeting
• Exit rate sur pages critiques → une exit rate > 60 % sur le checkout = friction à corriger

---

5. Segmentation avancée

GA4 — Créer un segment "Acheteurs récurrents" :

Explorer → Segments → Nouveau → Critère : purchase count > 1

Matomo — Segment API :

URL Matomo API :
?module=API&method=SegmentEditor.add
&name=Acheteurs&definition=visitConvertedGoalId==1
&token_auth=VOTRE_TOKEN

Segments prioritaires à créer :

1. Nouveaux visiteurs vs. récurrents — comparer les taux de conversion
2. Mobile vs. Desktop — détecter les écarts de performance UI
3. Par géographie — prioriser les marchés à fort taux de conversion
4. Campagne UTM spécifique — isoler une campagne pour mesurer son impact réel

---

6. Construire des dashboards actionnables

Looker Studio — connexion GA4 :

Créer rapport → Ajouter source → Google Analytics 4 → Sélectionner propriété

Structure recommandée pour un dashboard e-commerce :

1. Vue exécutive : Revenus, Transactions, ROAS — tendance 30 j vs. 30 j précédents
2. Acquisition : Top 5 canaux par revenu avec sparklines
3. Comportement : Top 10 pages, taux d'engagement, scroll depth moyen
4. Conversion : Funnel visuel, taux d'abandon par étape, valeur panier moyen

Automatiser l'envoi hebdomadaire :

Looker Studio → Planifier une livraison → Email → Chaque lundi 08h00

---

7. Interpréter les anomalies

Checklist face à un pic ou une chute de trafic :

• Vérifier les annotations GA4 (campagnes, déploiements)
• Comparer avec Google Search Console (pénalité ou gain SEO ?)
• Contrôler les alertes intelligentes GA4 : Rapports → Insights
• Croiser avec le calendrier promotionnel / saisonnalité
• Vérifier si le changement touche UN canal spécifique → problème de source vs. problème site

Détecter une pénalité Google dans Search Console :

Performance → Comparer → Sélectionner date de chute → Filtrer par requête / page

---

8. Tests A/B et itération

Règle statistique minimale avant de conclure un test :

• Significativité ≥ 95 % (p-value < 0,05)
• Volume minimum : 500 conversions par variante (règle pratique)
• Durée minimum : 2 semaines pour capturer les cycles hebdomadaires

Outils recommandés :

• Google Optimize est arrêté — utiliser VWO, AB Tasty, ou Statsig
• Matomo intègre A/B Testing natif (plugin disponible)

Calculateur de significativité rapide (Python) :

from scipy import stats
control = (500, 25)   # (visiteurs, conversions)
variant = (480, 35)
chi2, p, dof, _ = stats.chi2_contingency([
    [control[1], control[0]-control[1]],
    [variant[1], variant[0]-variant[1]]
])
print(f"p-value: {p:.4f} — {'Significatif' if p < 0.05 else 'Non significatif'}")

---

Anti-patterns et pièges fréquents

Piège	Conséquence	Correction
Analyser sans filtrer le trafic interne	KPIs gonflés artificiellement	Filtre IP dans GA4 Admin
Conclure sur < 100 conversions	Faux positifs en A/B test	Attendre volume suffisant
Comparer des périodes avec différents jours fériés	Tendances biaisées	Toujours comparer semaine vs. semaine
Ignorer le samplage GA4 sur grandes plages	Données approximatives	Réduire la fenêtre ou utiliser BigQuery Export
Fusionner sessions cross-device sans User ID	Parcours fragmentés	Activer le reporting "Identity Space" (User-ID + Device)
Oublier le consentement RGPD	Données manquantes + risque légal	Configurer Consent Mode v2 dans GTM

GA4 Consent Mode v2 (obligatoire depuis mars 2024) :

gtag('consent', 'default', {
  analytics_storage: 'denied',
  ad_storage: 'denied',
  wait_for_update: 500
});
// Après acceptation CMP :
gtag('consent', 'update', { analytics_storage: 'granted' });

---

Bonnes pratiques 2026

• BigQuery Export GA4 : activer l'export gratuit vers BigQuery pour toutes les propriétés — permet les analyses SQL sur données brutes non samplées
• Server-side tagging (GTM SS) : contourne les bloqueurs de pubs, améliore la précision des données first-party
• Modélisation de conversion GA4 : depuis 2024, GA4 modélise les conversions non consenties — vérifier que ce paramètre est cohérent avec votre politique RGPD
• Matomo Cloud vs. On-premise : préférer on-premise pour les données sensibles ou les secteurs régulés (santé, finance)
• Documenter chaque changement de tracking avec une annotation dans GA4 et dans un changelog partagé (Notion, Confluence)