Les rapports, les explorations, l'API Data de Google Analytics et BigQuery Export affichent les données de manière légèrement différente. Utilisez le tableau pour comparer les données disponibles selon les surfaces et comprendre les limites de chaque méthode d'affichage.
| Disponibilité et limites des données | Rapports, insights et explorations | API Data de Google Analytics | BigQuery |
|---|---|---|---|
| Méthode d'accès | Interface Google Analytics | Toute application tierce pouvant accéder aux données Google Analytics au nom de l'utilisateur | Console GCP ou toute application de reporting pouvant interroger les données BigQuery |
| Portée des données |
Données globales, ou données au niveau de l'événement et de l'utilisateur Pour chaque requête, Google choisit le tableau qui fournit les résultats les plus précis en utilisant les paramètres d'échantillonnage par défaut. |
Données globales, ou données au niveau de l'événement et de l'utilisateur Pour chaque requête, Google choisit le tableau qui fournit les résultats les plus précis en utilisant les paramètres d'échantillonnage par défaut. |
Données au niveau de l'événement et de l'utilisateur (à l'exception des valeurs ajoutées par Google Analytics aux données trouvées dans les explorations et les rapports standards) |
| Cardinalité élevée1 |
Possible. Lorsque Google utilise des données globales et qu'un rapport ou une exploration affichent plus de lignes que le nombre maximal de lignes du tableau, il est possible qu'une ligne "(other)" s'affiche. |
Possible. Lorsque Google utilise des données globales et qu'un rapport ou une exploration affichent plus de lignes que le nombre maximal de lignes du tableau, il est possible qu'une ligne "(other)" s'affiche. |
Non |
| Échantillonnage2 | Possible. Lorsque Google utilise des données plus précises au niveau de l'événement et de l'utilisateur, et qu'un rapport ou une exploration doivent traiter plus d'événements que la limite de quota, Analytics utilise un échantillon représentatif des données disponibles. | Possible. Lorsque Google utilise des données plus précises au niveau de l'événement et de l'utilisateur, et qu'un rapport ou une exploration doivent traiter plus d'événements que la limite de quota, Analytics utilise un échantillon représentatif des données disponibles. | Non |
| Attribution basée sur les données3 | Oui | Oui | Non |
| Modélisation des événements clés4 | Inclus | Incluse | Non incluse |
| Modélisation du comportement5 |
Incluse dans le module de reporting (y compris le rapport "Temps réel") Partiellement incluse dans le module d'exploration (uniquement dans les tableaux de format libre, du chemin, du chevauchement de segments et de l'entonnoir) |
Inclus | Non incluse. Les données BigQuery contiennent des pings sans cookie collectés par Google Analytics lorsque le mode Consentement est activé et que chaque session comporte un user_pseudo_id différent. La modélisation peut entraîner des différences entre les rapports standards et les données détaillées dans BigQuery. Par exemple, elle peut générer moins d'utilisateurs actifs dans les rapports que BigQuery, car la modélisation tente de prédire plusieurs sessions d'un même utilisateur qui a refusé les cookies. |
| Limites |
150 rapports personnalisés par propriété Vous pouvez créer 200 explorations individuelles par propriété et par utilisateur et jusqu'à 500 explorations partagées par propriété. Vous pouvez importer jusqu'à 10 segments par exploration. |
Les API Analytics sont soumises à des quotas d'API. Les propriétés Analytics 360 sont soumises à des limites plus élevées pour la collecte des données, le reporting, la conservation et les quotas. | Pour les propriétés standards, l'exportation est limitée à un million d'événements par jour. L'exportation des propriétés Analytics 360 est presque illimitée. |
1 Cardinalité élevée : les dimensions à cardinalité élevée comportent plus de 500 valeurs uniques pour une seule journée. Elles augmentent le nombre de lignes d'un rapport ou d'une exploration. Il est donc plus probable qu'un rapport ou une exploration atteignent leur limite de lignes, et les données au-delà de la limite sont alors condensées dans la ligne "(other)". En savoir plus sur la cardinalité élevée et la ligne "(other)"
2 Échantillonnage : l'échantillonnage de données est utilisé lorsque le nombre d'événements affichés par une exploration dépasse la limite pour votre type de propriété. Vous pouvez ainsi explorer vos données avec un niveau de détail élevé à l'aide d'un échantillon représentatif. En savoir plus sur l'échantillonnage
3 Attribution basée sur les données : ce modèle répartit le crédit de l'événement clé selon les données associées à chacun de ces événements. En savoir plus sur l'attribution basée sur les données
4 Modélisation des événements clés : cette modélisation permet d'attribuer les événements clés avec précision sans identifier les utilisateurs (par exemple, pour respecter la confidentialité de leurs données, lorsqu'ils changent d'appareil ou en raison de limites techniques). En savoir plus sur la modélisation des événements clés
5 Modélisation du comportement : la modélisation du comportement en mode Consentement fait appel au machine learning (apprentissage automatique) pour modéliser le comportement des utilisateurs qui refusent les cookies analytiques, en se basant sur le comportement des utilisateurs similaires qui acceptent ces cookies. En savoir plus sur la modélisation du comportement