Google Data Studio est un outil puissant dans votre kit de référencement. Savoir tirer le meilleur parti de son pouvoir commence par comprendre comment utiliser des champs calculés pour appliquer de bonnes méthodes mathématiques à vos données. Dans le tableau blanc de cette semaine, nous sommes ravis d’accueillir notre hôte Dana DiTomaso, qui nous explique comment utiliser les champs calculés dans Google Data Studio pour découvrir plus de valeur dans vos données et améliorer vos rapports.
Champs calculés dans Google Data Studio
Cliquez sur l’image du tableau blanc ci-dessus pour ouvrir une version haute résolution dans un nouvel onglet!
Transcription vidéo
Salut les fans de Moz. Je suis Dana DiTomaso, président et associé chez Kick Point, et nous adorons Google Data Studio à Kick Point. Vous n’aimez peut-être pas encore Google Data Studio, mais après avoir regardé cela, je pense que vous le ferez probablement.
L’une des premières choses que vous pensez de Google Data Studio est la suivante: pourquoi l’utiliser? Ce ne sont que des graphiques. C’est la même chose que je peux obtenir dans Analytics ou un milliard d’autres outils de tableau de bord. Mais l’une des choses que j’aime beaucoup avec Google Data Studio, ce sont les mathématiques. Vous pouvez faire beaucoup de choses différentes dans Data Studio, et je vais passer en revue quatre des types de base de Data Studio et comment vous pouvez l’utiliser pour améliorer vos rapports, tout comme vous pouvez faire glisser vos orteils dans Google. Pool de Data Studio. Ce que j’ai fait ici, c’est que j’ai écrit beaucoup de formules que vous allez utiliser.
Les types
Il y a beaucoup de formules évidemment écrites, mais quand vous entrez dans Data Studio, vous devriez pouvoir les entrer et elles fonctionneront. Commençons par le début avec les types.
Mathématiques de base. C’est assez évident. 1 + 1 = 2. Les appels téléphoniques et les e-mails sont égaux par exemple. Vous pouvez ajouter différents champs.
Se transforme. Disons que les gens sont vraiment mal à écrire des choses majuscules et certaines choses minuscules. Vous avez un problème avec les URL écrites de différentes manières. Vous pouvez utiliser une transformation pour transformer les majuscules en minuscules. C’est plutôt bien.
Formules Les formules sont l’endroit où vous dites ne montrent que ce sous-ensemble de données. Ou combien de fois cela se produit-il? Cela pourrait être des choses comme la fonction Count, alors comptez combien de fois cela se produit, par exemple, et présentez-le comme une métrique totalement distincte, ce qui peut être très utile lorsque vous voulez compter le nombre de fois qu’un événement se produit et alors comparez cela contre quelque chose d’autre. Il suffit de retirer ce type de données.
Logique. C’est le plus complexe. Si X, alors Y. Si cela se produit, alors cela se produira. Il y a beaucoup de choses vraiment complexes là-dedans. Mais si vous ne faites que commencer, commencez par ceci, puis examinez la documentation de Google Data Studio. Vous trouverez des trucs plus cool ici.
1. mathématiques de base
Voici quelques exemples d’utilisation de nos tableaux de bord Google Data Studio. Donc, les mathématiques de base, une des choses qui préoccupent beaucoup de gens sont les suivantes: Est-ce que les gens me contactent?
Ce sont les bases de la raison pour laquelle nous faisons du marketing. Est-ce que les gens entrent en contact? Ainsi, par exemple, vous pouvez faire des calculs de base et dire «D’accord. Donc, sur notre site Web dans Google Tag Manager, nous avons un déclencheur qui se déclenche chaque fois que quelqu’un clique ou clique sur un lien MailTo sur le site. De plus, nous surveillons le nombre de personnes qui soumettent un formulaire, comme vous le devriez.
Au lieu de les rapporter séparément, elles sont en réalité de la même manière. Ils envoient des emails d’une manière ou d’une autre. Pourquoi ne les soumettons-nous pas simplement comme une métrique? Donc, dans ce cas, vous pouvez dire saisir tout le courrier pour former des complétions, puis saisir toutes les finitions d’objectif de formulaire, et vous avez maintenant un nombre total de demandes par e-mail ou de requêtes totales ou tout ce que vous pourriez vouloir appeler. Vous pouvez faire la même chose, par exemple, les appels téléphoniques et les e-mails, est-ce vraiment important qu’ils soient dans des compartiments séparés?
Il suffit de les mettre tous en un. La même chose avec les mathématiques de base. Il suffit de tout ajouter et vous obtenez une métrique totale que vous pouvez présenter au client. Voici combien d’argent nous avons fait pour vous. Boom. C’est un bon. La prochaine chose – je vais juste retourner ici – est des formules.
2. Formules
Bon, les formules, une des choses que j’aime beaucoup, c’est de regarder les données de votre console de recherche Google. Ceci est dans Data Studio. Vous allez utiliser Search Console pour cela, qui est une source de données intéressante. Nous savons tous que les données de la console de recherche ne sont pas nécessairement précises à 100%, mais il y a toujours beaucoup de mots-clés à trouver si elle est facile à trouver, et que l’interface de la console de recherche n’est pas géniale.
Ainsi, vous pouvez créer un rapport dans Data Studio et dire « match regex », donc n’ayez pas peur des regex. Je pense que tout le monde devrait l’apprendre. Mais si vous n’êtes pas très familier, c’est un moyen très simple de le faire. Dites, d’accord, chaque fois qu’un mot clé contient pourquoi, comment, peut, quoi, par exemple, alors ce sont des recherches de questions. Vous pouvez le changer pour tout ce qui a du sens pour vous.
Mais cela ne fait que retirer ce sous-ensemble de données. Ensuite, vous pouvez voir, donc si ce sont des recherches de questions, avons-nous du contenu
qui répond à cette question? Non. Peut-être que c’est quelque chose auquel nous devons réfléchir. Ou nous recevons des impressions pour cela. Vous pouvez le filtrer et dire que seules les recherches de questions d’affichage ont un rang inférieur à 20. C’est une véritable mine de données avec laquelle vous pouvez jouer.
3. Transforme
Le troisième est des transformations. Comme je l’ai mentionné plus tôt, c’est une très bonne façon de prendre Facebook, par exemple. Nous avions un client qui avait Facebook dans toutes les majuscules et Facebook dans le cas du titre et Facebook dans les sources et les médias en minuscule, car ils étaient très décontractés avec la façon dont ils utilisaient leurs codes UTM. Nous les avons simplement normalisés pour les abaisser, et ce sont de belles transformations de texte que vous pouvez faire.
Cela rend les choses un peu plus agréables. Je recommande de faire certaines choses, surtout si vous avez des données en désordre.
4. logique
Alors le grand ici. C’est de la logique, et je vais juste passer une seconde ici. Maintenant, la logique a beaucoup de composants différents. Ce que je vous montre en ce moment, c’est un cas où finissent par transformer ou la logique. Nous l’utilisons pour ranger les données des canaux défectueux.
Donc, ce client que j’ai mentionné, qui était tout simplement désinvolte avec ses balises UTM et qui mettait simplement en place des éléments anciens, je pense qu’ils avaient des annonces ciblées en tant que support. Vous pouvez configurer des chaînes et tout le reste dans Google Analytics. Mais en fin de compte, en réalité, tout le monde n’est pas doué pour suivre les règles des UTM que vous avez définies. Des choses arrivent.
Ça va. Vous pouvez le réparer dans Data Studio. Surtout si vous ouvrez Google Analytics et que vous voyez que vous avez cet autre canal, dont je suis certain que lorsque nous avons hérité d’un compte Analytics, nous l’examinons et il y a ce canal, et il ne s’agit que d’un gros sac de merde.
Vous pouvez y aller et le transformer en données de canal réelles, utiles, qui correspondent à la destination. Ce que j’ai ici est un exemple vraiment simple. Cela pourrait continuer pour les lignes et lignes et lignes. Je viens d’inclure deux lignes parce que ce tableau blanc est tellement grand.
Donc, vous commencez par dire cas. C’est le cas lorsque l’idée est de savoir quand, et alors la première ligne ici est la source égale à directe et le médium égal à non défini ou moyen aucun, puis direct. Donc, je dis bien, alors c’est la base de la façon dont le trafic direct se produit.
Si la source est directe et que le support n’est pas réglé ou que le support n’est pas défini, comme si je n’avais aucune donnée, le trafic est direct. C’est bien ce que fait Google Analytics. Rien de spécial ne se passe ici. Maintenant, voici la prochaine chose. Dans ce cas, je dis maintenant que je combine une correspondance de regex, dont nous avons parlé ici, avec le cas, et maintenant ce que je dis, c’est quand le regex correspond au support, et puis je l’ai ici .
N’ayez pas peur de ça. Je sais que c’est une regex et peut-être que vous n’êtes pas très à l’aise avec ça, mais c’est assez élémentaire, et une fois que vous faites cela, vous vous sentirez comme un assistant de données, je vous le garantis. La première fois que je l’ai fait, je me suis levé de mon ordinateur et j’ai dit « Oui » la première fois que cela fonctionnait. Jouez simplement avec. Ça va être génial. Donc tu as un peu … comment ça s’appelle? Vous avez un petit truc en forme de flèche là-bas, un très mauvais signe de médium.
Ce que cela veut dire, c’est que si vous avez quelque chose qui est en quelque sorte un médium étrange, écrivez simplement tout le brut que les gens ont mis au fil des années, tous les médiums étranges qui n’ont absolument aucun sens à tout. Il suffit de tout mettre là-dedans et vous pouvez alors le jeter dans un seau appelé social payée. Vous pouvez faire la même chose avec le trafic de référence. Ou, par exemple, cela est vraiment utile si un client dit: «Eh bien, je veux savoir comment cet ensemble de trafic d’affiliation se compare à cet ensemble de trafic d’affiliation», alors vous pouvez les séparer en différents compartiments.
Cela ne concerne pas uniquement les données de canal. Je l’ai fait, par exemple, lorsque nous examinions des données sociales et que nous comparions des équipes de la NFL comme exemple d’un autre outil, Rival IQ. Ce que j’ai dit, c’est que ces équipes sont ici dans l’AFC Est et que ces équipes sont dans l’AFC Ouest. Si j’ai foiré et que j’ai dit AFC East and West, ne vous fâchez pas contre moi dans les commentaires. Je promets que je joue au football fantastique. Je ne me souviens tout simplement pas maintenant.
Mais vous pouvez combiner différents domaines. Ceci est idéal pour des choses comme les régions de vente, par exemple. Si vous vous sentez généreux, l’Amérique du Nord équivaut au Canada et aux États-Unis plus le Mexique. C’est la politique de l’ALENA. Cela dépend vraiment de ce que vous voulez faire avec ces régions de vente et comment vos données, ce qui est significatif pour vous. La chose la plus importante à ce sujet est que vous pouvez modifier ces données pour qu’elles soient plus faciles à utiliser.
Je veux dire, sinon, nous ne savons pas si cela pourrait réellement sortir. Je n’ai pas essayé cela moi-même. Si c’est le cas, laissez un commentaire et faites le moi savoir.
Ensuite, vous vous retrouvez avec une fin. Lorsque vous êtes dans Data Studio, lorsque vous faites ces formules calculées, vous verrez à droite
