La semaine dernière, l’équipe Looker Studio a lancé un nouveau type de graphique : le graphique en entonnoir ou tunnel !
Si vous souhaitez avoir un aperçu de ce nouveau type de graphique natif, vous pouvez consulter la documentation officielle et lire la revue fonctionnelle écrite par Michele Kiss (en anglais).
Au-delà de l’excitation pour la sortie du graphique en entonnoir, j’ai également reçu plusieurs questions concernant les données requises pour utiliser ce graphique, voici 2 exemples :
- « Jusqu’à présent, j’utilise une visualisation de la communauté avec des métriques ordonnées pour la configuration, comment puis-je migrer sur ce nouveau graphique ? » 🤔
- « Ma source de données est une connexion native à GA4 et je veux créer un entonnoir d’articles avec « items views, items added to cart, items checked out, and items purchased ». Comment puis-je faire cela ? » 🤔
En effet, le graphique en tunnel ou entonnoir de Looker Studio nécessite de définir 2 champs comme configuration :
- Une dimension correspondant aux identifiants des étapes
- Une métrique unique pour la mesure de chaque étape, qui est également utilisée pour le calcul des métriques dérivées, comme les taux (pourcentage du maximum ou pourcentage de l’étape précédente)
Voyons donc comment gérer cette situation avec le tutoriel ci-dessous, en changeant le modèle de données pour s’adapter au graphique en entonnoir natif de Looker Studio.
Comme d’habitude, une alternative consisterait à adapter la source de données pour être alignée avec les exigences du type de graphique. Mais en même temps, vous n’allez pas préparer un autre ensemble de données de reporting pour un seul graphique si la couche de visualisation peut fournir une solution rapide.
Table des matières
Ingrédients
Pour cette configuration, nous aurons besoin des éléments suivants :
- Votre jeu de données actuel avec des métriques agrégées et des dimensions optionnelles
- Une source de données statique pour lister et ordonner les étapes du tunnel
- Une combinaison de données (data blending) pour associer la bonne étape à la bonne métrique
- Le graphique en tunnel alimenté par les données combinées
- Un champ calculé au niveau du graphique pour fusionner plusieurs métriques en une seule mesure d’entonnoir
Jeu de données
Considérons que votre source de données fournit un ensemble d’interactions e-commerce. Pour cet exercice, ma source de données inclut 2 dimensions (date et type d’appareil) et 4 métriques agrégées :
- Sessions with Add to Cart
- Sessions with Checkout
- Sessions with Payment Method
- Sessions with Purchase
Source de données pour les étapes du tunnel d’achat
Nous créons une source de données simple avec 2 champs : nom de l’étape et ordre de l’étape. Pour ce tutoriel, j’ai décidé d’utiliser une source de données Google Sheets qui stocke mes quatre étapes e-commerce avec l’ordre correspondant :
- Add to cart
- Checkout
- Payment Method
- Purchase
Alternativement, vous pouvez construire la même source de données statique avec un fichier CSV, un fichier Excel ou une requête personnalisée BigQuery (avec un bac à sable gratuit ou sur votre projet Google Cloud Platform) en utilisant une requête SQL comme dans l’exemple ci-dessous.
SELECT step_name, step_order FROM UNNEST([STRUCT('Add to Cart' AS step_name, 1 AS step_order),STRUCT('Checkout' AS step_name, 2 AS step_order),STRUCT('Payment Method' AS step_name, 3 AS step_order),
STRUCT('Purchase' AS step_name, 4 AS step_order)]) ;Combinaison de données (blending)
Nous configurons maintenant les données combinées « BD – Steps for Funnel Chart » comme décrit ci-dessous pour notre exemple :
- Table de gauche – Google Sheets avec les étapes du tunnel
- Dimensions : step_name, step_order
- Métrique : aucune
- Filtre : aucun
- Table de droite – Votre source de données principale
- Dimensions : Date, Device Type
- Métriques : »Sessions with Add to Cart », « Sessions with Checkout », « Sessions with Payment Method », « Sessions with Purchase »
- Filtre : aucun
- Configuration de la jointure
- Opérateur : Jointure croisée (Cross join)
- Clé : aucune
Configuration du graphique
Enfin, ajoutons un graphique en entonnoir sur notre page de rapport avec la configuration suivante :
Type de graphique : Graphique en entonnoir (barres en escalier ici)
- Onglet « Configurer »
- Source de données : Vos données combinées « BD – Steps for Funnel Chart »
- Dimension : « step_name » renommée « Step »
- Métrique : Un champ calculé au niveau du graphique nommé « Sessions » correspondant à la formule ci-dessous
- Trier par : step_order ascendant
- Onglet Style
- Personnalisez les données que vous souhaitez afficher et adaptez les styles
SessionsWHEN "Add to Cart" THEN Sessions with Add to Cart WHEN "Checkout" THEN Sessions with Checkout WHEN "Payment Method" THEN Sessions with Payment Method WHEN "Purchase" THEN Sessions with Purchase ENDRevue de la configuration
Et pour finir, faisons une revue de l’ensemble de la configuration pour être bien sûr que vous n’avez pas raté une….étape…hoho.
Dernières précisions
Mon exemple peut être considéré comme simple car je n’ai pas besoin de plus de 2 tables combinées pour adapter le modèle de données, grâce aux métriques déjà calculées. Pour obtenir le même résultat dans des contextes moins faciles, toujours avec des capacités de combinaison de données, on pourrait également imaginer singer l’opérateur UNION avec 5 tables combinées. Chaque table inclurait un nom d’étape statique et une métrique avec les filtres nécessaires sur la table combinée.
Si vous cherchez de plus amples exemples de solutions personnalisées pour les tunnels et entonnoirs sous Looker Studio, j’ai écrit 2 autres articles complémentaires sur le sujet avant la sortie du graphique en entonnoir natif:
- Comment construire un entonnoir avec un simple tableau, plus pratique lorsque vous avez beaucoup d’étapes à gérer (en anglais uniquement pour l’instant)
- Comment créer un rapport d’entonnoir interactif, pour choisir quelle métrique vous souhaitez afficher
