Créer un dashboard Looker Studio de suivi d’A/B test en passant par BigQuery.

‍

Dans cet article, nous allons explorer les étapes pour configurer un dashboard Looker Studio dédié au suivi d’A/B tests, avec une intégration via BigQuery.

‍

Sommaire:

Créer un dashboard Looker Studio de suivi d’A/B test en passant par BigQuery.

1. Contexte et objectifs
2. Quels sont les pré-requis pour suivre les A/B tests avec BigQuery et votre outil analytics ?
3. Les étapes pour connecter votre outil d’A/B Test
4. Les étapes pour connecter votre outil analytics à BigQuery
5. Exploiter la donnée d’A/B TEST dans BigQuery
6. Créer un dashboard de suivi des A/B tests dans Looker Studio 

Contexte et objectifs 

Quel est l’objectif?

Créer un dashboard Looker Studio pour le suivi de vos données d’A/B Test en passant par BigQuery pour obtenir des insights décisifs via des dataviz poussées.

Comme dans notre dashboard Dashboard - AB Test - Welyft 

‍Qu’est-ce que BigQuery?

BigQuery est un service cloud de Google, conçu pour stocker, traiter et analyser de grandes quantités de données rapidement.

Quelques liens pour en savoir plus : 

• Présentation de BigQuery 
• Stockage  
• Analyse
• Administration  

Quel est l’avantage de passer par BigQuery?

BigQuery permet d'automatiser le suivi des A/B tests en exécutant des requêtes SQL programmées qui traitent directement les données brutes reçues (toutes les données sans agrégations) de vos outils analytics, permettant des calculs précis et personnalisés.

Les limites de certains outils analytics? 

Utiliser un connecteur entre certains outils analytics et Looker Studio peut comporter des points faibles : 

• Échantillonnage 
• Ne permets pas des calculs poussés (uplift, downlift, confiance statistiques) 

L'échantillonnage peut rendre les résultats imprécis, voire faussés. Dans la situation d’un A/B Test ou les performances des variations sont similaires : elle peut faussement désigner une variation comme gagnante, conduisant à des décisions erronées.

En savoir plus sur l’échantillonnage 

Donc, nous préférons passer par BigQuery pour : 

• L’automatisation 
• Eviter l'échantillonnage 
• Calculer les uplifts, downlifts et confiances statistiques

Pourquoi choisir un outil Analytics à une connexion directe entre A/B Test et BigQuery ?

La plupart des outils d’A/B Test ne proposent pas d’intégration BigQuery, ou ne sont qu’au stade de version Beta, ce qui ne permet pas une utilisation concrète de BigQuery pour des données d’A/B Test.

Nous avons le cadre et l’objectif de la création d’un dashboard Looker Studio de suivi d’A/B test en passant par BigQuery. Maintenant nous allons voir quels sont les pré-requis pour ce tutoriel. 

Quels sont les pré-requis pour suivre les A/B tests avec BigQuery et votre outil analytics ?

Pour suivre les A/B tests avec BigQuery et votre outil analytics, vous avez besoin de:

• Un compte analytics (GA4, Piano, Matomo) 
• Avoir un compte de facturation actif au sein de BigQuery
• Une connexion active entre l’outil d’A/B tests et l’outil d’analytics 
• Des campagnes d’A/B tests en cours
• Envoyer les données de vos campagnes d’A/B tests dans votre outil analytics . 
• Connaissances en SQL, en effet la mise en place de requêtes sur BigQuery s’effectue via du langage SQL, sans connaissance, il sera compliqué de les mettre en place. 

De plus, il faut noter que la démarche peut prendre du temps, à cause de la mise en place de toutes les dispositions pour GCP, et du temps de réception des données de votre extraction analytics, ainsi que du temps de préparation des requêtes SQL, prévoyez entre un jour ou deux ( temps d attente ) . 

Nous allons maintenant passer au tutoriel pour créer un dashboard Looker Studio de suivi d’A/B test en passant par BigQuery.

Tout au long de notre tutoriel, nous utiliserons l’exemple de GA4 comme outils analytics et Kameleoon en outil d’A/B Test. 

Les étapes pour connecter votre outil d’A/B Test

Comment connecter vos campagnes d’A/B tests à votre outil analytics?

Nous allons voir comment connecter votre outil d’A/B Test à votre outil analytics, dans notre exemple nous utilisons GA4 et Kameleoon.

1. Connectez-vous sur votre interface Kameleoon : https://app.kameleoon.com/integrations/dashboard.
2. Allez dans Gérer, puis intégration, puis installer GA4, sélectionner votre domaine et votre paramétrage de l'outil (GTM ou Gtag ), ce qui va définir la façon par laquelle la donnée va être collectée pour votre outil analytics.

3. Lors de la création d’un de vos tests, aller dans Finaliser, puis Suivi et Objectifs, puis “Autres outils de suivi” et cochez GA4, ce qui va permettre d’envoyer vos événements d’A/B Test de cette campagne dans votre outil analytics (Il faut paramétrer chacune des campagnes).

4. Lancez votre test. Google Analytics crée automatiquement des événements pour tous les tests que vous avez lancés et paramétrés. 

Une fois que vous avez mis en place la connexion entre Kameleoon et GA4, vous pouvez vérifier que les données remontent bien dans GA4.

Vérifier que la donnée remonte bien dans votre outil analytics 

Dans vos rapports, vérifiez si les événements sont correctement configurés. 

Dans notre exemple, nous utilisons de la donnée kameleoon et GA4, si vous utilisez un autre outil d’A/B Test vous devez vous baser sur le nom de l’événement que vous avez paramétré durant l’intégration à votre outil d’analyse. 

1. Connectez vous sur votre interface GA4 : https://analytics.google.com/analytics/web.
2. Allez dans l’onglet Rapports, ou se trouvent l’ensembles de vos analyses.

3. Cliquez sur le volet Engagement pour l’ouvrir, puis cliquez sur “Événements” pour accéder à l’interface de vos événements.

4. Une fois dans l’interface, vous pouvez taper dans la barre de recherche le nom de votre événement, que vous avez identifié, durant l’intégration de votre outil analytics et d’A/B Test.

Dans notre exemple, il s’agit d’un événement kameleoon_experiment.

5. Cliquez sur “entrer” pour arriver sur l’analyse de votre événement.

Dans notre exemple, nous observons qu’il y a bien de la donnée qui correspond à l’A/B Test, s’il n’a y a pas de résultats vérifiez qu’il s’agit bien de l’événement que vous avez paramétré, ou vérifiez la configuration de votre outil d’A/B Test.

Maintenant que nous avons de la donnée d’A/B TEST qui est présente dans notre outil analytics, nous allons connecter votre outil à BigQuery.

Les étapes pour connecter votre outil analytics à BigQuery

Pour exporter les données de votre outil analytics il faut d’abord paramétrer BigQuery pour réceptionner la donnée extraite, dans ce cadre nous devons configurer Google cloud plateforme.

‍Qu’est-ce que Google Cloud Plateform ?

Google Cloud Platform (GCP) est une suite de services de cloud computing incluant BigQuery, il vous faut impérativement un compte GCP si vous voulez utiliser BigQuery.

Si vous désirez en savoir plus sur GCP : Présentation Google Cloud Platform.

Voici l’ensembles des configurations à mettre en place:

• Créer un compte GCP 
• Créer un projet 
• Configurer un compte de paiement
• Configurer BigQuery 
• Configurer l’API Data Transfer

‍Créer un compte GCP

1. Créer un compte Google Cloud Platform: 

Pour cela rendez-vous sur la plateforme https://cloud.google.com/?hl=fr, puis cliquez sur “Démarrer maintenant”.

Choisissez votre pays puis acceptez.

Rentrez vos informations de paiement.

Cliquez sur “Démarrer l’essai gratuit”.

2. Créez un nouveau projet : 

Qu’est-ce qu’un projet ?

Un projet GCP est un espace de travail unique où vos données et applications sont centralisées, facilitant la collaboration et la facturation spécifique au projet pour toute votre organisation.

Ce qui veut dire que pour faciliter la facturation et votre organisation, créez un seul projet ou vous intégrez toutes vos données au sein de celui-ci.

Si vous désirez en savoir plus sur les projets dans GCP : Présentation des projets.

Si vous n'avez pas créer un projet, allez dans votre interface GCP  https://console.cloud.google.com/welcome, ensuite cliquez sur “Nouveau projet”. 

• Remplissez votre nom de projet, vous pouvez prendre un nom large comme le nom de votre entreprise. 
• Choisissez une organisation que vous avez configurée lors de la création de votre compte GCP.
• Choisissez une zone, ce qui correspond au dossier dans lequel vous intégrez votre projet. 
• Ensuite, appuyez sur “Créer”.

3. Compte de facturation à votre projet: 

‍Qu’est-ce qu’un compte de facturation ? 

Un compte de facturation dans Google Cloud Platform (GCP) est une entité qui gère la facturation et peut être lié à un projet pour centraliser et contrôler tous les coûts associés.

Plus d’informations sur les comptes de facturation : Gérer votre compte de facturation.

Un compte de facturation est nécessaire pour activer l’API Data Transfer de BigQuery (on vous expliquera ensuite ce qu’est l’API Data Transfer).

Comment créer un compte de facturation ?

Si vous en avez déjà créé un, rendez-vous ici. (faire un lien vers : Comment associer votre compte de facturation  à votre projet ?).

Dans la situation où vous n’avez pas créé de compte de facturation durant la création de compte GCP : 

Allez dans l’interface GCP et tapez “compte de facturation dans la barre de recherche”, puis cliquez sur “Compte de facturation”. 

GCP vous indiquera que “Ce projet ne comporte aucun compte de facturation”, cliquez sur “Gérez les comptes de facturation”. 

Cliquez sur “Ajoutez un compte de facturation”.

Sélectionnez votre pays. 

La création de compte de facturation est structurée comme suit : 

• Type de compte
• Informations fiscales
• Nom et adresse
• Contact principal
• Traitement des paiements
• Mode de paiement

Nous allons voir point par point à quoi correspondent les différentes informations que vous devez compléter.

Le type de compte permet de transmettre l’information si vous êtes un particulier ou une entreprise dans notre cas nous sommes une “Organisation”. 

Votre statut fiscal se complète automatiquement selon votre choix précédent. Pour les informations fiscales, vous pouvez vous contenter de votre statut fiscal, le reste est facultatif.

Dans nom et adresse, si vous êtes une organisation, remplissez : 

• Le nom de votre entreprise.
• Le nom du responsable légal.
• L’adresse, le code postal et la ville du siège social.

Dans “contact principal” : ajoutez le Nom du contact et son adresse mail.

En ce qui concerne le traitement de paiements : vous avez un compte gratuit pendant 90 jours, donc vous n’avez pas à vous occuper de ça. Si vous désirez plus d’informations sur la version d’essai GCP : https://cloud.google.com/free?hl=fr.

Ensuite, saisissez vos informations de paiement.

Comment associer votre compte de facturation  à votre projet ? 

Retournez sur “Gérer les comptes de facturation”.

‍

Sélectionnez votre organisation, puis votre compte de facturation pour l’associer à votre projet.

Une fois que vous avez un compte de facturation associé à votre projet, vous pouvez activer l’API BigQuery pour avoir accès à BigQuery, puis L’API Data Transfer.

‍

Activation de l'API BigQuery 

1. Activez L’API BigQuery, l’activation est quasiment instantanée.

Ce qui permet d’avoir accès à l’outil BigQuery et de recevoir de la donnée.

2. Activer l’API Data Transfer de BigQuery : 

Qu’est-ce que l’API Data Transfer de BigQuery ? 

Elle permet de : 

• Automatiser le transfert de données (via des requêtes).
• Gérer la surveillance des transferts.
• Gérer la gestion des erreurs.
• La mise à jour automatique des ensembles de données.

Dans notre cas, l’API va nous permettre de créer les requêtes automatisées pour agréger les données d’A/B Test et créer des tables pour Looker Studio. 

Pour activer l’API Data Transfer de BigQuery vous devez vous rendre API Data Transfer puis cliquez sur “Activer”, l’activation peut prendre plusieurs heures. 

Une fois l’API activée, tout est en place pour traiter la donnée, la prochaine étape est d’exporter la donnée GA4 dans votre BigQuery. 

Accéder à votre outil analytics et activer l'intégration BigQuery

Dans GA4 

1. Connectez-vous à votre compte Google Analytics 4 : https://analytics.google.com/analytics/web.
2. Allez dans les paramètres d'administration et trouvez l'option "BigQuery Links".

6. Cliquez sur "Link" pour ouvrir le paramétrage de votre connecteur BigQuery.

6. Cliquez sur “Choisir un projet”.

8. Choisissez le projet que vous avez créé précédemment dans GCP, puis cliquez sur “Confirmer”.

9. Choisissez votre localisation de donnée, choisissez la même localisation que votre projet sinon la donnée ne sera pas réceptionnée, puis cliquez sur “Suivant”.

10. Configurez la fréquence choisissant le type d’export.

Il y a 2 types d'export GA4 vers BigQuery : 

1. En flux continu pour des mises à jour en temps réel, cette option est plus coûteuse. 
2. En flux quotidien pour un transfert une fois par jour des données.

Pour plus d’informations voici de la documentation concernant la fréquence d'exportation et le prix: 

• Informations sur la fréquence d'exportation
• Tarifs de l'extraction de données  

Dans notre exemple, nous choisissons l’export quotidien, car il est plus courant, plus facile à requêter et moins coûteux.

Puis cliquez sur “Suivant”.

11. Votre lien BigQuery créé, vous pouvez voir ce message de succès et le nom de votre projet BigQuery.

Une fois que vous avez créé votre lien entre GA4 et BigQuery, retournez dans BigQuery pour vérifier que vous avez bien réceptionné la donnée. 

Vérifier que vos données d’événements sont correctement exportées dans BigQuery 

• Si vous avez choisi l’export quotidien : attendez le lendemain matin.
• Si vous avez choisi l’export en flux continu: vous pouvez directement vérifier.

Nous allons maintenant vérifier si la donnée GA4 est bien présente dans BigQuery.

1. Allez sur BigQuery.
2. Ensuite, allez dans BigQuery Studio. 

3. Afficher l’explorateur, l’explorateur vous permet d'accéder à l’ensemble de vos sources de données.

4. Vérifier dans le jeu de données GA4 est bien présent (Il doit être automatiquement ajouté si vous avez créé la connexion GA4 BigQuery), son nom commence par "analytics_". 

5. Une fois la vérification effectuée, cliquez sur la flèche pour développer le noeud, la table “events_”  s’affichera. 

6. Cliquez dessus pour faire apparaître l’ensemble des paramètres de la table. 

7. Ensuite cliquez sur “aperçu”, ce qui va faire apparaître un aperçu de l’ensemble de vos données pour vérifier que vous avez bien votre donnée GA4. 

Pour information, GA4 utilise une structure basée sur les événements, où chaque interaction utilisateur est enregistrée comme un événement avec des paramètres supplémentaires pour fournir des détails contextuels, dans notre situation cette structure permet de créer des dimensions et métriques à partir des paramètres d’événements. 

Vous pouvez observer que la donnée GA4 possède la structure suivante : 

• Evenent_name : nom de l’événement
• event_params.key : nom du paramètre d’événement 
• event_params.value.string_value : valeur du paramètre au format string (une chaîne de caractères)
• event_params.value.int_value  : valeur du paramètre au format int (valeurs numériques)

La colonne event_params.key correspond au paramètres d’événements, ils permettent de définir les dimensions dont vous avez besoin pour votre analyse. 

Les colonnes event_params_value sont les valeurs des différents paramètres. 

Maintenant que vous avez de la donnée GA4 dans votre BigQuery, nous allons traiter la donnée d’A/B Test à partir de ce jeu de données GA4.

Exploiter la donnée d’A/B TEST dans BigQuery 

Comprendre les événements d’A/B Test dans BigQuery 

Dans notre exemple, nous désirons exploiter la donnée d’A/B Test de Kameleoon.

Avant de traiter la donnée nous devons analyser ce qui est exploitable dans nos événements d’A/B Test de l’export GA4. 

Nous allons rédiger une requête SQL pour cibler via des filtres les événements d’A/B Test.

1. Allez dans BigQuery, puis cliquez sur “REQUÊTE SQL”.

Une fenêtre vierge apparaîtra dans laquelle vous pouvez écrire et tester vos requêtes SQL.

Afin d’analyser précisément ce qui est exploitable dans vos événements d’AB Test, vous pouvez cibler ces événements via des filtres dans vos requêtes.

2. Pour cibler des événements d’A/B Test utilisez la requête suivante: 

‍Collez la requête, en remplaçant le chemin de votre table avec votre nom_de_projet, votre ensemble de données_analytics et votre nom d’événement : SELECT * FROM `project_name.analytics_XXXXXXXX.events_XXXXXXXX` where event_name in("nom_de_votre_evenement") LIMIT 10 

3. Cliquez sur “Exécuter”.

4. Une fois, exécutée vous pouvez analyser votre événement d’AB Test.

Ainsi, vous avez les cartes en main pour définir l’ensemble des dimensions et métriques que vous désirez pour vos analyses d’A/B Test.

Définir les dimensions et métriques de vos analyses

Commencez par identifier et classifier les dimensions et les metrics qui seront nécessaires à votre analyse: créer (certains KPI’s sont personnalisés) les dimensions et métriques clés qui reflètent les performances de vos tests A/B.

Exemple de classifications:

1. Dimensions natives G4 : experiment_name, variation_name, campaign_id, device_type.
2. Métriques natives G4 conversion_rate, sessions,page_view, duree_moyenne_de_session.
3. Métriques Customisé dans BigQuery uplift, downlift.

Une fois les dimensions et métriques définies, vous pouvez mettre en place votre requête SQL. 

Préparez votre requête SQL pour agréger vos données dans BigQuery 

Une fois que vous savez ce dont vous avez besoin pour vos analyses, vous devez réaliser votre requête SQL adaptée à votre besoin, vous pouvez vous aider de l’IA pour générer votre requête. 

Voici un exemple de requête pour obtenir les dimensions et métriques cités précédemment: 

^{WITH experiment_events AS (SELECT user_pseudo_id,event_timestamp,event_name,(SELECT value.string_value FROM UNNEST(event_params) WHERE KEY='campaign') AS campaign,(SELECT value.string_value FROM UNNEST(event_params) WHERE KEY='variation_name') AS variation_name,(SELECT value.int_value FROM UNNEST(event_params) WHERE KEY='campaign_id') AS campaign_id,device.category as device_type FROM `project_name.data_set.events_*` WHERE event_name IN ('kameleoon_experiment','conversion','session_start','page_view')), session_metrics AS (SELECT user_pseudo_id,AVG(event_timestamp) OVER (PARTITION BY user_pseudo_id) - MIN(event_timestamp) OVER (PARTITION BY user_pseudo_id) AS session_duration FROM experiment_events WHERE event_name='session_start') SELECT campaign,variation_name,campaign_id,device_type,SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) AS conversion_rate,COUNTIF(event_name='session_start') AS sessions,AVG(session_duration) AS duree_moyenne_de_session,SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start'))-(SELECT SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) FROM experiment_events WHERE variation_name='control') AS uplift,(SELECT SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) FROM experiment_events WHERE variation_name='control')-SAFE_DIVIDE(COUNTIF(event_name='conversion'),COUNTIF(event_name='session_start')) AS downlift FROM experiment_events JOIN session_metrics USING (user_pseudo_id) GROUP BY campaign,variation_name,campaign_id,device_type ORDER BY conversion_rate DESC limit 10}

Ceci est une requête d’exemple : ne pas utiliser cette requête pour vos analyses, cependant vous pouvez vous inspirez de cette requête pour créer la vôtre.

Ensuite, suivez le même processus que vous avez vu précédemment pour exécuter des requêtes, exécutez votre requête dans BigQuery Studio et vérifiez vos résultats. 

Une fois que vous avez obtenu vos résultats de votre requête, vous pouvez ensuite créer des requêtes programmées qui se déclenchent automatiquement.

Créer vos requêtes programmées

Les requêtes automatiques permettent de créer des tables, qui par la suite seront disponibles pour Looker Studio se connecte à elles. 

Lorsque vous êtes sur BigQuery Studio que vos résultats de requêtes sont bons vous pouvez suivre la démarche suivante : 

1. Cliquez sur planifier.

Une fenêtre va s'ouvrir à droite dans laquelle vous pourrez configurer votre requête. 

2. Configurez la requête programmée :
   1. Le nom de la requête : vous pouvez la nommez “ab test” avec le nom de votre projet ou le nom du site, ou le type de test.

2. La fréquence de répétition : vous pouvez choisir le plus adapté à vos besoins, nous choisissons une fréquence par Jours pour avoir une vision hebdomadaire et pour s’adapter à l’export quotidien de GA4.

3. L’heure de la fréquence de répétition : l’heure est en UTC, nous choisissons un horaire qui est plus tardif que la réception des données GA4 pour pas que la requête se déclenche avant d’avoir réceptionné la donnée.

4. L’heure de commencement et la fin : si nous touchons à rien, la requête va se déclencher pour la première fois lors de la prochaine exécution selon notre programmation et s'exécutera selon la fréquence indéfiniment. 

5. Définissez la destination de la requête. 

Vous pouvez :

• Créer un dataset dédié 
• Choisir un dataset déjà existant ( exemple votre dataset analytics_XXXXX qui à été créé par la connexion GA4 )

Nous allons voir comment procéder pour les deux possibilités. 

6. Créer un dataset dédié : dans la condition ou vous voulez créer un dataset dédié cliquez sur “CRÉER UN ENSEMBLE DE DONNÉES”.

7. Une fenêtre va s'ouvrir vous pouvez nommer votre dataset exemple : A/B Test, puis sélectionnez la région (il faut sélectionner la même région que le dataset analytics, sans ça vous ne pourrez pas programmée la requête dans cet ensemble de donnée), puis cliquez sur “CRÉER L’ENSEMBLE DE DONNÉES”.

8. Une fois votre dataset créé ou non, sélectionnez le dataset, et nommez votre table de destination (souvent pour une question de simplicité nous utilisons le même nom de requête planifiée que de nom de la table).

9. La préférence d’écriture : 

• Ajouter à la table : ajoutez les lignes à la suite de la table, il faut alors adapter la requête SQL en conséquences pour éviter les doublons.
• Écraser la table : remplace la table avec les nouveaux résultats de requêtes à chaque exécution, permet d’éviter les doublons et ne nécessite pas de modification de votre requête.

10. Le type d’emplacement vous pouvez sélectionner automatiquement la région en cochant la case “Sélection automatique de l’emplacement”.

Si vous voulez la sélectionner manuellement : elle doit correspondre à celle de votre dataset analytics.

11. Enregistrez la requête programmée, ensuite vous pouvez vérifier la programmation de la requête en allant dans le menu à gauche, allez dans “Requête programmées.

Voici l’interface de Requêtes programmées :

Vous trouverez les informations suivantes : 

• Nom de la requête
• Source : sera toujours Scheduled Query 
• Planification : Correspond à votre paramétrage de planification, c’est à dire la fréquence et l’horaire 
• La région : dans quel région vous avez paramétré votre requête programmée 
• L’ensemble de données de destination : Il s’agit de la destination ou vont être stockés les données de résultats de votre requête 
• La prochaine exécution 
• Actions : Vous pouvez supprimer ou désactiver (elle sera inactive) 

Si vous voulez tester votre requête pour vérifier qu’il n’y a pas de soucis de programmation, vous pouvez l’exécuter manuellement.

Pour cela cliquez sur votre requête pour arriver sur les détails de votre requête programmée, puis cliquez sur programmer le remplissage. 

Cliquez sur retour, puis vous verrez que la requête est en cours de traitement avec ce symbole.

S’il n’a y a pas de soucis d'exécution vous verrez le symbole de validation.

Dans le cas contraire, vous verrez un symbole d’erreur, si ça arrive allez dans les détails de votre requête pour avoir plus d’informations sur l’erreur pour la résoudre. Les raisons peuvent être multiples. Voici de la documentation si vous rencontrez des difficultés : Problème d'exécutions de requêtes. 

Une fois que vous avez programmé votre requête, tout est prêt pour faire la connexion avec looker studio. 

Créer un dashboard de suivi des A/B tests dans Looker Studio 

Comment connecter Looker Studio à BigQuery? 

Looker Studio possède des connecteurs natifs BigQuery qui lui permet d’utiliser directement la donnée de vos tables BigQuery.

1. Aller dans Looker Studio.
2. Si vous n’en avez pas, créez un compte.‍
3. Nous allons maintenant définir nos tables BigQuery comme sources de données. Ensuite cliquez sur créer, puis sur source de donnée.

4. Choisissez le connecteur BigQuery.

5. Sélectionnez la table correspondante : Vous devez sélectionner le projet, puis l’ensemble de données, puis le tableau qui correspond à votre table de destination de votre requête programmée, puis cliquez sur associer.

6. Nommez votre source de donnée, exemple : “A/B Test - BigQuery”. 

Votre source de données est intégrée dans Looker Studio, vous pouvez maintenant commencer la création de votre dashboard. 

Créer votre Dashboard 

Une fois connecté à vos tables dans Looker Studio, créez votre dashboard en utilisant les dimensions et métriques disponibles, pour visualiser et analyser facilement les performances de vos A/B tests.

1. Créez un rapport dans Looker Studio, qui sera votre dashboard.

Lors de la création d’un rapport Looker Studio demande automatiquement l’ajout d’une source de donnée.

2. Allez dans “Mes sources de données”. 

3. Ajoutez votre source de donnée BigQuery.

4. Nommez votre rapport en haut à gauche de votre rapport, trouvez lui une nomenclature exemple = “Dashboard suivi d’A/B Test".

5. Insérez les visualisations adaptées pour créer votre Dashboard.

6. Ajoutez vos dimensions et métriques.

Lorsque vous cliquez sur votre visualisation dans le bandeau à droite s’affiche .

À l’intérieur de celui-ci à droite dans “données” en dessous de votre sources vous avez la liste des dimensions et métriques.

Vous pouvez les drag and drop, ou bien cliquez sur “Ajouter une dimension/metrique” pour les ajouter dans votre visualisation.

7. Styliser vos visualisation, cliquez sur votre visualisation, puis cliquez sur le bouton “Style” pour afficher les paramètres de personnalisation du style de votre dataviz. 

‍

Vous avez maintenant les cartes en main pour créer votre dashboard Looker Studio pour le suivi de vos données d’A/B Test en passant par BigQuery pour obtenir des insights décisifs via des dataviz poussées.

‍