Dernière mise à jour le 27 août 2026 à 16:19
Comment utiliser ce guide et les objectifs d’apprentissage
Ce guide est conçu pour les utilisateurs qui peuvent déjà créer des graphiques de base mais qui n’ont pas encore développé une compréhension systématique de la fusion de données. Il se concentre sur l’analyse marketing et explique pourquoi les données sont dupliquées, pourquoi les mesures jointes deviennent nulles et pourquoi le total des lignes peut être incorrect, et pas seulement sur les boutons sur lesquels cliquer.
Après avoir terminé ce guide, vous devriez être capable de :
- Décidez si un scénario de reporting est adapté au fusion de données.
- Choisissez les bons champs de jointure, l’opérateur de jointure et le grain de données.
- Combinez Google Ads et GA4 dans un seul tableau de performances publicitaires.
- Recalculez CTR, CPC, le taux de conversion des achats et ROAS à partir des métriques de base.
- Résolvez les problèmes liés aux valeurs nulles, aux mesures gonflées, aux enregistrements manquants, aux totaux incorrects et au chargement lent.
1. Qu’est-ce que le fusion de données ?
Un graphique standard lit généralement à partir d’une seule source de données. Une combinaison permet à un graphique, un tableau ou un contrôle d’utiliser plusieurs sources de données en même temps et de combiner des champs de différentes tables en fonction des conditions de jointure que vous définissez.
Google Ads : Date + Campaign ID + Coût + Clicks
↓
Mélange Data Studio
↑
GA4 : Date + Campaign ID + Sessions + Purchase Revenue1.1 Cas d’utilisation courants
| Cas d’utilisation | Combinaison de sources de données | Objectif |
|---|---|---|
| Analyse des performances publicitaires | Google Ads + GA4 | Combinez les dépenses, le trafic, les commandes et les revenus dans un seul tableau |
| Rythme budgétaire | Google Ads + Google Sheets | Comparez les dépenses réelles avec le budget mensuel et l’objectif ROAS |
| Résumé du canal Cross | Google Ads + Meta Ads + TikTok Ads | Comparez les dépenses, les clics et les conversions sur tous les canaux |
| Analyse des performances SEO | Search Console + GA4 | Comparez les impressions de recherche, les clics, les visites et les conversions |
| Analyse de rentabilité des produits | Données de commande + tableau des coûts | Calculer le chiffre d’affaires, le coût d’achat et la marge brute |
| Analyse des prospects CRM | GA4 + CRM | Évaluer les leads qualifiés et les ventes générées par chaque source |
1.2 Limites du fusion de données
Un mélange peut contenir jusqu’à cinq tables. La configuration mixte est intégrée au rapport actuel et ne peut pas être réutilisée directement dans les rapports comme une source de données standard. Lorsque l’intégralité du rapport est copié, le mélange est copié avec lui. Un mélange n’a pas non plus d’informations d’identification de données indépendantes ni de paramètres de fraîcheur ; il les hérite des sources de données sous-jacentes.
2. Quatre concepts fondamentaux que vous devez comprendre
2.1 Tableau
Un mélange se compose de plusieurs tables. Chaque tableau provient d’une source de données sous-jacente et inclut uniquement les dimensions, les mesures, les filtres et la plage de dates que vous ajoutez dans l’éditeur de fusion.
Tableau 1 : Google Ads Dates | Customer ID | Campaign ID | Campaign | Impressions | Clicks | Coût Tableau 2 : GA4 Dates | Session Google Ads customer ID | Session Google Ads campaign ID | Sessions | Achats | Revenue
2.2 Conditions de jointure
Les conditions de jointure déterminent quels enregistrements de deux tables appartiennent au même groupe. Il n’est pas nécessaire que les noms de champs soient identiques, mais leurs valeurs et types de données doivent être compatibles. Les conditions de jointure Data Studio prennent en charge uniquement les comparaisons d’égalité.
Google Ads Date = GA4 Date Google Ads Customer ID = GA4 Session Google Ads customer ID Google Ads Campaign ID = GA4 Session Google Ads campaign ID
Les jointures sans égalité telles que supérieur à, contient ou différent de sont prises en charge. Si votre logique métier nécessite une correspondance floue, une correspondance de plage ou des conditions complexes, traitez d’abord les données dans Google Sheets, BigQuery ou un autre outil en amont.
2.3 Rejoindre l’opérateur
L’opérateur de jointure détermine si les enregistrements sans correspondance sont conservés. L’option la plus courante pour l’analyse publicitaire est une jointure externe gauche : placez Google Ads à gauche, conservez tous les enregistrements publicitaires qui ont généré des dépenses, puis ajoutez les sessions, les achats et les revenus de GA4.
2.4 Grains de données
Le grain de données définit ce qu’une ligne représente. C’est le facteur décisif pour savoir si un mélange produit des résultats corrects.
| Type de rapport | Ce qu’une ligne représente | clé de jointure recommandée |
|---|---|---|
| Résumé quotidien | Une ligne par jour | Date |
| Rapport de campagne quotidien | Une ligne par jour, compte et campagne | Date + Customer ID + Campaign ID |
| Rapport quotidien du pays | Une ligne par jour et par pays | Date + Country |
| Rapport quotidien sur les produits | Une ligne par jour et SKU | Date + SKU |
| Détails de l’élément de campagne de commande | Une ligne par élément de campagne de commande | Order ID + Line item ID |
3. Comment choisir parmi les cinq types de jointure
| Type de jointure | Règle de conservation | Idéal pour | Risque principal |
|---|---|---|---|
| Left outer | Conserve tous les enregistrements de la table de gauche et ajoute les enregistrements correspondants de la table de droite | Tableau principal des dépenses publicitaires ou tableau principal des commandes | Plusieurs correspondances du côté droit peuvent gonfler les métriques du côté gauche |
| Right outer | Conserve tous les enregistrements de la table de droite | Quand les données du côté droit doivent être primaires | Habituellement remplacé par l’échange de l’ordre des tables et l’utilisation d’une jointure externe gauche |
| Inner | Conserve uniquement les enregistrements correspondant des deux côtés | Analyser uniquement les enregistrements entièrement correspondants | Les données sans correspondance disparaissent |
| Full outer | Conserve tous les enregistrements des deux côtés | Contrôles d’exhaustivité et diagnostics de données manquantes | Produit de nombreuses valeurs nulles et nécessite souvent IFNULL |
| Cross | Renvoie toutes les combinaisons possibles | Calculs et tests de combinaisons spéciales | Le nombre de lignes peut croître de façon exponentielle |
3.1 Pourquoi les rapports publicitaires utilisent généralement une jointure externe gauche
Les rapports publicitaires traitent généralement les dépenses médiatiques comme référence d’audit. Si une campagne a généré des dépenses mais que GA4 n’a aucune session ou achat correspondant, l’enregistrement publicitaire doit quand même apparaître. Placer Google Ads sur la gauche et utiliser une jointure externe gauche conserve ces enregistrements tout en affichant les métriques sans correspondance de la table de droite comme nulles ou 0.
3.2 L’ordre des tables est important dans les mélanges multi-tables
Data Studio effectue des jointures séquentiellement à partir de la gauche. Il joint d’abord le tableau 1 et le tableau 2, puis utilise ce résultat dans la jointure suivante avec le tableau 3. Lorsque vous mélangez automatiquement plusieurs graphiques, le premier graphique sélectionné devient le tableau le plus à gauche et une jointure externe gauche est utilisée par défaut.
4. Deux façons de créer un mélange
4.1 Méthode 1 : Mélanger automatiquement les graphiques existants
Cette méthode est utile pour effectuer des tests rapides ou créer temporairement des métriques de ratio.
- Créez au moins deux graphiques ou tableaux de bord dans le rapport, chacun utilisant l’une des sources de données cibles.
- Assurez-vous que chaque graphique contient uniquement les champs que vous souhaitez inclure dans le mélange.
- Maintenez Ctrl (ou Commande sur un Mac) enfoncé et sélectionnez les graphiques dans l’ordre souhaité de gauche à droite.
- Cliquez avec le bouton droit et sélectionnez « Blend data ».
- Vérifiez l’ordre des tableaux générés automatiquement, les champs de jointure et l’opérateur de jointure, puis ajustez les champs du graphique selon vos besoins.
4.2 Méthode 2 : créer manuellement un mélange
Pour les rapports de production, la méthode manuelle est recommandée car elle facilite la révision des champs, de la plage de dates, des filtres et des conditions de jointure pour chaque table.
- Accédez au mode d’édition du rapport et ajoutez les sources de données sous-jacentes, telles que Google Ads, GA4 et Google Sheets, au rapport.
- Ouvrez Resources → Manage blends → Add a blend. Vous pouvez également sélectionner un graphique et cliquer sur « + Blend data » dans la zone de source de données à droite.
- Configurez le premier tableau : sélectionnez la source de données et ajoutez des dimensions, des métriques, une plage de dates et des filtres au niveau du tableau.
- Cliquez sur « Join another table » et ajoutez le deuxième tableau.
- Cliquez sur la configuration de jointure entre les deux tables et sélectionnez un opérateur de jointure.
- Ajoutez une ou plusieurs conditions de jointure. Un champ de jointure doit d’abord être inclus dans sa table correspondante.
- Enregistrez et renommez le mélange. Le nom doit identifier à la fois les sources de données et le grain.
Noms recommandés :
BLEND_GAds_GA4_CampaignDaily
BLEND_Ads_Budget_Monthly
BLEND_SearchConsole_GA4_LandingPage5. Exemple pratique : rapport de performances Google Ads + GA4
Cet exemple crée un rapport de campagne quotidien qui affiche les dépenses média, le trafic du site Web, les achats et les revenus, et calcule CTR, CPC, le taux de conversion des achats sur le site Web et ROAS.
5.1 Champs requis dans le rapport final
| Tapez | Champ |
|---|---|
| Dimension | Date, Customer ID, Campaign ID, Campaign |
| Métriques Google Ads | Impressions, Clicks, coût |
| Métriques GA4 | Sessions, Ecommerce purchases, Purchase revenue |
| Métriques calculées | CTR, CPC, Achat CVR, ROAS |
5.2 Préparation
- Confirmez que Google Ads et GA4 sont correctement liés et que le Google Ads campaign ID est disponible dans les données GA4. Sinon, vous devrez revenir aux noms de campagne ou aux champs UTM.
- Confirmez que Google Ads et GA4 utilisent le même fuseau horaire ou acceptez explicitement les différences autour des limites de date.
- Confirmez que Coût et Purchase revenue utilisent la même devise. Dans les environnements multidevises, normalisez d’abord les taux de change en amont.
- Les rapports multicomptes doivent inclure Customer ID pour éviter toute collision entre des identifiants de campagne ou des noms identiques dans différents comptes.
- Définissez d’abord le grain : une ligne par jour, par compte et par campagne.
5.3 Configurer la table de gauche : Google Ads
| Tapez | Champ |
|---|---|
| Source de données | Google Ads |
| Dimension | Date |
| Dimension | Customer ID / Account ID |
| Dimension | Campaign ID |
| dimension d’affichage | Campaign |
| Metric | Impressions |
| Metric | Clicks |
| Metric | Cost |
Nommez cette table Google Ads Media Data. Placez-le à l’extrême gauche afin que tous les enregistrements publicitaires soient conservés.
5.4 Configurer la bonne table : GA4
| Tapez | Champ |
|---|---|
| Source de données | Google Analytics |
| Dimension | Date |
| Dimension | Session Google Ads customer ID |
| Dimension | Session Google Ads campaign ID |
| dimension d’affichage facultative | Session Google Ads campaign |
| Metric | Sessions |
| Metric | Ecommerce purchases |
| Metric | Purchase revenue |
Nommez cette table GA4 Données du site Web. Les étiquettes des champs peuvent différer légèrement selon les langues de l’interface. Sélectionnez donc les champs en fonction de la signification de la campagne ID et du client ID.
5.5 Définir l’opérateur de jointure et les conditions de jointure
Sélectionnez Left outer comme opérateur de jointure. Définissez les conditions de jointure sur :
Google Ads Date = GA4 Date Google Ads Customer ID = GA4 Session Google Ads customer ID Google Ads Campaign ID = GA4 Session Google Ads campaign ID
5.6 Créer un tableau de diagnostic avant de créer des cartes de pointage
Après avoir enregistré le mélange, créez d’abord un tableau standard plutôt que de créer immédiatement uniquement des cartes de score. Le tableau de diagnostic doit afficher au moins Date, Customer ID, Campaign ID, Campaign, Coût, Sessions, Ecommerce purchases et Purchase revenue.
Examinez chaque ligne de date et de campagne pour détecter les valeurs nulles, les lignes en double et l’inflation anormale. Ajoutez CTR, CPC, le taux de conversion et ROAS uniquement une fois que les métriques de base sont correctes.
6. Calculez CTR, CPC, le taux de conversion et ROAS
Les formules source Cross doivent être créées en tant que champs calculés spécifiques au graphique. Le chemin habituel est le suivant : sélectionnez le graphique qui utilise le mélange → Add metric → Add field. Un champ calculé créé dans une table individuelle peut référencer uniquement les champs de cette table et ne peut pas référencer directement une autre table.
6.1 CPC
CASE
WHEN SUM(Clicks) = 0 THEN 0
ELSE SUM(Cost) / SUM(Clicks)
ENDDéfinissez le format d’affichage sur Currency.
6.2 CTR
CASE
WHEN SUM(Impressions) = 0 THEN 0
ELSE SUM(Clicks) / SUM(Impressions)
ENDDéfinissez le format d’affichage sur Percent.
6.3 Taux de conversion des achats sur le site Web
CASE
WHEN SUM(Sessions) = 0 THEN 0
ELSE SUM(Ecommerce purchases) / SUM(Sessions)
ENDCette métrique est définie comme GA4 ecommerce purchases divisée par les sessions GA4. Il ne s’agit pas du taux de conversion publicitaire indiqué dans Google Ads, et les deux peuvent utiliser des règles d’attribution différentes.
6.4 ROAS
CASE
WHEN SUM(Cost) = 0 THEN 0
ELSE IFNULL(SUM(Purchase revenue), 0) / SUM(Cost)
ENDDéfinissez le format d’affichage sur Number avec deux décimales. Par exemple, 3,25 signifie que chaque unité de dépense publicitaire a généré 3,25 unités de purchase revenue.
6.5 Pourquoi vous ne devriez pas faire directement la moyenne de CTR ou CPC
| Campaign | Impressions | Clicks | CTR |
|---|---|---|---|
| Un | 100 | 10 | 10% |
| B | 10,000 | 100 | 1% |
Une moyenne directe des deux valeurs CTR est de 5,5 %, mais la valeur globale correcte de CTR est de 110 ÷ 10 100 ≈ 1,09 %. Mélangez les mesures de base telles que les impressions, les clics, les coûts, les sessions, les achats et les revenus, puis recalculez les ratios.
7. Filtres, plages de dates et ordre des opérations
Les plages de dates et les filtres d’un mélange fonctionnent à deux niveaux : avant la jointure et après la jointure. Leur position dans le processus diffère, de sorte qu’ils peuvent produire des résultats complètement différents.
7.1 Paramètres au niveau de la table : appliqués avant la jointure
Une plage de dates, un filtre ou un champ calculé au niveau de la table configuré pour une table individuelle dans l’éditeur de fusion est appliqué à cette table avant que Data Studio n’effectue la jointure.
Requête Google Ads → Appliquer des filtres au niveau de la table Google Ads → Agréger
Requête GA4 → Appliquer les filtres au niveau de la table GA4 → Agréger
↓
Effectuer une jointure7.2 Paramètres au niveau du graphique : appliqués après la jointure
Un filtre appliqué à un graphique qui utilise le mélange agit sur le résultat final mélangé. Par exemple, un filtre graphique de Revenue > 0 peut exclure les campagnes qui ont généré des dépenses mais aucun revenu.
7.3 Configuration des dates recommandée
Plage de dates du tableau Google Ads : Auto Plage de dates du tableau GA4 : Auto Page de rapport : ajouter un contrôle de plage de dates partagé
Utilisez différentes plages de dates fixes pour des tables individuelles uniquement lors de comparaisons de périodes, de comparaison avec des tables cibles ou d’analyse de fenêtres horaires spéciales.
8. Nettoyage et normalisation des champs de jointure
Les champs qui semblent identiques des deux côtés ne correspondent pas nécessairement. Les espaces, la casse des lettres, les types de données et les formats de date peuvent tous provoquer des échecs de jointure. Créez des champs standardisés dans chaque table et utilisez ces champs comme clés de jointure.
| Objectif | Exemple de formule |
|---|---|
| Supprimer les espaces de début et de fin | TRIM(Campaign) |
| Standardiser en minuscules | LOWER(TRIM(Campaign)) |
| Convertir un ID en texte | CAST(Campaign ID AS TEXT) |
| Convertir un ID en nombre | CAST(Campaign ID AS NUMBER) |
| Convertir du texte en date | PARSE_DATE(« %Y-%m-%d », Date Text) |
8.1 Préférer les identifiants aux noms
Les champs de nom peuvent être modifiés, varier selon les langues ou être dupliqués entre les comptes. Utilisez des identifiants stables tels que Campaign ID, Customer ID, Order ID et SKU pour les jointures et utilisez les noms uniquement à des fins d’affichage.
8.2 Le grain des dattes doit être constant
Ne joignez pas Date directement à Date Hour et ne traitez pas 2026-08-26 et 2026-08-26 14:00:00 comme le même grain. Normalisez d’abord les deux côtés en fonction du jour, de la semaine ou du mois.
9. Problèmes courants et dépannage
9.1 Toutes les métriques GA4 sont nulles
- Les types de données Date, Campaign ID ou Customer ID sont incohérents.
- GA4 ne contient pas le Google Ads campaign ID correspondant.
- Le nom Campaign est utilisé comme clé de jointure, mais les deux côtés diffèrent en raison des espaces, des majuscules ou du changement de nom historique.
- Customer ID est absent d’un rapport multicompte.
- Un filtre au niveau de la table ou une plage de dates excluait les données avant la jointure.
Pour le dépannage, réduisez la plage de dates à un jour et la portée à une campagne, puis affichez les champs de jointure des deux côtés dans le tableau de diagnostic.
9.2 Le coût ou Revenue est gonflé
La cause la plus courante est une clé de jointure non unique qui crée des correspondances un-à-plusieurs ou plusieurs-à-plusieurs.
Google Ads : Date + Campaign ID = 1 ligne, Coût = 100 GA4 : Date + Campaign ID + Country = 3 lignes Après avoir rejoint le Date + Campaign ID uniquement, le coût peut être dupliqué à 300
Les solutions possibles incluent la suppression de la dimension Country de GA4, l’ajout de Country des deux côtés ou l’agrégation des deux sources dans le même grain dans Google Sheets ou BigQuery en premier.
9.3 Certaines campagnes disparaissent
Vérifiez d’abord si une jointure interne est utilisée. Une jointure interne conserve uniquement les enregistrements correspondant des deux côtés. Les rapports publicitaires doivent généralement utiliser Google Ads comme tableau de gauche et sélectionner Left outer. Vérifiez également si un filtre au niveau de la table a supprimé les enregistrements avant la jointure.
9.4 Le total des lignes ne correspond pas aux résultats au niveau des lignes
Si la formule est Clicks / Impressions, Data Studio peut calculer le ratio pour chaque ligne, puis additionner ces ratios, produisant un total incorrect. Utilisez SUM(Clicks) / SUM(Impressions) pour calculer le ratio global.
9.5 Le contrôle de la plage de dates n’a aucun effet
- Le mélange ne contient pas de champ Date valide.
- Le graphique utilise une mauvaise dimension de plage de dates.
- La date Google Sheets est interprétée comme du texte.
- Les deux tables utilisent des grains de dattes différents.
- Une table comporte un Custom date range qui remplace le contrôle de plage de dates au niveau du graphique.
9.6 Un champ calculé ne peut pas référencer plusieurs sources de données
Un champ créé dans une table individuelle dans l’éditeur de fusion ne peut référencer que les champs de cette table. Pour calculer Purchase revenue / Cost, enregistrez d’abord la fusion, puis créez un champ calculé propre au graphique dans un graphique qui utilise la fusion.
9.7 Le rapport se charge très lentement
- Supprimez les champs et les dimensions inutilisés du mélange.
- Réduisez le nombre de tables et évitez les jointures croisées.
- Réduisez la plage de dates par défaut.
- Évitez un mélange inutilement granulaire, tel que l’inclusion simultanée de Campaign, Country, Device et Landing page.
- Vérifiez si un connecteur de communauté tiers répond lentement.
- Pré-agréger les modèles de données volumineux ou utilisés à plusieurs reprises dans BigQuery.
10. Flux de travail de validation des données
Ne publiez pas immédiatement après la création du mélange. Validez d’une petite portée à une plus grande pour identifier les problèmes de jointure le plus rapidement possible.
- Créez une table brute Google Ads, une table brute GA4 et une table de diagnostic mixte.
- Limitez la plage de dates à un jour.
- Sélectionnez une campagne comportant des dépenses, des sessions et des achats.
- Comparez le coût Google Ads avec le coût dans le tableau mixte, puis comparez GA4 Sessions, les achats et Revenue avec les mesures combinées correspondantes.
- Vérifiez si Date + Customer ID + Campaign ID est unique dans chaque table.
- Étendez la portée à toutes les campagnes pendant une journée, puis à 7 jours et 30 jours.
- Une fois les métriques de base correctes, validez CTR, CPC, Achetez CVR et ROAS.
10.1 Quelles métriques doivent correspondre ?
| Vérifier | Résultat attendu |
|---|---|
| Coût Google Ads | Doit correspondre à Google Ads sous les mêmes filtres de date, de compte et de campagne |
| Google Ads Clicks / Impressions | Doit correspondre à la table brute Google Ads |
| GA4 Sessions / Achats / Revenue | Doit correspondre à la table brute GA4 sous les mêmes dimensions et filtres |
| Conversions Google Ads par rapport aux achats GA4 | Ne devrait pas correspondre, car les modèles d’attribution, le calendrier de conversion et les définitions peuvent différer |
11. Optimisation des performances et alternatives
11.1 Lorsqu’un mélange Data Studio est toujours approprié
- Le mélange ne contient pas plus de cinq tables.
- La logique de jointure est principalement une à un ou plusieurs à un.
- Le volume de données est modéré et le rapport est principalement utilisé à des fins de visualisation.
- Le mélange est nécessaire uniquement dans le rapport actuel.
- Le nettoyage sur le terrain et les règles commerciales sont relativement simples.
11.2 Quand Sheets ou BigQuery est un meilleur choix
- Vous devez rejoindre plus de cinq tables.
- Le modèle contient des relations plusieurs-à-plusieurs complexes, une correspondance floue ou une correspondance de plage.
- Un modèle de données unifié doit être réutilisé dans plusieurs rapports.
- Le flux de travail nécessite un nettoyage approfondi, une déduplication, une conversion de devise ou des calculs d’attribution.
- Le volume de données est important et les graphiques mixtes sont sensiblement lents ou dépassent fréquemment les quotas.
- Vous devez conserver les données détaillées ou les instantanés transformés sur le long terme.
Google Ads + GA4 + CRM + Shopify
↓
Google Sheets / BigQuery
Nettoyer · Dédupliquer · Standardiser · Agréger
↓
Data Studio
Filtres, graphiques et présentation uniquement12. Modèle de configuration et liste de contrôle réutilisables
12.1 Modèle de configuration Google Ads + GA4
Nom du mélange : BLEND_GAds_GA4_CampaignDaily Grain de données : une ligne par jour, compte et campagne Tableau de gauche : Google Ads Dimensions : Date, Customer ID, Campaign ID, Campaign Métriques : Impressions, Clicks, coût Tableau de droite : Google Analytics Dimensions : Date, Session Google Ads customer ID, Session Google Ads campaign ID Métriques : Sessions, Ecommerce purchases, Purchase revenue Opérateur de jointure : Left outer Conditions d'adhésion : Date + Customer ID + Campaign ID Métriques calculées : CTR, CPC, Achat CVR, ROAS Périmètre de validation : Un jour et une campagne
12.2 Liste de contrôle préalable à la publication
| Terminé | Élément de la liste de contrôle |
|---|---|
| □ | La signification d’une ligne a été clairement définie. |
| □ | Les tables de gauche et de droite utilisent le même grain. |
| □ | Les ID stables sont utilisés comme champs de jointure au lieu de noms dans la métrique du possible. |
| □ | Customer ID est inclus dans les rapports multicomptes. |
| □ | Les types de champs de date et les grains de date sont cohérents. |
| □ | Coût et Revenue utilisent la même devise. |
| □ | Le tableau de données primaires est placé à l’extrême gauche. |
| □ | L’opérateur de jointure correspond au comportement de conservation des données prévu. |
| □ | Chaque combinaison jointure-clé est aussi unique que possible au sein de chaque table. |
| □ | Les mesures de ratio telles que CTR, CPC et ROAS ne sont pas directement moyennées. |
| □ | Les formules de table Cross sont créées dans le graphique fusionné. |
| □ | Les filtres au niveau de la table ne suppriment pas les enregistrements nécessaires à la jointure. |
| □ | Un rapprochement au niveau des lignes a été effectué pour un jour et une campagne. |
| □ | Les valeurs nulles, les lignes en double et le total des lignes ont été vérifiées. |
| □ | Le mélange contient uniquement les champs réellement nécessaires. |
12.3 Termes clés de l’interface
| Concept | Étiquette d’interface en anglais |
|---|---|
| fusion de données | Blend data / Mélange |
| Join another table | Join another table |
| Join condition | Join condition |
| Left outer join | Left outer join |
| Inner join | Inner join |
| Dimension | Dimension |
| Metric | Metric |
| Chart-specific calculated field | Chart-specific calculated field |
| Date range | Date range |
| Filter | Filter |
Conclusion
L’avantage de la fusion Data Studio réside dans le fait qu’elle transforme les données de différents systèmes en une vue commerciale exploitable au sein du même graphique. Toutefois, il ne résout pas automatiquement les problèmes liés aux définitions de données, au grain ou aux relations de jointure. Définissez le grain avant de choisir les clés de jointure, validez les métriques de base avant de calculer les ratios et rapprochez une petite portée avant d’étendre le rapport complet. Suivre cet ordre permet de détecter précocement la plupart des erreurs de mélange.