{"id":11468,"date":"2022-10-10T14:11:40","date_gmt":"2022-10-10T14:11:40","guid":{"rendered":"https:\/\/datama.io\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/"},"modified":"2025-05-19T15:40:06","modified_gmt":"2025-05-19T15:40:06","slug":"use-case-2-identifying-ga3-vs-ga4-data-discrepancies","status":"publish","type":"post","link":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/","title":{"rendered":"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>\n

Cat\u00e9gorie<\/strong>: Performance | Solution : Datama Compare, Datama Pivot | Type : Ad hoc | Client : Web travel | Extension : Aucune Tags<\/strong>: #Occupation #Stock #Conversion<\/em><\/p>\n

<\/p>\n

Contexte<\/h2>\n

<\/p>\n

Le client est un acteur majeur de l’h\u00f4tellerie en France.  Avec le passage prochain de GA3 (Universal Analytics) \u00e0 GA4, l’\u00e9quipe charg\u00e9e de l’analyse des donn\u00e9es a commenc\u00e9 \u00e0 faire passer ses rapports web \u00e0 GA4. Au cours de ce processus, elle a remarqu\u00e9 des divergences dans ses principaux indicateurs cl\u00e9s de performance, tels que les sessions, les transactions et les revenus. Cependant, elle avait besoin d’un moyen d’identifier syst\u00e9matiquement toutes ces diff\u00e9rences entre les deux versions afin de d\u00e9terminer s’il existait des dimensions \u00e0 l’origine de ces \u00e9carts.   En d’autres termes, ils avaient besoin d’un moyen rapide de voir les diff\u00e9rences entre GA3 et GA4 et les causes possibles.<\/p>\n

<\/p>\n

Approche<\/h2>\n

<\/p>\n

\u00c9quation de march\u00e9<\/h3>\n

<\/p>\n

Option 1<\/h4>\n

<\/p>\n

Bien qu\u2019une \u00e9quation de march\u00e9 puisse ne pas sembler \u00eatre le moyen le plus \u00e9vident de r\u00e9soudre ce probl\u00e8me, nous avons imagin\u00e9 un graphique en cascade dans la solution Compare avec GA3 \u00e0 gauche et GA4 \u00e0 droite, et chaque \u00e9tape de la cascade serait un indicateur de performance sur lequel v\u00e9rifier les \u00e9carts entre les deux syst\u00e8mes de tracking.\"\"<\/p>

Cette \u00e9quation de march\u00e9 basique calcule les diff\u00e9rences entre les principaux KPI pour GA4 et GA3 et traduira les variations en impact sur le Revenues.<\/p>\n

<\/p>\n

Option 2<\/h4>\n

<\/p>\n

Une fois que nous avons identifi\u00e9 les KPI qui pr\u00e9sentent les plus grandes diff\u00e9rences, il est en fait (et pour une fois dans Datama !) plus int\u00e9ressant d’examiner les ratios des valeurs GA4 par rapport aux valeurs GA3 pour chaque mesure probl\u00e9matique. L\u2019\u00e9quation du march\u00e9 n\u2019est alors que le rapport entre les deux m\u00e9triques :\"\"<\/p>\n

<\/p>\n

Dataset<\/h3>\n

<\/p>\n

Option 1 (pour Datama Compare)<\/h4>\n

<\/p>\n

En plus des mesures Sessions, Transactions et Revenus, nous incluons des dimensions comparables, telles que la Date, l’Appareil ou le Navigateur pour voir si l’un ou l’autre de ces \u00e9l\u00e9ments contribue \u00e0 la diff\u00e9rence. Dans ce cas d’utilisation, les donn\u00e9es proviennent de Google Analytics 3 et 4, extraites via les API de reporting \u00e0 l’aide de Datama Prep.  Nous devons cr\u00e9er une colonne dans les donn\u00e9es pour d\u00e9crire si la source \u00e9tait ‘GA3’ ou ‘GA4’. Ceci peut \u00eatre facilement r\u00e9alis\u00e9 et automatis\u00e9 dans Datama Prep :\"\"Vous trouverez un exemple de l’ensemble de donn\u00e9es extraites.  ici<\/a>.<\/p>\n

<\/p>\n

\"\"<\/figure>\n

<\/p>\n

Option 2 (pour Datama Pivot & Impact)<\/h4>\n

<\/p>\n

Pour l’option 2, il suffit de d\u00e9pivoter l’ensemble de donn\u00e9es pr\u00e9c\u00e9dent afin d’obtenir deux colonnes d’une mesure donn\u00e9e, l’une avec les donn\u00e9es GA3 et l’autre avec les donn\u00e9es GA4. Heureusement, cela peut \u00eatre facilement fait dans Datama Prep avec l’ensemble de donn\u00e9es pr\u00e9c\u00e9dent en utilisant un bloc unpivot :\"\" Un exemple des donn\u00e9es transform\u00e9es peut \u00eatre trouv\u00e9.  ici<\/a>.<\/p>\n

<\/p>\n

\"\"<\/h2>\n

<\/p>\n

A retenir<\/h2>\n

<\/p>\n

Le graphique de la chute d’eau montre qu’il existe des diff\u00e9rences dans chacun des indicateurs cl\u00e9s de performance. Dans Datama Compare, en utilisant l’ensemble de donn\u00e9es n\u00b0 1, nous pouvons voir que la diff\u00e9rence la plus importante concerne les sessions, car leur d\u00e9finition est diff\u00e9rente d’un outil \u00e0 l’autre ;   Les transactions et les revenus semblent \u00eatre correctement suivis sur les deux outils car ils sont assez proches entre les deux outils. Par cons\u00e9quent (et uniquement parce que les sessions sont diff\u00e9rentes), la mesure de la conversion est \u00e9galement diff\u00e9rente.   \"\"Ainsi, nous avons fini par utiliser l’ensemble de donn\u00e9es n\u00b02 dans Datama Pivot pour mieux comprendre o\u00f9 se situaient les diff\u00e9rences dans le ratio des sessions, les sessions GA4 \u00e9tant inf\u00e9rieures de -16% \u00e0 celles de GA3. En utilisant Datama Pivot, nous sommes en mesure d’explorer rapidement les segments qui sont significativement sup\u00e9rieurs ou inf\u00e9rieurs \u00e0 la moyenne.  <\/p>\n

<\/p>\n

\"\"<\/figure>\n

<\/p>\n

En survolant chaque bulle, vous obtiendrez des informations sp\u00e9cifiques sur les valeurs aberrantes. Dans ce cas, nous pouvons voir que le ratio Edge des sessions entre GA4 et GA3 est particuli\u00e8rement bas, ce qui pourrait refl\u00e9ter un probl\u00e8me dans la mani\u00e8re dont les donn\u00e9es sont collect\u00e9es. Il est \u00e9vident que ce cas d’utilisation est assez limit\u00e9 en termes de dimensions utilis\u00e9es pour l’analyse, mais plus vous en avez, plus il est facile de trouver les facteurs d\u00e9terminants. En outre, nous avons pu mettre en place un cas d’usage de d\u00e9tection d’anomalie dans Datama Assess, afin de surveiller la fa\u00e7on dont ce ratio (Session GA4\/ Session GA3) \u00e9volue dans le temps, et d’\u00eatre notifi\u00e9 s’il sort des \u00ab\u00a0valeurs normales\u00a0\u00bb. Au cours de la \u00ab\u00a0p\u00e9riode de double suivi\u00a0\u00bb de 2022-2023, cela permet au client d’avoir confiance dans les chiffres de la nouvelle plateforme et de toujours pouvoir v\u00e9rifier la coh\u00e9rence des donn\u00e9es avant de proc\u00e9der \u00e0 une analyse plus approfondie.  <\/p>\n

<\/p>\n

\"\"<\/figure>\n

<\/p>\n

R\u00e9sultats<\/h2>\n

<\/p>\n

En utilisant Datama Compare<\/em><\/a> connect\u00e9 \u00e0 GA4 et GA3 via Datama Prep<\/em>, le client a pu rapidement \u00e9valuer les principales diff\u00e9rences dans ses KPIs entre les deux sources, et comprendre les raisons de ces diff\u00e9rences en se basant sur l’analyse des segments dans Datama Pivot. Il est maintenant en mesure de suivre cet \u00e9cart dans le temps et d’\u00eatre notifi\u00e9 de tout changement afin d’identifier les probl\u00e8mes de suivi ou les changements d’outils. Cette couche d’analyse a facilit\u00e9 le processus difficile de migration des outils d’analyse web en permettant de gagner du temps sur l’analyse et d’automatiser le suivi et les alertes.   <\/p>\n

<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Cat\u00e9gorie: Performance | Solution : Datama Compare, Datama Pivot | Type : Ad hoc | Client : Web travel | Extension : Aucune Tags: #Occupation #Stock #Conversion Contexte Le client est un acteur majeur de l’h\u00f4tellerie en France.  Avec le passage prochain de GA3 (Universal Analytics) \u00e0 GA4, l’\u00e9quipe charg\u00e9e de l’analyse des donn\u00e9es a commenc\u00e9 […]<\/p>\n","protected":false},"author":21,"featured_media":15481,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[127],"tags":[131,137,130,136,135],"class_list":["post-11468","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-use-case-fr","tag-analyse-des-lacunes","tag-analyse-web","tag-pont","tag-universalanalytics-fr","tag-waterfall-fr"],"yoast_head":"\nUse case #2 : Identifier les \u00e9carts de data entre GA3 et GA4 - Datama<\/title>\n<meta name=\"description\" content=\"Ils sont d\u00e9sormais en mesure de surveiller cet \u00e9cart au fil du temps et d\u2019\u00eatre inform\u00e9s de tout changement afin de trouver des probl\u00e8mes de suivi ou des changements d\u2019outils. Cette couche d\u2019analyse a contribu\u00e9 au processus difficile de migration des outils d\u2019analyse Web en permettant de gagner du temps sur l\u2019analyse et en automatisant la surveillance et les alertes.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4 - Datama\" \/>\n<meta property=\"og:description\" content=\"Ils sont d\u00e9sormais en mesure de surveiller cet \u00e9cart au fil du temps et d\u2019\u00eatre inform\u00e9s de tout changement afin de trouver des probl\u00e8mes de suivi ou des changements d\u2019outils. Cette couche d\u2019analyse a contribu\u00e9 au processus difficile de migration des outils d\u2019analyse Web en permettant de gagner du temps sur l\u2019analyse et en automatisant la surveillance et les alertes.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\" \/>\n<meta property=\"og:site_name\" content=\"Datama\" \/>\n<meta property=\"article:published_time\" content=\"2022-10-10T14:11:40+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-05-19T15:40:06+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/UCOTM2_IdentifyingGA3_GA4_discrepancies-jpg.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"452\" \/>\n\t<meta property=\"og:image:height\" content=\"285\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Lo\u00efc de la Giraudi\u00e8re\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@datama_solution\" \/>\n<meta name=\"twitter:site\" content=\"@datama_solution\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Lo\u00efc de la Giraudi\u00e8re\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\"},\"author\":{\"name\":\"Lo\u00efc de la Giraudi\u00e8re\",\"@id\":\"https:\/\/datama.io\/fr\/#\/schema\/person\/cb64fb5b880095b69cab691ee61fa3ae\"},\"headline\":\"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4\",\"datePublished\":\"2022-10-10T14:11:40+00:00\",\"dateModified\":\"2025-05-19T15:40:06+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\"},\"wordCount\":979,\"publisher\":{\"@id\":\"https:\/\/datama.io\/fr\/#organization\"},\"image\":{\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png\",\"keywords\":[\"analyse des lacunes\",\"analyse web\",\"pont\",\"UniversalAnalytics\",\"waterfall\"],\"articleSection\":[\"Use case\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\",\"url\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\",\"name\":\"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4 - Datama\",\"isPartOf\":{\"@id\":\"https:\/\/datama.io\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png\",\"datePublished\":\"2022-10-10T14:11:40+00:00\",\"dateModified\":\"2025-05-19T15:40:06+00:00\",\"description\":\"Ils sont d\u00e9sormais en mesure de surveiller cet \u00e9cart au fil du temps et d\u2019\u00eatre inform\u00e9s de tout changement afin de trouver des probl\u00e8mes de suivi ou des changements d\u2019outils. Cette couche d\u2019analyse a contribu\u00e9 au processus difficile de migration des outils d\u2019analyse Web en permettant de gagner du temps sur l\u2019analyse et en automatisant la surveillance et les alertes.\",\"breadcrumb\":{\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage\",\"url\":\"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png\",\"contentUrl\":\"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png\",\"width\":1920,\"height\":1080},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/datama.io\/fr\/accueil\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cas d’usage #2 : Identifying GA3 VS GA4 data discrepancies\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datama.io\/fr\/#website\",\"url\":\"https:\/\/datama.io\/fr\/\",\"name\":\"Datama\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/datama.io\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datama.io\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datama.io\/fr\/#organization\",\"name\":\"Datama\",\"url\":\"https:\/\/datama.io\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datama.io\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datama.io\/wp-content\/uploads\/2023\/12\/cropped-Logo-Datama.png\",\"contentUrl\":\"https:\/\/datama.io\/wp-content\/uploads\/2023\/12\/cropped-Logo-Datama.png\",\"width\":400,\"height\":100,\"caption\":\"Datama\"},\"image\":{\"@id\":\"https:\/\/datama.io\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/x.com\/datama_solution\",\"https:\/\/www.linkedin.com\/company\/datama\/\",\"https:\/\/www.youtube.com\/channel\/UCoxfesECCiubm0XLCXcN3TA\/featured\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datama.io\/fr\/#\/schema\/person\/cb64fb5b880095b69cab691ee61fa3ae\",\"name\":\"Lo\u00efc de la Giraudi\u00e8re\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4 - Datama","description":"Ils sont d\u00e9sormais en mesure de surveiller cet \u00e9cart au fil du temps et d\u2019\u00eatre inform\u00e9s de tout changement afin de trouver des probl\u00e8mes de suivi ou des changements d\u2019outils. Cette couche d\u2019analyse a contribu\u00e9 au processus difficile de migration des outils d\u2019analyse Web en permettant de gagner du temps sur l\u2019analyse et en automatisant la surveillance et les alertes.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/","og_locale":"fr_FR","og_type":"article","og_title":"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4 - Datama","og_description":"Ils sont d\u00e9sormais en mesure de surveiller cet \u00e9cart au fil du temps et d\u2019\u00eatre inform\u00e9s de tout changement afin de trouver des probl\u00e8mes de suivi ou des changements d\u2019outils. Cette couche d\u2019analyse a contribu\u00e9 au processus difficile de migration des outils d\u2019analyse Web en permettant de gagner du temps sur l\u2019analyse et en automatisant la surveillance et les alertes.","og_url":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/","og_site_name":"Datama","article_published_time":"2022-10-10T14:11:40+00:00","article_modified_time":"2025-05-19T15:40:06+00:00","og_image":[{"width":452,"height":285,"url":"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/UCOTM2_IdentifyingGA3_GA4_discrepancies-jpg.webp","type":"image\/webp"}],"author":"Lo\u00efc de la Giraudi\u00e8re","twitter_card":"summary_large_image","twitter_creator":"@datama_solution","twitter_site":"@datama_solution","twitter_misc":{"\u00c9crit par":"Lo\u00efc de la Giraudi\u00e8re","Dur\u00e9e de lecture estim\u00e9e":"6 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#article","isPartOf":{"@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/"},"author":{"name":"Lo\u00efc de la Giraudi\u00e8re","@id":"https:\/\/datama.io\/fr\/#\/schema\/person\/cb64fb5b880095b69cab691ee61fa3ae"},"headline":"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4","datePublished":"2022-10-10T14:11:40+00:00","dateModified":"2025-05-19T15:40:06+00:00","mainEntityOfPage":{"@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/"},"wordCount":979,"publisher":{"@id":"https:\/\/datama.io\/fr\/#organization"},"image":{"@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage"},"thumbnailUrl":"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png","keywords":["analyse des lacunes","analyse web","pont","UniversalAnalytics","waterfall"],"articleSection":["Use case"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/","url":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/","name":"Use case #2 : Identifier les \u00e9carts de data entre GA3 et GA4 - Datama","isPartOf":{"@id":"https:\/\/datama.io\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage"},"image":{"@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage"},"thumbnailUrl":"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png","datePublished":"2022-10-10T14:11:40+00:00","dateModified":"2025-05-19T15:40:06+00:00","description":"Ils sont d\u00e9sormais en mesure de surveiller cet \u00e9cart au fil du temps et d\u2019\u00eatre inform\u00e9s de tout changement afin de trouver des probl\u00e8mes de suivi ou des changements d\u2019outils. Cette couche d\u2019analyse a contribu\u00e9 au processus difficile de migration des outils d\u2019analyse Web en permettant de gagner du temps sur l\u2019analyse et en automatisant la surveillance et les alertes.","breadcrumb":{"@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#primaryimage","url":"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png","contentUrl":"https:\/\/datama.io\/wp-content\/uploads\/2022\/10\/2.png","width":1920,"height":1080},{"@type":"BreadcrumbList","@id":"https:\/\/datama.io\/fr\/use-case-2-identifying-ga3-vs-ga4-data-discrepancies\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/datama.io\/fr\/accueil\/"},{"@type":"ListItem","position":2,"name":"Cas d’usage #2 : Identifying GA3 VS GA4 data discrepancies"}]},{"@type":"WebSite","@id":"https:\/\/datama.io\/fr\/#website","url":"https:\/\/datama.io\/fr\/","name":"Datama","description":"","publisher":{"@id":"https:\/\/datama.io\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datama.io\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/datama.io\/fr\/#organization","name":"Datama","url":"https:\/\/datama.io\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datama.io\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/datama.io\/wp-content\/uploads\/2023\/12\/cropped-Logo-Datama.png","contentUrl":"https:\/\/datama.io\/wp-content\/uploads\/2023\/12\/cropped-Logo-Datama.png","width":400,"height":100,"caption":"Datama"},"image":{"@id":"https:\/\/datama.io\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/datama_solution","https:\/\/www.linkedin.com\/company\/datama\/","https:\/\/www.youtube.com\/channel\/UCoxfesECCiubm0XLCXcN3TA\/featured"]},{"@type":"Person","@id":"https:\/\/datama.io\/fr\/#\/schema\/person\/cb64fb5b880095b69cab691ee61fa3ae","name":"Lo\u00efc de la Giraudi\u00e8re"}]}},"_links":{"self":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts\/11468","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/users\/21"}],"replies":[{"embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/comments?post=11468"}],"version-history":[{"count":7,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts\/11468\/revisions"}],"predecessor-version":[{"id":17340,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts\/11468\/revisions\/17340"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/media\/15481"}],"wp:attachment":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/media?parent=11468"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/categories?post=11468"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/tags?post=11468"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}