User data et E-commerce

Suivi de la qualité des données

Probr analyse automatiquement la qualité des données qui transitent dans votre conteneur sGTM. Cette page explique les métriques de qualité et comment les interpréter.

Qualité des données utilisateur (Enhanced Conversions)

Pourquoi c'est important

Les Enhanced Conversions (conversions améliorées) de Google Ads, Meta CAPI, et d'autres plateformes dépendent de la présence de données utilisateur first-party :

• Email → matching utilisateur pour l'attribution
• Téléphone → signal complémentaire pour le matching
• Adresse (prénom, nom, ville, pays) → améliore le taux de match

Un taux de présence faible = un taux de match faible = des conversions attribuées en moins = un ROAS sous-estimé.

Ce que Probr vérifie

Pour chaque événement, Probr vérifie la présence (non vide) des champs suivants :

Champ	Path dans l'événement sGTM	Impact
Email	user_data.email_address	Critique — signal principal pour le matching
Téléphone	user_data.phone_number	Important — améliore le taux de match de ~15%
Prénom	user_data.address.first_name	Utile — matching d'adresse
Nom	user_data.address.last_name	Utile — matching d'adresse
Ville	user_data.address.city	Complémentaire
Pays	user_data.address.country	Complémentaire

Objectifs recommandés

Métrique	Objectif	Critique si en dessous de
Taux de présence email	>70% sur les conversions	<40%
Taux de présence téléphone	>30%	<10%
Taux de présence adresse	>50%	<20%

Ces objectifs s'appliquent aux événements de conversion (purchase, generate_lead, sign_up). Il est normal que les page_view aient un taux plus faible.

Comment améliorer les taux

Si vos taux sont faibles :

1. Vérifiez votre dataLayer client-side : les données user_data sont-elles bien poussées dans le dataLayer avant l'événement de conversion ?
2. Vérifiez le client sGTM : le client (GA4, custom) transmet-il bien le user_data dans l'event data ?
3. Formulaires : assurez-vous que vos formulaires de checkout/login collectent ces données et les rendent disponibles dans le dataLayer
4. Consentement : si vous utilisez un CMP, vérifiez que le consentement marketing est bien accordé avant l'envoi des données utilisateur

---

Qualité des données e-commerce

Pourquoi c'est important

Des données e-commerce incomplètes causent :

• Perte de revenue tracking dans GA4 si value ou currency manque
• Déduplication impossible si transaction_id manque (achats comptés en double)
• Rapports articles cassés si items manque (pas de product performance)

Ce que Probr vérifie

Sur les événements purchase, begin_checkout, add_to_cart, et add_payment_info :

Champ	Path	Impact si absent
value	value	Revenue non tracké
currency	currency	Revenue en devise inconnue
transaction_id	transaction_id	Risque de doublons
items	items	Pas de données produit

Objectifs recommandés

Métrique	Objectif
value présent sur purchase	100%
currency présent sur purchase	100%
transaction_id présent sur purchase	100%
items présent sur purchase	>95%

Sur add_to_cart et begin_checkout, un taux de 100% pour items est attendu. Pour value, il peut varier selon votre implémentation.

---

Dashboard qualité

Dans le dashboard Probr, l'onglet Data Quality affiche :

1. Score global : pourcentage pondéré de complétude des données
2. Tendances : évolution des taux de présence sur 7/30 jours
3. Alertes : notification si un taux passe en dessous du seuil critique
4. Détail par événement : breakdown par type d'événement (purchase vs page_view vs add_to_cart)

Interprétation du score global

Score	Interprétation
90-100%	Excellent — votre implémentation est solide
70-89%	Bon — quelques améliorations possibles
50-69%	Attention — des données manquent régulièrement
<50%	Critique — problème d'implémentation à corriger