Les quotas GA4 - l’évolution qui rend inutilisables la plupart des rapports Looker Studio

Pourquoi mon Looker Studio affiche-t-il une multitude d’erreurs depuis quelques jours ?

En octobre dernier, Google a annoncé avoir unifié Data Studio avec Looker, ce qui a amené à l’apparition du, maintenant, fameux Looker Studio. Pour ceux qui auraient raté l’annonce, Google déclare vouloir unifier la famille de produits d’informatique décisionnelle sous l’égide de Looker, en réunissant Looker, Data Studio et les technologies de base de Google telles que l’intelligence artificielle (IA) et le machine learning (ML).

Comme Looker Studio fait désormais partie de l’environnement Google, tous ses utilisateurs s’attendaient, peut-être, à plus de fonctionnalités, plus d’intégrations, plus de souplesse.

Mais au lieu de cela, depuis le 7 novembre 2022, les utilisateurs Looker Studio du connecteur GA4 voient divers messages d’erreur apparaître sur leurs tableaux de bord. . Les erreurs incluent “Looker Studio ne peut pas se connecter à votre ensemble de données”, “Erreur de configuration de l’ensemble de données” ou encore “Échec de la récupération des données à partir de l’ensemble de données sous-jacent”.

La raison ? Un tout petit mot : ‘quotas’.

Google a activé la limitation des quotas pour le connecteur Looker Studio GA4, comme indiqué dans leurs publications et dans le forum d’aide de Looker Studio. Et tout cela a été fait sans aucune annonce préalable. 

Qu’est-ce que les quotas ?

Lorsqu’il essaie d’extraire des données de GA4, un outil (par exemple, Looker Studio) nécessite d’envoyer une requête à l’API GA4. Le nombre de ces requêtes a été soumis à des limites, ou à ce qu’on appelle des quotas. 

L’API Google Analytics 4 Data a plusieurs quotas, à la fois par propriété et par projet par propriété (considérez un projet comme un outil, comme un module complémentaire Google Sheets ou Looker Studio).

Les quotas les plus importants, par ordre d’impact actuel sur les rapports Looker Studio, sont :

• Demandes simultanées
• Jetons horaires par propriété par projet
• Jetons quotidiens par propriété par projet

Il faut aussi savoir qu’il existe différents quotas pour les comptes gratuits par rapport aux comptes 360, les quotas 360 étant généralement de 5 à 10 fois ceux des comptes gratuits :

• Demandes simultanées : 10 (50 pour GA 360)
• Jetons horaires par propriété par projet : 1 250 (12 500 pour GA 360)
• Jetons quotidiens par propriété par projet : 25 000 (250 000 pour GA 360)

À titre de comparaison, l’API UA – Universal Analytics (GA3) – nous permet de faire 10 000 requêtes par jour et par vue, et dans chacune de ces requêtes, nous pouvons demander jusqu’à 100 000 lignes de données.

Quand on regarde les quotas disponibles, on a l’impression que ce sera suffisant, alors pourquoi nos Looker Studio nous affichent-ils toutes ces erreurs ? Essayons de comprendre chaque composant.

Qu’est-ce qu’une demande ?

Pour récupérer les données d’un graphique, Looker Studio doit envoyer une requête à l’API GA4. Une demande est le fait d’appeler l’API pour recevoir une réponse (c’est-à-dire pour extraire des données).

Les demandes simultanées, c’est tout simplement le nombre de graphiques qu’une feuille Looker Studio contient, et qui seront donc en train d’appeler l’API GA4 à chaque fois que la feuille se charge (oui, à chaque ouverture du LS).

Rien que pour les KPIs basiques, comme ceux-ci, on a déjà dépassé la limite de demandes simultanées, qui est de 10. Et vous l’avez compris, si le Looker Studio est destiné à plusieurs utilisateurs, le nombre de demandes simultanées sera le nombre d’utilisateurs multiplié par le nombre de graphiques présents sur la page. 

La plupart des graphiques envoient deux requêtes à l’API GA4 :

• Un tableau de bord enverra une requête pour extraire la métrique et l’afficher.
• Un tableau de bord auquel une plage de dates de comparaison est appliquée enverra deux demandes, une pour la plage de dates principale et une pour la plage de dates de comparaison.
• La plupart des graphiques à barres et des séries chronologiques doivent faire deux requêtes.

Il y a aussi une limite basée sur le nombre total de tokens (jetons) consommés en une heure ou une journée par projet.

Qu’est-ce qu’un token ?

Chaque demande, en fonction de plusieurs facteurs tels que sa complexité, le nombre de dimensions et de mesures impliquées, les filtres et la plage de dates, consommeront un certain nombre de tokens, ou de jetons. Google indique que la plupart des demandes utiliseront environ 10 jetons, mais, par exemple, pour des périodes temporelles plus longues, on peut généralement s’attendre à ce que la demande consomme plus de 20 jetons, jusqu’à 50 ou même des centaines, pour un compte de volume plus important.

Pour Looker Studio, on dispose de 1250 jetons par heure, avec pas plus de 25 000 jetons par jour, pour tous les outils qui font appel à l’API GA4.

Ceci est important – si vous utilisez d’autres outils, ils peuvent également commencer à vous donner des erreurs de quota. Cela peut être dû au fait que Looker Studio a consommé votre quota quotidien.

Une fois le quota dépassé, les graphiques seront ‘cassés ’et il va falloir attendre que le quota soit actualisé (à la fin de l’heure ou de la journée) avant de pouvoir envoyer d’autres requêtes à l’API GA4.

Selon le type de quota dépassé, l’actualisation peut prendre jusqu’à 24 heures. Les compteurs de quotas horaires sont réinitialisés au début de chaque heure, les compteurs de quotas quotidiens sont réinitialisés à minuit, Pacific Standard Time, pour toutes les propriétés, quel que soit votre réglage de fuseau horaire. Pour cette raison, vous remarquerez peut-être que vos rapports Looker Studio ont tendance à échouer à peu près à la même heure à chaque heure de la journée, et recommencent à fonctionner au début de l’heure suivante. Si vous dépassez 25 000 jetons, vous êtes alors bloqué pour le reste de la journée (pareil, PST).

Vous trouverez plus d’informations sur les quotas en suivant ce lien.

Quelles options ?

Pendant que Looker Studio annonce sur son forum qu’ils sont en train d’étudier le problème et chercher des solutions, sur sa page Support, Google propose quelques options, comme :

• Réduire le trafic vers le rapport en partageant vos rapports avec moins d’utilisateurs.
• Réduire le nombre de graphiques sur chaque page (vous pouvez par ailleurs réduire la période de temps dans les graphiques, ce qui consommera moins de quota).
• Utiliser des extraits pour des performances plus rapides.
• Exporter les données Analytics vers BigQuery, puis d’utiliser le connecteur BigQuery pour visualiser ces données dans Looker Studio.
• Passer à Analytics 360.
• Envisager d’utiliser un connecteur partenaire

En toute transparence, certaines de ces solutions ne sont ni faisables, ni utiles.

La plupart des utilisateurs Looker Studio construisent ces tableaux de bord justement pour pouvoir les partager avec les collaborateurs, donc réduire le nombre d’utilisateurs serait contraire à l’utilisation principale de Looker Studio. De plus, nous avons vu comment le partage d’un simple rapport avec un seul visualiseur peut entraîner le dépassement des quotas. Les quotas nouvellement appliqués sont si bas qu’ils cassent même le plus simple des tableaux de bord.

Utiliser des extraits de données, oui, parce que l’extraction de données est un service gratuit et géré par Looker Studio. Mais il a ses propres limites, comme un maximum de 100 Mo de données extraites, étant limité à des extraits quotidiens. Et de nombreux utilisateurs signalent qu’il y a des énormes discrépances entre ce Extract Data renvoie et ce qui est attendu ou peut être vu dans l’interface GA4, en particulier autour du nombre d’utilisateurs. Aussi, Extract Data utilise également une connexion API qui est soumise aux mêmes quotas de demandes horaires, quotidiennes et simultanées. Si une page de rapport ne peut pas être chargée en raison d’un dépassement des quotas, une demande similaire du connecteur d’extraction de données échouera aussi.

Les deux solutions viables dans ce contexte seraient : 

• soit commencer à utiliser BigQuery
• soit passer par des connecteurs partenaires 

Commencer à exporter la donnée Analytics vers BigQuery peut être une solution, mais elle nécessite des gros investissements de temps et de ressources. Exploiter les données GA4 dans BigQuery de manière efficace et à moindre coût n’est pas une tâche facile, surtout pour les novices.

Pour la deuxième solution, il existe une multitude de tels connecteurs : Supermetrics, Funnel.io, Dataddo, Analytics Canvas, PowerMyAnalytics. 

À vous de jouer et de trouver la solution qui vous convient le mieux, selon les compétences des collaborateurs et, bien entendu, du budget disponible. 

Forte de ses compétences, l’équipe Data Analytics de SLAP se tient à votre disposition pour vous aider avec la mise en place de la meilleure solution pour vous et votre équipe.