Vous utilisez Salesforce (SF) Data Cloud ou envisagez de l’intégrer à vos technologies marketing (MarTech)? Vous avez sans doute déjà saisi comment la plateforme peut enrichir vos stratégies grâce à sa vue client 360° et ses agents conversationnels d’intelligence artificielle (IA).

Si vous en êtes là, je prends aussi pour acquis que vous utilisez Google Analytics 4 (GA4) comme plateforme de collecte de données comportementales numériques (mobile, web et évènements hors ligne). À noter que dans le cadre de cet article, les données de GA4 font allusion aux données granulaires exportées dans Google BigQuery. 

Restez avec moi pour bien comprendre Salesforce Data Cloud, son potentiel et les étapes clés pour réussir son intégration.

Qu’est-ce que Salesforce Data Cloud?

SF Data Cloud est une plateforme qui permet d’harmoniser des données provenant de plusieurs sources, telles qu’un CRM, des transactions et un catalogue de produits, afin de générer de l’intelligence client et des audiences (segments). 

SF Data Cloud n’est pas un entrepôt ou un lac de données comme Google BigQuery, Snowflake et Databricks; la plateforme interopère plutôt avec eux pour l’activation de leurs données. 

Pour maximiser l’utilisation de SF Data Cloud, il est plus judicieux d’avoir d’autres plateformes Salesforce: Marketing Cloud, Sales Cloud et Service Cloud. SF Data Cloud offre une meilleure interopérabilité (facilité d’échange de données) avec ces plateformes d’activation.

Pourquoi j’en parle? SF Data Cloud est un pilier important de la stratégie d’intelligence artificielle (IA) de Salesforce, qui mise sur des agents conversationnels (Salesforce Agentforce) pour augmenter la productivité des entreprises. Ces agents IA peuvent accéder à vos données d’entreprise, mais aussi à la vue 360 de vos clients. En termes simples, SF Data Cloud est la fondation en données des agents IA de Salesforce.

Avant de créer votre vue 360 client, assurez-vous d’avoir élaboré une stratégie de données. 

Pourquoi utiliser les données GA4 dans Salesforce Data Cloud?

Les données GA4 peuvent être utilisées pour compléter la vue 360 de vos clients. Cette vue 360 peut vous aider à créer des segments qui seront activés dans vos plateformes d’engagement (plateformes publicitaires, plateformes courriel et plateformes de personnalisation).

Je vous recommande d’implémenter la fonctionnalité User-ID de GA pour faciliter l’harmonisation avec d’autres jeux de données (données CRM, de ventes, de produits, etc.) dans l’environnement SF Data Cloud.

Si votre cas d’usage est de la personnalisation en temps réel sur Marketing Cloud Personalization (sur Salesforce), sachez que les données Google Analytics 4 (GA4) ne sont pas un remplacement à la collecte de données comportementales dans SF Data Cloud. La personnalisation en temps réel nécessite d’implémenter la librairie de SF Data Cloud pour la collecte de données web et mobile. 

Que sont les Salesforce Data Model Objects (DMO)?

Les modèles de données (DMO) sont très importants dans l’utilisation de Salesforce Data Cloud. Ils représentent des entités de données préfabriquées qui permettent à la plateforme d’harmoniser et de réconcilier les jeux de données. Il est fortement recommandé d’avoir des bases en modélisation (modèles entités relation) avant de se lancer dans cet exercice. 

Il serait trop long d’expliquer comment ces différents modèles fonctionnent dans cet article. Par contre, voici quelques modèles que vous devriez connaître si vous envisagez d’intégrer les données de Google Analytics 4 (GA4): 

Les DMO de fondation

• Le DMO: Individu
• Le DMO: Application
• Le DMO: Identité Web
• Le DMO: Engagement Web
• Le DMO: Identification

Les DMO contextuels

Prenons l’exemple pour un commerce de détail.

• Le DMO: Engagement panier d’achat
• Le DMO: Commande
• Le DMO: Produits achetés

Les DMO seraient différents pour un site de génération de prospects, l’intégration d’un programme de loyauté ou encore pour la gestion du service client (tickets).

La combinaison des DMO dépend fortement de vos cas d’usage. Ils peuvent aussi être personnalisés. Votre donnée GA4 devra être structurée en fonction du DMO applicable à votre cas d’usage. Les DMO Contact Point Email, Contact Point Phone et Contact Address ne sont pas nécessaires dans le cadre de GA4 à cause des règles de confidentialité de Google Analytics. En fonction de la cartographie que vous avez en tête, vous devrez préparer vos données pour les ingérer dans SF Data Cloud.

Lecture complémentaire: Pourquoi et comment ajouter vos données Google Analytics (GA4) dans un entrepôt ou un lac de données?

Comment ingérer les données GA4 dans Salesforce Data Cloud ?

Une fois que vous avez décidé du type et de la structure des données GA4 (en pensant à vos DMO) que vous voulez ingérer dans SF Data Cloud, vous avez plusieurs options possibles selon vos architectures technologiques.

Option 1: GA4 + Google BigQuery + SF Data Cloud

Cette approche crée des tables intermédiaires dans Google BigQuery et les connecte à SF Data Cloud.

Option 2: GA4 + Google BigQuery + Google Cloud Storage + SF Data Cloud

Cette option exporte les données de Google BigQuery vers Google Cloud Storage. Les données dans Cloud Storage sont ingérées dans SF Data Cloud.

Si vos données résident déjà dans l’environnement Snowflake ou Databricks, vous pouvez directement créer des connexions de ces plateformes vers SF Data Cloud.

GA4 et Salesforce Data Cloud: une combinaison puissante

Si vous possédez déjà Salesforce Data Cloud ou êtes sur le point de l’obtenir, l’intégration des données Google Analytics 4 représente un levier stratégique puissant. La création d’une vue 360° et le potentiel des agents conversationnels propulsés par l’intelligence artificielle sont des arguments majeurs pour justifier cet investissement.

J'espère que cet article vous a permis d’y voir plus clair sur le cas d’usage des données GA4 dans SF Data Cloud. Si vous avez des questions ou souhaitez échanger davantage sur ce sujet, n’hésitez pas à nous contacter.