Résumer ce contenu avec :

Configurer des custom dimensions consiste à définir des paramètres personnalisés dans la propriété Analytics, les envoyer via gtag/GTM (ou server-side) puis valider en DebugView/BigQuery selon la doc Google. Cette méthode vous donne des insights précis pour segmenter et analyser vos users et events.

Pourquoi planifier une taxonomie pour custom dimensions

Planifier une taxonomie pour les custom dimensions est indispensable pour garantir cohérence, évolutivité et réutilisabilité des données analytiques dans Google Analytics.

Principes à suivre pour construire une taxonomie claire.

Nommer avec rigueur : Utiliser des préfixes pour le scope (ex : usr_, evt_, itm_), une casse cohérente (snake_case ou lowerCamelCase) et limiter la longueur pour rester lisible et compatible avec les outils.
Définir le scope précisément : Choisir entre user (données persistantes par utilisateur), session (valeur pour toute la session), event (lié à un événement), item/product (attribut produit) ou hit selon l’usage.
Choisir le type de donnée : Privilégier string pour labels, integer pour compteurs/IDs, boolean pour flags. Penser aux conversions en amont (ex : true/false → 1/0 si nécessaire).
Gouvernance et documentation : Attribuer une propriété (nom de la propriété GA), un propriétaire (responsable), un enregistrement dans le dictionnaire de données et un workflow de modification.

Checklist concrète (8 points) à valider avant implémentation.

Formez-vous à Google Analytics !

Maîtriser Google Analytics est crucial pour comprendre votre audience, optimiser vos campagnes, améliorer l'expérience utilisateur et mesurer vos conversions... Gagnez du temps avec nos formations Google Analytics.

Besoin analytique : La custom dimension répond-elle à une question métier claire ?
KPI lié : Quel indicateur sera construit à partir de cette dimension ?
Format et type : String/Integer/Boolean et format attendu (length, pattern).
Confidentialité : Pas de PII (emails, noms complets, etc.), conformité RGPD vérifiée.
Mapping technique : Source des données (front/server), variable précise à pousser.
Plan de tests : Scénarios de test, données de test, validation en environnement QA.
Quota et performance : Vérifier limites GA (nombre de custom dimensions disponibles) et impact sur payloads.
Nommage final : Valider nom final, préfixes et documentation avant déploiement.

Exemples pratiques de noms cohérents et justification du scope.

usr_role — Scope : user. Justification : Attribut stable par utilisateur utilisé pour segmentation.
usr_sub_level — Scope : user. Justification : Niveau d’abonnement persistant pour cohortes.
art_author — Scope : event (ou item si article catalogué). Justification : Auteur pour performance d’articles.
sess_checkout_step — Scope : session. Justification : Étapes successives durant une session d’achat.
evt_promo_code — Scope : event. Justification : Code promotionnel appliqué à un événement de conversion.
itm_product_color — Scope : item/product. Justification : Attribut produit pour analyse SKU et filtrage.

Fournissez un tableau de synthèse (HTML) résumant pour chaque exemple : nom, scope, type, source (front/server), méthode d’envoi (dataLayer/gtag/event param), usage attendu (rapport/segment/bigquery).

Comment créer les custom dimensions dans la propriété Analytics

Créer des custom dimensions dans la propriété Analytics consiste à déclarer en interface les paramètres que vous envoyez depuis votre site/app et à leur attribuer la portée correcte (event, user, item) avant d’enregistrer.

Procédure pas à pas pour GA4 :

Accédez au panneau Admin > Colonne Propriété > Custom definitions.
Sélectionnez Create custom dimensions puis renseignez les champs suivants :
Nom lisible : Libellé clair pour vos rapports (ex. Article – Auteur).
Paramètre : Nom exact du paramètre envoyé (ex. article_author). Ce nom doit correspondre strictement à la clé envoyée par votre gtag/GTM/app.
Portée : Choisissez Event, User ou Item selon l’usage.
Description : Conservez la raison d’être et l’implémentation pour la traçabilité.
Enregistrez et attendez l’apparition dans les rapports (les données ne sont pas rétroactives).

Exemple concret d’envoi avec gtag (paramètre article_author) :

gtag('event', 'view_item', {
  'item_id': '123',
  'article_author': 'Dupont'
});

Brève différence avec Universal Analytics (UA) :

UA indexait les custom dimensions par scope (Hit, Session, User, Product) et utilisait un index numérique à associer côté tracking.
GA4 enregistre des paramètres (event/user/item) nommés ; vous déclarez ces paramètres en UI pour pouvoir les exploiter dans les rapports.

Précautions essentielles :

Éviter l’envoi de PII (informations personnellement identifiables) pour rester conforme aux politiques Google et RGPD.
Respecter le consentement utilisateur avant d’envoyer des paramètres.
Documenter le mapping nom paramètre ↔ custom dimension et conserver l’historique des changements.

Limites et gouvernance :

Il existe un quota limité de custom dimensions par propriété (consultez la documentation officielle pour votre type de compte). Je conseille d’instaurer une gouvernance (nomenclature, catalogue, revue trimestrielle) pour éviter l’explosion des définitions et maintenir la qualité des données.

Aspect	Universal Analytics	GA4
Scope	Hit / Session / User / Product	Event / User / Item
Méthode d’envoi	Index numérique + champ	Paramètre nommé envoyé avec l’événement
Usage prévu	Rapports indexés, segmentation	Rapports flexibles, analyses event-driven

Comment envoyer et capturer les custom dimensions techniquement

Envoyer des custom dimensions demande d’utiliser le nom exact du paramètre côté Google Analytics (exemple : article_author) et d’éviter toute donnée personnelle identifiante (PII).

Exemple gtag.js : configuration GA4 et envoi d’un événement avec le paramètre personnalisé article_author.

/* Configuration gtag.js */
window.dataLayer = window.dataLayer || [];
function gtag(){dataLayer.push(arguments);}
gtag('js', new Date());
gtag('config', 'G-XXXXXXX'); 

/* Envoi d'un événement avec custom parameter */
gtag('event', 'view_article', {
  'article_title': 'Titre Exemple',
  'article_author': 'author_42' // Valeur non-PII : identifiant interne ou hash
});

Pour GTM côté client, pousser un objet dans le dataLayer puis créer une variable Data Layer et un tag GA4 Event en incluant le paramètre.

Étapes courtes avant les bullets : préparer le dataLayer et configurer la variable.

Push dans le dataLayer depuis la page avec les champs custom.
Créer une variable de type Data Layer Variable dans GTM (nom : articleAuthor ou exactement le key utilisé).
Ajouter/Configurer un tag GA4 Event qui mappe la variable vers le paramètre article_author.

/* dataLayer push */
window.dataLayer = window.dataLayer || [];
window.dataLayer.push({
  'event': 'articleView',
  'articleTitle': 'Titre Exemple',
  'articleAuthor': 'author_42' // Utiliser le même key que la variable GTM
});

Exemple simplifié de payload JSON pour un endpoint server-side (ex: Cloud Run) relayant vers le Measurement Protocol GA4 sans exposer la PII.

/* POST reçu par votre serveur -> envoi vers GA4 Measurement Protocol */
{
  "client_id": "555.12345",
  "events": [
    {
      "name": "view_article",
      "params": {
        "article_title": "Titre Exemple",
        "article_author": "author_42" // Id interne ou hash, pas de nom/email clair
      }
    }
  ]
}
/* Serveur envoie ensuite vers :
https://www.google-analytics.com/mp/collect?measurement_id=G-XXXXXXX&api_secret=SECRET
*/

Je recommande d’enregistrer chaque paramètre personnalisé dans l’interface GA4 (Admin > Custom Definitions) avec le même nom exact pour pouvoir l’exploiter dans les rapports.

Méthode	Avantages	Inconvénients	Cas recommandés
gtag	Implémentation simple, contrôle direct côté page.	Moins flexible pour logique conditionnelle complexe.	Sites légers ou intégration rapide.
GTM (client)	Centralise les tags, permet mapping sans déploiement front.	Dépend du JS client ; latence possible.	Équipes marketing/analytics qui gèrent les tags.
Server-side	Meilleure protection des données, fiabilité et scalabilité.	Coût et complexité d’infrastructure.	Protection de la vie privée, besoin d’enrichissement/validation serveur.

Comment valider et exploiter vos custom dimensions

Valider correctement vos custom dimensions évite des erreurs coûteuses en reporting et activation marketing.

Je recommande une validation technique en quatre étapes: utiliser DebugView (GA4) pour vérifier l’arrivée des event params, contrôler les rapports en temps réel pour la visibilité immédiate, confirmer le mapping dans Custom Definitions (définitions personnalisées) pour que GA4 expose la dimension, et tester en production restreinte (petit pourcentage d’utilisateurs) avant déploiement global.

Exemple d’envoi (gtag):

// Envoi d'un event avec custom param
gtag('event', 'purchase', {
  'value': 49.99,
  'subscription_level': 'pro' // Paramètre personnalisé
});

Exploitation des dimensions personnalisées :

Explorations: Créer des segments basés sur la custom dimension, puis construire des tableaux croisés pour comparer comportement et conversion.
Audiences: Transformer une custom dimension en critère d’audience pour activation marketing (push, email, campaigns).
BigQuery: Exporter les events pour analyser en raw, faire des jointures avec votre CRM via user_id et calculer LTV ou churn par segment.

Checklist de tests (10 items) :

Vérifier la présence du param dans DebugView pour chaque event attendu.
Confirmer le nom exact et la casse du param (consistence entre code et définition).
Contrôler le type de donnée attendu (string, integer, boolean).
Créer la Custom Definition correspondante dans GA4 et vérifier qu’elle apparaisse.
Observer l’arrivée dans les rapports en temps réel sous 30-60s.
Tester en prod restreint pour valider échelle et performances.
Vérifier l’export BigQuery et la colonne correspondante dans le dataset events_YYYYMMDD.
Effectuer une jointure test avec CRM via user_id pour valider clé et format.
Contrôler l’impact sur audiences (membres ajoutés/supprimés selon critères).
Documenter les noms, scope et owner pour gouvernance future.

Exemples concrets d’usage analytique :

Analyse du churn par subscription_level pour prioriser rétention des segments à forte valeur.
Performance article par article_author pour optimiser rédaction et SEO.
Mesure d’impact d’un experiment via experiment_id joint à conversions en BigQuery.

Objectif analytique	Custom dimension	Scope	Méthode d’envoi	Métriques à croiser
Réduire le churn	subscription_level	User	Event param (login/purchase)	Churn rate, ARPU, retention
Optimiser contenu	article_author	Event (page_view)	DataLayer / gtag sur page load	Time on page, CTR, conversions
Valider test marketing	experiment_id	Event	Param sur event d’exposition	Conversion rate, uplift, p-value

Prêt à déployer des custom dimensions pour améliorer vos analyses ?

Planifier, créer, envoyer et valider des custom dimensions transforme vos données brutes en insights actionnables. Une taxonomie cohérente, un envoi fiable via GTM/gtag ou server-side, et des validations systématiques (DebugView, rapports, BigQuery) vous donnent des segments exploitables et des dashboards pertinents. Bénéfice direct : décisions plus rapides, campagnes mieux ciblées et mesure précise du ROI.

FAQ

Qu’est-ce qu’une custom dimension ?

Une custom dimension est un paramètre personnalisé que vous définissez pour enrichir les events ou les utilisateurs dans Analytics. Elle permet d’ajouter des attributs métiers (ex : user_role, article_author) afin de segmenter et analyser plus finement le trafic.

Quelle est la différence entre UA et GA4 pour les custom dimensions ?

Universal Analytics utilisait des index et des scopes (hit/session/user/product). GA4 enregistre des paramètres d’événement et des user properties que l’on mappe ensuite en custom dimensions. La logique de transmission est plus orientée events dans GA4.

Comment éviter d’envoyer des PII dans les custom dimensions ?

Ne mappez jamais de données identifiantes (emails, noms complets, numéros). Anonymisez ou hashez si nécessaire, et implémentez des règles côté server-side ou via GTM pour filtrer/masquer les valeurs avant envoi. Respectez le consentement utilisateur.

Comment tester que mes custom dimensions arrivent bien ?

Utilisez DebugView (GA4) pour voir les events et paramètres en temps réel, contrôlez les rapports en temps réel, et vérifiez les exports BigQuery si activés. Effectuez des tests en environnement staging avant production.

Peut-on utiliser les custom dimensions dans des segments et audiences ?

Oui. Une fois enregistrées et disponibles, les custom dimensions servent à créer des segments, audiences et explorations pour le reporting et l’activation marketing. Assurez-vous que la dimension est correctement peuplée et documentée pour éviter des segments incorrects.

A propos de l’auteur

Franck Scandolera — expert & formateur en Tracking avancé server-side, Analytics Engineering, Automatisation No/Low Code (n8n) et intégration de l’IA en entreprise. Responsable de l’agence webAnalyste et de l’organisme de formation Formations Analytics. Références : Logis Hôtel, Yelloh Village, BazarChic, Fédération Française de Football, Texdecor. Dispo pour aider les entreprises => contactez moi.

Comment configurer custom dimensions dans Google Analytics ?