Qu'est-ce qu'une custom dimension dans Matomo ?

Une custom dimension est un attribut personnalisé attaché à une visite ou à une action qui enrichit les métriques standards pour permettre le filtrage et la segmentation métier sans modifier les métriques de base.

Quelle est la différence entre visit-scoped et action-scoped ?

Visit-scoped s'applique à l'ensemble d'une visite (ex. niveau d'abonnement), action-scoped concerne une seule action/page (ex. type de contenu). Le choix dépend de la granularité analytique souhaitée.

Peut-on envoyer des données personnelles via une custom dimension ?

Il faut éviter d'envoyer des PII (emails, identifiants). Préférez des cohortes anonymes, des segments agrégés ou des identifiants pseudonymisés pour rester conforme et protéger la vie privée.

Comment tester qu'une custom dimension est bien envoyée ?

Utilisez la console réseau du navigateur, le mode preview de Matomo Tag Manager ou les outils de debug Matomo. Vérifiez que la valeur est envoyée avant trackPageView ou avec l'événement ciblé.

Combien de custom dimensions peut-on créer ?

Le nombre d'emplacements est limité et dépend de votre instance Matomo. Planifiez et réservez des slots stables, documentez le catalogue de dimensions et vérifiez les limites dans l'interface d'administration.

Comment utiliser Matomo custom dimensions efficacement ?

Matomo custom dimensions ajoutent du contexte métier aux visites/actions pour améliorer segmentation et reporting. Je montre comment les planifier, les implémenter côté client ou serveur, tester et éviter les erreurs courantes pour tirer plus de valeur de vos métriques.

Que sont les custom dimensions

Les custom dimensions sont des attributs personnalisés attachés aux visites ou aux actions pour fournir le contexte manquant aux métriques standards.

Chaque custom dimension a un nom et une valeur envoyée avec le hit, puis stockée par Matomo aux côtés des métriques standards. Cette valeur peut être une chaîne, un nombre ou une catégorie et s’enregistre soit pour toute la visite, soit pour une action précise. Les noms servent à identifier la dimension dans les rapports, tandis que les valeurs fournissent le contexte utile au filtrage et au regroupement.

Structure basique : Un nom lisible et une valeur envoyée avec le hit. Exemple : PlanAbonnement = Pro.
Stockage : Matomo associe la dimension aux métriques (pageviews, conversions, temps passé) pour enrichir les analyses.

Visit-scoped (portée visite) : La valeur s’applique à toute la session/utilisateur pendant la visite. Exemple : niveau d’abonnement (« Gratuit », « Pro »). Utilisation recommandée lorsque la donnée ne change pas durant la visite.
Action-scoped (portée action) : La valeur s’applique uniquement à l’événement/action envoyée. Exemple : type de contenu d’une page (« Article », « Produit », « FAQ »). Utilisation recommandée pour des attributs variant page par page ou événement par événement.

Ne pas envoyer de données personnelles identifiantes (PII) comme les emails, les identifiants utilisateurs internes ou les numéros de carte. Le RGPD (Règlement général sur la protection des données) considère ces informations sensibles et leur envoi expose à des risques légaux. Préférer des alternatives : identifiants anonymes générés côté serveur, cohortes (groupes d’utilisateurs), ou hashing salé avec prudence, car un hash simple peut rester identifiable selon le contexte.

Formez-vous à Matomo !

Apprendre à utiliser Matomo, c'est faire le choix d'une solution d'analyse web éthique, flexible et puissante. Nos formations Matomo vous apprendront à prendre le contrôle total de vos données, en respectant la vie privée de vos utilisateurs et en profitant d'une communauté dynamique, Matomo se présente comme une alternative de choix face aux solutions traditionnelles d'analyse.

Les custom dimensions augmentent la valeur analytique en permettant des filtres précis, des segments multi-critères et des regroupements personnalisés. Elles facilitent l’analyse de comportements par segment sans multiplier les métriques brutes.

Portée	Exemples	Cas d’usage	Contraintes
Visit-scoped	Niveau d’abonnement, langue utilisateur	Segmentation d’audience, funnels par type d’utilisateur	Ne convient pas si la valeur change action par action
Action-scoped	Type de contenu, catégorie de produit	Analyse détaillée page par page, A/B testing d’éléments	Pas utile pour des attributs persistants sur la visite

Quand utiliser les custom dimensions

On les utilise pour ajouter du contexte métier aux métriques et segmenter précisément les utilisateurs ou contenus.

Content performance tracking : Suivre l’auteur, la catégorie ou le type de contenu permet de mesurer l’engagement, l’acquisition et la contribution aux conversions. Exemple : comparer un taux de conversion par catégorie — Catégorie A 3,2% vs Catégorie B 1,1% — pour redistribuer le budget SEO ou newsletter. Implémentation : envoyer une custom dimension « category » sur chaque page.

_paq.push(['setCustomDimension', 1, 'news']); // dimension 1 = category
_paq.push(['trackPageView']);

Bénéfices analytiques : Permet d’isoler les contenus les plus convertissants, d’optimiser le maillage interne et de calculer le ROI par author/section.

User segmentation : Enregistrer le niveau d’abonnement, le type d’utilisateur ou le canal d’acquisition aide à comparer funnels et taux d’upgrade. Exemple : comparer un funnel d’onboarding entre utilisateurs « free » et « paid trial » pour améliorer le taux d’upgrade de 8% à 12%.

_paq.push(['setCustomDimension', 2, 'paid_trial']); // dimension 2 = user_type
_paq.push(['trackEvent', 'Signup', 'Complete']);

Bénéfices analytiques : Utile pour A/B testing ciblé et analyses de rétention (cohortes par dimension), ce qui augmente la précision des tests.

Ecommerce insights : Attacher marque, collection ou fourchette de prix aux hits produit sans stocker d’ID personnel permet de croiser ces dimensions avec revenus et conversions. Exemple : mesurer LTV par marque et détecter que la marque X génère 40% du CA sur 20% des commandes (chiffres hypothétiques).

_paq.push(['setCustomDimension', 3, 'brand_X']); // dimension 3 = product_brand
_paq.push(['trackEcommerceOrder', orderId, revenue]);

Bénéfices analytiques : Permet d’agréger LTV, taux de réachat et performance par attribut produit sans PII.

Technical tracking : Enregistrer tranches de temps de chargement ou types d’erreur facilite le diagnostic des causes de désengagement. Exemple : pages >3s affichent un taux de rebond 25% plus élevé.

_paq.push(['setCustomDimension', 4, 'load_>3s']); // dimension 4 = page_load_bucket
_paq.push(['trackEvent', 'Performance', 'SlowPage']);

Bénéfices analytiques : Permet de croiser stabilité/latence avec conversions et prioriser correctifs techniques.

Pour choisir les bonnes dimensions, vérifier les objectifs business puis créer uniquement ce qui sera exploité en rapports.

Liste courte des objectifs métiers à couvrir (ex : conversion, rétention, CA).
Prioriser dimensions utilisables en segmentation et en funnel.
Éviter le PII (données personnelles identifiables).
Documenter l’utilisation et limiter le nombre de dimensions actives.

Comment implémenter et gérer les dimensions

Implémenter des dimensions personnalisées dans Matomo se déroule en deux étapes : créer la dimension dans l’interface d’administration, puis envoyer les valeurs depuis le site, l’application ou le serveur.

Planifier et créer la dimension. Choisir d’abord le scope (portée) : Action pour une donnée liée à une page ou un événement, Visit pour une donnée persistante sur la session/utilisateur. Préférer le scope le plus restreint qui correspond à l’usage pour limiter le volume de données. Nommer la dimension avec un libellé stable, court et sans informations personnelles. Réserver des emplacements en listant les dimensions déjà utilisées puisque le nombre d’emplacements est limité selon votre installation/plan. Activer la dimension depuis l’interface d’administration en naviguant dans la section Administration > Paramètres > Dimensions personnalisées (ou équivalent), puis créer et enregistrer la dimension en notant son index (numéro).
Envoyer les valeurs côté client. Utiliser l’API JavaScript de Matomo avant l’appel à trackPageView ou avant l’envoi de l’événement. Exemple exact :

_paq.push(['setCustomDimension', 2, 'Pro']);

Appeler cette instruction avant trackPageView ou avant le push d’un événement si la dimension doit être liée à cette action. Attacher la dimension à un événement plutôt qu’à la page view lorsque la valeur n’est connue qu’au moment d’un clic, d’un achat ou d’un login.
Utilisation de Matomo Tag Manager (GTM). Récupérer la valeur via une variable (data layer ou variable JS), mapper l’index de la dimension et la valeur dans la configuration du tag, puis envoyer via un tag Matomo. Tester en mode Preview pour vérifier les requêtes et les paires index/valeur avant publication. Data layer désigne une couche JavaScript qui centralise les données à exposer au gestionnaire de tags.
Envoi côté serveur ou via jobs en arrière-plan. Utiliser le serveur pour robustesse (données hors navigateur, réconciliation, traitements batch). Exemple pratique : resynchroniser une cohorte LTV (Lifetime Value) calculée en back-office et pousser la dimension visiteur pour corréler valeur et comportement. Respecter le GDPR (Règlement général sur la protection des données) : obtenir une base légale, éviter les données personnelles non pseudonymisées, documenter la conservation et supprimer les données si nécessaire.

Méthode	Avantages	Inconvénients	Cas d’usage
Client (JS)	Temps réel, simple à implémenter	Bloqué par adblockers, dépend du navigateur	Segmentation pageviews, statut utilisateur connu au chargement
GTM	Centralise la logique, versioning, preview	Complexité de mapping, dépend du conteneur	Équipes marketing, variables dynamiques
Serveur / Batch	Robuste, couvre données hors navigateur	Moins temps réel, nécessite intégration backend	Recalages LTV, imports historiques, réconciliation

Bonnes pratiques et erreurs à éviter

Garder des custom dimensions propres et gouvernées évite les données inutilisables, les risques RGPD et la dette technique. Voici les bonnes pratiques et erreurs à éviter pour Matomo.

Planification et gouvernance : Prioriser les dimensions selon l’usage métier (reporting, segmentation, activation). Documenter un catalogue avec au minimum le nom, le scope (Action = page/événement, Visit = session, User = visiteur), l’index Matomo et le responsable. Tenir ce catalogue comme source de vérité et limiter le « drift » des valeurs avec des listes maîtrisées (lookup tables) et des validations côté tag.

Tests et validation : Vérifier l’envoi via console (exemple d’API Matomo), onglet Network, Matomo Debug et le mode Preview de Google Tag Manager. Contrôler trois critères : valeur (format et longueur), timing (envoyée au bon hit) et scope (index correct).

// Exemple console pour Matomo JS
_paq.push(['setCustomDimension', 1, 'premium_user']); // index 1, valeur
_paq.push(['trackPageView']);

Procédure de test simple : 1) Déployer en environnement QA. 2) Déclencher scénario utilisateur. 3) Inspecter Network pour piwik.php ou matomo.php et vérifier params. 4) Utiliser Matomo Debug pour voir dimension reçue. 5) Valider dans les rapports et restaurer les données de test.

Performance et coût : Chaque dimension augmente le volume des événements et la charge de la base. Éviter le sur-tagging en ne créant que les dimensions réellement exploitées et en limitant la cardinalité (éviter des milliers de valeurs uniques).

Conformité et sécurité : Ne pas envoyer d’informations permettant d’identifier une personne (PII) comme emails ou IDs natifs. Préférer des cohortes, hash anonymes ou identifiants pseudonymisés. Respecter la durée de conservation des logs imposée par le RGPD et la CNIL.

Maintenance : Pour désactiver une dimension, la marquer « deprecated » dans le catalogue, retirer les envois côté tag puis, si besoin, migrer les valeurs historiques vers une dimension nouvelle en conservant un mapping et en tenant les indices cohérents.

Créer un catalogue central (nom, scope, index, responsable).
Prioriser dimensions par valeur métier.
Limiter la cardinalité des valeurs.
Tester en QA avec Network, Matomo Debug et GTM Preview.
Valider valeur, timing et scope pour chaque implémentation.
Ne jamais envoyer de PII (emails, IDs natifs).
Pseudonymiser ou regrouper en cohortes quand nécessaire.
Marquer et désactiver proprement les dimensions obsolètes.
Documenter toute migration de valeurs historiques.
Auditer périodiquement le catalogue et la consommation de données.

Prêt à enrichir vos rapports Matomo avec des dimensions personnalisées ?

J’ai présenté comment définir, implémenter et maintenir des custom dimensions dans Matomo pour ajouter du contexte métier à vos métriques. En planifiant les scopes, en évitant les PII, en testant côté client ou serveur et en gouvernant vos emplacements, vous gagnez en segmentation et en décisions actionnables. Le bénéfice concret : des rapports plus précis qui facilitent l’optimisation des conversions et du produit.

FAQ

Qu’est-ce qu’une custom dimension dans Matomo ?
Une custom dimension est un attribut personnalisé attaché à une visite ou à une action qui enrichit les métriques standards pour permettre le filtrage et la segmentation métier sans modifier les métriques de base.
Quelle est la différence entre visit-scoped et action-scoped ?
Visit-scoped s’applique à l’ensemble d’une visite (ex. niveau d’abonnement), action-scoped concerne une seule action/page (ex. type de contenu). Le choix dépend de la granularité analytique souhaitée.
Peut-on envoyer des données personnelles via une custom dimension ?
Il faut éviter d’envoyer des PII (emails, identifiants). Préférez des cohortes anonymes, des segments agrégés ou des identifiants pseudonymisés pour rester conforme et protéger la vie privée.
Comment tester qu’une custom dimension est bien envoyée ?
Utilisez la console réseau du navigateur, le mode preview de Matomo Tag Manager ou les outils de debug Matomo. Vérifiez que la valeur est envoyée avant trackPageView ou avec l’événement ciblé.
Combien de custom dimensions peut-on créer ?
Le nombre d’emplacements est limité et dépend de votre instance Matomo. Planifiez et réservez des slots stables, documentez le catalogue de dimensions et vérifiez les limites dans l’interface d’administration.

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 clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Française de Football, Texdecor. Disponible pour aider les entreprises => contactez moi.

Franck Scandolera

⭐ Analytics engineer, Data Analyst et Automatisation IA indépendant ⭐

Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…

Mon terrain de jeu :

Data Analyst & Analytics engineering : tracking avancé (GA4, Matomo, Piano, GTM server, Tealium, Commander Act, e-commerce, CAPI, RGPD), entrepôt de données (BigQuery, Snowflake, PostgreSQL, ClickHouse), modèles (Airflow, dbt, Dataform), dashboards décisionnels (Looker, Power BI, Metabase, SQL, Python).
Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.