Analytics et Data driven : bien comprendre et agir pour de meilleures décisions stratégiques !

Toutes les interactions ou presque peuvent être trackées, décryptées et analysées. Cependant, je constate souvent que dans l’écosystème digital, les données récoltées par les nombreux outils d’analyse sont mal exploitées car mal interprétées.

Pourtant, la bonne compréhension de ces données impacte les décisions stratégiques ou budgétaires de votre business model ! L'expérience utilisateur est devenue un paramètre incontournable de l’écosystème digital actuel. Lors de sa navigation, ce que le client attend d'un site est qu'il réponde non seulement à ses attentes en matière d'assortiment produits, mais surtout en termes d'expérience !

Il faut, par conséquent, se livrer à un véritable travail d'analyse et d’interprétation : la collecte de données portant sur le parcours d'achat du consommateur sur un site web est capitale. Mais faut-il encore être capable de décrypter les comportements de vos clients ou de vos prospects, et de mesurer leur expérience utilisateur d'un point de vue quantitatif !

Analytics : les éléments indispensables et les méthodes d’analyse

4 éléments clés sont à prendre en compte :

  • L'acquisition (comment l'internaute est arrivé sur votre site) : au-delà des canaux, de quelles sources précisément sont venus vos visiteurs ?
  • L'engagement (comment il réagit par rapport à votre site) : quelles sont les pages qui attirent les visites ?
  • La conversion (ce qui l'a incité à passer à l'acte d'achat) : quels sont les éléments ou les leviers (Attribution) qui interviennent dans l’entonnoir de conversion ?
  • La fidélisation (ce qui fait que l'internaute revient sur votre site) : quels produits, quel contenu font revenir vos visiteurs ou vos clients ?

Google a imaginé la mesure de l'expérience utilisateur (UX) avec un modèle appelé HEART (Happiness, Engagement, Adoption, RetentionTask success). Ces indicateurs essentiels constituent un cadre d'analyse de l'expérience utilisateur. Le choix des indicateurs de performances à monitorer et des outils à déployer sur le site est primordial pour comprendre les comportements de vos clients.

Mais capter des données ne sert à rien si vous n'êtes pas en mesure d'en tirer les enseignements et de prendre les bonnes décisions ! Il existe donc plusieurs types de méthode d’analyse en Digital Analytics. Les principaux types sont la méthode d’analyse comportementale, d’analyse attitudinale, concurrentielle et sociale :

 

 

 

 

Définir les KPI qui font sens et les interpréter

Les outils Analytics sont nombreux : Adobe Analytics, AT InternetIBM Digital Analytics Google Analytics étant le plus populaire au monde avec une part de marché estimée à plus de 85%. Ils sont indispensables pour n’importe quelle entreprise gérant un business en ligne : ils permettent de mieux comprendre les réactions et les comportements des visiteurs sur votre site.

Mais la différence ne peut se faire sur les données elles-mêmes ! Les représentations graphiques (la datavisualisation ou dataviz) garantissent une interprétation intelligente de vos données. Elles permettent en effet d’analyser et de visualiser (représentation de la donnée brute) un grand volume de données. Plusieurs solutions de dataviz existent, telles que Google data studio, Holistics, Qlik Sense, Microsoft Power BI et Salesforce Einstein.

 

 

 

 

Exemple d'interface de solution de dataviz

C’est parce que l'on a ressenti les limites du site web que l'on recherche des leviers d'amélioration. Fréquence d'achat, taux de transformation, taux de rebond, partage de produits ou encore taux de souscription à une newsletters, c'est à vous qu'il revient de définir vos actions en fonction des éléments que vous aurez analysés !

Prenons l’exemple d’un formulaire. On peut s’interroger sur la conception d’une page ou d’un formulaire, lorsqu’un internaute interrompt sa navigation à un endroit précis. La plupart des sites possèdent des pages plus longues que la taille de nos écrans, sachant qu’aujourd’hui, une personne utilise plusieurs types d’écran (laptop, desktop, tablette, smartphone). Les utilisateurs doivent donc « scroller » (faire défiler) pour visualiser l’ensemble des éléments, informations, de la page ou du formulaire.

 

 

 

 

Il est alors indispensable de voir jusqu’où le visiteur fait défiler la page, en particulier s’il parcourt une page produit ou un formulaire qui contient des informations importantes.  

Pourquoi utiliser le scroll tracking comme objectif ?

La profondeur de scrolling

En créant un objectif basé sur le scroll tracking, vous pourrez suivre le nombre de visiteurs qui voient la page en entier. La profondeur du scrolling est utile si vous animez par exemple un blog et que vous attendez de vos visiteurs qu’ils lisent vos articles (principalement si un CTA bouton call to action se trouve en bas de l’article).

Il est cependant impossible de créer une visualisation en entonnoir. Vous pouvez toujours créer plusieurs événements (dans Google Analytics) pour le suivi du scrolling, avec pour chaque suivi une profondeur spécifique (30%, 60%, 90%). De cette façon, il est possible de créer une représentation en forme d’entonnoir de la perte de visiteur sur chaque page.

Dans le cas d’un formulaire, vous pourrez identifier à quel endroit, au niveau de quel champs ou quelle demande d’information va inciter le visiteur à quitter la page. 

(Re)définir le contenu et la structure

En matière de SEOle scroll tracking pourra vous aider à développer votre contenuIl serait logique de penser que le contenu que vos utilisateurs voient en dernier, avant de quitter une page, est le contenu le plus intéressant de votre site. En observant les événements les plus importants dans Google Analytics, vous pourrez identifier facilement les pages de destination qui attirent le plus vos visiteurs.

Une interprétation possible?lorsqu’une landing page génère du trafic, est qu’elle est populaire?! Cependant, elle n’est pas efficace dans l’engagement de vos visiteurs. En déterminant la profondeur de scrolling de vos visiteurs sur une page de destination donnée, vous pouvez déterminer les informations que ces visiteurs souhaitent voir et ajuster votre contenu en conséquence.

Vous pouvez également déterminer quel contenu est le plus attrayant et fonctionne le mieux en termes d’engagement général des visiteurs. Vous pouvez donc la restructurer ou la réécrire pour qu’elle contienne plus d’informations utiles. Par exemple, certains articles de blog peuvent contenir un paragraphe ou deux qui sont particulièrement intéressants pour vos clients, mais la plupart quittent votre site après l’avoir lu.

Dans ce cas, vous pouvez essayer de modifier la structure et le contenu du message lui-même ou d’en écrire un autre avec des informations plus détaillées. Le suivi de la profondeur du scrolling vous permet également de savoir si une page de destination ou toute autre page comportant un appel au clic contient des éléments de distractions potentielles.

Si vous remarquez que des personnes quittent la page après l’avoir visionnée seulement à 50%, vous pouvez examiner cette partie de la page pour rechercher d’éventuelles problèmes.

Canal de conversion ou canal de découverte ?

Dans un autre exemple, on constate que votre site enregistre un nombre important de visites en provenance du canal « social media ». Cependant ces visites sont de courte durée et peu de pages sont consultées. Que pouvons-nous en déduire ? Le canal n’est pas approprié à votre cible ou les visites ne sont pas suffisamment qualifiées ?

Mais l’explication rationnelle serait que dans notre cas nous sommes face à un canal de « découverte » plutôt qu’un canal de « conversion » : les internautes vont découvrir votre marque, vos produits, votre présence sur le web, grâce aux réseaux sociaux mais ils ne convertissent que plus tard, lors d’une seconde ou une troisième visite. 

On peut s’en assurer en consultant les rapports de Google Analytics dans la rubrique : Conversions > Entonnoirs multicanaux.

 

 

 

 

De manière générale, grâce à la création d’un « projet modèle d’attribution » dans Google Analytics, vous identifiez la pertinence des leviers marketing contributeurs et optimiserez les budgets média en fonction de l’importance de chacun de ces leviers dans le processus de conversion !

Dans cet exemple, il s’agit de la création d’un projet d’attribution dans Google Analytics. Pour rappel, il existe deux types de modèles, prédéfinis et algorithmique.

 

 

 

 

On peut visualiser les différentes étapes (parcours) avant la conversion.

 

 

 

 

 

 

 

 

La liste des analyses et de leurs interprétations est longue, et cet article ne refléte qu’une infime partie des possibiltés qui s’offres aux annonceurs dès lors qu’ils s’agit de prendre des décisions impactantes pour leur développementque ce soit online mais également offline.

Aujourd’hui nous pouvons récolter et analyser des données qui proviennent de multiples canaux et supports : ordinateurs, tablettes, smartphones, TV, écrans dans les magasins, sites web, bornes interactives... Nous sommes capables d’analyser l’impact du trafic en magasin des campagnes TV (Holimetrix), de faire des prédictions de trafic, d’audience (Kameleoon, IBM Watson…).

Nous en pouvons plus nous contenter de lire des tableaux de bord sans en connaitre réellement la signification et les enseignements. Mais devant les sources inombrables de solutions et de canaux, il devient indispensable de « COMPRENDRE » avant d’ « AGIR » ! 

Définitions

Le Data Driven, également appelée Data-Driven Marketing, se base sur une approche qui consiste à prendre des décisions stratégiques sur la base d'une analyse et d'une interprétation des données.

L'approche Data Driven permet d'examiner et d'organiser la data dans le but de mieux cerner ses consommateurs et ses clients. L'analyse (Analytics) est la découverte, l'interprétation et la communication de modèles significatifs dans les données.

Particulièrement utile dans les régions riches en informations enregistrées, l'analyse (Analytics) repose sur l'application simultanée de statistiques, de programmation informatique et de recherche opérationnelle pour quantifier les performances.