+ 33 6 81 51 67 47 contact@digitaleez.fr

Dans cet article, vous découvrirez les 5 fondamentaux de la web analyse pour tirer le meilleur parti de vos données webs.

Il y a 2 semaines, le spécialiste des web analytics Avinash Kaushik, venait poser, sur son blog, un long laïus sur les fondamentaux incontournables d’un bon pilotage par les web analytics.

Ce billet est essentiel et vient rappeler, une fois de plus, qu’avant de se lancer dans la web analyse, l’entreprise doit poser des bases organisationnelles indispensables qui si elles ne respectent pas certaines normes viendront corrompre et gâcher toute vélléité de le faire.

Avinash Kaushik définit ainsi 5 fondamentaux, qui, il le précise bien, n’ont rien à voir avec un quelconque outil d’analyse, que vous utilisiez Google Analytics ou un autre. Il le répète et insiste. Avant de pouvoir passer à l’oeuvre, il faut une bonne organisation. Sans elle, pas de bonne web analyse.

Pas de bonne web analyse sans outil de tag management

Une des réponses connue, trop connue, que le prestataire extérieur entend lorsqu’il pose la question à son client de savoir s’il est sûr que ses données son fiable, c’est « Mhhhh… avec toutes les mises à jour qu’on a fait en permanence sur le site, c’est pas sûr… » C’est ce « c’est pas sûr » qu’il faut retenir, car il est la plaie des webs analytics.

Etant donné que des bonnes données sortent d’un bon plan de taggage, c’est à dire de la bonne pose des balises javascript qui permettent de récupérer des données un peu partout, et que ce bon plan dépend d’une bonne maintenance du code, étant donné que cet enjeu est loin d’être la préoccupation des développeurs qui ont déjà souvent fort à faire pour maintenir à jour leur système de versionning et doivent se battrent avec des dizaines d’autres tags d’autres applications, ce « c’est pas sûr » est la garantie d’avoir des mauvais jeux de données.

Et, vous l’avez compris, qui dit « mauvais jeux de données » dit « mauvaise analyse » dit « mauvais pilotage ».

Avoir un plan de taggage parfaitement à jour et propre nécessite un véritable déploiement d’énergie dont l’utilité serait sûrement plus grande ailleurs. Vérifier mois après mois, une loupe à la main, la conformité de son plan de taggage soulève au mieux un intérêt méprisant au pire un dédain coûteux. Car, faire de la web analyse sur des données corrompues a exactement le même sens que de brûler des billets de banque dans un incinérateur.

Dès lors se passer d’un outil de gestion de tags comme Google Tag Manager ou un autre qui intégrera à votre place tous vos tags serait comme vouloir percer un trou avec une chignole. Vous percerez votre trou, mais vous faudra du temps. Avec un perceuse, vous aurez le même résultat en beaucoup moins de temps !

Pas de bonne web analyse en naviguant dans le brouillard

Le deuxième fondamental indispensable à la bonne web analyse selon Avinash Kaushik (et il serait bien prétentieux de lui donner tort) est que l’équipe en charge des web analytics, que ce soit un type dans un coin du plateau de votre startup ou d’une armée de data-scientists équipées du meilleur en matière d’outils d’analyse, doit avoir une vision claire de ce qu’elle doit observer et analyser.

Là encore le bon sens vous dirait que… c’est une question de bon sens… or, d’après Avinash Kaushik, ce simple bon sens qui ferait que les équipes de web analytics auraient une vision partagée, décidée en plus haut lieu, leur permettant d’avoir une boussole pour avancer dans le brouillard, ce simple bon sens ne serait pas, et de beaucoup, la chose la mieux partagée (et il parle des entreprises nord-américaines qu’il connait bien !). Trop d’équipes de web analyse fonctionneraient encore dans le brouillard ! Trop n’auraient pas une claire vision de leur rôle qui leur permettrait à la fois de savoir ce qu’on attend d’elles (piloter le business digital) et comment mesurer les facteurs de succès de ce business.

Ce constat peut-il être partagée ici en France ?

Sans prétendre pouvoir répondre à la question, du moins, faut-il redire ici ce qu’Avinash Kaushik propose pour remédier à cette cécité endémique des web analystes par ce qu’il nomme le DMMM ! Un acronyme pour Digital Marketing Measurement Model et qui est un simple tableau à l’intérieur duquel peut être visualisé de manière simplissime les commandements du web analyste. Ce tableau est une des clé de la bonne web analyse et un des cinq fondamentaux que j’ai évoqué jusqu’ici. Sans rentrer dans le détail, disons qu’à lui seul, cet outil permet de synthétiser une vision partagée et créée par les multiples donneurs d’ordre d’une entreprise, assoifés de données. Du PDG, au directeur financier en passant par la direction marketing, il permet clairement et simplement de donner les guides nécessaires au bon déploiement d’une stratégie de web analyse.

Que l’on ne prenne pas le DMMM à la légère et Avinash Kaushik ne se gêne pas pour en parler d’utiliser une réthorique presque mythique quand il parle de « signer dans le sang » ce DMMM. Et pour cause, à l’instar des tablettes de Moïse, il représente, comme disent les américains, les DO’s et les DON’Ts qui permettront à chaque collaborateur de savoir où il peut mettre les pieds et où il ne peut pas les mettre.

Et hors cette DMMM, rappelle le gourou de la web analyse, pas de salut ! Pas de salut voulant dire dans le langage entrepreneurial d’aujourd’hui : beaucoup d’argent dépensé pour rien. Ce que, j’imagine, vous ne voudriez certainement pas faire si vous êtes en charge d’un budget de plusieurs millions d’euros !

Pas de bonnes web analyse sans ouvrir les shakras

Voilà notre troisième fondamental qui arrive ! Et celui là me plait beaucoup !

« Pourquoi, diantre, les web analystes ne se concentrent-ils la plupart du temps que sur des objectifs primaires ? »

Voilà la question  à laquelle Avinash Kaushik veut répondre ici.

Pourquoi, alors qu’ils disposent de tant de données, la plupart des web analystes ne s’intéressent-ils qu’aux objectifs de conversion ? Pourquoi ne regardent-ils pas ailleurs que les chiffres de ventes ou de conversion ? Pourquoi ne s’intéressent-ils que rarement à ce qui se passe avant la vente et après la vente ?

C’est l’un des grands travers de la web analyse, selon notre « maître à penser ». La plupart des web analystes ne regardent que 2% des données qu’ils pourraient exploiter en ne se concentrant que sur des objectifs primaires, alors qu’ils devraient explorer tout le champ de la conversion en regardant l’ensemble des micro-objectifs qui emmène à la conversion.

C’est assez simple à comprendre.

Dans la vraie vie, quand une personne achète quelque chose ou s’inscrit à un service, il ne le fait jamais du jour au lendemain par le simple bon vouloir du saint-esprit. Un processus de décision d’achat est souvent un processus long qui demande de la préparation et qui s’inscrit dans un ensemble d’actions plus ou moins conscientes de la part du consommateur.

Par exemple, avant de cliquer sur le bouton acheter d’un site ecommerce pour se payer une paire de chaussures, l’utilisateur a sans doute pensé auparavant qu’il lui faudrait changer de chaussures parce que les siennes sont usées ou ne sont plus à la mode.

Avant d’acheter, il s’est donc renseigné.

Ou bien, il a été soumis à un bombardement publicitaire intensif.

Parfois, souvent même, il a demandé à ses amis sur les réseaux sociaux.

Il s’est aussi laissé influencé par ce que portait ses petits camarades dans son entourage.

Etc…

Le processus d’achat est un chemin parfois long, rempli d’obstacle, sur lequel tout vos concurrents se battent et tentent d’attirer l’attention.

Et toutes ces actions, micro-actions, comme on pourrait les appeler, dans le digital, du moins, laissent des traces, des marques, que ce soit sur votre site ou ailleurs.

Autant d’indices que vous devriez utiliser.

Autant d’indices qui vous permettrait de créer des leviers pour attirer vos futures proies dans votre propre tunnel de conversion.

Et c’est là qu’Avinash Kaushik nous avertit : souvent, les web analystes ne regardent pas ces traces. Pressurés par leur direction, ils se concentrent sur ce qu’il y a de plus visible. Les ventes et les conversions.

Or, ces deux indicateurs ne sont que la résultante d’un ensemble d’autres indicateurs qu’il faut aussi regarder, surveiller, et sur lesquels il est tout à fait possible d’agir !

Pas de bonne web analyse sans une bonne répartition des tâches

Sur ce point, il ne s’agit ni d’outil ni d’expertise. Il s’agit d’organisation et de temps passé. Combien de temps doivent passer vos équipes à faire de la web analyse ? Et qu’y a-t-il à l’intérieur de ce temps ?

D’abord, Avinash Kaushik nous rappelle que le temps d’une équipe de web analyse se répartit en 3 tâches : la maintenance et la mise à jour du plan de taggage, le reporting et l’analyse.

Ces 3 tâches forment un tout indivisible. Et la question ici est de savoir comment répartir la charge des équipes de web analyse et surtout de déterminer quelle est la meilleure composition pour le meilleur retour sur investissement de ses équipes. Et Kaushik ne mâche pas ses mots en expliquant qu’une mauvaise répartition revient à ne pas faire de web analyse du tout (toujours dans la nuance !).

Ce qui aura le plus de valeur pour l’entourage de cette équipe, c’est l’analyse. C’est la substantifique moëlle de la web analyse. C’est la raison pour laquelle les web analystes devraient faire de la web analyse. Si vous voulez bien comprendre la différence entre reporting et analyse, vous devez impérativement lire son article son article à ce sujet (car Avinash Kaushik sait rendre particulièrement claire les choses). En attendant, vous pouvez toujours me faire confiance et comprendre que :

le reporting consiste à faire des tableaux de statistiques extraites de l’outil de web analytics. Il vous permettra, par exemple, d’avoir sur une belle feuille A4 le nombre de sessions par semaine, par jour ou par mois sur votre site web. Et pour aller, plus loin, il vous permettra d’avoir la répartition entre trafic mobile et trafic desktop, etc… On peut faire facilement beaucoup de tableaux de bords comme cela. Non, pas que ça soit plus facile qu’autre chose, mais plutôt que, étant donné la quantité considérable de données qu’il est possible de récolter, le nombre de tableaux de bord que l’on peut en tirer approche l’infini (c’est magique, mais ça n’apporte pas grand chose à la marche de votre entreprise)

l’analyse consiste à tirer parti du reporting pour en déduire des comportements de vos visiteurs, émettre des hypothèses et des suppositions, lever des alertes, préconiser des solutions. C’est le stade au-dessus du reporting. Il suppose avoir des web analystes comprenant la marche de l’entreprise, connaissant ses objectifs (voir plus haut, le deuxième fondamental), bref, d’avoir des gens dont le cerveau va permettre d’aller plus loin que simplement pousser sur des boutons. Pour Avinash Kaushik, ce ne sont d’ailleurs même pas forcément les mêmes personnes que celles qui font du reporting (on parle de grandes équipes, là !)

Cela étant dit, comment donc, doit se répartir le job entre la maintenance, le reporting et l’analyse ?

Je vous laisse plonger dans l’article original dont est tiré cet article. Retenez simplement que cette répartition varie en fonction de la taille de l’équipe de web analyse (de 1/2 personnes à des équipes entières) et que la partie analyse ne devrait jamais tomber en dessous de 50% de temps homme (même pour la personne à mi-temps dans un coin de votre bureau qui envoie aussi le courrier et réponds aux mails 🙂 )

Pas de bonne web analyse sans une bonne organisation des équipes

On en arrive enfin à la dernière recommandation d’Avinash Kaushik pour faire de la bonne web analyse. Celle-ci est plus rapide à expliquer. Il s’agit concrètement de la manière dont les équipes de web analytics doivent être organisées et hiérarchisées au sein de l’entreprise.

Là aussi, Avainash Kaushik prend en compte trois niveaux d’entreprise. La débutante, la petite, la startup où tout le monde se connaît, où les besoins peuvent être facilement centralisés. L’équipe de web analytics (ou la personne seule dans le coin du bureau) répond à toutes les demandes à tous les besoins, au cas par cas. Son seul impératif est de respecter la répartition de son temps de travail ainsi qu’Avinash Kaushik l’a décrit dans le point précédent.

Au deuxième stade, l’équipe de web analytics est décentralisée. Ou plutôt, elle est éclatée au sein des différents services ou business units de l’entreprise. Chacune fonctionne de façon autonome et réponds aux besoins de reporting et d’analyse de l’entité dont elle dépend. La particularité dans ce schéma est que la maintenance devrait être attribuée à l’IT de l’entreprise. C’est original, mais au moins, cela permet d’optimiser les ressources.

Au troisième et dernier stade, la grande entreprise (la multinationale, carrément), le schéma devient plus complexe. Il existe une division entière dédiée à la web analyse. Une sorte d’organisme central gère les aspects de maintenance, choisit les outils à utiliser, propose des formations. Bref, prend en charge l’infrastructure organisationnelle et métier de la web analyse. En revanche, il existe à nouveau des équipes indépendantes, vouées à des recherches stratégiques demandées par la direction et les différents départements de l’entreprise. Ces équipes, à nouveau, ne sont pas soumises à la rude tâche de la maintenance des plans de taggage.

Conclusion

Ok. Je n’irai pas plus loin ou on m’accuserait de plagiat 😉

En réalité, je n’aurais pas osé traduire dans son intégralité l’article d’Avinash Kaushik (ni le droit, sans doute), mais il me semblait essentiel d’en retranscrire de manière résumé le contenu pour en retenir l’idée essentielle : on ne fait pas de web analytics si on n’a pas un plan et une organisation fermement étudiée avant de se lancer dans le reporting et l’analyse. Et, voyez-vous, je souscris entièrement à cette vision. D’autant plus qu’elle est ici solidement étayée. Vous faites peut-être vous même de la web analyse. Vous managez peut-être une équipe de web analyst ou vous cherchez à tirer un meilleur parti de vos ressources dans ce domaine. Suivez ces précieux conseils ! Même si vous ne faites que les approcher (un monde parfait, ça n’existe pas), vous pourriez bien avoir la surprise de commencer à rendre de meilleurs services aux gens de votre entreprise !

Via Keushik.net : Five Key Elements For A Big Analytics Driven Business