La web analyse a trait aux données digitales et consiste à les collecter, les mesurer, et les utiliser au travers de reportings dans le but de comprendre et d’optimiser l’utilisation du web. 

Dans cet article, nous verrons également :

• Comment partir du besoin du client final pour le traduire en KPI
• Les destinataires des web analyses, non il n’y pas que le marketing !
• Les contraintes liées à la web analyse
• La mutation de la web analyse
• Quelques cas concrets d’utilisations de la web analyse

La web analyse : collecter – analyser – construire

• Collecter des données digitales : Cela signifie d’une part qu’il est nécessaire de s’appuyer sur des outils qui vont collecter cette data tels que Google Analytics, AT internet …Cela implique également de recourir à des gestionnaires de tags pour orchestrer le déclenchement des marqueurs sur le site ainsi que les données qui seront collectées;
• Analyser les données : Une fois que la collecte est faite, il va falloir ensuite analyser ces données collectées. C’est là que le web analyste entre en scène. Seenaptic permet aux web analystes de passer moins de temps sur la collecte et la recette au profit de l’analyse de cette dernière.
• Construire les reportings: Le but du jeu est de présenter les données pour qu’elles soient actionnables. Cela peut se traduire par la simple formulation de recommandations, mais aussi par la construction de reportings avec des outils comme Data Studio par exemple pour permettre aux Product Owners, aux membres du board ou à tout autre intéressé de prendre des décisions basées sur la data. 

Faire de la web analyse : du besoin au tracking en passant par les KPI

1- Définir le besoin final du client

Vous l’aurez compris, la webanalyse ne consiste pas simplement à analyser des données, elle s’inscrit dans une démarche, un process. Cette démarche passe d’abord par la définition du besoin final du client. 

Une erreur que font souvent les web analystes revient à dire : “J’ai un site internet, je vais le tracker. Maintenant qu’il est tracké, je vais essayer de faire des web analyses et des études sur ce que j’ai tracké.” C’est parfaitement l’inverse de ce qu’il faut faire.

La première étape d’une démarche de web analyse est donc d’identifier l’objectif et ce que l’on veut mesurer. Typiquement pour un site e-commerce, les objectifs peuvent par exemple être de :

• Générer du chiffre d’affaires, 
• Contrôler que les actions marketing permettent bien de faire des transactions rentables,
• Identifier les produits qui performent le mieux sur le site pour pouvoir les mettre en avant.

2- Traduire ces objectifs en KPI

Partant de ces KPI finaux, il faut les traduire en ce que nous appellerons des KPI intermédiaires. Une fois ces derniers établis, alors seulement un tracking est envisageable.

Illustrons nos propos au travers du cas d’un blog de paris sportif que nous nommerons Bet and Win:

Comprendre en premier lieu le fonctionnement du business de Bet and Win avant d’être en mesure de déterminer les KPI intermédiaires n’est pas si évident dans le cas présent. Il y a un premier besoin business facilement identifiable et orienté “métier” qui est de permettre aux clients de lancer et suivre leurs paris. C’est-à-dire qu’ils doivent pouvoir investir, et idéalement le plus possible. Le second point business est davantage orienté “média” et revient à dire qu’en fonction du volume de trafic généré sur le site, Bet and Win va pouvoir monétiser ses audiences. 

Cela semble basique de prime abord, mais à ce moment on ne prend pas forcément conscience de l’importance de toutes les données relatives au trafic et à leurs sources.

Le travail du web analyste, c’est de définir ces KPI et de mettre en place la collecte de ses données et de les vérifier. Dans ce cas présent, il s’attelera donc à vérifier que le taux de transformation est bon (besoin final de Bet and Win). Pour cela, il conviendra donc de se baser sur les KPI intermédiaires suivants et de s’assurer que ces 3 métriques sont bonnes : 

• Le nombre de visite,
• Le nombre de transformation,
• Le volume de chiffre d’affaires.

Le chemin de la web analyse peut s’avérer sinueux et semé d’embuches.

La première contrainte est évidemment la contrainte technique, c’est de dire que la web analyse est adossée à des outils techniques de collecte de données qui impliquent par conséquent une forme de dépendance vis-à-vis d’autres équipes. Même si cela est devenu  moins vrai avec les gestionnaires de tag aussi appelés TMS (Tag Management System) tels que GTM (Google Tag Manager), il n’en reste pas moins que le data layer est quant à lui développé par l’équipe IT. Et lorsque le cycle de mise à jour de ce dernier est long entre le moment où une demande a été formulée et celui où elle a été effectuée, alors l’impact sur la qualité des données est immédiat et hautement problématique.

Le manque de temps peut également s’avérer être une contrainte puisque les équipes ne sont pas toujours assez staffées pour faire face aux demandes. Cela est vrai à la fois sur la partie technique mais aussi sur le plan de l’analyse. Aussi, le métier de web analyste est un métier où il faut souvent savoir analyser des données sous l’angle du marketing ainsi que des compétences de tracking. 

---

Pour en savoir plus sur les outils de Tag Management ainsi que sur les principaux obstacles rencontrés par les équipes concernant la gestion de leurs tags et la collecte de leurs données, téléchargez notre livre blanc :  » Les secrets du Tag Management »

---

Pour rappel, lorsqu’une analyse doit être faite, celle-ci est formulée, traduite en KPI intermédiaires, et ensuite le tracking est déployé en conséquence sur le site. La contrainte technique numéro 1, c’est lorsqu’arrive le moment de produire l’analyse (bien souvent quelques semaines après la formulation de la demande) et que le web analyste se rend compte que les ajouts au panier n’ont par exemple pas été collectés. Ce cas est malheureusement très/ trop fréquent.

Non les web analyses ne sont pas exclusivement à destination des équipes marketing

La donnée est devenue centrale pour les enseignes qui ont compris ses enjeux et le potentiel qu’elle représente. C’est d’ailleurs pour cela que l’on tend de plus vers des stratégies de marketing Data Driven. La donnée au sens large mais aussi les webanalyses  sont donc susceptibles d’être utilisées par tous les services d’une entreprise. 

Évidemment il y a toute cette partie produit, il faut entendre par là les produits owners, ces personnes qui ont pour mission de mettre en place des évolutions sur le site qui ont besoin de se baser sur des données d’utilisation pour savoir si les dernière sont utilisées, prolifiques pour l’augmentation des KPI qui ont été définis. 

La webanalyse concerne aussi tout ce qui relève du contrôle de gestion et plus largement de l’ordre de l’investissement car ce sont eux qui vont piloter par exemple les coûts d’acquisition. Il est donc intéressant pour eux de pouvoir suivre ces métriques. 

Il est impossible d’omettre la direction comme utilisatrice de web analyse. C’est elle-même qui prend les décisions basées sur les données collectées ni le département  marketing. Il est évident que ce dernier a besoin des données de trafics et d’analyses pour pouvoir piloter correctement les investissements ainsi que les campagnes. Enfin, dans une moindre mesure, les équipes de développeurs peuvent être amenées à devoir se fier aux web analyses s’ils se voient confier le pilotage de certaines features. 

Vous l’aurez compris, globalement tout le monde utilise le modèle analytics au sein d’une organisation.

L’optimisation des campagnes marketing reste tout de même l’enjeu premier des web analyses

L’optimisation des campagnes marketing est sans aucun doute l’enjeu le plus important. Vient après tout ce qui est relatif au pilotage des coûts d’acquisitions puis tout ce qui a trait aux optimisations des produits. 

A l’approche de l’été, une marque spécialisée dans le prêt à porter pour hommes de grandes tailles envisageait de retirer toute une collection de manteaux d’hiver. A la suite d’analyses des données collectées en ligne, elle s’est rendue compte que cette même gamme faisait un carton sur le web. Ils ont donc pris la décision de les remettre en magasin pour les saisons suivantes. Sans une web analyse des ventes par catégorie, cette opportunité commerciale n’aurait pas été détectée.

La web analyse, c’est aussi un métier en pleine mutation.

Pourquoi ? Car aujourd’hui, les données sont de plus en plus difficiles à récupérer notamment à cause de la RGPD. La conséquence est qu’il sera bientôt obligatoire de recueillir le consentement de tous les internautes avant de pouvoir mettre en place des outils d’analyse.

Pour en savoir plus sur le consentement utilisateur, re-découvrez notre webinar en collaboration avec Didomi :

Cela va devenir nettement plus compliqué et va avoir des impacts potentiels sur les web analyses puisque l’on risque de perdre 70% de du trafic d’analyse. Il y aussi les cookies qui vont être supprimés car ils relèvent des données privées. Des alternatives à cette problématique se mettent en place avec le serveur side notamment. Dans les faits, cela signifie que l’on va essayer de tracker de plus en plus de choses sans passer par le navigateur ni s’appuyer sur les systèmes utilisés jusqu’à présent comme les cookies. C’est un des sujets stratégiques du moment.

Quelques cas concrets d’utilisations de la web analyse.

La web analyse est censée être une pratique répandue au sein des entreprises. Mais bien souvent, lorsqu’une démarche de web analyse est initiée, elle se limite rapidement au simple fait de mettre en place un Google Analytics par exemple sans jamais le consulter et chercher à exploiter les données collectées.

Voici quelques cas simples qui peuvent finir de vous convaincre de l’intérêt d’analyser les données que vous collectez sur votre site internet. 

Nous avons illustré la web analyse au travers de cas plus ou moins concrets comme la mesure de l’efficacité de certaines fonctionnalités d’un site internet. Un autre cas simple pour montrer l’usage de la web analyse est par exemple la mise en place de tests AB. Ici elle s’avère particulièrement pertinente pour prendre des décisions pouvant s’avérer à la fois contre intuitives et très intelligentes. Par exemple, la couleur des boutons sur les fiches produits ont été parmi les premiers tests AB réalisés et montraient déjà des résultats impressionnants. donc tu vas trouver des exemples je pense.

Après en termes d’analyses pures, l’étude du taux d’utilisation chez un des leaders français du bricolage s’est avérée très intéressante. Sur le site, on retrouvait une multitude de petites zones dans lesquelles il était difficile de faire des mises en avant de produits, et de savoir lesquelles étaient les plus utilisées, les plus cliquées. Grâce à l’analyse des données collectées, il a été possible d’optimiser les campagnes suivant l’utilisation des filtres dans les pages listes par exemple. Au fil du temps des optimisations ont été faites : certains filtres mis en haut de page n’étaient pas utilisés et les analyses ont permis de statuer et de les descendre voire de les supprimer au profit de nouveaux filtres plus utilisés. Sur le plan de la navigation, cela a permis d’avoir une expérience utilisateur globale nettement plus satisfaisante pour l’internaute et donc un taux de conversion qui s’en ressent.