L’importance de la collecte et de l’analyse de données pour votre

entreprise

Vendredi 19 Juin 2015

1. L’importance des données

2. Les données issues de la Web Analyse

3. La collecte

4. L’analyse

5. Le traitement

6. Les recommandations

7. Démonstration

Sommaire

L’importance des données

➔ Quels sont les objectifs business ?

➔ Quels sont les pôles d’importance dans votre entreprise ?

➔ Où se trouve la valeur ?

➔ Pôles de coûts ?

➔ Pôles de profits ?

➔ Les facteurs clés de succès ?

➔ Les avantages concurrentiels ?

Qu’est-ce qui est important pour votre entreprise ?

➔ Prendre des décisions dans votre entreprise

➔ Mesurer vos actions marketing

➔ Analyser votre rentabilité

➔ Identifier les problèmes

La donnée pour quoi faire ?

➔ Comment évaluer le coût d’un problème ?

➔ Analyser si cela vaut le coût de répondre à un problème

➔ Analyser aussi si on peut répondre au problème en termes de: ◆ Temps / Planning◆ Ressources humaines◆ Ressources matérielles

Évaluer le coût d’un problème

➔ Complexité des systèmes d’informations

➔ Complexité liée au volume de données (Big Data ?)

➔ Complexité liée à l’intelligence d’affaires derrière les données

Les difficultés liées aux données

On ne sait souvent pas ce que l’on va pouvoir faire de la donnée jusqu’à qu’on l’ait.

Le mieux reste de faire l’inverse :

1. Partir d’une question liée à un constat, à une problématique réelle (produit, communication, business, etc.)

2. Découper en différentes questions / étapes permettant de répondre à la question ou constat de départ

3. Faire un audit d’un problème existant pour en arriver à connaître les données liées à ce problème

Ne pas laisser place à l’inconnu

Est-ce réellement important d’avoir des données ?

La question est intéressante. Posons-nous les questions suivantes :

➔ Durant combien de temps je peux me passer de données ?

➔ Que se passe-t-il si je perds toutes mes données demain ?

➔ Est-ce que le contrôle de mon entreprise est lié aux données ?

➔ Est-ce que je peux éviter de mauvaises décisions en utilisant la

donnée ?

➔ Puis-je en prendre des bonnes ?

➔ Est-ce que mes concurrents utilisent la donnée ?

Les données & mon entreprise

La Web Analyse

D’après le Web Analytics Association, la web analyse correspond à la mesure, la collecte, l'analyse et la présentation des données sur le web à des fins de compréhension et d'optimisation de l'utilisation du Web.

Parkour3 rajoute une étape qui est l’établissement d’objectifs avant de commencer la mesure de la donnée.

Définition

Objectifs de la Web Analyse

La Web Analyse réponds à plusieurs objectifs : 1. Mesurer la rentabilité d’une présence Internet 2. Obtenir de l’information stratégique sur vos prospects/cibles et leur comportement3. Analyser les performances du site à travers notamment le processus de conversion 4. Détecter les problèmes d’ergonomie / d’utilisation 5. Mesurer et éventuellement qualifier l’audience 6. Identifier les sources des visites 7. Mesurer l’efficacité et la rentabilité des différents canaux marketing utilisés 8. Effectuer des tests marketing ....

La Web Analyse n’est que la mesure de la stratégie de votre entreprise appliquée sur le Web. Il est important de toujours partir de la stratégie marketing de l’entreprise avant de se lancer dans la Web Analyse.

Plan de la Web Analyse

DéfinitionUn KPI est un indicateur clé (de votre activité) qui permet d’avoir une aide décisionnelle (aux actions pour votre activité).

Par exemple : la vitesse qui s’affiche sur votre tachymètre dans votre voiture, est un indicateur clé vous permettant d’ajuster celle-ci aux conditions de circulation.

Intérêts➔ Les KPIs permettent d’évaluer l’échec ou la réussite des actions➔ Ils transforment les données en informations utilisables➔ Ils conduisent à des actions et évitent des erreurs

Les Indicateurs clés (Kpis)

La collecte

La collecte des données n’est pas gratuite :

➔ Coûts serveur

➔ Coûts du support (humain / logiciel)

➔ Coûts d’installation

➔ Coûts de nettoyage (Extract, Transform, Load)

➔ Coûts d’import (Big Data)

Pré-requis sur la collecte

Identifier les possibilités ou les biais

Les possibilités :➔ Qu’est-il possible de collecter ?➔ Peut-on tout collecter ?➔ Avons-nous les ressources pour tout collecter ?

Les biais de collecte : ➔ Technique (trop de connexion, collecte impossible)➔ Technologique (logiciel, données mal collectées)➔ Echantillonnage➔ Fausses données (volontaires ou involontaires, les fausses données sont

nombreuses)➔ Le facteur humain (erreur de manipulation, erreur sur les indicateurs et

leur traitement, etc.)

Sources de collecte : ➔ Google Analytics / Omniture, Piwik, etc.➔ Flurry / Google Analytics pour Mobile App➔ Votre CRM➔ Sondage en ligne (pour des données qualitatives par exemple)➔ Les agences publicitaires➔ Les données provenant de vos campagnes marketing➔ Les données publics (open data)➔ Les données de vos partenaires➔ Les bases de données achetées➔ Vos bases de données (back-end)

Choix des sources de collecte

Outils pour la Web Analyse (dans notre exemple)

Universal Analytics & Google Tag Manager ⇒ Gratuits et reconnus dans leur domaine

Excel ⇒ Facilite le travail / croisement des données, outil courant

L’analyse

Avant de commencer l’analyse, il est nécessaire de se poser les questions suivantes :

➔ Quels sont les objectifs ?

➔ Est-ce que la problématique est mesurable (sous-entendu facilement) ?

➔ Est-ce que l’on récupère les bonnes données ? (sous-entendu, quand on s’est posé la question de l’analyse, avions-nous déjà lancé la collecte ?)

➔ A-t-on assez de données ? Est-ce que les données sont représentatives de ce qu’il y a à analyser ? (temps, saisonnalité ou échantillon)

➔ Quel est le coût de l’analyse (elle-même, incluant les temps de traitement, main d’oeuvre, logiciels, etc…)

Analyser dans quel but ?

Questions à se poser :➔ Qu’est-ce qui répond le mieux à la problématique ?➔ Comment l'interprétons ? (limite haute, limite basse, moyenne et médiane, bounce

rate) ?➔ Comment ce dernier est-il interprété ? Quelles sont ses limites ?

Si l’indicateur est lié à une temporalité :

➔ Vérifier que l’on est dans temporalité “classique” (vacances, jours fériés, campagne marketing, black friday, etc…)

➔ Impact de la temporalité

A retenir :➔ La collecte des données aura une influence sur le Kpi (changement de Kpi en cours

de route et/ou d’outils de collecte)

Choisir les Kpis

Avinash Kaushik co-fondateur de Market Motive Inc a dévelopé la méthode du “So

What” test qui consiste à confirmer qu’un indicateur est correct ou non en fonction de l’

objectif voulu.

Le principe est de faire répéter trois fois la question lorsqu’une personne demande

la collecte d’un indicateur. Si la personne n’arrive pas à justifier ce choix trois fois de

suite ou à traduire son Kpi en une action à faire alors cela signifie que l’indicateur est

mauvais.

Exemple :

1. Les Returns Visitors augmentent de mois en mois. So What ?

2. C’est fantastique car cela veux dire que nos visiteurs sont fidèles. So What ?

3. Nous devons faire plus d’actions pour continuer l’augmentation. So What ?

4. Je ne sais pas ce que l’on peux faire mais c’est bien non ?

Autres méthodes de choix du Kpis : “So What”

Objectifs et Kpis

Types d’objectifs web Kpis

Reliés aux sources de revenus Revenus par source

Reliés aux coûts Analyse du ROI des campagnes publicitaires

Reliés au contenu et au trafic Temps passé sur le siteNombre de pages vues

Reliés à la conversionTaux de conversionCoût par acquisition

Taux d’abandon

Le traitement

Le traitement de l’analyse

Faire attention aux biais :

➔ Erreur de calcul➔ Limitation technologique (pas assez de puissance machine, etc…)➔ Limitation des outils (pas possibilité de faire tel ou tel graphique, etc...)

Corrélation / Causalité :

➔ Corrélation n’est pas une causalité➔ Une action ne mène pas forcément à une causalité (même si on a corrélation),

exemple Adwords

Corrélation ≠ Causalité

Représentation des données et Rapports

La création d’un tableau de bord et de rapport est nécessaire pour la lisibilité des données et des enseignements.

Bonnes pratiques à respecter :

➔ Faire attention aux échelles➔ Faire une représentation des données compréhensible➔ Faire une représentation qui permet de répondre à la problématique➔ Cohérence des couleurs entre les KPIs➔ Prévoir que ça peut être imprimé en niveau de gris➔ Adapter le rapport au destinataire !➔ Garder ça simple !

Modèle A-B-CModele A-B-C fondé par Avinash Kaushik est le modèle le plus basique et efficace pour présenter ses données issues du web et de les reliés aux objectifs d’affaires.

Il est structuré en trois colonnes et les données sont divisées par type :➔ Acquisition➔ Behavior (Comportement)➔ Conversion

Les recommandations

Une fois que les rapports sont fournis il est primordial de :➔ Mettre une recommandation derrière chaque indicateur clé

➔ Poser une action concrète pour améliorer/diminuer l’indicateur clé

➔ Proposer un planning d’actions et du suivi des recommandations

➔ Fixer une date pour revoir l’indicateur dans le temps

➔ Améliorer si nécessaire la collecte de données si de nouveaux besoins apparaissent

Suivi des recommandations

Démonstration

Merci !