Anticiper un changement d’outil Analytics pour les équipes Acquisition

Depuis l’annonce de la CNIL sur la mise en demeure de plusieurs acteurs français pour leur usage de Google Analytics, les projets de changement d’outil Analytics sont remis au goût du jour. Ces projets structurels, souvent menés par les équipes Analytics ou Data, auront aussi un impact fort sur les équipes Acquisition. 

Nous aborderons ici 3 enjeux afin de vous aider à cadrer vos réflexions pour trouver le meilleur outil ou écosystème et ainsi optimiser vos performances d’acquisition :

• La compréhension du rôle d’un outil Analytics pour votre équipe acquisition : du suivi de la performance jusqu’à l’activation d’audience
• Un zoom sur les fonctionnalités clés à benchmarker entre votre outil actuel et son successeur
• Les solutions qui se dessinent aujourd’hui pour l’Analytics de demain

Le rôle d’un outil Analytics pour l’équipe Acquisition

Avant de changer d’outil, il faut définir le rôle de l’Analytics pour l’équipe Acquisition. Ce rôle intègre un suivi dédupliqué & granulaire des conversions dans le temps, l’activation de cette donnée dans les stratégies d’enchères ou des audiences et enfin des cas Data avancés. 

L’usage primaire d’un outil d’Analytics est l’accès à une vision dédupliquée des conversions sur le site. Autrement dit, chaque conversion est attribuée à un acteur donné, ce qui évite de créditer différents partenaires / régies Média pour une seule et même conversion. 

  Une fois cette vision dédupliquée maîtrisée, les outils d’Analytics permettront de mettre en place un suivi avancé des conversions, via deux axes :

• Enrichir les conversions suivies avec des informations plus granulaires: catégories de produits, type de leads, catégorie de clients, …
• Ajouter des conversions supplémentaires : suivre des “micro-conversions” sur le site, piloter les ventes en magasins réconciliées ou encore tracker les appels vers vos call centers, ..)

Ce suivi optimisé des conversions permettra d’adapter des budgets à une maille de catégorie de produit, en identifiant les produits les plus performants par canal, par exemple. 

Pour compléter le pilotage, les rapports ont aussi bénéficié d’un fort historique de données accumulé sur les outils Analytics, pour comparer sa performance actuelle à la performance passée :

• En tant qu’objectif, pour juger d’une bonne ou mauvaise performance 
• En contournant des événements saisonniers, comme le Covid, en pouvant remonter 2 ans en avance

Cette dimension temporelle est devenue un standard dans le suivi de performance, en effet aujourd’hui, la majorité des dashboards comprennent une vision temporelle ( vs last year, last week, ..).

Ces fonctionnalités de reporting, partagées par tous les outils Analytics, peuvent parfois être complétées de fonctionnalités d’activation, notamment sur Google Analytics.

Un outil d’Analytics peut servir l’achat média en partageant les volumes de conversions (dédupliqués & granulaires) aux plateformes d’activation, afin que les algorithmes apprennent à partir d’une donnée propre, ou en important les données de coûts issues des plateformes d’achat, pour un meilleur reporting. Ces fonctionnalités permettent une meilleure maîtrise des dépenses publicitaires.

L’autre facette de l’activation réside dans le partage d’audience : Google Analytics permet notamment d’envoyer des segments d’audience vers Google Ads à des fins de retargeting. Cela permet la mise en place de campagnes ciblées afin d’affiner sa stratégie média.

Enfin, les outils d’Analytics peuvent aussi être utilisés pour la mise en place de cas data marketing avancé, via l’utilisation de la donnée brute à des fins d’activation ou de connaissances clients, avec trois principaux use cases :

• Suivre la performance avec une vision multi-sources (dashboarding)
• Modéliser une performance en capitalisant sur la donnée comportementale (prévision de ventes par exemple)
• Scorer son audience en fonction de parcours clés 

Une fois les cas d’usages pertinents identifiés et listés, il est nécessaire de les transformer en éléments de paramétrage pour préparer une grille de benchmark. 

Les fonctionnalités clés à considérer lors d’un benchmark

Un changement d’outil passe toujours par le remplissage d’une grille de benchmark. Voici quelques exemples de critères permettant de comparer et sélectionner le bon outil. 

1/ La déduplication et l’attribution

Ce critère vous permettra d’adopter la grille de lecture la plus pertinente pour piloter votre plan média :

• Granularité de suivi des canaux : groupe de canaux, campagnes, sources, supports, mots clés, …
• Règles d’attribution : Modèle d’attribution single touche, multi-touch, fenêtre d’attribution, post view, …

2/ Le suivi avancé des conversions

Un suivi avancé des conversions a pour but de mesurer avec plus de granularité ses investissements média sans changer ses stratégies : 

• Granularité produit : catégorie, nom du produit, marque, …
• Mécaniques d’import de données disponibles : ajout de nouvelles conversions (online, offline, ..) ou enrichissement des données collectées (informations produits, marge, ..)

3/ Suivi temporel 

Il permet de valider la disponibilité des comparaisons utilisées et la possibilité d’utiliser de l’historique d’une autre plateforme :

• Disponibilité des comparaisons temporelles nécessaires
• Possibilité de collecter de l’historique avec une version gratuite avant la migration
• Possibilité d’importer de l’historique ou de croiser avec l’historique d’un autre outil

4/ Export de conversions & import de coûts

Cette fonctionnalité permet de capitaliser sur l’outil Analytics afin d’obtenir une unique source de vérité 

• Partage de données dédupliquées aux plateformes d’achat media
• Importation des coûts des plateformes d’achat media

5/ Partage d’audiences

Il offre la possibilité d’assurer une continuité dans les activations media basées sur de la donnée Analytics

• Partage d’audience basée sur la donnée comportementale (vers outils media, marketing automation, personnalisation,…)

6/ Accès à la donnée brute

Il assure une continuité dans les cas d’usage data marketing (dashboard, scoring,…)

• Possibilité d’export (vers un sftp, vers un entrepôt de données,…)
• Disponibilité d’une API pour requêter la donnée

Ces éléments doivent être détaillés en fonction de la granularité souhaitée et représentent une ébauche de grille de comparaison. A la première lecture, nous pouvons constater  que très peu d’outils permettent une couverture totale de ces éléments. La réponse au changement d’outil est donc l’occasion d’enrichir son stack afin de gagner en efficacité.

Déployer un écosystème efficace pour une continuité dans le pilotage 

La centralisation de plusieurs  fonctionnalités dans un seul et même outil permet un gain de temps considérable, cependant il est nécessaire de prioriser les cas d’usage essentiels pour sélectionner le contenu de son écosystème cible : 

• Pour un suivi essentiellement Analytics, basé sur de l’attribution / déduplication et le suivi avancé des conversions dans le temps, remplacer l’outil Analytics actuel par un seul outil Analytics semble être suffisant. Pour une implémentation optimale, un double suivi (“dual tracking”) doit être envisagé afin d’assurer la disponibilité de tous les indicateurs clés et créer  un début d’historique dans le but d’une migration. Cette implémentation permettra un pilotage et une rémunération cohérente de ses partenaires. 

• Pour déployer des cas d’usage d’activation media, comme le partage d’audience et l’export de conversions vers les plateformes d’achat, d’autres outils peuvent être envisagés en complément : des CDPs (Customer Data Platform) pour l’audience, des outils d’attribution (export de conversions), des outils hybrides (CDP / TMS – Tag Management System)  intégrant nativement ces fonctionnalités ou encore des développements spécifiques via vos environnements data. Cette implémentation couvrira également tous les aspects liés à l’activation de la donnée Analytics pour l’optimisation des campagnes média.

• Un outil souhaitant également croiser des données Analytics & media à des données business (informations produits, marge, ..) devra pouvoir importer de la donnée de différentes sources et effectuer des croisements / réconciliation. Seules les CDP permettront ce niveau de complexité, ou le déploiement d’une solution custom construite sur un data lake. 

Enfin, ce changement d’outil peut aussi être l’occasion de valoriser d’autres solutions  de votre écosystème. Les outils d’attribution, de suivi de parcours, les DMP, et TMS sont des outils qui ont élargi leur périmètre ces dernières années pour servir de nouveaux cas d’usage. On pourrait donc trouver de plus en plus de stacks composés d’outils UX, Attribution, CDP, … sans solution Analytics avec une efficacité comparable

Converteo vous accompagne dans l’identification de la meilleure solution, que ça soit un nouvel outil d’Analytics, un stack d’outils,  l’agrandissement du périmètre de vos solutions actuelles ou des développements custom, puis sa mise en place et sa prise en main opérationnelle.