Web analyse, définition d’une discipline devenue incontournable
Développer une stratégie de e-commerce efficace est devenu un élément indispensable de son business modèle, tant pour rester compétitif que pour les volumes de chiffres d’affaires que cela représente. Afin de développer une approche marketing centrée sur l’utilisateur (user-centric), les entreprises s’appuient sur un nouvel actif : la data.
L’empilement des briques technologiques qui ont pour objet la donnée rend la compréhension des écosystèmes data de plus en plus complexe. De façon schématique, on distingue 3 phases clés dans le cycle de vie de la donnée :
- La collecte ;
- Le traitement ;
- La mesure et l’activation.
Nous nous intéressons ici à l’outil de web analyse qui collecte la donnée site-centric avec pour finalité la mesure de la performance dans une logique d’optimisation continue.
Définition de la Web Analyse / Web Analytics
La web analyse désigne l’activité qui consiste à mesurer l’audience, les comportements des visiteurs sur un site web et à donner une certaine vision sur sa performance.
Il s’agit d’analyser les données recueillies pour identifier les poches de valeur et optimiser un site web/mobile, via des actions qui peuvent se situer à différents niveaux : conception du site, mise en avant de l’offre, stratégie d’acquisition, politique commerciale, etc. Il existe plusieurs outils de web analyse, comme Google Analytics 4 ou Piano AT Internet.
À quoi sert un outil de Web Analyse ?
Les outils de web analyse permettent de mesurer l’impact quantitatif des parcours et des actions réalisées sur le site et remontent des informations pour alimenter leurs rapports.
Ils sont en ce sens complémentaires aux outils de Customer Experience Management qui déploient des fonctionnalités plus adaptées à l’analyse on-page de l’expérience utilisateur (heatmaps, scrollmaps, taux de clics, temps avant interaction etc.)
La web analyse permet notamment :
- D’analyser les parcours on-site : temps passé, pages vues, macro funnel, taux d’ajout panier, taux de sortie, créations de compte, utilisation des fonctionnalités clés, etc. Il s’agit d’évaluer l’engagement des visiteurs sur le site et de détecter des problèmes d’ergonomie / d’usabilité.
- D’analyser les performances de l’entonnoir de conversion sur les sites marchands : transactions, taux de transformation, performance du check-out étape par étape, moyens de paiement, modes de livraison. Il s’agit d’évaluer la capacité du dispositif à convertir.
- De mesurer et éventuellement de qualifier l’audience : sources de trafic, taux de rebond, efficacité et rentabilité des différents canaux marketing utilisés. Il s’agit d’évaluer la performance de l’acquisition. Ces fonctionnalités sont présentes de manière complémentaire dans les outils adcentric (ad-servers) et les outils d’attribution qui contiennent néanmoins des KPI’s spécifiques qui permettent une lecture plus fine de la performance media.
Le but est d’insérer dans l’organisation une logique d’optimisation continue et d’identifier les éventuels dysfonctionnements.
Cas classique d’utilisation d’un outil de web analyse
- Un annonceur constate une baisse de son taux de conversion
- Objectif : expliquer la cause de cette baisse de performance pour initier des actions correctrices
- Utilisation d’un outil de web analyse et plus précisément des rapports de sources de trafic / volume de commandes :
- Scénario 1 : Cela est dû à une augmentation de trafic non qualifié depuis une nouvelle source
- Scénario 2 : Cela est dû à une diminution du volume de commandes suite à une anomalie dans l’entonnoir d’achat (modalités de paiement, frais de livraison…)
- Scénario 3 : La baisse de transformation est due à une évolution du mix device en faveur du mobile dont la conversion est structurellement inférieure à celle du PC pour cet annonceur.
Bénéfices et limites des outils de Web Analyse
L’outil de web analyse peut le plus souvent être utilisé par un public non-spécialiste de l’exploitation de la donnée.
En effet, dans la plupart des cas, des rapports par défaut sont mis à disposition des utilisateurs. Il s’agit de données pré-agrégées, exploitables sans retraitement. Les équipes métiers n’ont alors pas besoin de recourir à des ressources expertes (data scientists, analystes…) pour le premier niveau d’analyse et peuvent piloter leur performance en s’appuyant notamment sur des fonctionnalités telles que :
- Le suivi d’objectifs business prédéfinis ;
- La comparaison de deux périodes de données ;
- La segmentation de l’audience ;
- L’accès à des dashboards simplifiés – bien que cela ne soit pas la finalité première de ce type d’outil. En effet, les outils de data visualisation permettent de croiser les sources de données et proposent des fonctionnalités de visualisation plus riches.
Autre avantage important, les données de comportement récoltées on-site peuvent ensuite servir de support à l’activation marketing sous réserve d’intégration de la solution dans le reste de l’écosystème data.
Points d’attention :
- Au vu des volumes importants de données à traiter, les outils peuvent échantillonner la donnée restituée afin d’accélérer le processing et l’affichage dans les rapports. Le cas échéant, il est important d’en avoir conscience pour identifier de possibles biais lors de l’analyse des résultats.
- Pour une exploitation ou activation encore plus avancées, l’accès à la donnée brute est indispensable. Cela nécessite l’intervention d’équipes expertes.
Cet article fait partie d’une série d’articles issus du Digital Benchmark réalisé en 2018 avec l’EBG.
En savoir plus sur nos offres Analytics et CRO.
