Le management des données

Le nouveau concept de Web Analytics 2.0 présenté préalablement marque l‟arrivée de fonctionnalités nouvelles assistant les Web-marketeurs et les clients dans le pilotage e- Marketing (N. Walker, 2008) et l‟interprétation des indicateurs clés de performance des solutions de Web Analytics (Damia, 2007). De plus, la plupart des solutions de Web Analyse évoluées proposent des fonctionnalités permettant de manager les données pour mettre en évidence des faits utiles à la compréhension du comportement des internautes sur le site, à la mise en avant du ROI généré, à la mesure de l‟efficacité d‟une campagne …

a) Les filtres (Google Analytics)

Les filtres GA s'appliquent aux informations recueillies d‟un compte, pour utiliser les données finales et produire des rapports précis. On peut configurer ces filtres de manière qu'ils interdisent la visite de certaines adresses IP, qu'ils n'établissent de rapport que pour un sous-domaine ou un répertoire précis, ou qu'ils convertissent les URL de pages dynamiques en chaînes de texte lisibles.

Le filtre est une spécificité de l‟application Google Analytics, d‟autres solutions utilisent des équivalences ou une convergence avec la fonctionnalité de segmentation avancée.

Figure 27. Exemple de filtre Google Analytics

b) Tracking à 360° :

Il s‟agit de « l‟intégration de l‟ensemble des canaux online permettant de délivrer un

message cohérent, d‟accroitre la performance du marketing online et de déployer des campagnes extrêmement ciblées » (Manin, 2009). Sonia Manin, Directrice de l‟agence

Double Click France ajoute qu‟un serveur de publicité est nécessaire pour déployer cette fonctionnalité efficacement. De plus la mise en œuvre des entonnoirs de conversion peut s‟appliquer aux campagnes multi-canal limitant les erreurs de confusion de canal à succès (Barluet, 2009) & (Bathelot & Carpentier, 2007). Technologiquement, les marqueurs de suivi évoluent au moyen de marqueurs universels facilitant les plans de marquage.

c) La segmentation avancée de données

La segmentation des données permet de mieux comprendre les objectifs et le but des internautes sur un site Internet, elle a pour finalité d‟optimiser le référencement des pages, réaliser des campagnes de liens sponsorisés adaptées… « La segmentation marketing consiste

à créer des ensembles de cibles qui se distinguent par leurs comportements et leurs potentiels de conversion. Avec Internet, la segmentation de la clientèle peut s'enrichir en permanence. En effet, la segmentation Web Analytics permet de mesurer des leviers sur des données statistiques de périodes écoulées. » (Austin, 2009). En définitive, un segment de données est

un sous-ensemble qui permet de porter une analyse en mettant en évidence des tendances, des actions à mener, distinguer une population, un groupe thématique d‟internaute … Les données croisées sont surtout liées aux notions de sources de trafic, de fidélité du visiteur et de transactions … La segmentation peut normalement s‟appliquer à la volée sur un rapport à l‟inverse des filtres Google Analytics qui modifient les données au niveau de la consultation des pages et ne présentent pas les résultats de la même manière (pas de rapport spécifique).

Figure 28. Exemple de segmentation de données

d) Le ciblage comportemental

Pour l‟entreprise Weborama « le ciblage comportemental est la technique qui permet

ciblés selon leurs centre d‟intérêts propres. Le ciblage comportemental peut se baser sur un ensemble de critères comme :

- Les requêtes des internautes

- Les publicités auxquelles ils ont été exposés et sur lesquelles ils ont ou non cliqué

- Les contenus des sites visités

- Les comportements de navigation sur les sites annonceurs »

A partir d‟indicateurs clés de performance pas forcément innovants, une analyse comportementale est réalisée sur les internautes en présence, de cette analyse ressort un plan marketing permettant d‟activer des leviers en relation avec le centre d‟interêt de ces derniers.

e) L’oculométrie

L‟oculométrie est le terme francisé d‟Eye Tracking qui est défini par la FEVAD ainsi «

La technologie d'Eye Tracking permet de suivre le parcours de l'oeil d'un utilisateur sur un site web mais également sur d'autres supports de communication. ». Elle permet de mesurer

quels éléments capturent l‟attention des visiteurs et ceux qui échouent (Tanner & Da Silva, 2007). En mode comptabilisation des clics par des visuels de type « carte » de chaleur, elle peut compléter des analyses de testing (Dechamps Otamendi & De Clerck, 2006) et permettre d‟identifier des défauts de conception et d‟ergonomie des pages d‟un site internet peu rentable.

f) L’A/B Testing

« La méthodologie de l‟A/B test (A/B split testing) est une méthodologie performante pour optimiser un site Internet. Elle offre aux webmasters des données indispensables à l‟analyse et l‟optimisation via une Analyse comportementale, un outil de diagnostic, Un outil de comparaison pour un coût faible » (Fabre, 2008). Les outils de testing sont utilisés

notamment sur des sites de types e-Commerce ou l‟on veut tester les différentes mises en avant efficaces, les formulaires … La création de plusieurs jeux d‟items (pages, bannières, formulaires …) peut s‟avérer parfois onéreuse sachant qu‟un modèle à de fortes chances d‟être abandonné au profit d‟un autre plus influent.

g) Les entonnoirs de conversion

Il s‟agit du tracking d‟une série de pages que pourrait emprunter un visiteur afin d‟atteindre un objectif de conversion. La nomination provient de la représentation graphique que génère l‟analyse qui s‟apparente à un entonnoir. Le comportement le plus classique est un enregistrement important d‟un nombre de visiteur puis une diminution régressive jusqu‟à la page d‟objectif.

Le but de cette fonctionnalité est d‟identifier les carences et anomalies qui entraine le visiteur « à décrocher » en cours de route (rebond) afin d‟optimiser l‟élément (la page) non efficiente dans le cheminement scénarisé. Il est intéressant d‟analyser le taux d‟abandon. Il est bien souvent possible de multiplier les points d‟entrées des étapes du cheminement, mais là encore, une telle décision impose une prise en compte dans l‟analyse et souvent elles ne sont pas comptabilisées dans le taux de conversion, si non l‟intérêt de la fonctionnalité serait moindre. La terminologie employée par Google Analytics apparente la notion d‟objectif à une page de site web à laquelle un visiteur accède après avoir effectué une action stratégique désirée. Il peut s‟agir d‟une réponse à un formulaire, un téléchargement, un acte d‟achat (e-Commerce) … Cette notion d‟objectif est beaucoup plus opérationnelle que les objectifs stratégiques à déterminer avec le commanditaire de la Web Analyse présentés plus haut.

Enfin l‟entonnoir de conversion (ou funnel) reste une fonctionnalité stratégique qui est surtout dédiée à l‟analyse des processus d‟achats des internautes (Boydell, 2010). En entrée, on trouve surtout le nombre de visiteurs sur un site pour une période donnée. En sortie, on trouve le nombre de clients (acheteurs).

En 2006, Schane Atchison1 a publié un article démontrant que la fonctionnalité de funnel est obsolète car elle est trop linéaire mettant dans la balance que le concept Web 2.0 et l‟esprit d‟Intelligence Collective vient parasiter le fait qu‟une visite n‟est bénéfique que si elle se termine par une transaction. Le levier se trouverait sur la page produit elle-même avec différents points d‟entrée/sortie pas toujours trackable comme un moteur de recherche, un lien sponsorisé, une recherche interne, un e-Mail, un flux RSS, un référent, un blog d‟entreprise …. Les points de sortie peuvent être un contenu additionnel, un test, un configurateur, un

1

Burby, J., & Atchison, S. (2007). Actionable Web Analytics : Using Data to Make Smart Business Decisions. Wiley Publishing, Inc.

avis/commentaire, un formulaire complémentaire, une recommandation, un contenu rich média. En définitive, il apparait important de ne pas tout miser sur la fonctionnalité de funnel et élaborer un tracking multi-support, multi-campagne, multi-plateforme …

Une étude1 réalisée par des étudiants avec le concours du cabinet de conseil ODIMAT2 propose une analyse détaillée des représentations graphiques des Funnels, leur étude vient complémenter la présentation au sommet eMetrics de Jim Stern et Matt Cuttler en 20003 (D. J. Sterne, 2002) & (J. Sterne, 2009). Le tableau ci-après concentre la synthèse de leur travail :

1

Westfahl, G., Fauvel, B., & Lemay, T. (2008). Dossier Google Analytics. Livre Blanc, . Retrouvé de

http://www.thibautlemay.info/public/pdf/dossier-google-analytics.pdf

2

ODIMAT. (2006). Odimat. Retrouvé Février 2, 2008, de http://www.odimat.fr/ 3

Cutler, M. and Sterne, J. (2000), E-Metrics: Business Metrics For The New Economy, NetGenesis, Chicago, IL.

Tableau 7. Tableau diagnostic des entonnoirs de conversion (Westfahl, G., Fauvel, B., & Lemay, T. & ODIMAT (2008))

L’utopiste

Même si impossible, c‟est l‟entonnoir parfait, autant de visiteurs, autant de clients … On parle « d‟autoroute de conversion ».

Le courtisé

Dans cet exemple, le taux d‟abandon est faible lors du processus d‟achat, le taux de conversion est donc très bon.

Le standard

Cas classique, c'est-à-dire que le taux de conversion avoisine les 5%, un petit nombre d‟internaute arrive jusqu‟à la confirmation de la commande. Le tamis

Ce cas est synonyme de problèmes ergonomiques ou conceptuels sur les pages du processus, cela peut provenir d‟un manque d‟information, d‟un manque de confiance, de publicité parasite amenant le visiteur a quitter le site.

Le sablier

Très gros problèmes à partir des pages du panier, cela est peut être lié à des difficultés techniques, la gestion du processus est peut être pris en charge par une application tierce mal intégrée.