7 jours d'essai offerts
Ce livre et des milliers d'autres sont disponibles en abonnement pour 8,99€/mois
ou
Achetez pour : 26,99 €

Lecture en ligne + Téléchargement

Format(s) : PDF - EPUB

sans DRM

Publications similaires

Référencement sur le Net

de editions-d-organisation

Vous aimerez aussi

Pokémon GO 100% non officiel

de editions-eyrolles

J'arrête la malbouffe !

de editions-eyrolles

Le pouvoir des gentils

de editions-eyrolles

suivant

Nous vous remercions pour l’achat de ce livre électronique.
La version papier ce cet ouvrage étant accompagnée d’un support physique, nous vous
proposons de télécharger les fichiers depuis notre site, de manière à ce que vous
puissiez pleinement profiter de votre achat.
Avinash Kaushik, Web Analytics 2.0, ISBN : 9782212128017
9782212128017 - Web Analytics 2.0 - Bonus [563,4 Mo]
http://www.st1.eyrolles.com/9782212128017/eyrolles-web-analytics-2.0.zip
Pour toute remarque ou suggestion, merci d’écrire à mutilmedia@eyrolles.com
www.editions-eyrolles.com www.editions-organisation.com
Web Analytics 2.0
CHEZ LE MÊME ÉDITEUR
N. MALO, J. WARREN. – Web Analytics. Mesurer le succès et maximiser les profits
de votre site web.
N°54481, 2009, 254 pages.
eS. ROUKINE. – Améliorer ses taux de conversion web (2 édition).
N°12858, 2011, 260 pages.
eO. ANDRIEU. – Réussir son référencement web (3 édition).
N°12868, 2010, 550 pages.
R. GOETTER. – CSS avancées. Vers HTML5 et CSS3.
N°12826, 2011, 400 pages.
E. KISSANE. – Stratégie de contenu web.
N°13279, à paraître.
D. CEDERHOLM. – CSS3 pour les web designers.
N°12987, 2011, 132 pages.
J. KEITH. – HTML5 pour les web designers.
N°12861, 2010, 98 pages.
A. BOUCHER. – Ergonomie web illustrée. 60 sites à la loupe.
N°12695, 2010, 336 pages.
eI. CANIVET. – Bien rédiger pour le Web (2 édition).
N°12883, à paraître.
eA. BOUCHER. – Ergonomie web (2 édition). Pour des sites web efficaces.
N°12479, 2009, 426 pages.
A. BOUCHER. – Mémento ergonomie web.
N°12386, 2008, 14 pages.
S. BORDAGE. – Conduite de projet Web.
N°12665, 2010, 432 pages.
eN. CHU. – Réussir un projet de site Web (6 édition).
N°12742, 2010, 260 pages.
eT. PARISOT. – Réussir son blog professionnel (2 édition).
N°12768, 2010, 312 pages.eM. NEBRA. – Réussir son site web avec XHTML et CSS (3 édition).
N°12485, 2010, 318 pages.
eE. SLOÏM. – Mémento Sites web (3 édition). Les bonnes pratiques.
N°12802, 2010, 18 pages.AVINASH KAUSHIK
Web Analytics 2.0
MESURER L’IMPACT DE VOTRE SITE WEB ET DES RÉSEAUX
SOCIAUX POUR OPTIMISER VOTRE ACTIVITÉ ET RÉPONDRE
AUX ATTENTES DE VOS VISITEURS
Adapté de l’anglais par Tristan Kottelanne et Paul Durand Degranges sous la
supervision de Julien CoquetÉDITIONS EYROLLES
61, bld Saint-Germain
75240 Paris Cedex 05
www.editions-eyrolles.com
Traduction autorisée de l’ouvrage en langue anglaise intitulé
Web Analytics 2.0 : The Art of Online Accountability and Science of Customer Centricity
d’Avinash Kaushik (ISBN : 9780470529393),
publié par John Wiley & Sons sous la marque Sybex.
All Right Reserved. This translation is published under licence.
En application de la loi du 11 mars 1957, il est interdit de reproduire
intégralement ou partiellement le présent ouvrage, sur quelque support que ce soit,
sans l’autorisation de l’Éditeur ou du Centre Français d’exploitation du droit de copie,
20, rue des Grands Augustins,75006 Paris.
© 2010 by Wiley Publishing, Inc., Indianapolis, Indiana pour l’édition en langue anglaise
© Groupe Eyrolles, 2011, pour la présente édition, ISBN : 978-2-212-12801-7Table des matières
CHAPITRE 1
Le meilleur des mondes des Web Analytics 2.0 1
État du paysage des Web Analytics 1
État de l’industrie 2
Repenser les Web Analytics : Web Analytics 2.0 4
Le quoi : parcours de navigation 7
Le combien : analyse de résultats multiples 7
Le pourquoi : expérimentation et tests 8
Le pourquoi : la voix du client 9
Le quoi d’autre : l’intelligence concurrentielle 9
Changer, yes we can ! 10
L’impératif stratégique 10
Changement tactique 11
Et en cadeau 13

CHAPITRE 2
Questions pour préparer votre recherche de l’outil idéal 15
Anticiper la réussite future 16
Étape 1 : Trois questions essentielles à vous poser avant de chercher

l’âme sœur en matière de Web Analytics 17
Question 1 : « Est-ce que je veux des rapports ou des analyses ? » 17
Question 2 : « Ai-je une force informatique, une force métier, ou les deux ? » 20
Question 3 : « Est-ce que je cherche des solutions en termes de flots de

clics (clickstream) ou de concept Web Analytics 2.0 ? » 21
Étape 2 : Dix questions à poser aux éditeurs avant de signer 21
Question 1 : « Qu’est-ce qui différencie votre solution d’un outil gratuit de

chez Yahoo! ou Google ? » 22
Question 2 : « Êtes-vous un pur prestataire de services hébergé (ASP) ou
proposez-vous une version logicielle traditionnelle ? Envisagez-vous une
version logicielle ? » 22
Question 3 : « Quels mécanismes de capture de données utilisez-vous ? » 23
Question 4 : « Êtes-vous en mesure de calculer le coût total d’exploitation de

votre outil ? » 23
Question 5 : « Quel type d’assistance proposez-vous ? Quelles sont les
prestations incluses et quelles prestations induisent un surcoût ? Est-ce
gratuit en permanence (24 h sur 24, 7 jours sur 7) ? » 25
Question 6 : « Quelles fonctions de votre outil me permettent de segmenter

les données ? » 25
Questions 7 : « Quelles sont les possibilités d’exportation de données de

votre système vers celui de notre entreprise ? » 26
Question 8 : « Quelles fonctions mettez-vous à ma disposition pour intégrer

des données issues d’autres sources à votre outil ? » 26Question 9 : « Quels sont les deux nouveaux outils (ou fonctions ou
acquisitions) que votre entreprise met actuellement au point pour préserver
son avance concurrentielle sur les trois prochaines années ? » 27
Question 10 : « Pourquoi les deux derniers clients que vous avez perdus ont-
ils rompu leur contrat ? À qui font-ils appel désormais ? Pouvons-nous
contacter l’un d’eux ? » 28
Comparer les éditeurs d’outils de Web Analytics : diversification et

conquête 29
La stratégie des trois boîtes 29
Étape 3 : Identifier l’âme sœur analytique (comment mettre en œuvre un

projet pilote d’outils efficace) 30
Étape 4 : Passer chez le notaire avant de signer avec l’âme sœur et

contrôler que les SLA1 sont inclus dans le contrat 34

CHAPITRE 3
L’univers impitoyable de l’analyse des flots de clics : éléments de mesure 37
Les éléments de mesure revisités : huit points à mesurer absolument. 39
Visites et visiteurs 39
Durée de visite d’une page et durée de visite d’un site 46
Taux de rebond 53
Taux de sortie 56
Taux de conversion 57
Implication 58
Les mesures Web démystifiées 61
Quatre attributs pour de grands éléments de mesure 62
Exemple d’un formidable élément de mesure Web 64
Les trois leçons pratiques d’Avinash Kaushik pour une réussite à grande

échelle 65
Tactiques d’une stratégie visant des mesures Web décisives 66
Diagnostiquer la cause fondamentale des performances d’un élément de

mesure – conversion 66
Tirer parti de rapports personnalisés 68
Créer des rapports selon des micro-écosystèmes 71
Commencer par des éclaircissements à grande échelle 72

CHAPITRE 4
L’univers impitoyable de l’analyse des flots de clics : solutions pratiques 77
Précis élémentaire des Web Analytics 78
Introduction aux indicateurs de base 78
Comprendre les forces d’attraction des visiteurs 79
Rectifier et économiser 81
Analyser la densité des clics 83
Mesurer le rapport Visites avant achat 86
Le meilleur rapport de Web Analytics 87
Sources de trafic 88 Résultats 89
Stratégies analytiques fondamentales 89
Segmenter ou mourir 89
Se concentrer sur le comportement des clients et non sur les agrégats 95
Rendre les analyses des flots de clics quotidiens exploitables 97
Analyse des recherches internes au site 97
Analyse de l’optimisation des moteurs de recherche (SEO) 103
Analyse des recherches payantes/PPC 113
Analyse du trafic direct 120
Analyse de campagnes par courrier électronique 123
Analyse d’une interaction enrichie : animations Flash, vidéos et mini-

applications de type Widget 126
Contrôle de la réalité : perspectives sur les défis clés des Web Analytics 130
Cookies de suivi des visiteurs 130
Cours avancé d’échantillonnage de données 134
Valeur des données d’historique 137
Utilité de rejouer le parcours client 140
Rapprochement de données : la checklist idéale 143

CHAPITRE 5
Les clés de la gloire : mesurer la réussite 149
Se concentrer sur les « éléments essentiels » 151
Cinq exemples de KPI exploitables 153
Taux d’accomplissement de tâches 153
Impact de la recherche 154
Fidélité des visiteurs et écart entre les visites 154
Abonnés aux flux RSS 155
Pourcentage de sorties qualifiées 155
Au-delà des taux de conversion 156
Abandon du panier et du passage en caisse 156
Jours et visites avant achat 157
Valeur moyenne des commandes 157
Objectif fondamental (identifier ce qui est convertible) 158
Mesurer les macro et microconversions 160
Exemples de macro et de microconversions 161
Quantifier une valeur économique 163
Mesurer la réussite d’un site non commercial 166
Fidélité des visiteurs 166
Écart entre les visites 168
Durée de visite 169
Profondeur de visite 169
Mesurer les performances des sites Web B2B 170
CHAPITRE 6
Résoudre l’énigme du « pourquoi » : utilisation des données qualitatives 173
Études d’ergonomie en laboratoire : quoi, pourquoi et combien ? 174
Qu’est-ce que l’ergonomie en laboratoire ? 174
Comment procéder à un test 175
Bonnes pratiques en matière d’études d’ergonomie en laboratoire 177
Avantages des études d’ergonomie en laboratoire 178
Zones de précautions 178
Substituts d’ergonomie : externalisation à distance et en ligne 179
Recrutement en direct et recherche d’utilisateurs à distance 179
Sondages : une écoute réellement évolutive 183
Types de sondages 184
L’erreur fatale en matière de sondage 188
Les trois meilleures questions jamais posées dans un sondage 190
Huit conseils pour choisir un fournisseur de sondages en ligne 192
Options Web émergentes pour la recherche utilisateur 194
Études de repères concurrentiels 195
Tests d’ergonomie rapides 195
Études de tri de cartes en ligne 195
Intelligence artificielle des points chauds visuels 196

CHAPITRE 7
Échouer plus vite : libérer la puissance des expériences et des tests 199
Le B.A.-BA des options de test : solutions A/B et MVT 200
Tests A/B 201
Tests multivariables 202
Des idées de tests exploitables 206
Corriger les grandes perdantes – les pages d’arrivée 206
Se concentrer sur les pages de paiement, enregistrement et

recommandations 206
Optimisez le nombre et la disposition des publicités 207
Testez différents tarifs et tactiques de ventes 207
Testez des présentations de boîtes, des jaquettes de DVD et des articles

hors ligne 208
Optimisez vos efforts de marketing sortant 208
Expériences contrôlées : faites passer vos Web Analytics au niveau

supérieur ! 209
Mesure de l’impact de la recherche payante sur la cannibalisation et les

mots-clés de marque 209
Exemples d’expériences contrôlées 212
Défis et avantages 213
Créer et entretenir une culture du test 213
Conseil n° 1 : votre premier test sera « le tout pour le tout » 213
Conseil n° 2 : ne vous faites pas avoir par l’argumentaire des éditeurs et des

consultants 214 Conseil n° 3 : dépassez-vous, montrez vos convictions 214
Conseil n° 4 : commencez par une hypothèse 215
Conseil n° 5 : définissez des critères d’évaluation d’objectifs et prenez des

décisions préalables 215
Conseil n° 6 : testez et mesurez plusieurs résultats à la fois 216
Conseil n° 7 : puisez le motif de vos tests dans les difficultés de vos clients 216
Conseil n° 8 : analysez vos données et communiquez vos conclusions 216
Conseil n° 9 : deux incontournables – évangélisme et expertise 217

CHAPITRE 8
Analyse de l’intelligence concurrentielle 219
Sources, types et secrets des données IC 220
Données de barre d’outils 221
Données de panel d’utilisateurs 221
Données FAI (réseau) 223
Données de moteur de recherche 223
Repères issus des éditeurs d’outils de Web Analytics 224
Données autorapportées 225
Données hybrides 226
Analyse du trafic d’un site Web 227
Comparaison des tendances du trafic à long terme 227
Analyse des opportunités et des chevauchements de sites concurrents 229
Analyse des sites référents et des destinations 230
Analyse de la recherche et des mots-clés 231
Tendance des meilleurs mots-clés 232
Intérêt géographique et analyse des opportunités 233
Recherches connexes et recherches à forte hausse 236
Analyse de la présence en rayon 238
Analyse de l’avantage concurrentiel des mots-clés 239
Analyse de l’extension des mots-clés 241
Identification du public et analyse de la segmentation 242
Analyse de la segmentation géographique 243
Analyse de segmentation psychographique 245
Analyse du comportement de recherche et de la segmentation du public 246

CHAPITRE 9
Mesures émergentes : social, mobile et vidéo 249
Mesurer le nouveau Web social : le défi des données 250
L’évolution d’une démocratie du contenu 251
La révolution Twitter 255
Analyser les applications hors ligne 256
Analyser l’expérience des utilisateurs mobiles 258
Collecte des données des mobiles : les options 258
Obtenir des rapports sur les mobiles 260
Mesurer le succès des blogs 264 Contribution brute de l’auteur 264
Augmentation de l’audience 265
Citations et effet de vague 269
Coût du blog 270
Bénéfices (ROI) du blog 270
Quantifier l’impact de Twitter 272
Augmentation du nombre d’abonnés 273
Amplification du message 274
Taux de clic et conversions 275
Taux de conversation 277
Éléments de mesure Twitter émergeants 278
Analyser les performances des vidéos 280
Récupérer les données pour les vidéos 280
Éléments de mesure et analyses clés pour la vidéo 282
Analyse avancée pour la vidéo 286

CHAPITRE 10
Solutions optimales pour les pièges cachés des Web Analytics 289
Exactitude ou précision ? 290
Processus en six étapes pour gérer les données de qualité 291
Construire un tableau de bord d’action 293
Créer d’excellents tableaux de bord 294
Tableau de bord consolidé 296
Cinq règles pour des tableaux de bord percutants 297
Opportunité de marketing « nonline » et mesure multicanal 300
Passer au modèle de marketing « nonline » 300
Analyse multicanal 302
Les promesses et les défis du ciblage comportemental 304
La promesse du ciblage comportemental 304
Défi à venir de l’analyse fondamentale 305
Préalable au ciblage comportemental 307
Exploration des données en ligne et analyse prédictive : les défis 308
Type de données 309
Nombre de variables 309
Plusieurs raisons primaires 310
Plusieurs comportements de visite 310
Absence de clé primaire et de jeux de données 310
Chemin vers le nirvana : les étapes de l’évolution de la compréhension de

l’analyse 311
Étape 1 : Prêt(e) ? Marquez ! 313
Étape 2 : Configurer l’outil d’analyse 313
Étape 3 : Suivi des campagnes 314
Étape 4 : Revenus et superintelligence 315 Étape 5 : Suivi de Rich Media (Flash, widgets, vidéo) 316

CHAPITRE 11
Principes de base pour devenir un ninja de l’analyse 317
Le contexte est roi 318
Comparaison d’indicateurs clés de performance sur plusieurs périodes 318
Fournir un contexte à l’aide de segmentation 319
Comparer les valeurs clés et les segments avec les moyennes 320
Rejoindre le PALM (People Against Lonely Metrics, Comité contre les

mesures isolées) 322
Benchmarks et données concurrentielles 323
Obtenir des connaissances tribales 324
Comparer les indicateurs clés de performance dans le temps 325
Présenter la connaissance tribale 326
La segmentation à la rescousse ! 327
Au-delà du top 10 : ce qui a changé 328
Vraie valeur : mesurer les conversions latentes et le comportement des

visiteurs 331
Comportement du visiteur latent 331
Conversions latentes 333
Quatre techniques inutiles de mesure des indicateurs clés de

performance 333
Moyenne 334
Pourcentages 335
Quotients 338
Éléments de mesure composites ou calculés 339
Recherche : obtenir la stratégie optimale pour la longue traîne 341
Calculer la tête et la traîne 342
Comprendre les termes de votre marque et votre catégorie 344
Stratégie optimale de recherche 345
Exécuter la stratégie optimale pour la longue traîne 347
Recherche : mesurer la valeur des mots-clés canalisateurs 348
Recherche : analyses avancées du Pay-Per-Click 351
Identifier les opportunités d’arbitrage des mots-clés 351
Se concentrer sur ce qui a changé 353
Analyser les impressions et le manque à gagner 354
Prendre en compte le rapport de distribution ROI 356
Recherches effectuées par les internautes et types de correspondance 357

CHAPITRE 12
Principes avancés pour devenir un ninja de l’analyse 361
Analyse des attributions de campagnes multicontacts 361
Qu’est-ce que tout ce multicontact ? 362
Avez-vous un problème d’attribution ? 363
Modèles d’attribution 365 Les attributions dans le monde réel 368
Solutions d’analyse à venir 369
Réflexions sur le multicontact 371
Analyse multicanal : astuces pour un monde nonline 371
Suivre l’impact en ligne des campagnes hors ligne 371
Suivi de l’impact hors ligne des campagnes en ligne 378

CHAPITRE 13
La carrière Web Analytics 387
Envisager une carrière d’analyste Web : option, salaire et avancement 388
Collaborateur technique 389
Collaborateur commercial 390
Chef d’équipe technique 391
Chef d’équipe commerciale 393
Cultiver des techniques pour un succès de carrière 394
À faire : utiliser les données 394
Obtenir de l’expérience avec plusieurs outils 395
Jouer dans le monde réel 395
Devenir un détective de la capture des données 397
Maths : apprendre les bases des statistiques 398
Poser les bonnes questions 398
Travailler en relation avec les équipes 399
Apprendre à présenter efficacement ses données 399
Rester informé : assister aux webinars gratuits 401
Rester informé : lire les blogs 401
Une journée optimale dans la vie d’un ninja de l’analyse 402
Embaucher les meilleurs : conseils pour les gestionnaires et directeurs

Web Analytics 404
Attributs clés des grands professionnels de l’analyse 404
Expérimenté ou novice : faire le bon choix 405
L’unique test en entretien : la pensée critique 406

CHAPITRE 14
HiPPO, ninjas et le reste du monde : créer une culture des données 409
Changer la culture de la société : comment intéresser ses collaborateurs

à l’analyse 410
Faire quelque chose de surprenant : ne pas inonder de données 411
Rapports et analyses qui conduisent à l’action 413
Le filtre « où voulez-vous en venir ? » 413
Le lien avec les résultats 414
Présenter plusieurs perspectives : les véritables Web Analytics 2.0 414
Le filtre Unböring 415
Corréler les recommandations avec les données 415
Les attentes du filtre de l’échelle 416
Avoir quelque chose d’unique à dire 416Changer les définitions des éléments de mesure pour changer les

cultures : l’index BEI 416
Le cas et l’analyse 417
Le problème 418
La solution 418
Les résultats 418
Le résultat 419
Calcul alternatif : la moyenne pondérée 419
Créer des indicateurs clés de performance 420
Tuer le dragon de la qualité des données : passer du questionnement à

l’utilisation des données 421
Choisir un patron différent 421
Distraire les HiPPO avec des recommandations 423
Secret n° 1 : les données de tête peuvent être recevables dès la première

semaine 423
Secret n° 2 : la précision des données améliore le bas de l’entonnoir 424
La solution est de ne pas mettre en place un autre outil 424
Reconnaître une chute du retour marginal 425
Petit site mais problèmes importants 426
Échouer plus vite sur le Web 427
Six règles pour créer un patron dirigé par les données 427
Aller au-delà de soi-même 427
Accepter que les données ne sont pas complètes 428
Toujours se donner à 110 % 428
Devenir un pro du marketing 428
L’entreprise au service des données ? Sans blague ! 429
Adopter l’état d’esprit Web Analytics 2.0 430
Besoin de budget ? Stratégies pour embarrasser son entreprise 430
Mettre en place une expérience et un programme de tests. 430
Capturer la voix du client 431
Détourner un site Web ami 432
Si tout échoue, appelez-moi ! 433
Stratégies pour faire tomber les barrières de la mesure du Web 433
D’abord, un éclairage surprenant 434
Manque de budget/ressources 434
Absence de stratégie 435
Organisation compartimentée/en silo 435
Manque de compréhension 436
Excès de données 436
Absence d’adhésion de la part des dirigeants seniors 437
Difficulté à réconcilier les données 437
Blocages de l’équipe informatique 437
Manque de confiance dans les analyses 439
Trouver une équipe 440
Technologie insuffisante 440 Qui contrôle les Web Analytics ? 440
Centraliser ou ne pas centraliser 441
Évolution de l’équipe 442

ANNEXE
À propos du CD d’accompagnement 443
Contenu du CD 443
Podcasts 443
Vidéos 443
Ressources et présentations 444
Adobe Reader 444
Configuration requise 444
Utiliser le CD 444
Dépannage 445

Index 447R e m e r c i e m e n t s
Sans l’amour, la patience et le soutien de ma famille, il m’aurait été impossible
d’écrire ce livre, de gérer plusieurs emplois à plein temps, de conseiller trois
entreprises, de tenir un blog et de parcourir le monde pour prêcher la bonne parole
sur la puissance des données. J’ai de la chance. Mon épouse, Jennie, est ma plus
fidèle supportrice et mon meilleur conseiller. C’est d’ailleurs pour cette raison que
je resterai son éternel débiteur, pour plusieurs vies tout du moins. Le courage et la
gentillesse de ma fille, Damini, sont une source constante d’inspiration. Quant à
mon fils, Chirag, son énergie et son intellect me rappellent que je dois rester
curieux des choses et m’efforcer de faire toujours plus.
Je souhaiterais exprimer ma plus profonde gratitude aux lecteurs de mon blog,
Occam’s Razor. En quelques trois ans et demi, j’y ai écrit 411 725 mots dans le
cadre de mes 204 billets. Et les lecteurs y ont publié 615 192 mots de
commentaires ! Leur implication est pour moi un véritable trésor de motivation, qui
me pousse à faire mieux à chaque nouveau billet. S’il est impossible de remercier
tout le monde, je remercierai trois personnes au bénéfice de tous : Ned Kumar,
Rick Curtis et Joe Teixeira.
Comme dit la chanson des Beatles, I get by with a little help from my friends …, ces
dernières années, j’ai bénéficié de l’aide de deux amis qui me sont particulièrement
chers. Bryan Eisenberg, auteur de Always Be Testing, qui dispense de manière
approfondie ses leçons pratiques sur le domaine, a énormément contribué à mon
propre cheminement. Mitch Joel, auteur de Six Pixels of Separation, m’a aidé à
devenir meilleur orateur et, si cela ne suffisait pas, à entrer en relation avec les
bonnes personnes ! Merci à vous, les amis.
Le travail considérable qu’effectuent The Smile Train, Médecins Sans Frontières et
Ekal Vidyalaya ont constitué la formidable motivation qui sous-tend la rédaction de
cet ouvrage. Tous trois embellissent le monde et je me sens touché par la grâce à
l’idée qu’une partie de l’argent que rapportent mes livres contribuent à une part, si
petite soit-elle, de leur mission icibas.
Enfin, derniers remerciements, mais non des moindres, à ma fantastique équipe de
Wiley. Ce livre a été rédigé et publié à un rythme qui rendrait fou le commun des
mortels, mais pas eux. Ils ont travaillé plus dur que moi et ont repoussé les délais
(et mes limites !) pour rendre l’impossible possible. Stephanie Barton, Kim
Wimpsett, Liz Britten et Willem Knibbe, vous êtes les meilleurs !L ’ a u t e u r
Avinash Kaushik est l’auteur du best-seller Web Analytics: An Hour a Day
(http://www.snipurl.com/wahour). Il est également évangéliste des Web Analytics
pour Google et cofondateur de Market Motive, Inc.
Maître à penser du domaine, Avinash Kaushik encadre de bon sens l’univers
souvent frénétiques des Web Analytics et combine ce bon sens à une philosophie
qui considère qu’investir dans des analystes de talent est la clé de la réussite à
long terme. Avinash Kaushik est également fervent défenseur de l’écoute du
consommateur et s’investit dans des organismes dont l’objectif est de libérer la
valeur des données Web.
Il travaille avec quelques-unes des plus grandes entreprises du globe. Il les aide à
faire évoluer leurs stratégies de marketing en ligne et de Web Analytics, et ainsi à
se focaliser sur la clientèle et les données. Il s’est récemment vu décerner le 2009
Statistical Advocate of the Year Award par l’American Statistical Association.
Avinash Kaushik intervient par ailleurs fréquemment à l’occasion de conférences
de ce secteur industriel aux États-Unis et en Europe, notamment à l’Ad-Tech, au
Monaco Media Forum, à l’iCitizen, et au JMP Innovators’ Summit, ainsi que dans
les principales universités telles que les Stanford University, University of Virginia
et University of Utah.
Le blog d’Avinash Kaushik sur les Web Analytics, Occam’s Razor, est accessible à
l’URL www.kaushik.net/avinash.Introduction
Avec cet ouvrage, j’ai un objectif simple, noble s’il en est : changer la manière de
prendre des décisions grâce aux données récoltées sur Internet.
Depuis bien trop longtemps, nos campagnes marketing Internet relèvent de l’acte
de foi. Et pourquoi pas d’ailleurs ? C’est exactement de cette manière, sur base de
nos convictions et de notre intuition, que nous prenons nos décisions dans le
monde réel. Et lorsqu’il s’agit de prendre des décisions dans un contexte Internet,
nous ne faisons que reproduire ces pratiques. Et pourtant, une fois dans l’univers
magnifique et glorieux du Web, il n’est plus « nécessaire » de faire appel à la foi.
Nous évoluons alors dans l’environnement le plus riche en données de la planète ;
un environnement où les chiffres, les données, les mathématiques et l’analyse
doivent constituer le fondement de nos décisions. Les données nous permettent de
définir une stratégie commerciale efficace, d’établir un lien réel avec les publics
que nous ciblons, d’améliorer l’interaction entre nos sites et nos clients, d’investir
nos maigres ressources efficacement et d’améliorer notre retour sur
investissement, et ce, qu’il s’agisse de dons, d’augmentation de chiffre d’affaires
ou de participation à une élection !
Dieu vous donne le droit de fonctionner grâce aux données. Et cet ouvrage vous
montrera comment exercer ce droit.
Web Analytics 2.0 est une philosophie qui redéfinit la signification des données
tirées d’Internet. Web Analytics 2.0 n’est pas une simple histoire de clics que vous
collectez à partir de votre site Web au moyen d’outils de statistiques, tels que
Google Analytics, Omniture ou encore XiTi. Il s’agit de s’investir passionnément
pour appréhender l’incidence et la valeur économique de votre site Web en
produisant une analyse rigoureuse des résultats. Il s’agit de laisser s’exprimer
votre passion pour les principes de focalisation sur votre clientèle en adoptant les
initiatives axées sur la « voix du client » et, ma préférence absolue, en apprenant à
échouer plus rapidement grâce à la puissance de l’expérimentation qu’offre
l’univers en ligne. Aspect délicieux s’il en est, Web Analytics 2.0 est l’occasion de
se libérer des silos de données en utilisant des données d’intelligence
concurrentielle pour vraiment comprendre les forces et les faiblesses de vos
concurrents.
Cet ouvrage répond à quatre questions existentielles : quoi ? Combien ?
Pourquoi ? Et quoi d’autre ?
Le deuxième livre qui sauve...
À l’instar de mon premier livre, l’intégralité des bénéfices de la vente du présent
ouvrage sera reversé à deux organismes caritatifs.
The Smile Train opère les becs-de-lièvre et rend possible la chirurgie du palais
dans 63 des pays les plus pauvres du monde. Cet organisme fait plus que rendre
le sourire aux enfants. Il élimine un état qui peut avoir chez eux des implications
physiques et émotionnelles profondes sur le long terme.
Ekal Vidyalaya ouvre, soutient et gère des écoles informelles animées par un seul
enseignant dans les parties les plus reculées de l’Inde. En installant ces écoles
dans des zones éloignées négligées par le gouvernement et les agences chargées
du développement, cet organisme contribue à éradiquer l’illettrisme et ouvre de
nouveaux horizons aux enfants.En achetant ce livre, non seulement vous augmentez votre connaissance et vos
compétences en matière de Web Analytics, mais vous m’aidez à soutenir deux
causes chères à mon cœur. Lorsqu’il s’agit de soutenir ceux qui sont dans le
besoin, la moindre petite contribution compte. Merci.
L’univers impitoyable des décisions fondées sur les
données
Le monde hors ligne est immuable. En revanche, le Web devient un pivot de
chaque aspect de notre existence. Peu importe que vous soyez patron de petite
entreprise, politicien, mère de famille, étudiant, activiste, travailleur acharné ou
simplement un des 7 milliards d’homo sapiens sur cette planète. Peu importe que
vous habitiez à Athènes, Tananarive, Abu Dhabi ou Albuquerque.
Nous avons accès à de multiples sources de données (quantitatives, qualitatives et
concurrentielles), à pléthore d’outils gratuits que nous utilisons pour nous assurer
que nos décisions Web, tant tactiques que stratégiques, sont avisées. Et ces
décisions peuvent aller de la nature de tel contenu pour telle page à l’acquisition
de l’ensemble de mots-clés appropriés dans le cadre de campagnes de marketing
de recherche, en passant par l’identification du public cible qui affiche un profil
démographique et psychographique parfait pour l’entreprise, et par le meilleur
moyen de régaler l’internaute qui visite notre site Web.
Je compare les Web Analytics à Angelina Jolie ; cette comparaison a pour but de
mettre en lumière leur aspect attrayant, mais aussi la force qui s’en dégage. Une
force positive à mon avis. Quand vous arriverez à la moitié de l’ouvrage, je suis sûr
que vous serez d’accord avec moi.
Contenu de l’ouvrage
Cet ouvrage est fondé sur les bases posées par mon premier livre, Web Analytics:
An Hour a Day. Je ne tournerai pas autour du pot : le chapitre 1 commence
directement par une présentation du concept Web Analytics 2.0. Il enchaîne
ensuite par une ardente plaidoirie qui explique pourquoi l’approche par la
multiplicité est une condition sine qua non de la réussite avec les outils disponibles.
Le 400 m départ arrêté en 13 pages !
Sélectionner le jeu d’outils approprié pourrait s’avérer tout aussi important que de
choisir ses amis : si vous choisissez mal, il vous faudra du temps pour vous en
remettre. Au chapitre 2, je vous accompagne dans une réflexion personnelle qui
vous permettra de choisir le jeu d’outils de Web Analytics adapté à votre
entreprise. Vous apprendrez également les questions à poser aux éditeurs de ces
outils (pourquoi ne pas les stresser un peu ?), l’approche de la sélection d’un
éditeur et enfin la négociation optimale du contrat (stressons-les, stressons-les !).
Les chapitres 3 et 4 couvrent l’incroyable univers des Web Analytics traditionnels,
l’analyse des flots de clics. Au chapitre 3, huit éléments de mesure vous
apprennent les nuances complexes que recèlent les mesures modernes : ce que
vous devez rechercher, ce que vous devez éviter, et comment garantir que votre
entreprise a choisi le bon jeu d’éléments de mesure. Vous apprendrez également
ma technique préférée pour diagnostiquer la cause fondamentale de performances
médiocres.
L e chapitre 4 reprend l’exposé et vous guide dans une présentation du B.A.-BAdes Web Analytics. Elle vous permettra de passer rapidement des données à
l’action sur votre site Web. J’y explore les stratégies analytiques fondamentales et
les fais suivre de six analyses spécifiques inspirées de la vie quotidienne. Dans
chaque section, vous apprendrez à porter les choses juste au-dessus des attentes
moyennes. Le chapitre conclut par un contrôle portant sur cinq défis clés
qu’induisent les Web Analytics (à ne pas manquer !).
Le chapitre 5 est votre meilleur ami. En effet, il examine la raison prépondérante de
l’existence de tout site Web : les résultats, en d’autres termes, les conversions, le
chiffre d’affaires, la satisfaction clientèle, la fidélité des visiteurs, etc. Vous y
apprendrez la valeur de la focalisation sur les microconversions (un
incontournable !). À l’issue du chapitre, je propose deux ensembles de
recommandations spécifiques quant à la mesure des résultats sur des sites à but
non lucratif et B2B.
Au chapitre 6, nous commençons à nous amuser vraiment avec le concept Web
Analytics 2.0. En effet, j’y examine le monde merveilleux de la focalisation sur le
client : l’écoute du client à une échelle appropriée. Vous y apprendrez à tirer parti
des tests d’utilisabilité en laboratoire, des sondages et d’autres méthodes de
conception axées sur la clientèle. Enfin, je mettrai en lumière les techniques
particulièrement attrayantes qui se profilent à l’horizon, techniques qui modifieront
considérablement votre approche de la rentabilisation de la voix du client.
Le chapitre 7 a trait à l’expérimentation et aux tests. Si vous avez déjà consulté
mon blog ou assisté à l’une de mes interventions, vous savez à quel point le Web
nous soulage en nous autorisant à échouer plus vite et fréquemment, et ainsi à
nous améliorer chaque jour. Vous apprendrez ce que sont les tests A/B et
multivariables. Mais je pense que si vous vous rappelez cet ouvrage, ce sera
essentiellement pour y avoir appris la puissance des expériences contrôlées (enfin,
vous pourrez répondre aux questions les plus difficiles auxquelles vous ayez
jamais été confronté !).
Le chapitre 8 vous aide à vous attaquer à l’analyse de l’intelligence concurrentielle.
Comme le reste de cet ouvrage, ce chapitre n’est pas là pour vous apprendre à
utiliser un outil ou un autre. En revanche, vous apprendrez ici à creuser sous la
surface et à comprendre comment les données sont capturées et pourquoi ; en
intelligence concurrentielle plus que dans tout autre domaine s’applique le principe
« entrée médiocre = sortie médiocre ». À la fin du chapitre, vous saurez analyser le
trafic Web de vos concurrents, utiliser des données de recherche pour mesurer la
présence d’une marque et identifier de nouvelles opportunités, remettre à plat les
publics pertinents pour vos campagnes et votre activité, et vous tester par rapport
à vos concurrents.
Le chapitre 9 clarifie la mesure de domaines nouveaux et en pleine évolution liés
aux données mobiles de Web Analytics ; vous y verrez pourquoi mesurer l’activité
de blogs et de sites Web sont deux choses distinctes. Vous aborderez la mesure
de la réussite de vos efforts sur les sites sociaux tels que Twitter. Vous
commencerez par faire connaissance avec les défis fondamentaux que présente le
Web social en termes de mesures.
Le chapitre 10 entame votre véritable accession au grade de ninja de l’analyse. J’y
aborderai les règles cachées du jeu, les problèmes à prendre en compte, des
épreuves pour en faire plus, et la raison pour laquelle certaines approches
fonctionnent mieux que d’autres. La fin du chapitre aura pour vous un intérêt
particulier, car j’y aborderai la raison pour laquelle les révolutions échouentlamentablement en matière de données Web, domaine où l’évolution fonctionne à
merveille. Oh et bien sûr, comme vous pourriez vous y attendre, je recommanderai
une voie très spécifique pour atteindre le Nirvana !
Le chapitre 11 concerne les techniques d’analyse ; les armes indispensables que
votre arsenal doit contenir lorsque vous partez en campagne pour conquérir le
territoire des données. Vous ferez la connaissance du contexte, des comparaisons,
du concept de « ce qui a changé », des conversions latentes, des tenants et
aboutissants de la recherche et d’une analyse très très avancée de la recherche
payée. Un chapitre qui déménage...
Le chapitre 12 contient des ressources qui valent plusieurs fois le prix de l’ouvrage.
Il s’attaque aux défis actuels des données Web les plus difficiles et les plus
coriaces de la planète : l’analyse de l’attribution à des campagnes à points de
contact multiples et les données de Web Analytics à canaux multiples. Ici, point de
facilité ou de méthode miracle, simplement des solutions pratiques et exploitables
que vous pouvez mettre en œuvre dès à présent, aujourd’hui. Ne vous engagez
pas dans les Web Analytics sans avoir lu ce chapitre.
Le chapitre 13 compte parmi les chapitres que j’ai eu le plus de plaisir à écrire. Le
concept Web Analytics 2.0 est une histoire de personnes (idée qui n’est pas
surprenante de la part du créateur de la règle des 10/90 pour une brillante
réussite). Quel que soit votre rôle dans l’univers des données, ce chapitre
comprend des conseils pour guider votre plan de carrière et vous garantir une
réussite maximale. Je propose des pratiques optimales pour tenir vos
connaissances à jour, mais je ne m’arrête pas là : je suggère des moyens pour
atteindre la pointe du domaine. Le chapitre s’achève sur un conseil destiné aux
cadres et dirigeants quant à la manière d’identifier le talent approprié, de le faire
mûrir et de se mettre sur la voie de la réussite.
Le chapitre 14 récapitule toute mon expérience et toutes mes recherches dans ce
domaine naissant, et partage des recommandations pour s’attaquer à LA tâche qui
fera votre réussite ou votre échec : créer une culture des données. Je
recommande différentes approches de la présentation des données, de la manière
de stimuler les parties prenantes et d’utiliser des définitions d’éléments de mesure
pour influencer un changement comportemental au sein de votre entreprise, de la
mise en place d’un vrai « patron piloté par les données » (yeah !), et enfin des
stratégies d’obtention de budgets et de soutien pour vos programmes et vos
ressources humaines pour l’analyse.
Plutôt stimulant non ? Et de surcroît vraiment très amusant !
Le CD-Rom : un contenu multimédia précieux
Les podcasts, vidéos et ressources (en anglais) mis à disposition sur le CD-Rom
étendent le contenu de l’ouvrage en facilitant la compréhension des concepts et en
proposant un support supplémentaire et des directives qui ne figurent pas dans le
livre. Pour plus d’informations, consultez l’annexe de l’ouvrage, ou mieux, lancez le
CD et explorez-le.
Demande de retours
J’adore prêcher la valeur des données de clientèle et mettre mon credo en
pratique. Je veux connaître vos réflexions sur cet ouvrage. Quel élément de son
contenu vous a été le plus précieux ? Quelle a été votre plus grande surprise ?Quelle est la plus importante de vos mises en œuvre à avoir obtenu des
louanges ? Qu’aurais-je dû faire différemment d’après vous ? Quelle est la plus
importante pièce manquante de cet ouvrage ?
Envoyez-moi vos réflexions à l’adresse suivante :
feedback@webanalytics20.com.
Je tire les leçons du moindre petit retour et je promets de répondre à chaque
personne qui m’écrit. N’hésitez pas à partager votre expérience, vos critiques et
vos louanges.
Autre chose amusante : dans mon premier ouvrage, je demandais aux lecteurs de
m’envoyer une photographie de leur choix (personnes, lieux, bébés, bâtiments,
etc.) sur laquelle figurait le livre. Cette demande a concrétisé la merveilleuse
collection de photos que vous pouvez admirer ici :
http://zqi.me/wapeople.
Ainsi le monde devient un peu plus proche et plus réel.
Je serai ravi d’avoir une photographie de vous, de votre ville ou de vos animaux de
compagnie avec le présent ouvrage. Vous pouvez me la faire parvenir à l’adresse
feedback@webanalytics20.com. Merci.
Et pour commencer...
Je suis sûr que vous imaginez l’immense plaisir que j’ai eu à écrire ce livre. Et c’est
plus que vrai. Je suis sûr que vous en éprouverez autant à le lire, à recevoir son
enseignement et à changer le monde par l’analyse, éclaircissement après
éclaircissement.
Alors, allons-y !1
Le meilleur des mondes des Web
Analytics 2.0
Pendant des années, la mesure d’audience du Web, aussi appelée Web Analytics,
a été clairement porteuse d’une promesse de révolution du commerce sur le Web.
Pourquoi pas, après tout ? Vous pouvez mesurer chaque clic de chaque visiteur de
votre site. Pourquoi ne pas en tirer avantage ? Malheureusement, la révolution a
plutôt fait long feu. Cause fondamentale de cet échec, analystes et spécialistes du
marketing avaient adopté une vision particulièrement restreinte des données Web,
limitant celles-ci à de simples parcours de navigation ou clickstream (flot de clics).
Dans ce chapitre, je plaiderai la nécessité de totalement repenser l’usage des
données sur le Web. La stratégie Web Analytics 2.0 s’adapte à l’évolution du Web
et étend considérablement la palette de données susceptibles de vous aider à
atteindre vos objectifs métier stratégiques.
Au sommaire
État du paysage des Web Analytics
État de l’industrie
Repenser les Web Analytics : Web Analytics 2.0
Changer : yes we can !
État du paysage des Web Analytics
Commençons par une petite histoire sur le paradoxe des données. Du point de vue
professionnel, j’ai évolué dans l’univers des entrepôts de données (data
warehouse) et de l’aide à la décision (BI, Business Intelligence). J’ai travaillé avec
d’énormes quantités de données d’entreprise (plusieurs téraoctets), ainsi qu’avec
des couches intermédiaires ETL (Extract, Transform and Load) sophistiquées, le
tout desservant des outils complexes d’aide à la décision, issus d’éditeurs tels que
MicroStrategy, Business Objects et SAS. Si le fonctionnement global était
sophistiqué et passionnant, l’ensemble des données restait plutôt simple. Bien sûr,
nous enregistrions les nom et adresse des clients, les produits achetés, les appels
passés ainsi que toutes les métadonnées de l’entreprise et ses tarifs. Pourtant
l’implication des données restait mineure. Nous prenions donc des décisions
avisées pour l’entreprise à mesure que nous luttions férocement pour obtenir les
éclaircissements attendus.
Mais le manque de portée et de profondeur des données signifiait que souvent, et
je le dis en partie avec humour, nous pouvions rejeter notre responsabilité sur le
manque de types de données suffisants. C’était en quelque sorte notre carte« Vous êtes libéré de prison ». Quelque chose comme : « Bon sang mais c’est bien
sûr ! Si j’avais connu la taille des sous-vêtements de nos clients, j’aurais pu la
corréler avec leurs abonnements à différents magazines et ainsi leur vendre plus
efficacement des ordinateurs portables ultralégers. »
Je sais que cela semble grotesque. Mais la réalité me donnera raison.
Dans ce contexte, vous comprendrez pourquoi je restais extatique devant l’univers
des Web Analytics. Des données. Partout des données ! Riches, profondes et
transversales. Considérons ce simple fait : Yahoo! Web Analytics est un outil
totalement gratuit. Il intègre environ 110 rapports standards dont chacun compte
entre 3 et 6 éléments de mesure. Et ce nombre ne tient pas compte de la
possibilité de créer des rapports personnalisés couvrant bien d’autres éléments de
mesure auxquels même Dieu n’aurait pas songé pour l’humanité.
Toutefois, après avoir évolué plusieurs semaines dans cet univers, j’étais sous le
choc : même avec toutes ces données, je n’avais identifié aucun éclaircissement
exploitable sur la manière d’améliorer notre site Web ou d’établir une relation avec
nos clients.
C’est tout le paradoxe des données : quand vous n’en avez pas assez, vous ne
pouvez pas prendre de décisions exhaustives, mais disposer d’une pléthore
d’informations ne vous fournit qu’une quantité infinitésimale d’éclaircissements.
Quant au Web, le paradoxe des données y tient de la leçon d’humilité : oui, la Toile
contient des myriades de données, mais parallèlement, des obstacles
fondamentaux empêchent une prise de décision avisée. Et ce constat fut une vraie
déception, particulièrement pour quelqu’un qui, comme moi, venait de consacrer
les sept dernières années à accumuler toujours plus de données.
Mais c’est l’objet de cet ouvrage : faire table rase des anciennes approches et
appréhender différemment la prise de décision sur le Web, admettre que le
problème pourrait ne pas venir des données mais des utilisateurs, et se focaliser
davantage sur la précision que sur la fidélité. Nous allons faire nôtre l’idée que le
Web est un animal unique en son genre et à nul autre semblable actuellement, et
qu’il requiert une approche de la prise de décision elle aussi unique en son genre :
c’est-à-dire, celle des Web Analytics 2.0.
Avant d’aller plus loin, faisons d’abord le point sur l’état actuel de l’industrie des
Web Analytics.
État de l’industrie
En réfléchissant à la situation actuelle, je constate que beaucoup de choses n’ont
pas changé depuis les origines des Web Analytics, soit près de 15 ans en arrière.
Le paysage est dominé par des outils qui exploitent essentiellement des données
collectées sur des fichiers journaux (ou logs) ou par des marqueurs JavaScript. La
plupart des entreprises utilisent des outils tels que Google Analytics, Omniture Site
Catalyst, Webtrends, Clicktracks ou Xiti pour comprendre l’activité de leurs sites
Web.
Toutefois, l’un des changements majeurs de ces dernières années a été l’arrivée
d’un outil de Web Analytics robuste et gratuit : Google Analytics. Les Web Analytics
étaient jusqu’alors essentiellement réservées aux riches (comprendre, aux grandes
entreprises qui pouvaient se financer leur mise en œuvre). Bien sûr, quelques
solutions gratuites reposant sur des fichiers journaux (les logs) existaient, maiselles s’avéraient difficiles à mettre en œuvre et nécessitaient une quantité
importante de ressources informatiques, ce qui dissuadait la plupart des
entreprises.
Principale conséquence de l’arrivée de Google Analytics : la création d’une
démocratie des données de grande envergure. N’importe qui pouvait alors
rapidement ajouter quelques lignes de code JavaScript au fichier de pied de page
de son site Web et disposer ainsi d’un outil de génération de rapports facile à
utiliser. Le nombre de personnes qui s’intéressent aux Web Analytics dans le
monde est alors passé très rapidement de quelques milliers à des centaines de
milliers. Et il continue d’augmenter.
Ce processus a profité d’un grand coup d’accélérateur lors de l’acquisition
d’IndexTools par Yahoo! à la mi-2008. Yahoo! acquiert alors un outil payant de
Web Analytics, le rebaptise intelligemment « Yahoo! Web Analytics », et le diffuse
gratuitement (à ce moment-là, uniquement auprès de ses clients Yahoo!).
D’autres outils gratuits arrivent alors ; certains petits mais novateurs, tels que
Crazy Egg, d’autres sous la forme de logiciels libres et gratuits, comme Piwik et
Open Web Analytics, ou encore des solutions issues de niches, telles que
MochiBot qui permet de suivre vos fichiers Flash. Certains outils particulièrement
abordables apparaissent alors également sur le marché, à l’instar du très élégant
Mint, aux rapports pointus, qui utilise vos fichiers journaux pour générer des
rapports sur les données, et qui ne coûte que 30 dollars.
Aujourd’hui, taper free web analytics tools sur Google débouche sur 49 millions de
résultats, ce qui témoigne de la popularité de tous ces types d’outils. Par ailleurs,
ces outils gratuits exercent une pression sur les éditeurs d’outils de Web Analytics ;
ils les poussent à s’améliorer et à se différencier. Certains ont du mal à tenir le
rythme, quelques-uns ont sombré ; toutefois, les outils de ceux qui ont tenu bon
sont devenus plus sophistiqués et proposent une multitude de solutions connexes.
Omniture est un bon exemple d’éditeur compétitif. SiteCatalyst, son outil phare de
Web Analytics, constitue désormais une de ses offres essentielles. Omniture
propose également aujourd’hui Test&Target, une solution de ciblage
comportemental et de test multivariable. L’éditeur se lance par ailleurs dans
l’activité d’optimisation et de gestion de liens sponsorisés avec SearchCenter. Il
propose parallèlement des sondages pour sites Web et peut désormais, grâce à
l’acquisition de Mercado, mettre en œuvre des services de commerce électronique.
Omniture sera très bientôt en mesure de vous réveiller d’une tape légère et de
vous aider à choisir des vêtements pour votre journée de travail ! Conséquence de
cette stratégie concurrentielle, Omniture remplit jusqu’à présent son contrat, tant
pour lui-même que pour ses actionnaires.
Au-delà des Web Analytics, je me réjouis de voir autant d’outils exploiter le
triptyque stratégique « expérience, comportement et résultats » que je présentais
dans mon premier ouvrage Web Analytics: An Hour A Day (paru aux éditions
Sybex en 2007).
Nous pouvons désormais dépasser les limites de la mesure des résultats issus
d’outils de Web Analytics (les transformations aussi appelées conversions), pour
passer à la mesure de résultats plus conséquents, par exemple, nos initiatives sur
les réseaux sociaux. Le recours à FeedBurner, pour mesurer les résultats produits
par des blogs, et à un écosystème varié d’outils destinés à Twitter, pour mesurer
votre succès sur ce site, sont autant exemples évidents de ce nouveau type de
mesures. Nous nous approchons timidement, ou plutôt à grands pas, du Saint-Graal de la mesure intégrée des résultats produits en ligne et hors ligne.
Le facteur comportement de la stratégie n’est pas en reste non plus. Des outils en
ligne peu coûteux vous permettent de procéder à des tris de cartes (une option
coûteuse hors ligne) pour obtenir rapidement, de la part de vos clients, des
informations que vous réinjecterez dans les activités de refonte conceptuelle de
l’architecture informatique (AI) de vos sites Web. Un nombre impressionnant
d’outils de sondage gratuits est désormais disponible. À ce sujet, permettez-moi
d’insister bien égoïstement sur 4Q, la solution gratuite de sondage en sortie de site,
de iPerceptions. Elle est inspirée d’un des billets de mon blog (The Three Greatest
Survey Questions Ever, http://zqi.me/ak3gsq).
Vient ensuite le monde délicieux de l’intelligence concurrentielle. Elle n’avait pas
de place officielle dans le triptyque stratégique (même si je l’ai abordée dans
l’ouvrage Web Analytics: An Hour A Day) du fait des possibilités restreintes (et
coûteuses) qu’offrait le marché à cette époque. Ces deux dernières années ont été
le théâtre d’une explosion massive dans ce secteur, avec des outils capables de
transformer votre activité, notamment Compete, Google Ad Planner et Insights for
Search, Quantcast, et la liste est loin d’être exhaustive.
En réfléchissant aux débuts des Web Analytics, je me réjouis particulièrement du
chemin parcouru par l’industrie depuis la publication de mon premier livre, il y a
deux ans.
Je suis confiant quant au succès qui attend le spécialiste du marketing, l’analyste,
le propriétaire de sites ou le chef d’entreprise capable de maîtriser la puissance de
ces outils, que ces derniers soient commerciaux ou gratuits, pour comprendre
l’expérience de ses clients et appréhender les opportunités concurrentielles.
Repenser les Web Analytics : Web Analytics 2.0
Vous vous rappelez le paradoxe des données ? Nous venons de l’évoquer
quelques pages plus haut. Une si grande quantité de données pour si peu de
connaissances. C’est ce paradoxe qui m’a conduit à établir le triptyque stratégique
des Web Analytics lorsque je travaillais chez Intuit. Et, à présent, il me permet de
vous présenter Web Analytics 2.0.
La majorité des entreprises qui se concentrent sur les Web Analytics (et il est triste
de constater qu’elles ne sont pas assez nombreuses) considère cette discipline
comme simplement l’art de collecter et d’analyser des données de navigation, des
flots de clics (clickstream), des données issues de Yahoo! Web Analytics,
Omniture ou Mint.
C’est un bon début. Mais très rapidement, un constat se révèle, comme illustré à la
figure 1-1.
Le grand cercle correspond à la quantité de données dont vous disposez. Une
quantité pharaonique ! Au bout de quelques mois cependant, vous vous apercevez
que le tout petit cercle du bas correspond, lui, à la quantité de connaissances
exploitables, d’éclaircissements, que vous retirez de ces données. Pourquoi ?
Vous avez si peu de connaissances exploitables parce que les données des
parcours constituent un moyen formidable pour déterminer le quoi, mais non le
pourquoi. C’est là une des limites des données de parcours, ou flot de clics. Nous
connaissons avec précision chaque clic de chaque visiteur et en savons même
davantage. Nous connaissons la nature des éléments, le quoi. Quelles pages lesvisiteurs de notre site Web ont-ils consultées ? Quels produits ont-ils achetés ?
Quelle était la durée moyenne de leur visite ? Quel est la provenance de leur
visite ? Quels mots-clés ou campagnes ont généré des clics ? Quelle est la nature
de ceci et de cela ? Quel élément est absent ?
Figure 1-1. L’ancien paradigme de Web Analytics 1.0
Toutes ces informations quoi ne répondent pas à la question pourquoi. S’il est
important de savoir ce qui se passe sur votre site, il est encore plus important de
comprendre pourquoi les visiteurs s’y comportent comme ils le font. Cette réflexion
constituait ma principale motivation pour redéfinir les Web Analytics. Et pour des
Web Analytics plus approfondis, nous devons inclure non seulement la question du
pourquoi, mais également des questions clés susceptibles de nous aider à prendre
des décisions avisées concernant notre présence sur le Web.
Web Analytics 2.0, c’est : l’analyse de données quantitatives et qualitatives issues
de votre site Web et de vos concurrents, pour induire une optimisation continue de
l’interaction en ligne dont bénéficient vos clients existants et potentiels, et qui se
traduit en résultats attendus (en ligne et hors ligne).
Cette définition est spécifique, elle est moderne et elle débouche sur une remise
en question de la manière d’identifier des connaissances exploitables. La figure
12 illustre Web Analytics 2.0.Figure 1-2. Le paradigme revu de Web Analytics 2.0
Je souhaitais, avec cette définition, développer les questions qui trouveraient
réponse dans une redéfinition du sens des Web Analytics, des sources auxquelles
un analyste ou un spécialiste du marketing en ligne aurait accès, et des outils qui
seraient mis en application.
Les flots de clics des utilisateurs, ou clickstream, répondent à la question quoi. Si
une analyse de résultats multiples répond à la question quantitative, le combien, et
si l’expérimentation et tests contribuent à expliquer le pourquoi (même si, d’un
point de vue analytique, la Voix du client contribue, elle aussi, à l’expliquer), des
informations fournies directement par le client, auxquelles nous ajouterons enfin
l’intelligence concurrentielle, répondent à la question quoi d’autre, qui reste
probablement la part d’informations la plus sous-estimée sur le Web.
L a figure 1-3 illustre la part qu’occupe chacune de ces quatre questions
importantes en termes de composants/sources de données dans la stratégie Web
Analytics 2.0.
À présent, examinons chaque élément brièvement. Je les traiterai plus en détails
dans les chapitres suivants.Figure 1-3. Les questions clés selon la stratégie Web Analytics 2.0
Le quoi : parcours de navigation
Le quoi d’un parcours de navigation est simple. Si vous disposez d’une solution de
Web Analytics hébergée en interne, alors le quoi consiste à collecter, stocker,
traiter et analyser les données liées aux clics effectués sur votre site Web. Si,
comme la plupart des webmestres, vous disposez d’une solution de Web Analytics
hébergée en externe ou par un éditeur, le quoi se résume simplement à la collecte
et l’analyse des données liées aux clics.
Ces données sont celles que vous obtenez avec Webtrends, Google Analytics et
autres outils de mesure du parcours de l’internaute. En quelques mois, vous
disposez d’une grande quantité de données, de l’ordre du gigaoctet, voire
davantage si vous conservez un historique.
Le parcours de navigation constitue également un ensemble de données
fondamental ; il vous aide à mesurer pages et campagnes, et à analyser tous les
types de comportements relatifs à un site : visites, visiteurs, durée de visite, pages
consultées, taux de rebond, sources, et bien d’autres éléments.
Le combien : analyse de résultats multiples
Si vous avez assisté à l’une de mes interventions à l’occasion d’une conférence,
vous avez sans doute déjà entendu cette histoire. Lors de mon premier emploi
dans le domaine des Web Analytics, l’entreprise utilisait Webtrends (un outil
robuste et fabuleux). Je débutais. Je posais de nombreuses questions sur
l’utilisation des données et des 200 rapports produits par Webtrends. Au bout de
deux semaines, j’ai désactivé Webtrends.
Pendant les trois semaines qui ont suivi, personne n’a réclamé les 200 rapports
manquants. 200 ! Dans une entreprise qui pèse plusieurs milliards de dollars !
Après réflexion, je me suis aperçu que ces données ne manquaient à personne
pour une raison fondamentale : aucuns des 200 rapports ne se focalisaient sur la
mesure de résultats. Un million de visites sur le site. Et après ? Quels résultats
produits pour l’entreprise ? pour le spécialiste du marketing ?
Se focaliser spécifiquement et profondément sur la mesure des résultats signifiemettre en corrélation le comportement du client et le bénéfice pour l’entreprise.
L’opération la plus percutante que vous puissiez effectuer avec les Web Analytics
consiste à associer les résultats aux profits et aux primes des personnes
auxquelles vos rapports sont destinés.
Un site Web vise trois objectifs principaux :
• accroître le chiffre d’affaires ;
• diminuer les coûts ;
• améliorer la satisfaction/fidélité client.
Un point, c’est tout. Trois choses simples.
Tout ce que vous entreprenez sur votre site Web doit tendre vers ces trois
résultats, que votre site Web ait pour vocation le commerce électronique,
l’assistance technique, le support social ou, simplement, la propagande. Vous allez
utiliser des outils de mesure de parcours, des systèmes de planification des
ressources d’entreprise (systèmes ERP, Enterprise Resource Planning), des
sondages, Technorati et bien d’autres ressources.
Pour vous attirer les bonnes grâces de votre hiérarchie, vous devez vous focaliser
sur l’analyse de résultats multiples.
Le pourquoi : expérimentation et tests
Je crois que la plupart des sites Web sont mal conçus parce qu’ils sont créés par
1les HiPPO. HiPPO est l’acronyme de « Highest Paid Person’s Opinion ».
Et vous savez comment ça se passe. Quelqu’un expose une idée formidable, mais
c’est l’HiPPO qui décide de ce qui va réellement se passer. S’il souhaite que la
page d’accueil affiche des singes qui dansent, alors la page d’accueil affichera des
singes qui dansent.
En réalité, l’HiPPO est à 10 lieues du site Web ; il n’est jamais allé dans un
supermarché et se concentre trop sur ses affaires. L’HiPPO est donc un substitut
médiocre aux attentes des clients.
En tirant parti d’outils d’expérimentation et tests puissants, tels que la solution
gratuite Google Website Optimizer ou les outils commerciaux Autonomy Optimost
et SiteSpect, vous pouvez modifier votre stratégie. Plutôt que de lancer un site
avec une seule idée (celle de l’HiPPO bien entendu), vous pouvez expérimenter
différentes idées en direct sur votre site et ainsi permettre à vos clients de vous
faire savoir celles qui fonctionnent le mieux. Que c’est agréable… J’appelle cela
« la revanche des clients » !
Un motif puissant, discret de prime abord, saura justifier une fidélité sans limite à
votre outil de test : vous échouez plus rapidement ! En effet, échouer sur tous les
autres canaux, tels que la télévision, la radio, les magazines ou encore les grandes
enseignes, coûte beaucoup d’argent. En revanche, l’échec en ligne se produit
rapidement et à peu de frais.
Imaginons le lancement d’un nouveau produit chez Carrefour : pourquoi ne pas le
lancer dans un premier temps sur Carrefour.fr plutôt que dans un magasin
Carrefour, et voir comment ce produit se comporte ? Pourquoi ne pas essayer
quelques offres promotionnelles par courrier électronique ou par liens sponsorisés
dans des moteurs de recherche, avant de finaliser une stratégie et de lancer le
produit par le biais de supports imprimés, notamment de catalogues, ou de spotspublicitaires télévisés ? Quel que soit le scénario, sur Internet, vous pouvez
prendre des risques plus importants, vous profitez d’un lancement accéléré, et
réussissez ou échouez considérablement plus vite !
L’avantage stratégique est considérable. C’est également la raison pour laquelle, je
crois à l’expression « Tester ou mourir ».
Le pourquoi : la voix du client
Dans mon cas, ingénieur en mécanique détenteur d’un MBA, le pourquoi, ou la
puissance et la valeur des données quantitatives, m’a donné une bonne leçon.
Prenons cette simple question : pouvez-vous afficher le rapport intitulé Pages les
plus consultées, issu de votre outil de Web Analytics, pour votre site, par exemple,
www.zappos.com, et en dégager le contenu qui intéressait le plus les visiteurs ?
Comment déterminer par les pages les plus consultées, celles que vos visiteurs
voulaient vraiment consulter ? Peut-être ces visiteurs n’ont-ils pas pu trouver les
pages du fait de l’absence d’un moteur de recherche interne ou d’une navigation
défaillante (lien cassé) sur votre site ? Vous l’ignorez. Votre outil de Web Analytics
ne restitue que ce qu’il enregistre. Et ce que vos clients voulaient voir, mais n’ont
pas pu voir, cela n’a pas été enregistré.
Voici pourquoi la voix du client (VDC) est si importante. Sondages, tests en
laboratoire d’utilisabilité, tests d’utilisabilité à distance, tris de cartes, autant
d’exemples de techniques qui permettent d’obtenir des retours d’information
directement de vos clients depuis votre site Web ou de votre base de clients ciblés.
Combien de fois ai-je été surpris en consultant des informations VDC sous forme
littérale à partir de sondages de site Web : « Ah c’est donc pour ça qu’ils ont laissé
tomber ! » ou encore « Bon sang, c’est pour ça que personne n’achète ce
produit ! » ou, plus généralement, « Pourquoi n’avons-nous jamais constaté une
telle évidence ? »
Et marier le quoi et le pourquoi vous offrira toute une vie de bonheur. Je vous le
garantis.
Le quoi d’autre : l’intelligence concurrentielle
De toutes les surprises rencontrées lors de mon périple en terre de Web Analytics,
la plus grande a été le concept d’intelligence concurrentielle. Dans le monde
traditionnel de la planification des ressources d’entreprise (ERP), de la gestion de
la relation client (CRM ou GRC) et d’obscurs systèmes de gestion interne, tout ce
que vous avez, ce sont vos propres données. Vous disposez de très peu
d’informations sur vos concurrents. Sur le Web, en revanche, vous pouvez
collecter des tonnes d’informations sur vos concurrents directs ou indirects ! Et en
général, ces informations sont gratuites !
Sur www.compete.com, vous tapez l’URL du site d’un concurrent et, en un clin
d’œil, comparez vos performances aux siennes. Vous savez combien de temps les
visiteurs passent sur votre site comparé au sien. Vous pouvez obtenir le nombre
de visites répétées, de pages consultées par visiteur, la croissance, et bien
d’autres informations.
Ce qui nous amène à la question suivante : pourquoi se préoccuper de tout cela ?
Prenons cette simple analogie. Utiliser un outil de Web Analytics pour mesurer les
performances d’un site revient à s’asseoir au volant d’une voiture et à ne plus leverle nez de son tableau de bord pour s’assurer qu’elle se déplace précisément à 110
km/h. Une voiture dont le pare-brise et les vitres seraient obturés ; impossible de
voir ce qui se passe à l’extérieur.
Recourir aux données d’intelligence concurrentielle revient à gratter la peinture
noire appliquée sur les vitres pour voir ce qui se passe à l’extérieur. Vous
constatez que vous participez à une course (à votre insu) ; alors que vous roulez
qu’à 110, tous les autres concurrents vous doublent à 260 ! Sauf changements
drastiques de votre part, vous deviendrez quantité négligeable.
C’est là que réside la puissance des données d’intelligence concurrentielle.
Connaître ses performances est important, mais connaître ses performances par
rapport à ses concurrents l’est plus encore. C’est là un avantage qui n’a pas de
prix et qui vous aide à vous améliorer, à identifier de nouvelles opportunités et... à
rester dans la course.
Dans cet ouvrage, je traiterai de l’utilisation d’outils gratuits et commerciaux pour
bénéficier d’une intelligence concurrentielle couplée, entre autres, à des critères de
public (démographiques et psychographiques), des mots-clés, des sources de
trafic ou, encore, des comportements de clients sur les sites Web.
Voici donc l’univers extraordinaire de Web Analytics 2.0. Un univers bien plus vaste
que vous ne l’imaginez. Plus attrayant que vous ne l’imaginez. Où tout consiste à
se concentrer sur le client.
Changer, yes we can !
Pour réussir dans l’univers de Web Analytics 2.0, vous devez procéder à deux
changements essentiels. Le premier est un changement d’ordre stratégique ; la
modification du modèle mental que vous appliquez, de l’approche que vous
adoptez. Le second est d’ordre tactique ; il s’attaque à la manière dont vous
appréhendez les outils et dont vous les utilisez actuellement.
L’impératif stratégique
Lorsqu’il s’agit de franchir les gouffres modernes, la technologie ou les outils
constituent rarement la plus grande source de difficulté, qui tient davantage à nos
états d’esprit enracinés. Pour nous tous, le plus grand défi consiste à modifier
notre stratégie en matière de Web Analytics afin d’évoluer et penser 2.0.
L a figure 1-4 illustre l’évolution de pensée que vous devez absolument adopter
pour que vous ou votre entreprise puissiez transiter vers Web Analytics 2.0.
Dans l’univers Web Analytics 2.0, le règne des clics s’achève. Lui succède la
combinaison des règles « comptage et motivation ». Cette combinaison donne
autant d’importance à ce qui se passe sur votre site Web qu’à ce qui se passe sur
ceux de vos concurrents. Parallèlement, vous automatisez autant de décisions que
faire se peut pour éliminer certains rapports, voire une certaine part d’analyse.
Votre univers est constitué d’actions continues (à savoir de sondages, tests,
ciblages comportementaux, optimisation de mots-clés) et d’améliorations
permanentes où le client (et non l’HiPPO) est roi.Figure 1-4. Évolution de l’état d’esprit nécessaire à Web Analytics 2.0
Changement tactique
Ce second changement vous donne accès à un concept extraordinaire et
désormais incontournable : la multiplicité.
Dans l’univers de l’informatique décisionnelle (BI, Business Intelligence)
traditionnelle, on nous enseigne qu’il faut rechercher la « source unique de
vérité ». Rassembler toutes les données à un seul emplacement, élaborer des
systèmes de grande envergure, généralement sur plusieurs années, et célébrer
l’événement ; malheureusement, cette stratégie se révèle néfaste sur le Web.
Lors du sommet eMetrics de 2003, Guy Creese a présenté le concept de
multiplicité. Ce concept était d’une simplicité brutale : la multiplicité des éléments
constitutifs, des outils et des types de sources de données ne faisait que rendre
plus difficile une activité analytique efficace.
J’en suis venu à penser que la multiplicité est la raison fondamentale du caractère
imposant du Web. Du point de vue de votre entreprise Web, la consommation de
données s’est considérablement démocratisée ; tout le monde a désormais besoin
d’accéder aux données. Vous disposez d’une myriade d’outils efficaces pour
effectuer des tâches que jamais vous n’auriez cru possibles. Non seulement vous
avez beaucoup plus de données, comme dans le cas des clics, mais vous avez
aussi beaucoup plus de types de données (qualitatives et quantitatives) qui rendent
la vie plus belle !
La multiplicité est le seul moyen de réussir dans l’univers Web Analytics 2.0.
Comme l’illustre la figure 1-2, Web Analytics 2.0 vous fournit une vue à 360° des
performances de votre site Web. Dans le cadre de cette stratégie, chaque
programme de prise de décision Web (qu’il se nomme Web Analytics, Révélations
Web ou Révélations numériques sur la clientèle) d’une entreprise devra solutionner
les cinq piliers des Web Analytics 2.0 : parcours, analyse de résultats multiples,
expérimentation et tests, voix du client et intelligence concurrentielle.L a figure 1-5 présente l’approche que doit adopter votre stratégie (en termes
d’outils) pour répondre aux exigences du concept de multiplicité.
Figure 1-5. Outils et stratégie de multiplicité de Web Analytics 2.0
Comme l’illustre clairement cette figure, vous avez besoin d’un outil spécialisé pour
solutionner chacun des piliers Web Analytics 2.0.
Flot de clics. Vous utilisez les outils Omniture, Google Analytics, Unica NetInsight,
Webtrends, Yahoo! Web Analytics, Lyris HQ (anciennement ClickTracks),
Coremetrics, et bien d’autres.
Résultats multiples. Vous utilisez les outils de Web Analytics mentionnés sous
Parcours, mais aussi les équivalents de iPerceptions (pour mesurer le taux de
tâches menées à bien), FeedBurner (pour suivre les abonnés), ainsi que
différentes autres méthodes pour mesurer la réussite de réseaux sociaux (vos
outils de Web Analytics traditionnels ne sont pas très efficaces sur ce dernier plan).
Expérimentation et tests. Vous utilisez Google Website Optimizer, Omniture
Test&Target, SiteSpect, Optimost et d’autres.
Voix du client. Vous utilisez iPerceptions, CRM Metrix, Ethnio, ForeSee ainsi que
différentes options en libre service telles que Lab Usability.
Intelligence concurrentielle. Vous utilisez Google Ad Planner, Insights for
Search, Compete, Hitwise, Technorati, et d’autres.
Pour couvrir les cinq piliers de manière optimale, ne retenez qu’un seul outil dans
chacune des catégories précédentes. C’est ça, la multiplicité.
Les données collectées par chaque outil ne doivent pas faire doublon avec celles
collectées par les outils des autres domaines, ni être associées à ces derniers.
Chaque outil fournit des éclaircissements qui, regroupés, vous fournissent, à leur
tour, les données dont vous avez besoin pour réussir.
La stratégie de la multiplicité ne doit pas vous décourager.
Remarquez que chaque ligne de la figure 1-5 offre la possibilité d’utiliser un
outil gratuit ; inutile, donc, de vous préoccuper des questions de coût pour le
moment. Fort heureusement, il n’est pas nécessaire de tout entreprendre toutde suite. La taille, les besoins et le degré de sophistication de votre entreprise
vous aideront à déterminer votre propre stratégie.
Voici une liste personnelle qui répertorie les éléments incontournables que les
différentes entreprises doivent envisager pour rejoindre l’univers Web
Analytics 2.0 ; ces éléments sont classés par ordre de priorité et présentent
les domaines qui doivent au minimum être traités.
• Petites entreprises : 1. Parcours, 2. Résultats, 3. Voix du client.
• Moyennes entreprises : 1. Résultats, 2. Parcours, 3. Voix du client, 4 Tests.
• Grandes à très grandes entreprises : 1. Voix du client, 2. Résultats, 3.
Parcours, 4. Tests, 5. Intelligence concurrentielle, 6. Analyse d’arrière-plan
approfondie (Coradiant), 7. Carences et structure de site (Maxamine).
Il suffit de sélectionner, pour chaque catégorie, un des outils gratuits ou
commerciaux répertoriés à la figure 1-5.
Et en cadeau…
Vous aurez probablement remarqué les deux outils qui figurent au bas de la figure
1-5. Il s’agit d’éléments bonus.
Lorsqu’il est question de Web Analytics, Maxamine et Coradiant ne sont pas les
premiers noms qui viennent à l’esprit. Pour les grandes entreprises,
particulièrement celles du classement Fortune 1 000, ces deux outils sont
pratiquement incontournables. Aucun d’eux n’effectue les mesures d’un outil de
Web Analytics traditionnel. Ils éliminent ainsi tout risque de chevauchement
fonctionnel. En revanche, chacun d’eux apporte ses forces uniques et propres en
matière de données Web.
Vous devez utiliser Maxamine, car il vous fournit des données critiques, entre
autres, sur les éléments suivants : carences en matière d’optimisation des moteurs
de recherche (SEO, pour Search Engine Optimization), balises JavaScript
manquantes, contenus en doublon, fonctionnalité de site Web interrompue (liens
cassés et formulaires « plantés »), conformité en matière de
sécurité/confidentialité, trous noirs qui échappent à votre moteur de recherche
interne, et bien d’autres aspects. Maxamine fournit essentiellement tout ce que
vous devez savoir, mesurer et rapporter quant à l’existence de votre site Web en
soi. ObservePoint constitue une autre possibilité concurrentielle.
Vous devez utiliser Coradiant, car cet outil fournit, selon une granularité allant
jusqu’au niveau de l’utilisateur individuel, des données essentielles sur la
« matrice » qui alimente votre site Web, en d’autres termes sur les bits et octets,
les pages et les paquets. (Je fais actuellement partie de la Commission
consultative de Coradiant ; c’est encore mieux quand on le dit.) Coradiant consigne
tous les éléments que vous pouvez imaginer transiter de vos serveurs Web (en
tout point du globe) vers vos clients. Vous pouvez ainsi identifier rapidement les
problèmes qui surviennent sur votre site Web et en attribuer la responsabilité à vos
équipes informatiques ou à vous-même.
Coradiant vous permet également de comprendre pourquoi, par exemple, vos taux
de conversion ne fonctionnent plus. Est-ce parce que soudainement vos pages de
panier et de paiement d’achats ont ralenti au point de ne plus s’ouvrir chez vos
clients ? Ou est-ce dû à des erreurs 404 sur les pages importantes ? Autant de
questions essentielles auxquelles les outils traditionnels ne trouvent pas deréponse facilement, voire pas de réponse du tout.
C’est l’essence de la stratégie de la multiplicité : des données de parcours pour
une meilleure vision du paysage par le biais de résultats multiples, et des chemins
plus rapides vers l’échec ou la réussite par le biais de l’expérimentation et tests. Ce
sont les étapes fondamentales pour s’attaquer à un secteur industriel concurrentiel.
Et n’oubliez pas d’adopter un modèle mental « comptage et motivation » dans
lequel vous faites montre d’une vigilance égale à l’égard de votre propre activité
Web et de celle de vos concurrents (point souligné à la figure 1-4). La multiplicité
vous donne des clés pour aller de l’avant et changer le monde. À vous de jouer !
1. NdT : en français, « opinion de la personne la mieux payée » ; cette expression
en vogue caractérise cette même personne2
Questions pour préparer votre
recherche de l’outil idéal
L’ordre nouveau en vigueur dans l’univers Web Analytics 2.0 vous oblige à
dépasser l’approche d’une « source unique de vérité » pour transiter vers une
véritable stratégie de multiplicité afin d’accélérer l’identification de connaissances
exploitables. Et comment fait-on ? On utilise des outils pardi ! Vous devez les
choisir de manière avisée et vous assurer qu’un pas en avant n’entraîne pas trois
pas en arrière.
Dans ce chapitre, vous allez apprendre comment mener une introspection
approfondie afin de mieux comprendre vos besoins, ainsi que la manière d’obtenir
de vraies informations de la part des éditeurs de solutions de Web Analytics, de
comparer leurs outils, puis de mettre en œuvre un projet pilote et de négocier un
contrat.
Au sommaire
Anticiper la réussite future
Étape 1 : Trois questions essentielles à vous poser avant de chercher l’âme sœur
en matière de Web Analytics
Étape 2 : Dix questions à poser aux éditeurs avant de signer
Comparer les éditeurs d’outils de Web Analytics : diversification et conquête
Étape 3 : Identifier l’âme sœur analytique (comment mettre en œuvre un projet
pilote d’outils efficace)
Étape 4 : Passer chez le notaire avant de signer avec l’âme sœur et contrôler que
les SLA sont inclus dans le contrat
Anticiper la réussite future
Qu’ils soient gratuits ou commerciaux, nous avons la chance de disposer d’autant
d’outils robustes pour aborder le concept Web Analytics 2.0. Malheureusement,
nous sous-estimons considérablement l’importance vitale du choix de l’outil adapté.
Et à quel point un outil inadapté peut faire reculer l’entreprise.
Par exemple, mon entreprise a choisi un outil de Web Analytics après émission
d’un appel d’offre ambitieux contenant toutes les questions qu’il est possible de se
poser. La mise en œuvre de l’outil retenu nous a occupés quinze mois durant en
tout, auxquels se sont ajoutés six mois pour obtenir le premier soupçon de
connaissances exploitables... qui s’avéra totalement inadapté à notre cas. De toute
évidence, l’appel d’offre n’offrait pas les garanties suffisantes ! Mais dès lors,personnel, systèmes, processus, nous étions trop impliqués dans l’outil pour
changer quoi que ce soit rapidement. Six mois plus tard, le cadre supérieur qui
avait choisi cet outil coûteux quittait l’entreprise. Son remplaçant identifia
immédiatement le problème et entama le processus de sélection d’un nouvel outil.
À ce stade, l’entreprise stagnait depuis plus de deux ans et demi. Il nous fallu neuf
mois pour sélectionner et mettre en œuvre l’outil adapté.
Délai total avant la prise de décisions Web stratégiques : bien plus long que
nécessaire !
Vous pensez probablement que cette situation ne s’applique qu’aux grandes
entreprises ou uniquement aux autres. Croyez-moi, cette situation se présentera
probablement aussi dans la vôtre.
Nous avons tendance à choisir les outils comme nous épousons l’âme sœur : si
nous nous trompons, nous refusons d’accepter notre erreur. En réalité, peu de
choses auront autant d’incidence sur vos chances de réussite que le choix du jeu
d’outils adapté aux besoins uniques de votre entreprise, qu’elle soit de petite,
moyenne ou de grande envergure.
La règle des 10/90
Mon entrée dans l’univers des Web Analytics m’a éclairé à plus d’un titre. Mon
entreprise disposait d’un des meilleurs outils sur le marché. Pourtant, les
décisions restaient prises « intuitivement ». Et toutes les données collectées
ne servaient finalement à rien.
La leçon que j’ai tirée de cette expérience m’a inspiré la règle des 10/90 (que
j’ai publiée sur mon blog le 19 mai 2006) :
• notre objectif : retirer la valeur maximale de la mise en œuvre des Web
Analytics ;
• coût de l’outil d’analyse et des services professionnels de l’éditeur : 10
euros ;
• investissement nécessaire dans des « analystes/ressources
intelligent(e)s » : 90 euros ;
• élément essentiel à cette magnifique réussite : le personnel.
Le raisonnement était simple, car il portait sur quatre problèmes de base.
• Les sites Web sont d’une extrême complexité. Et si des outils sont en
mesure de capturer toutes les données, ils ne vous disent pas pour autant
quoi faire.
• Encore aujourd’hui, la majorité des outils de Web Analytics du marché se
contentent de recracher des données. Des tonnes de données.
• Nous ne vivons plus dans l’univers Web Analytics 1.0. Nous devons à
présent gérer des données à la fois quantitatives et qualitatives, les résultats
de nos expérimentations à variables multiples, et des données d’intelligence
concurrentielle susceptibles de n’être liées à aucun autre élément.
• L’une des manières les plus efficaces pour transformer des données en
connaissances consiste à ne pas perdre de vue la « connaissance tribale »
au sein de l’entreprise, à savoir les règles implicites (non écrites),
métadonnées manquantes, mesures ponctuelles prises à l’improviste (bond’accord, celles de votre P-DG), et ainsi de suite.
Pour résoudre ces quatre problèmes, vous avez besoin d’un analyste,
c’est-àdire d’une personne dotée d’un cerveau de dimension planétaire. Si vous
souhaitez vraiment prendre des mesures concernant vos données, multipliez
vos investissements dans cette personne (ou même ces personnes). Dans la
négative, vous serez tout simplement riche de grandes quantités de données,
mais pauvre en informations.
Aujourd’hui, avec la prolifération des options disponibles en ligne et la
sophistication du Web, la règle des 10/90 est encore plus pertinente.
Vous avez dit « coupeur de cheveux en quatre » ? Je prêche actuellement les
vertus de l’analyse de données Web chez Google. Nombreux sont ceux qui,
bien au-dessus du lot en mathématiques, me disent que l’existence d’outils
gratuits invalide la règle des 10/90 : les outils (la composante à 10 euros) sont
désormais gratuits. Je leur réponds que les outils ne sont toujours pas
« gratuits ». Ainsi, si je veux utiliser Google Analytics ou Yahoo! Web
Analytics, le coût (enfin, le prix) de l’outil est effectivement nul, mais je devrai
débourser 5 000 euros pour travailler avec un consultant agréé pour obtenir
une mise en œuvre dans les règles de l’art. Voilà pour les 10 euros. Il faut
maintenant en débourser 90 pour engager les « cerveaux » qui donneront du
sens à toutes vos données !
Étape 1 : Trois questions essentielles à vous poser
avant de chercher l’âme sœur en matière de Web
Analytics
Au cours du processus de sélection des outils, notre plus grosse erreur consiste à
ne jamais marquer de pause pour réfléchir à notre propre envergure ou, plus
probablement, à notre manque d’envergure. Nous adoptons directement l’outil le
plus proche de ce qui semble convenir. Nous tenons rarement compte des qualités
susceptibles de déterminer si cet outil est adapté à nos besoins.
Aussi, la première étape consiste en une introspection et une évaluation d’une
honnêteté poussée à l’extrême de votre propre entreprise, de son personnel et de
son positionnement dans le cycle de l’évolution.
Pour amorcer l’introspection critique qui vous aidera à sélectionner l’âme sœur
Web Analytics 2.0 qui convient, posez-vous les trois questions suivantes.
Question 1 : « Est-ce que je veux des rapports ou des analyses ? »
Cette question est délicate, car la plupart des entreprises ont beaucoup de mal à
se montrer objectives quant à leurs besoins. Elles affirment toutes avoir besoin
d’analyses, même si – dans la pratique – peu d’entre elles (particulièrement celles
de plus de 100 personnes) y font appel. En fait, tout ce qu’elles veulent, ce sont
des rapports.
Voici quelques raisons de choisir uniquement la génération et la visualisation de
rapports (reporting) :
Prise de décision décentralisée
L’entreprise est structurée de sorte que nombre de dirigeants distincts prennentdes décisions et que leur aval est nécessaire à toute action. Ces dirigeants ont
besoin de données qu’ils peuvent exploiter, et non d’analyses qui leur dictent la
mesure à prendre.
Cultures d’entreprise
Comment votre entreprise parvient-elle à un consensus ? Devez-vous toujours
« couvrir vos arrières » ? L’entreprise affiche-t-elle différentes couches de
gestion ? S’organise-t-elle en matrice ? Est-elle attachée à la paperasserie ?
Souvent, la culture dicte la séparation des pouvoirs avec des responsabilités de
surveillance multiples et la nécessité de preuves. Ce type de culture requiert une
alimentation en informations (des données).
Disponibilités des outils et des fonctions
Un certain nombre d’outils sont axés sur les rapports et non sur les analyses. Cette
orientation définit quelles fonctionnalités doivent être utilisées.
Historique
Les entreprises plus expérimentées travaillent traditionnellement avec des outils de
publication de rapports et de données. « Raisonner vite et agir vite » est loin d’être
leur devise...
Propension au risque
Votre entreprise autorise-t-elle la prise de risques ? La prise de risques est-elle
susceptible de nuire à votre carrière ? Une analyse sincère implique d’abandonner
une certaine part de contrôle et de faire confiance à ceux qui savent faire leur
travail. Si votre culture d’entreprise n’encourage pas cette attitude, alors c’est de
rapports dont vous avez besoin.
Répartition des connaissances entre les personnels et les équipes (connaissances
tribales)
Si vous souhaitez réellement analyser des données, vous devez connaître le
contexte afin que les nombres collectés aient un sens. Si, dans votre entreprise,
les informations et l’exploitation sont des domaines isolés, toute montée en
puissance du côté des analystes est vouée à l’échec. Si vos analystes ne sont pas
« en phase », tout au plus pourront-ils fournir des données à des personnes
susceptibles de l’être (dans l’idéal, les dirigeants de l’entreprise).
Disponibilité de la puissance analytique brute
Revenons à la règle des 10/90. Si vous avez investi dans des analystes de
manière avisée, il est normal de choisir un outil qui permettra à votre entreprise de
bénéficier de vraies analyses.
En dépit de ces circonstances atténuantes, c’est l’équipe d’interprétation analytique
qui sera chargée d’acheter « le meilleur outil au monde ».
Si vous optez pour un outil de Web Analytics, vous devez passer votre entreprise
au crible ; sa structure de prise de décision et ses besoins de mesure. Dans un
second temps, soyez lucide et déterminez si ce sont les rapports ou les analyses
qui confèrent l’avantage le plus important. Si votre entreprise a réellement besoin
d’une génération et de la visualisation de rapports robustes, choisissez un outil qui
remplit cette fonction. Si votre entreprise prospère grâce à des analyses, faites
votre choix selon ce critère.Voici trois scénarios à prendre en compte.
L’outil abordable mais inadapté
Dans le cas de mon entreprise, j’avais retenu un outil vraiment abordable et
capable de moudre des données à l’infini, afin de fournir aux cadres dirigeants une
véritable analyse. Seulement voilà, il s’agissait d’une entreprise de grande
envergure, forte d’un chiffre d’affaires annuel d’environ deux milliards de dollars,
dont plusieurs centaines de millions réalisés sur Internet. En réalité, l’entreprise
réclamait des données distribuées à un grand nombre de personnes. En d’autres
termes, des rapports. L’outil que j’avais retenu échoua misérablement, car il était
totalement nul en la matière. Chaque personne devait traiter les données à son
propre niveau, et ce processus était trop long. Les utilisateurs s’impatientaient,
pressés par le temps. L’entreprise resta ainsi « pilotée à l’intuition » et nos
opportunités Web furent gaspillées.
L’outil coûteux avec un personnel inadapté
Un de mes amis, employé dans une entreprise de bien plus grande envergure
encore, affichant un chiffre d’affaires de plusieurs milliards de dollars, avait retenu
l’outil de Web Analytics le plus cher du Web. Avec ses interfaces noires et
sophistiquées, il proposait des graphiques et des histogrammes polychromes et
fonctionnait en temps réel. Il pouvait répondre à n’importe quelle question, tant en
ligne qu’hors ligne. Il était doté d’une intégration téléphonique et de toutes les
fonctions imaginables.
Pourtant, après 15 mois de mise en œuvre, ce « cadeau des dieux » ne pouvait
traiter que 45 jours de données à un instant T. Plus grave encore, seules deux
personnes savaient l’utiliser ! Pendant quatre années, les cadres dirigeants se sont
extasiés devant toutes les données disponibles par le biais d’une interface aussi
sophistiquée. Pourtant, pas la moindre décision stratégique (ni même une dizaine
de décisions tactiques) ne put être prise à partir de toutes ces informations. Dans
le même temps, l’éditeur d’outils de Web Analytics facturait à l’entreprise environ
2,5 millions de dollars de prestation chaque année.
L’entreprise de mon ami aurait été mieux lotie avec Google Analytics ou Yahoo!
Web Analytics. Ces deux outils proposent des fonctions de génération de rapports
puissantes et gratuites, qui auraient permis aux divers utilisateurs d’exploiter des
données.
L’entreprise serait devenue plus avisée au fil du temps, après alignement de la
culture, de la structure organisationnelle et du niveau de prise de risques.
Basculement vers l’outil adapté
Le troisième scénario concerne une entreprise émergeante, une start-up. Elle est
agile et leste, et ses décisions reposent fortement sur les données, car son
existence dépend de celles-ci. Pourtant, elle a choisi un outil inadapté : s’il génère
efficacement des rapports, il se comporte médiocrement en matière d’analyse. J’ai
recommandé à cette start-up de changer d’outil et d’acquérir un outil « haut de
gamme », à la fonctionnalité analytique enrichie. Financer un tel outil constituait un
sacrifice. Toutefois, cette start-up avait tout à gagner d’une capacité d’analyse
supérieure. La décision d’acheter un outil haut de gamme l’a fait radicalement
changer de cap ; elle pouvait désormais pratiquer une analyse approfondie, et ce
rapidement, et tirer parti du comportement de sa clientèle pour entreprendre des
modifications rapides de son logiciel en tant que service (application SaaS,