Dernière mise à jour le : 22 Jul, 2020

Web analytics (ou web analyse) et tracking : définitions et enjeux

    Cet article est une introduction au sujet de la web analyse. Nous cherchons également à y montrer l’importance que ce sujet peut avoir pour une entreprise, et ce qu’on peut en attendre. Enfin, c’est une porte d’entrée vers des articles plus techniques.

    Définition de la web analyse

    Le web analytics (ou web analyse) est la mesure, la collecte, l’analyse et la communication de données sur le web dans le but de comprendre et d’optimiser l’utilisation du web.

    Par extension à l’ensemble de l’environnement digital (Web, applications, emailing, mais aussi données issues du CRM par exemple), nous l’appellerons parfois “Digital Analytics”.

    L’analyse du web n’est pas seulement un processus de mesure du trafic sur le web, mais peut être utilisée comme un outil pour les études commerciales et de marché, et pour évaluer et améliorer l’efficacité d’un site web (optimisation de la conversion, ou de l’expérience utilisateur).

    Les applications de web analytics peuvent également aider les entreprises à mesurer les résultats des campagnes publicitaires online ou offline, et donc à effectuer des arbitrages sur leurs budgets de communication et d’acquisition.

    Enfin, c’est l’élément de base pour toute la collecte d’information “user -centric”, c’est à dire liée aux profils et aux comportements des utilisateurs de l’environnement digital, qui seront ensuite utilisées pour des actions de remarketing publicitaire (ciblage individuel ou par audiences), ou de personnalisation du parcours client.

    Quels enjeux et quel ROI pour une entreprise ?

    Travailler sur la qualité de la donnée digitale est essentiel pour une entreprise. Les enjeux sont en général les suivants :

    • Mauvaise qualité de la donnée = prise de mauvaises décisions
    • Problèmes de remontée de la donnée = perte de temps pour les équipes
    • Mauvaise granularité de la donnée = impossible de l’exploiter pour des activations
    • Problèmes de compliance et sécurité = risques juridiques, de réputation et financiers

    Mauvaise qualité de la donnée = mauvaises décisions

    Il est très fréquent que les données soient incorrectes ou incomplètes, ou que les équipes n’aient pas confiance dans la qualité de la donnée remontée par les outils de web analyse.

    Cela peut produire deux types de comportement :

    • Soit la prise de mauvaises décisions, qui sont basées sur des données fausses. C’est souvent le cas par exemple sur des sujets d’attribution, qui vont amener à mal attribuer des budgets d’acquisition, et donc à mal les arbitrer.
    • Soit un manque de confiance dans la qualité de la donnée, qui va produire des pertes de temps et d’énergie considérable : les équipes vont commencer à produire du “shadow analytics”, c’est à dire à aller chercher d’autres sources de données qu’ils estiment plus fiables, mais qui ne sont pas partagées avec les autres équipes.

    Il est donc essentiel que la manière dont sont collectées et traitées les données soit correcte, claire et partagée, afin que chacun ai confiance dans cette donnée de base et puisse faire les bonnes analyses.

    Le KPI choisit est en général un “NPS” interne, qui permet à chacun de juger de son niveau de satisfaction sur la qualité de la donnée qui est remontée.

    De la perte de temps pour les équipes, pour récupérer et analyser la qualité de la donnée

    Aujourd’hui, les équipes digitales passent en moyenne entre 15% et 30% de leur temps à

    • Collecter de la donnée
    • Vérifier la qualité de la donnée et expliquer les écarts
    • Produire du reporting qui pourrait être automatisé

    C’est autant de temps qui devrait être passé à faire des analyses, et à réellement produire des actions ou des optimisations.

    Le KPI choisit sur ce sujet est en général le temps passé dans une équipe pour des actions de collecte / vérification de la donnée, ou de production de reporting

    Mauvaise granularité de la donnée = impossible d’optimiser son acquisition ou de personnaliser les parcours client

    Le marketing digital moderne est basé sur la personnalisation. Que cela soit via l’utilisation d’audiences dans les outils d’activation marketing (Google Ads, Facebook Ads, autres réseaux, emailing…), ou sur des sujets de personnalisation du parcours client (yield management, systèmes de recommandations…)

    Posséder la bonne donnée, avec le niveau de granularité suffisant et dans le bon format, permet de faire des gains opérationnels considérables.

    Le KPI souvent utilisé est le suivant : combien d’audiences différentes sont réellement utilisées dans mes outils pour de l’activation (ciblage marketing ou personnalisation) ?

    La “compliance”, la sécurité et le respect de la règlementation

    Le traitement des données personnelles, les questions de consentement et les sujets liées au tracking publicitaire sont au coeur de la web analyse, puisqu’il s’agit d’une des sources primaires de cette donnée.

    Respecter les règlementations nationales et internationales fait donc partie des enjeux importants de chaque entreprise, à mesure que les mises en demeure des instances de contrôle (la CNIL en France) prennent de l’ampleur.

    Respecter les réglementations concernant les données personnelles et mettre en place les bons niveaux de sécurité réduit les risques financiers et juridiques. C’est aussi une opportunité pour créer une réelle relation de confiance avec ses clients et prospects.

    Il est essentiel aussi que les questions de sécurité des données soient traitées, et en particulier par le biais de la gestion des droits d’accès.

    On ne compte plus les entreprises pour lesquelles plusieurs centaines de personnes ont accès plus ou moins directement à de la donnée pourtant sensible (données de vente, d’usage, données personnelles).

    Quels sont les “livrables” ?

    Bien mesurer son audience digitale n’est pas une fin en soit. Les livrables de la web analyse doivent donc être des choses concrètes et exploitables pour une entreprise.

    1- Des outils de web analytics bien configurés, de la donnée juste et la conformité réglementaire

    C’est le premier livrable : avoir des outils bien configurés (Google Analytics ou autres solutions d’analytics, Google Tag Manager ou autres TMS). C’est à dire :

    • Une donnée juste, à jour, et recueillie de manière conforme à la réglementation
    • Des process clairs sur la qualité de la donnée et des alertes
    • Des indicateurs de qualité de la donnée en place
    • Des droits d’accès à la donnée maîtrisée

    2- Des tableaux de bord et reporting répondant aux besoins métier

    Avoir de la donnée est inutile si on ne l’exploite pas. L’exploitation la plus évidente est la mise en place de tableaux de bord et de reporting à destination des métiers, leur permettant de piloter l’activité et de prendre les bonnes décisions.

    Cela s’accompagne d’une formation permettant à chacun de comprendre les données, et d’utiliser les outils de reporting.

    Cela peut aussi s’accompagner d’outils d’alertes, afin d’automatiser la détection d’anomalies, ou au contraire de tendances en temps réel.

    3- La donnée mise à disposition pour des analyses

    Au-delà du reporting, les équipes métier doivent être capables d’analyser cette donnée, pour répondre à des questions précises. Elles doivent donc pouvoir y accéder, que ce soit via des exports, via des outils de BI, ou directement en ayant accès à la donnée brute.

    Le troisième livrable est donc la mise à disposition de la donnée dans un environnement qui va permettre aux équipes métier de l’exploiter.

    4- Des flux de donnée pour construire des applications basées sur la data

    Créer une audience de remarketing pour Google ou Facebook, faire un clustering client pour cibler un mailing, ou encore créer un système de recommandation sur un site web : tous ces cas d’usage nécessitent de mettre à disposition des flux de donnée dans les formats qui vont être nécessaires à leur exploitation.

    Cela passe par la mise à disposition d’audiences dans Google Analytics ou d’autres outils, par la mise à disposition d’APIs, ou encore directement de bases de donnée dans le Cloud.

    Grands acteurs technologiques

    Classiquement, on trouve deux types d’outils qui sont indissociables :

    • Les plate-formes de web analytics
    • Les solutions de tag management

    En complément, des outils ayant une approche “user-centric”, et qui nous font sortir de la web-analyse classique.

    • Des CDP (Customer Data Platform), ou les DMP (Data Management Platform). Ces dernières ayant un peu disparues ces dernières années.
    • Les outils de CRM (Salesforce, SAP, etc…)

    Les plateforme de web analytics

    L’acteur dominant est Google, avec Google Analytics (et sa version premium Analytics 360), mais aussi Firebase pour les applications.

    Les autres “mastodontes” du secteur sont Adobe analytics, ou encore Mixpanel et Amplitude, qui sont plutôt utilisés pour de l’analytics “produit” (des applications ou des plate-forme Saas, avec des utilisateurs le plus souvent connectés).

    Parmi les challengers, citons aussi ATInternet, un acteur Français, et Matomo, solution open source leader.

    Les solutions de tag management

    Là encore, Google Tag Manager domine. Citons aussi Tealium, et Tag Commander, qui sont les solutions les plus fréquemment utilisées.

      Suivez l'actualité Data

      Newsletter UnNest

      Ne manquez aucun contenu : recevez chaque mois la liste des derniers articles publiés.