Avec des tendances d’achat en constante mutation, et des évolutions technologiques les e-commerçants doivent constamment s’adapter.
Pour être à l’affut des changements, détecter les menaces ou identifier de nouvelles opportunités, l’analyse des données internes et les données de marché sont devenues incontournables pour les e-commerçants.
La data est désormais le nouvel actif sur lequel les entreprises s’appuient pour développer une approche marketing centrée sur l’utilisateur. C’est là qu’intervient le Web Analyst dont le rôle va être de fournir un tableau de bord à la fois précis, fiable et synthétique aux décideurs.
Dans cet article nous définirons et détaillerons les différents aspects du travail de webanalyse afin d’en extraire un certain nombre de compétences incontournables du métier de Web Analyst.
Qu’est-ce que la webanalyse ?
La Web Analyse est devenue incontournable pour tous les sites marchands. Elle se trouve désormais au cœur de la stratégie de marketing des e-commerçants, que ce soit pour promouvoir leur site ou pour analyser leurs performances commerciales et les tendances du marché. Avoir une longueur d’avance dans le décryptage des données du marché et dans l’analyse de ses propres données peut en effet offrir un avantage immense par rapport à ses concurrents.
La webanalyse permet de mesurer la performance de l’activité sur différents plans, mais aujourd’hui, une analyse se limitant à compter les visites et les pages vues ne suffit pas. Pour faire des choix, pour décider d’investir sur tel ou tel canal d’acqusition, ou développer une nouvelle fonctionnalité, de refondre telle ou telle page les Responsables e-commerce ou les décideurs ont en effet besoin d’avoir des indications précises, de savoir ce qui se passe sur leur site en termes de traffic, de parcours client, de taux de conversion.
Cette tâche est celle du Webanalyste, qui évalue quantitativement mais aussi qualitativement l’ensemble des données produites par un site e-commerce. Que ce soit en fournissant une synthèse globale ou en mettant un coup de projecteur sur un sujet particulier à traiter, l’objectif final est de transformer les données en informations utiles et exploitables pour éclairer la prise de décision des Responsable e-commerce ou des dirigeants de l’entreprise.
Les analyses fournies par le Web Analyst permettront ainsi de fonder les orientations stratégiques sur des indicateurs chiffrés concrets, à l’appui des intuitions des marketers.
Selon Benjamin Carro, Chargé de Webmarketing chez Mediego, les e-commerçants ne connaissent pas 98% de leur audience web car la plupart sont concentrés sur les 2 ou 3% de conversions et que le reste des données est généralement moins prioritaire à leurs yeux. Source
Par la data-visualisation de données descriptives et prédictives permettant d’interpréter ces données en dégageant des tendances, la comparaison de différents scénarios et l’identification des points de douleur, le webanalyste contribuera à rationaliser la prise de décision.
L’objectif final est d’apporter des pistes d’amélioration de l’expérience utilisateur et donc in fine de la satisfaction client.
Le champs des problématiques est large, que ce soit au niveau du traffic, de l’engagement, de la segmentation des clients, de la conversion etc…
Une des difficultés pour le Web Analyst est donc de choisir les bons indicateurs à suivre, car parmi toutes les données, certaines seront plus signifiantes que d’autres, variant selon le secteur d’activité, le stade de développement où se trouve l’entreprise ou encore la fonction de la personne dans l’entreprise.
Web Analyst : Choisir les bons indicateurs et les bonnes problématiques
L’ expert analytics doit opter pour la création d’indicateurs clés de performance (Key Performance Indicators ou KPI).
A chacune de ces problématiques (nombre de visiteurs uniques, fréquence de visites ou d’achat, temps passé par visite, nombre de ventes, panier moyen, taux de rebond) il peut faire correspondre des données relatives (ratio, moyenne, pourcentage, etc.) qui doivent être analysées au cours du temps (jour, semaine, mois, etc.).
En transcrivant ces problématiques en données chiffrées il sera possible de mettre en place des actions correctives. Par exemple si on constate que le taux de conversion baisse pour un certain type de produits on pourra décider de mettre en place une opération de marketing digital spécifique en vue d’améliorer les ventes de ce produit.
Les questions que le Web Analyst doit se poser en amont. Exemples:
Acquisition de traffic:
Quels sont mes canaux d’acquisition de traffic les plus performants versus les moins performants ?
Quelle est la rentabilité respective de chaque levier d’acquisition ?
Comment améliorer la rentabilité globale de ma politique d’acquisition, quel levier privilégier ?
Conversion, transformation :
Quelles sont les pages de destination les plus performantes ?
Quels sont les canaux avec le meilleur taux de conversion ?
Quelle est l’évolution globale de mon taux de conversion ?
Quels sont principaux problèmes de déperdition de l’entonnoir de conversion et dans quel ordre les corriger ?
Segmentation:
Peut-on segmenter en différents groupes d’utilisateurs ?
Peut-on mesurer leur potentiel client et établir des catégories cible prioritaires?
Quels sont les segments utilisateurs les plus rentables?
UX, engagement:
Quelle est la performance des différentes fonctionnalités proposées (moteur de recherche interne, chat, essayage virtuel) en terme d’engagement ?
Dans le cadre d’une refonte, quels sont les points forts et les points faibles du design actuel ?
Quel est mon taux de rebond global ?
Quels types de contenus performent le plus en terme d’engagement ?
Quels indicateurs pour mesurer la satisfaction client (évaluation, commentaires, taux de réachat)
Comportement client:
Quelles sont les intentions des utilisateurs qui arrivent sur le site ?
Peut-on identifier des parcours types ?
Les utilisateurs trouvent-ils ce qu’ils cherchent ?
En combien de temps trouvent-ils ce qu’ils cherchent ? Peut-on réduire ce temps pour augmenter la satisfaction client?
Peut-on identifier des changements dans le comportement des clients et des prospects au fil du temps ?
Les étapes de travail du Web Analyst
Le rôle de l’analyste web ne se limite pas en effet à produire des statistiques. Après avoir aidé les décideurs à se poser les bonnes questions, il consiste à construire une méthodologie de recueil des données la plus fiable possible (taggage, marquage) et enfin de donner du sens à ces données.
On peut distinguer différentes phases dans le travail du webanalyste. A chaque étape nous ferons correspondre une compétences associée :
Préparer la collecte des données / Compétence du Web Analyst associée : le plan de marquage
La phase critique se situe en amont de la phase analytique elle-même.
Au cours de cette étape, le webanalyste va analyser la structure du site afin d’identifier quelles ont les données pertinentes à recueillir. Cette étape consiste à structurer le votre site et le répartir en catégories de contenus : fiches produits, compte clients ou pages institutionnelles, puis à mettre en place un système de nommage des pages au moyen de « marqueurs » : des bouts code à placer sur les pages du site e-commerce.
Pour cela, il définira les plans de taggage (web et applications) pour la solution de web analyse ou la plateforme de gestion des données utilisées par la société. Puis il implémentera les tags dans le système centralisé de gestion des tags. Enfin il réalisera les recettes d’implémentation dans les environnements web et applicatifs.
Un webanalyste doit donc maîtriser la gestion de tags (Google Tag Manager, Tag Commander, Tealium, Ensighten, Adobe Dynamic Tag Management) ainsi que les outils de web analytics (Google Analytics, At-Internet, Adobe Analytics).
Dans l’idéal, il dispose d’une certification avec le badge Google Partners détaillant sa connaissance des produits Google. Plus généralement, il doit avoir de solides connaissances en développement web (JavaScript et HTML5 en particulier), ainsi qu’en outils webmarketing et en référencement de site web (SEO).
Des compétences techniques sont donc généralement requises dans cette phase, notamment : HTML, CSS, JS, Invite de commande, console.log, TMS, CMS, hit, cookie, IP, URI, datalayer, URL.
Pour simplifier la gestion des tags le Web Analyst doit donc bien connaître les fonctionnement des systèmes de gestion des tags :Tag Manager System (TMS) et connaître les solutions du marché dans ce domaine pour faire des préconisations sur les outils à adopter.
Enfin, il doit avoir des connaissances en audit de site afin des’assurer de la fiabilité des données et savoir modifier la structure du site pour assurer la fluidité dans le collecte des données.
Aujourd’hui, à l’ère de la protection des données il peut être utile d’avoir connaissance juridiques également.(RGPD, CNIL).
La phase d’analyse / Compétence du Web Anlayst associée: savoir interpréter les données
Une fois les données collectées et qu’on s’est assuré de leur fiabilité, encore faut-il les faire parler.
L’analyse faite par les webanalystes peut s’appliquer à différents domaines avec différents objectifs.
Parmi les nombreux indicateursle Digital Analyst doit faire des choix, en fonction de la connaissance qu’il a des spécificités de l’activité d’un site e-commerce et en le reliant aux données courantes sur ce segment de marché. Les taux de conversion ne sont pas les mêmes dans le média, l’high-tech ou la mode. Il faut comparer ce qui est comparable.
Le taux de transformation global d’un site est un indicateur intéressant. Mais il faut sans doute aller plus en profondeur pour qu’une telle indication soit utile. Il faut dans doute le détailler par exemple en distinguant le taux de mise au panier et le taux de passage entre chaque étape du tunnel de commande.
Quels domaines d’applications pour la webanalyse ?
Les parcours sur le site : il s’agit alors d’évaluer l’engagement des visiteurs sur le site afin de détecter notamment des problèmes d’ergonomie et d’expérience client : temps passé, pages vues, taux d’ajout panier, taux de sortie, créations de compte, utilisation des fonctionnalités clés, etc.
L’entonnoir de conversion sur les sites marchands : dans ce cas on se focalise sur le check-out étape par étape pour d’évaluer sa capacité à convertir et à identifier les potentiels freins : création de compte obligatoire, diversité des moyens de de paiement, nombre de pages du checkout, modes de livraison.
« Le Cross-Border Merchant Friction Index 2020 » de PYMNTS analyse ainsi 266 grands sites e-commerce et compare les 20 meilleurs au 20 moins performants. Source: Julien Fontaine
Top 20 et Vs Flop 20:
Détection d’IP : 100% vs 5%
Sauvegarde des infos de paiement) : 50% vs 5%
Création de compte client obligatoire : 15% vs 80%
Durée du checkout (sec.) : 98,6 vs 195,9
Clicks dans le checkout : 11,4 vs 26,3
Pages du checkout : 4,9 vs 9,2
Nb de moyens de paiement 8,8 vs 3,3
Nb de devises supportées 53,5 vs 1,3
Nb de langues supportées 22,8 vs 1,1
Le travail de web analyse consiste également à rechercher les causes explicatives de certaines évolutions constatées sur les données produits. Par exemple si on constate une baisse du taux de conversion sur un produit, cela peut s’expliquer de différentes manières : une augmentation de trafic non qualifié depuis une nouvelle source, une diminution du volume de commandes suite à une anomalie dans l’entonnoir d’achat, une évolution générale du traffic en faveur du mobile dont la conversion est globalement inférieure chez ce e-commerçant.
L’audience du site : afin de la mesurer mais aussi de la qualifier. Il s’agit notamment d’évaluer l’efficacité et la rentabilité des différents canaux marketing utilisés pour l’acquisition .Pour cela le webanalyste peut s’appuyer sur les fonctionnalités présentes dans les outils adcentric (ad-servers) et les outils d’attribution.
Vu les volumes importants de données à traiter, les outils d’analyse se servent souvent d’un processus d’ échantillonnage pour accélérer le traitement de la donnée et l’affichage dans les rapports, ce qui peut affecter la précision des résultats.
Un bon Web Analyst doit donc être prudent et avoir conscience que des erreurs ou des imprécisions dans la collecte des données peuvent affecter les résultats. Si les résultats semblent incohérents ou qu’on note des évolutions brusques il est possible que cella soit dû aussi à des bugs techniques.
Un vrai spécialiste de la donnée doit tenir compte de possibles biais lors de l’analyse des résultats et garder à l’esprit les méthodes de construction de la donnée afin de pouvoir le cas échéant relativiser les résultats de ses analyses. Il doit faire attention et se garder de conclusions hâtives. Avant de faire des recommandations, il lui est nécessaire de s’assurer que les indicateurs sont fiables et que la méthode de tracking est consistante.
Dans le cas d’analyse client, pour s’assurer de la fiabilité des données, il peut notamment être utile de croiser les données analytics avec les données CRM pour réaliser des analyses par segmentation clients ou bien pour associer des données trafic aux outils de tracking : Google Ads, adserver.
Ceci implique la mise en place d’une base de données générale qui réconciliera toutes ces données et qu’on puisse interroger quand on en a besoin.
Enfin le Web Analyst doit être conscient du fait que pour qu’un indicateur soit analysable il faut qu’il y ait un volume suffisant. En dessous de 100 visites sur une page, il est en effet très difficile d’analyser quoi que ce soit.
La restitution des données/ Compétence du Web Analyst associée : savoir créer de tableaux de bord et rapports automatisés
Une fois les analyses réalisées il est nécessaire de les partager aux personnes concernées sous une forme intelligible. Tous n’ont pas en effet même bagage technique qu’un webanalyste. Les analyses doivent donc être présentées de manière à être compréhensibles par des non spécialistes, sans jargon technique.
Cela passe souvent par des tableaux de bord devant permettre aux personnes concernées d’extraire des recommandations directement actionnables dans leur champs d’intervention, afin par exemple d’optimiser les parcours utilisateurs, d’améliorer la rentabilité des investissements en marketing digital et de manière générale d’opérer un certain nombre de choix stratégiques.
Pour communiquer ces données et la création de tableaux de bords personnalisés ou rapports automatisés, un certain nombre de compétences sont nécessaires.
Un spécialiste de web analytics doit ainsi posséder bonne capacité de synthèse et maîtriser les principaux logiciels de bureautique (Excel, Word, Powerpoint ou équivalent Google notamment), avoir une connaissance et une pratique des méthodes statistiques et les logiciels qui y sont liés : R, Excel ainsi que les différents outils de data visualisation permettant de faire un suivi régulier des données tels que Data Studio, Tableau Software, PowerQuery, PowerPivot, PowerView, Power BI.
Conclusion/ Le Web Analyst: un expert de la data mais également un conseiller
Au final le Web Analyst est dans une posture de conseiller auprès des décideurs : il doit les aider à identifier les potentiels dysfonctionnements, trouver de manière constante de nouvelles pistes d’optimisation et les conseiller plus largement sur des orientations à prendre, en évaluant les conséquences de tel ou tel choix, si possible de manière chiffrée.
L’objectif final est de fournir une vision claire au e-commerçant ou au Responsable e-commerce sur l’ensemble trafic de site et des indicateurs mais aussi d’ accompagner à la prise de décisions en proposant des idées conseils d’optimisation et des conseils (contenu, ergonomie, fonctionnalités etc.).
Le sens de la communication et du conseil sont donc nécessaires pour faire un bon webanalyste car il doit à la fois communiquer les bonnes informations et conseiller sur les décisions à prendre.
Le Web Analyst doit ainsi toujours s’interroger et se demander si la donnée qu’il livre est orientée vers l’action : le KPI ou le rapport fourni permettra-t-il en l’analysant de prendre une décision ? Cet indicateur est il réellement nécessaire dans le pilotage de votre trafic, merchandising, e-commerce, leads ?
Un des écueils fréquents en webanalyse est en effet de tomber dans le piège de la maladie du tracking . Ce n’est pas la quantité de données suivies qui fait l’utilité de son travail mais la pertinence des données choisies.
C’est un problème qu’on retrouve parfois dans les grosses structures : beaucoup de rapports truffés de données, envoyés par email mais dont on extrait pas l’essentiel et dont les informations ne sont pas directement exploitables par les personnes intéressées.
L’une des qualités d’un Web Analyst sera donc d’opérer des choix et de savoir se focaliser sur le plus important pour ne pas noyer les décideurs, c’est aussi ça ce qui fait un bon Webanalyste : aller à l’essentiel, ne pas se perdre dans les détails.