La plupart des PME combinent des outils comme Google Analytics, MixPanel ou Optimizely pour répondre à leur différents besoins en matière de collecte et d’analyse de la donnée comportementale. Ces outils ont plein de qualités, ils proposent des fonctionnalités très poussées et sont surtout très simples et pas très cher. Quand une activité web mûrit, les limites de ces outils apparaissent au grand-jour. D’autres outils de Data Marketing deviennent nécessaires, soit tout simplement des outils plus costaud comme Eulerian, Google Analytics 360 ou Adobe Marketing Cloud, soit, et il semblerait que ce soit de plus en plus fréquent, la construction sur mesure d’un dispositif de collecte et d’analyse de la donnée web. A partir de quand faut-il envisager un tel chantier ?
Quelle est la limite des outils « tiers » de Data Marketing suffisent ?
Si vous êtes dans la phase de démarrage de votre activité, vous n’avez probablement pas le temps de créer vos propres outils de data analyse. Pas le temps…ni l’argent pour embaucher un data analyst d’ailleurs ! Et pour être honnête, il n’y a aucune nécessité (ni même aucun véritable intérêt) à développer des outils propres et à embaucher un data analyst dans les premiers mois de démarrage.
Toutefois, si vous avez un esprit précautionneux, vous allez dès le début commencer à collecter des données pour connaître vos utilisateurs ou clients. Pour cela, vous allez installer Google Analytics, Hotjar ou un outil similaire. Et vous avez parfaitement raison : pour le moment, ces outils feront largement l’affaire. Ces outils de tracking requièrent simplement l’intégration d’un petit code de tracking dans le header de votre site internet – ce qui se fait très rapidement tout seul, sans l’aide d’un développeur. Vous n’avez qu’à copier-coller un code et à régler quelques paramétrages (définir des objectifs dans Google Analytics, créer des sondages sur Hotjar, lancer des heatmaps sur Crazyegg, etc.). Le tout est faisable en quelques heures.
Voici à quoi ressemble le code de tracking de Hotjar (que vous devez intégrer par copié-collé dans le header de votre site web) :
Lorsque vous commencerez à développer votre activité, vous devrez commencer à analyser les données. Nous n’expliquerons pas dans cet article les raisons pour lesquelles vous devez analyser vos données. Premièrement, parce que vous le savez déjà surement. Deuxièmement, parce que nous avons déjà consacré des article sur ce sujet.
A partir d’un certain temps, vous prendrez l’habitude de consulter tous les jours les données de vos différents outils. Pour obtenir davantage de fonctionnalités, vous souscrirez les versions Premium de ces outils. Sauf que, tôt ou tard (au bout de deux/trois ans en moyenne), vous réaliserez que ces outils ne sont plus adaptés à la croissance de votre activité. Vous rencontrerez trois problèmes majeurs :
- Vous n’arriverez plus à connecter toutes vos données entre elles.
- Vous n’arriverez plus à faire de prédictions.
- Vous ne pourrez plus avoir la certitude de la fiabilité des données présentées.
C’est précisément les trois problèmes que vous pouvez régler en construisons votre propre dispositif de Data Marketing.
Qu’est-ce qu’un dispositif de Data Marketing sur mesure ?
Un dispositif de Data Marketing remplit deux objectifs : collecter la donnée et utiliser la donnée (pour les KPIs, les analyses et les prédictions). Créer un dispositif de Data Marketing sur mesure implique d’abord de créer vos propres codes de tracking. Les données trackées n’atterriront plus sur votre compte Hotjar par exemple, mais dans votre propre entrepôt de données (data warehouse), sous forme de tableaux SQL ou de fichiers plain-text (au format .csv, .tsv, etc.) – ou les deux à la fois. Il y a d’autres formats de récupération, mais nous nous bornerons à ces deux-là pour plus de simplicité.
Vous pourrez ensuite analyser vos données en utilisant le langage SQL, Python, R ou des scripts bash à la place de l’interface graphique de Google Analytics. Sur ces différents outils/langages d’analyse des données, lire l’article consacré à la boîte à outils du data analyst. Vous êtes peut-être en train de vous dire : « Mais c’est affreusement compliqué ! Quel intérêt j’aurais à créer ce genre de dispositifs ? ». Justement, cela tombe bien, l’objet de cet article est de répondre à cette question !
Tout à l’heure, nous relevions les trois problèmes majeurs que l’on rencontre à partir d’un certain seuil de développement. De ces trois problèmes découlent les 4 raisons de mettre en place un dispositif de Data Marketing sur mesure.
Contactez Cartelis
pour enfin capitaliser sur vos données clients.
Cartelis vous accompagne dans le cadrage et le déploiement d'une stratégie data et CRM vraiment impactante.
Analyse client, Choix des outils, Pilotage projet et Accompagnement opérationnel.
Prendre contact avec CartelisLes 4 raisons de mettre en place un dispositif de Data Marketing sur mesure
Raison #1 Disposer de vos propres données et pouvoir connecter tous les types de données entre eux
Le premier gros problème que représente les outils comme Google Analytics, c’est qu’ils fonctionnent comme une boîte noire. Concrètement, vous ne possédez pas vos données et vous ne pouvez pas en faire ce que vous voulez. Ce n’est pas un problème tant que vous n’avez besoin que d’un reporting basique sur, par exemple, le nombre de personnes qui scrollent votre landing page jusqu’en bas ou le nombre d’internautes qui sont arrivés sur votre site via Google Search au cours du mois précédent.
Par contre, si vous voulez combiner ces différentes métriques, les choses deviennent plus compliquées. Si, par exemple, vous souhaitez savoir quel est le taux de bounces et le temps passé sur page pour chacun de vos A/B tests, vous aurez du mal à trouver une réponse. Vous pouvez à la limite résoudre ce problème en utilisant des intégrations, des APIs ou des hacks spécifiques. En l’occurrence, pour reprendre l’exemple ci-dessus, il faudrait connecter Google Analytics à Optimizely. Mais c’est chronophage et fastidieux.
Au fur et à mesure de vos analyses avancées, vous atteindrez un stade où vous comprendrez que chaque outil tiers est conçu pour mesurer un aspect spécifique de votre produit. C’est ce qui fait leur puissance et tout leur intérêt. Mais aussi leurs limites…Même si vous réussissez à connecter vos outils entre eux, vous n’arriverez jamais à voir la « full-picture », car toutes les données ne seront pas connectables.
Voici un schéma en étoile SQL, qui illustre la possibilité de connecter toutes les données relatives à l’user_id :
Raison #2 : pouvoir faire de l’analyse prédictive
Lorsque vous ne disposez pas de vos propres données, il est difficile de les utiliser pour faire des prédictions avancées. L’analyse prédictive est un process itératif, qui nécessite d’avoir de disposer de tableaux clairs et transparents contenant un grand nombre de variables. Pour faire des prédictions solides, le maniement des données doit être flexible. Par construction, les outils tiers n’offrent pas cette flexibilité. Aucuns Data Analysts n’utilisent des logiciels comme Mixpanel ou Kissmetrics pour faire de l’analyse prédictive.
Raison #3 : obtenir des données plus fiables
« Pourquoi Mixpanel ne m’affiche pas les mêmes chiffres qu’Optimizely ? », « Pourquoi y-a-t-il une différence entre les conversion sur AdWords et les conversions sur Google Analytics ? », « Comment ça se fait que Crazyegg m’affiche un taux de bounce de 40% alors que Mixpanel m’affiche un taux de 50% ? ». Ce type de questions est très fréquent. De fait, les outils tiers affichent toujours des résultats différents pour la même métrique.
En général, ces différences s’expliquent par une manière différente de définir les métriques, par un changement de mode de tracking, par le fait que certains outils se basent sur des échantillons, par une mauvaise installation des outils, etc. Ces écarts de résultats n’en demeurent pas moins problématiques à partir d’un certain stade de développement. Le fait de disposer d’un dispositif de Data Marketing sur mesure permet d’échapper à ces problèmes : vous fournissez vous-même les définitions des métriques, vous utilisez vos propres modes de tracking, et le tout sans utiliser d’échantillons.
Raison #4 : bénéficier de données beaucoup plus détaillées
Construire votre propre dispositif de Data Marketing vous permet de TOUT enregistrer : chaque clic, chaque page vue, chaque paramètre, etc. Si vous utilisez un outil comme Google Analytics, il est difficile de relier les données d’activité aux adresses emails. Si vous utilisez Mixpanel, vous devez choisir les types de données à collecter (vous ne pouvez pas tout collecter). En construisant votre propre dispositif, vous êtes entièrement libre de faire ce que vous voulez. Vous pouvez obtenir le niveau de détails que vous désirez, et utiliser ou analyser les données comme bon vous semble.
L’inconvénient d’un dispositif propre de Data Marketing : la complexité
Avec tous ces avantages, construire son propre dispositif de données apparaît comme une évidence. En fait, les choses sont plus compliquées. De fait, il y a un argument décisif en faveur des outils tiers : la simplicité d’utilisation. Il n’y a pas besoin d’être un expert de la donnée pour mettre en place et utiliser de manière approfondie un outil comme Google Analytics. Si vous avez besoin uniquement de réponses à des questions simples concernant vos données, les outils tiers feront l’affaire. Les outils avancés / sur-mesure ne sont utiles que si vous vous posez des questions complexes de data analyse.
Comparez l’analyse de données sur Google Analytics (à gauche) et l’analyse de données via des scripts bash (à droite) :
Tant que vos besoins se limitent par exemple à contrôler le nombre de sessions par canal d’acquisition, vous n’avez clairement pas besoin de dépenser du temps et de l’argent dans la construction d’un dispositif sur mesure. Il y a des tas de business (sites e-commerce basiques par exemple) où un outil comme Google Analytics est largement suffisant.
Qui recruter pour gérer l’analyse de données ?
Chaque outil exige des compétences spécifiques. Si vous utilisez Google Analytics, Hotjar ou Optimizely, vous devrez recruter un professionnel du marketing digital ou un digital analyst. Vous pouvez aussi choisir de n’embaucher personne et de faire le travail – si vous vous en sentez capable et que vous avez du temps pour ça.
Pour construire des scripts de tracking, des tableaux SQL, des scripts Python, etc. vous aurez besoin d’engager un data analyst disposant de compétences en informatique ou bien un data scientist. Pour information, le salaire d’un poste de data scientist est en moyenne de 20% supérieur à celui d’un professionnel de marketing digital ou d’un data analyst. Cela varie bien évidemment d’un pays à l’autre, d’un marché à l’autre, d’une entreprise à l’autre, d’un poste à l’autre, etc. Dans tous les cas, dites-vous que la valeur qu’un analyste de données apportera à votre activité sera normalement bien supérieure à son coût.
Le prix des outils d’analyse de données
Mettons que vous ayez 5 000 utilisateurs, 500 utilisateurs actifs (qui utilisent votre service tous les jours) et 1 000 nouveaux visiteurs par jour. Dans ce cas, vous devrez payer :
- Environ $400 par mois pour utiliser Optimizely.
- Environ $150 par mois pour utiliser Mixpanel.
- Environ $50 par mois pour utiliser Crazyegg.
- Environ $30 par mois pour utiliser Hotjar.
- Google Analytics est quant à lui entièrement gratuit (merci Google !).
Si vous utilisez tous ces outils, comptez autour de $630 par mois. Quoiqu’il en soit, l’utilisation d’outils tiers revient toujours plus cher que de créer votre propre dispositif. Dans ce dernier cas, vous n’avez à payer que le stockage des données sur le serveur (moins d’une centaine d’euros par mois). Python, R ou SQL sont entièrement gratuits. Ce qui signifie que même si votre activité est de petite taille, il est toujours plus intéressant financièrement parlant de mettre en place un dispositif de données sur mesure. Plus vous vous développez, plus cela se confirme. Bien sûr, ce que vous gagnez financièrement en installant votre propre dispositif de données, vous le perdez en salaires versés. Tout est donc relatif. C’est la raison pour laquelle le prix n’est pas vraiment un facteur à prendre en compte lorsque l’on s’interroge sur l’alternative outils tiers / dispositif sur mesure.
Pour conclure, revenons à la question initiale : à partir de quand l’idée d’installer un dispositif de données sur mesure devient-elle intéressante à envisager ? D’expérience, il devient pertinent d’embaucher un analyste de données et de construire un dispositif de Data Marketing sur mesure à partir du moment où l’entreprise emploie plus de 20-25 salariés. Il s’agit bien entendu d’une moyenne, mais généralement c’est à partir de ce moment-là que :
- Vous avez pourvu les principaux postes (ingénieurs, designers, marketers…) et que vous commencez à sérieusement envisager d’optimiser votre activité digitale grâce à la donnée.
- Vous avez atteint un niveau d’audience très estimable (utilisateurs ou/et visiteurs).
Si vous disposez déjà de ressources d’ingénierie, nous vous recommandons d’enregistrer toutes les données / interactions – au moins au format plain-text et dès le début. Si vous décidez au bout de deux ans de construire un dispositif de Data Marketing sur mesure, vous vous remercierez vous-même. Nous vous conseillons également de générer des copies quotidiennes de vos données transactionnelles / production – pour la même raison. Vous pouvez commencer par utiliser des outils tiers, mais vous devez aussi toujours anticiper le moment où vous devrez implémenter votre propre dispositif de données. Le moment venu, ne soyez pas anxieux : un dispositif sur mesure vous permettra de créer une infrastructure de données plus détaillée, plus flexible et facilitera le travail d’analyse.
Laisser un commentaire