Un analyste digital à la particularité de pouvoir et vouloir analyser tout ce qui aide à la compréhension d'un phénomène. Tous les analystes que je connais déclarent pouvoir faire des analyses dites ecommerce. Moi-même, je m'en croyais capable jusqu'à ce que j'arrive chez LeSite une agence digitale de Montréal spécialisé en ecommerce. Aujourd'hui, tous mes clients sont des propriétaires ou gestionnaires de sites ecommerces. Depuis mon arrivé, j'ai appris que non-seulement je n'y connaissait rien, mais aussi que je n'était pas seul. J'y ai appris quelques choses importantes.
1. La première leçon est que l'argent mène la décision. Jusqu'ici, rien de nouveau. Mais lors d'analyse, la valeur d'un élément doit toujours être précisé. Toutes les analyses doivent être mises en contexte par rapport aux objectifs et aux revenus. Votre $ devient votre qualifiant. $/channel, $/content, $/page speed, $/anything.
2. Mes meilleurs amis sont devenus les mesures transactionnels: revenue, visites avec transactions, nombre de transactions, average order value mieux connu par AOV, basket size (quanity/transactions), ...
Je travaille avec ces métriques sans arrêt et à toutes les sauces.
Je travaille avec ces métriques sans arrêt et à toutes les sauces.
3. La métrique qui selon moi est la plus importante est le taux de conversion du commerce électronique (ecommerce conversion rate). C'est le "nombre de visites avec un achat" divisé par les "visites totales". Cette métrique signifie, lorsqu'elle est positive, qu'une dépense supplémentaire pourrait générer un revenu supplémentaire ceteris paribus. Un taux de conversion de 5% pour un canal me dit que si j'investis 100$ de plus dans ce canal à disons 10¢ du clic, j'ai 50 transactions. Disons aussi pour l'exemple que ces transactions n'auraient pas eu lieu sans mon investissement de 100$ (voir multi cannal plus loin). Si mon profit moyen par transaction est de 5$, je fais 250$ (50 transactions * 5$ de profit moyen = 250$ de profit). C'est un ROI de 250%.
Note: pour maintenir le ceteris paribus, c'est-à-dire que toutes les autres métriques ne change pas ou peu, il faut une bonne équipe et une optimisation continue.
4. L'analyse de l'abandon du tunnel de conversion ecommerce est le même travail que pour des conversions non transactionnels, mais les budgets d'optimisation sont plus facile à faire approuver. Il faut tout de même commencer avec un petit projet de optimisation du taux de conversion (CRO) à grand potentiel.
5. Un autre point important est la comparaison. Les gestionnaires ne sont pas autant dans les stats que nous et donc, ils ne se souviennent pas souvent des anciennes stats qu'on leur a fournis. Ils se souviennent encore moins d'un benchmark spécifique comme du nombre de produit vendu du dernier lancement de produit à la semaine 5. Toujours mettre le comparatif, et s'il n'y en a pas, mettre quelque chose de similaire avec une note disant que ce ne sont pas exactement les même choses.
6. L'analyse multi-cannal et multi device est l'art d'étudier les visiteurs qui vont interagir avec une marque à travers une multitude de points de contacts et de devices. Pensons à un client insatisfait qui va faire une vidéo sur YouTube avec sa webcam, qui gazouille sur Twitter avec son cellulaire et qui partage sur Facebook un mécontentement avec sa tablette. Ça donne plusieurs points de contacts. Cela se fait aussi pour l'achat en ligne et surtout pour les gros achats et les petits achats répétitifs. Les gens vont chercher plusieurs sources d'informations et en plusieurs sessions avant de se décider à acheter.
7. L'attribution est l'étape suivant l'analyse multi cannal et multi device consistant à créer un model automatique d'attribution des conversions aux bons points de contacts. Cette analyse sert à attribuer le ROI aux bon cannaux et optimiser en fonction des parcours type. Je connais 2 techniques de création de model d'attribution: A. la manuelle et subjective et B. la statistique.
A. La technique manuelle est d'attribuer des valeurs à chacun des points de contacts et de laisser le model faire le reste. C'est très subjectif à l'analyste et les biais de narcissisme et vanité sont des pièges à éviter.
B. La statistique consiste à modéliser l'impact des valeurs selon les données passées. Dans ce cas, l'utilisateur doit être lié à tous les multi-device et multi cannaux possible.
Si vous faites des analyses ecommerce et vous avez noté d'autres points importants, laissez-moi savoir!
