Le document souligne l'importance de la collecte et de l'analyse des données pour les entreprises afin d'optimiser leur stratégie marketing et de prendre des décisions éclairées. Il détaille le processus de web analyse, les objectifs associés, ainsi que les KPIs nécessaires pour mesurer la performance d'une présence en ligne. Enfin, il met en avant la nécessité de formuler des recommandations basées sur les données analysées pour améliorer les résultats et atteindre les objectifs d'affaires.

1. Midis Experts AQT
L’importance de la collecte et de l’analyse de
données pour votre entreprise

2. 1
14
2
25
dragon : Serge Beauchemin
années d’expérience
certifications Google + agence partenaire Google
experts en marketing numérique et développement
L’agence Parkour3 en quelques chiffres
2

3. 3
Déployer des stratégies, alignées sur vos objectifs d’
affaires, qui répondront aux besoins et attentes de
votre clientèle. Humains, nous misons sur l'excellence
de notre service pour bâtir des relations à long terme.
Notre promesse
Déployer des stratégies, alignées sur vos
objectifs d’affaires, qui répondront aux besoins
et attentes de votre clientèle. Humains, nous
misons sur l'excellence de notre service pour
bâtir des relations à long terme.

4. 4
Déployer des stratégies, alignées sur vos objectifs d’
affaires, qui répondront aux besoins et attentes de
votre clientèle. Humains, nous misons sur l'excellence
de notre service pour bâtir des relations à long terme.
Notre garantie
« Si vous n’êtes pas satisfait de notre relation d’
affaires, nous vous aiderons à trouver un
nouveau partenaire et remettrons 5 % de la
valeur prévue du mandat à l’organisme de
bienfaisance de votre choix »

5. Nos clients
5

6. 6
1. L’importance des données
2. Les données issues de la Web Analyse
3. La collecte
4. L’analyse
5. Le traitement
6. Les recommandations
7. Démonstration
Sommaire

7. L’importance
des données

8. 8
➔ Quels sont les objectifs business ?
➔ Quels sont les pôles d’importance dans votre entreprise ?
➔ Où se trouve la valeur ?
➔ Pôles de coûts ?
➔ Pôles de profits ?
➔ Les facteurs clés de succès ?
➔ Les avantages concurrentiels ?
Qu’est-ce qui est important pour votre
entreprise ?

9. 9
➔ Prendre des décisions dans votre entreprise
➔ Mesurer vos actions marketing
➔ Analyser votre rentabilité
➔ Identifier les problèmes
La donnée pour quoi faire ?

10. 10
➔ Comment évaluer le coût d’un problème ?
➔ Analyser si cela vaut le coût de répondre à un problème
➔ Analyser aussi si on peut répondre au problème en termes de:
◆ Temps / Planning
◆ Ressources humaines
◆ Ressources matérielles
Évaluer le coût d’un problème

11. 11
➔ Complexité des systèmes d’informations
➔ Complexité liée au volume de données (Big Data ?)
➔ Complexité liée à l’intelligence d’affaires derrière les données
Les difficultés liées aux données

12. 12
On ne sait souvent pas ce que l’on va pouvoir faire de la donnée
jusqu’à qu’on l’ait.
Le mieux reste de faire l’inverse :
1. Partir d’une question liée à un constat, à une problématique
réelle (produit, communication, business, etc.)
2. Découper en différentes questions / étapes permettant de
répondre à la question ou constat de départ
3. Faire un audit d’un problème existant pour en arriver à connaître
les données liées à ce problème
Ne pas laisser place à l’inconnu

13. 13
Est-ce réellement important d’avoir des données ?
La question est intéressante. Posons-nous les questions suivantes :
➔ Durant combien de temps je peux me passer de données ?
➔ Que se passe-t-il si je perds toutes mes données demain ?
➔ Est-ce que le contrôle de mon entreprise est lié aux données ?
➔ Est-ce que je peux éviter de mauvaises décisions en utilisant la
donnée ?
➔ Puis-je en prendre des bonnes ?
➔ Est-ce que mes concurrents utilisent la donnée ?
Les données & mon entreprise

14. La Web Analyse

15. 15
D’après le Web Analytics Association, la web analyse correspond à la
mesure, la collecte, l'analyse et la présentation des données sur le
web à des fins de compréhension et d'optimisation de l'utilisation du
Web.
Parkour3 rajoute une étape qui est l’établissement d’objectifs avant
de commencer la mesure de la donnée.
Définition

16. 16
Objectifs de la Web Analyse
La Web Analyse réponds à plusieurs objectifs :
1. Mesurer la rentabilité d’une présence Internet
2. Obtenir de l’information stratégique sur vos prospects/cibles et
leur comportement
3. Analyser les performances du site à travers notamment le
processus de conversion
4. Détecter les problèmes d’ergonomie / d’utilisation
5. Mesurer et éventuellement qualifier l’audience
6. Identifier les sources des visites
7. Mesurer l’efficacité et la rentabilité des différents canaux
marketing utilisés
8. Effectuer des tests marketing ....

17. 17
➔ La Web Analyse n’est que la mesure de la stratégie de votre entreprise
appliquée sur le Web.
➔ Il est important de toujours partir de la stratégie marketing de l’
entreprise avant de se lancer dans la Web Analyse.
Plan de la Web Analyse
Stratégie de l’
entreprise
Stratégies
web
Web
Analytique

18. 18
Intérêts
➔ Les KPIs permettent d’évaluer l’échec ou la réussite des actions
➔ Ils transforment les données en informations utilisables
➔ Ils conduisent à des actions et évitent des erreurs
Les Indicateurs clés (Kpis)
Un KPI est un indicateur clé (de votre activité) qui permet d’avoir une aide
décisionnelle (aux actions pour votre activité).
Par exemple : la vitesse qui s’affiche sur votre tachymètre
dans votre voiture, est un indicateur clé vous permettant d’
ajuster celle-ci aux conditions de circulation.
Définition

19. La collecte

20. 20
La collecte des données n’est pas gratuite :
➔ Coûts serveur
➔ Coûts du support (humain / logiciel)
➔ Coûts d’installation
➔ Coûts de nettoyage (Extract, Transform, Load)
➔ Coûts d’import (Big Data)
Pré-requis sur la collecte

21. 21
Identifier les possibilités ou les biais
Les possibilités :
➔ Qu’est-il possible de collecter ?
➔ Peut-on tout collecter ?
➔ Avons-nous les ressources pour tout collecter ?
Les biais de collecte :
➔ Technique (trop de connexion, collecte impossible)
➔ Technologique (logiciel, données mal collectées)
➔ Echantillonnage
➔ Fausses données (volontaires ou involontaires, les fausses
données sont nombreuses)
➔ Le facteur humain (erreur de manipulation, erreur sur les
indicateurs et leur traitement, etc.)

22. 22
Sources de collecte :
➔ Google Analytics / Omniture, Piwik, etc.
➔ Flurry / Google Analytics pour Mobile App
➔ Votre CRM
➔ Sondage en ligne (pour des données qualitatives par exemple)
➔ Les agences publicitaires
➔ Les données provenant de vos campagnes marketing
➔ Les données publics (open data)
➔ Les données de vos partenaires
➔ Les bases de données achetées
➔ Vos bases de données (back-end)
Choix des sources de collecte

23. 23
Outils pour la Web Analyse (dans notre exemple)
Universal Analytics & Google Tag Manager ⇒ Gratuits et reconnus dans
leur domaine
Excel ⇒ Facilite le travail / croisement des données, outil courant

24. L’analyse

25. 25
Avant de commencer l’analyse, il est nécessaire de se poser les questions
suivantes :
➔ Quels sont les objectifs ?
➔ Est-ce que la problématique est mesurable (sous-entendu facilement) ?
➔ Est-ce que l’on récupère les bonnes données ? (sous-entendu, quand on
s’est posé la question de l’analyse, avions-nous déjà lancé la collecte ?)
➔ A-t-on assez de données ? Est-ce que les données sont représentatives
de ce qu’il y a à analyser ? (temps, saisonnalité ou échantillon)
➔ Quel est le coût de l’analyse (elle-même, incluant les temps de traitement,
main d’oeuvre, logiciels, etc…)
Analyser dans quel but ?

26. 26
Questions à se poser :
➔ Qu’est-ce qui répond le mieux à la problématique ?
➔ Comment l'interprétons ? (limite haute, limite basse, moyenne et médiane, bounce
rate) ?
➔ Comment ce dernier est-il interprété ? Quelles sont ses limites ?
Si l’indicateur est lié à une temporalité :
➔ Vérifier que l’on est dans temporalité “classique” (vacances, jours fériés, campagne
marketing, black friday, etc…)
➔ Impact de la temporalité
A retenir :
➔ La collecte des données aura une influence sur le Kpi (changement de Kpi en cours
de route et/ou d’outils de collecte)
Choisir les Kpis

27. 27
Avinash Kaushik co-fondateur de Market Motive Inc a dévelopé la méthode du “So
What” test qui consiste à confirmer qu’un indicateur est correct ou non en fonction de l’
objectif voulu.
Le principe est de faire répéter trois fois la question lorsqu’une personne demande
la collecte d’un indicateur. Si la personne n’arrive pas à justifier ce choix trois fois de
suite ou à traduire son Kpi en une action à faire alors cela signifie que l’indicateur est
mauvais.
Exemple :
1. Les Returns Visitors augmentent de mois en mois. So What ?
2. C’est fantastique car cela veux dire que nos visiteurs sont fidèles. So What ?
3. Nous devons faire plus d’actions pour continuer l’augmentation. So What ?
4. Je ne sais pas ce que l’on peux faire mais c’est bien non ?
Autres méthodes de choix du Kpis : “So What”

28. 28
Objectifs et Kpis
Types d’objectifs web KPIs
Reliés aux sources de revenus Revenus par source
Reliés aux coûts
Analyse du ROI des campagnes
publicitaires
Reliés au contenu et au trafic
Temps passé sur le site
Nombre de pages vues
Reliés à la conversion
Taux de conversion
Coût par acquisition
Taux d’abandon

29. Le traitement

30. 30
Le traitement de l’analyse
Faire attention aux biais :
➔ Erreur de calcul
➔ Limitation technologique (pas assez de puissance machine, etc…)
➔ Limitation des outils (pas possibilité de faire tel ou tel graphique,
etc...)
Corrélation / Causalité :
➔ Corrélation n’est pas une causalité
➔ Une action ne mène pas forcément à une causalité (même si on a
corrélation), exemple Adwords

31. 31
Corrélation ≠ Causalité

32. 32
Représentation des données et Rapports
La création d’un tableau de bord et de rapport est nécessaire pour la
lisibilité des données et des enseignements.
Bonnes pratiques à respecter :
➔ Faire attention aux échelles
➔ Faire une représentation des données compréhensible
➔ Faire une représentation qui permet de répondre à la
problématique
➔ Cohérence des couleurs entre les KPIs
➔ Prévoir que ça peut être imprimé en niveau de gris
➔ Adapter le rapport au destinataire !
➔ Garder ça simple !

33. 33
Modèle A-B-C
Modele A-B-C fondé par Avinash Kaushik est le modèle le plus basique et efficace pour
présenter ses données issues du web et de les reliés aux objectifs d’affaires.
Il est structuré en trois colonnes et les données sont divisées par type :
➔ Acquisition
➔ Behavior (Comportement)
➔ Conversion

34. Les
recommandations

35. 35
Une fois que les rapports sont fournis il est primordial de :
➔ Mettre une recommandation derrière chaque indicateur clé
➔ Poser une action concrète pour améliorer/diminuer l’indicateur clé
➔ Proposer un planning d’actions et du suivi des recommandations
➔ Fixer une date pour revoir l’indicateur dans le temps
➔ Améliorer si nécessaire la collecte de données si de nouveaux
besoins apparaissent
Suivi des recommandations

36. Démonstration

37. Merci !

38. Assistez à nos prochains Déjeuners
conférences :
38
● Démystifier la stratégie de contenus
● PME : Tendances 2015-2016

39. Vous désirez connaître les stratégies à adopter
pour atteindre de nouveaux sommets?
Simon Caillé
Conseiller performance Web
39
Grignotez du popcorn à l’agence avec Simon et vous le saurez.
ventes@parkour3.com