5. DEFINITION DE LA DATA
Une donnée est une information
La donnée n’a aucune valeur sans exploitation
Une fois exploitée, elle devient :
Un outil Un produit Une valeur Un moyen !
6. POURQUOI AUTANT DE DONNÉES DIGITALES AUJOURD’HUI ?
Accessibilité du stockage
- Amélioration de la puissance de calcul des ordinateurs
- Volonté humaine d’overtracking
L’impact
- Complexification des outils et des analyses
- Nous dépensons à acquérir et maintenir plus de données que
nous en utilisons réellement en aide à la décision
- Qualité de donnée non garantie
7. ET EFFECTIVEMENT ….
des équipes ont déjà exploité des données de mauvaise qualité !84%
constatent régulièrement des régressions du plan de marquage54%
LA DATA DE MAUVAISE QUALITÉ COÛTE EN MOYENNE
15M€ DE PERTE PAR AN AUX ENTREPRISES !
8. POURQUOI CETTE NON QUALITÉ ? – LES FREINS
Manque de ressources ( temps, homme, connaissance... )
Multiplicité points de collecte
Volumétrie données
Difficulté à maintenir le dictionnaire de données
Tests de non-régression complexes/négligés sur la data
Evolutions mineures impactantes sans suivi
...
9. LES CONSÉQUENCES D’UNE NON DATA QUALITY :
Mauvaise prise de décisions business
Pilotage marketing inefficace
Expérience client non optimum
Frustration des équipes
Risques RGPD
...
10. UNE DONNÉE DE QUALITÉ C’EST QUOI?
Fiable
Utile
Activable
A jour
Traçable
Data Science VS Decision Science
11. Comment ? Les SOLUTIONS
Faites confiance à vos données
12. ACTIONS À METTRE EN PLACE :
Organisation
− Sensibilisation des équipes
− Nomination pilote data
13. ACTIONS À METTRE EN PLACE :
Documentation
− Métadonnées
− Objectifs de la collecte
− Plan de taggage
14. ACTIONS À METTRE EN PLACE :
Des outils
− Analytics
− Tag Management System
− AB Testing
− UX Analytics
− CDP
− Datavizualisation
− ...
15. ET LA QUALITÉ DANS TOUT ÇA ?
Les souffrances liées au Tag Management
Tags qui
disparaissent
Recette fastidieuse et
chronophage
Régressions des
mises en production
Délai d’identification
des anomalies
Roll back impossibles
Reportings basés sur
des data fausses
16. 16
Connus et utilisés de tous
Vérifications automatiques impossibles
Maintenance facultative
Description des règles approximative
Historisation compliquée
UN RÉFÉRENTIEL QUALITÉ DU
PLAN DE MARQUAGE,
À JOUR AUJOURD’HUI ET DEMAIN.
PLAN DE MARQUAGE
17. 17
100% du plan de marquage recetté en 1 clic
Automatisation
des contrôles
Crawls
Scénarios
Utilisateurs
Datalayer Tags Analytics Tags Marketing Event Analytics
100% DU PLAN DE MARQUAGE RECETTÉ EN 1 CLIC
18.
19. 100% du plan de marquage recetté en 1 clic
USE CASE : RETAILER
1 crawl de seenaptic :
Un datalayer absent sur une page « carte grise »
L’absence de variables « product » dans le hit envoyé à Adobe Analytics
Résultats
Interventions des équipes techniques
Modification de tags dans GTM
20. USE CASE : ENSEIGNE DE BRICOLAGE
NON DÉCLENCHEMENT DU TAG GOOGLE
ANALYTICS SUR
Des pages listes
7%En cause : trop de produits présents sur la page.
La limite du hit est atteinte et rien n’est envoyé
chez Google
USE CASE : RETAILER AUTO
DETECTION DE TRANSMISSION DE
DONNEES A UN CONCURRENT
En cause : identification d’un cas de
piggybacking (un tag A, qui appelle un tag B,
qui appelle ...)
21. KPI QUALITE
• SCORE PRÉCIS PAR TYPE DE PAGE
• IDENTIFICATION RÉGRESSION
• AMÉLIORATION CONTINUE
Une grande enseigne du luxe francais
a amelioré son score qualité de
avec seenaptic 15%
DATALAYER
TAG ANALYTICS
83,18% 96,22%
99,18%89,13%
23. USE CASE : ENSEIGNE DE BRICOLAGE
Absence de dataLayer sur certaines pages liste
En cause : apostrophes non échappés dans les infos produit
Peu de chance de reproduire ce bug dans une recette manuelle
Impact :
Pas de dataLayer, donc pas de tag GA, ni tags
partenaires
Volumétrie : plusieurs milliers de pages perdues
chaque jour
24. QUALITÉ DES DONNÉES : LES AVANTAGES
Meilleures prises de décisions business / R.O.I
Amélioration de l’expérience client
Confiance dans les données exploitées
Meilleures mobilisations des ressources
Rentabilité des outils Martech
Respect des réglementations en vigueur
27. Des Features RGPD
CONSENTEMENT
UTILISATEUR
Ne perdez pas la confiance de vos utilisateurs
Assurez-vous de respecter le choix de vos
internautes en matière de collecte de données
DÉTECTION DE FUITES
DE DONNÉES PERSONNELLES
Evitez les fuites de données
Préservez votre image de marque
CARTOGRAPHIE
DES TAGS
Maitrisez 100% des tags présents sur votre site
Identifiez les tags à l’origine de piggybacking
28. 28
EN RÉSUMÉ
COLLECTEZ MOINS MAIS COLLECTEZ MIEUX
IMPLIQUEZ VOS COLLABORATEURS
INSTAUREZ LA DATA QUALITY
FAITES VOUS ACCOMPAGNER
METTEZ EN PLACE LES BONS OUTILS