Starfox Analytics a implémenté plus de 100 projets de refonte analytics from scratch. Cela nous permet d’anticiper un grand nombre de points clefs lors d’une refonte analytics.
Étapes :
1. Définition des objectifs
2. Création du plan de taggage
3. Rédaction des spécifications techniques
4. Recette du data layer
5. Configuration tags et outils
6. Ouverture et paramétrage de BigQuery
7. Création des rapports et analyses des performances
1. Définition des objectifs
Le plan de mesure établit un lien entre les questions auxquelles nous souhaitons répondre et les données nécessaires à leurs interprétations.
KPI : mesure du succès de l’expérience utilisateur sur les étapes clefs
Afin d’établir un plan de taggage, on s’assure d’identifier les étapes clés du parcours utilisateur et les enjeux business liés à la plateforme. Cela permet de définir des KPIs clés à analyser et les données indispensables à mesurer dans le temps.
En tant que prospect je souhaite… | KPI |
“...chercher et trouver un véhicule” | Taux de succès d’une recherche (%) |
“...comprendre et être convaincu par un produit” | Taux d’ajout ou panier / vue détails produit (%)
Ou Score d’engagement sur les pages produit |
“...appliquer un code promo valide” | Taux de succès d’ajout des coupons (%) |
“...passer commande” | Taux de succès du checkout (%) |
Business questions : enjeux liés à la performance menant à des actions concrètes
En tant que product manager je souhaite… | Mesure ou analyse | Ce qui me permettra de… |
“...découvrir les catégories de produits qui génèrent le plus d’intérêt” | Taux de sélection des produits dans les listes en fonction des affichages (%)
Par attributs / catégories etc. | ✅ Mieux informer le sourcing
✅ Mettre en avant certains produits |
“...identifier les codes de promotion qui ne fonctionnent pas” | Taux d’acceptation des codes promos
Par codes promo | ✅ Identifier de veux codes
✅ Identifier des problèmes techniques |
“...comprendre ou nous perdons des prospects sur les étapes du parcours” | Vue du tunnel de conversion de façon granulaire
payment_view payment_started payment_success etc. | ✅ Comprendre ou concentrer ma recherche en expérience utilisateur |
“...comprendre quels contenus individuels ou types de contenu semblent les plus influents vers nos objectifs de conversion” | Score de contenu
Data model | ✅ Mettre les contenus qui semblent influents en avant
✅ Allouer mes ressources correctement pour ma stratégie de contenu
✅ Réécrire les contenus qui semblent peu influents. |
“...mesurer le niveau d’engagement de chaque utilisateur” | Score d’engagement
Data model | ✅ Créer des audiences de remarketing performantes
✅ Cibler cette audience avec du contenu personnalisé / des incentives etc. |
La qualité des réponses est déterminée par la qualité des questions
Le plan de mesure garantit que le plan de marquage répondra à des besoins clients pertinents.
✅ Exemples de bonnes pratiques
⛔️ Exemples de mauvaises pratiques
Les besoins métier supplémentaires
- Quels sont les pixels publicitaires à considérer ? (Tag Facebook, Meta, Google Ads, Wizaly, Awin, Snapchat…)
- Devrions-nous déployer un tracking avec ou sans consentement ?
- Quelle CMP (Consent Mananagement Plarform) devons-nous utiliser pour gérer le consentement des utilisateurs ? (Didomi, OneTrust, Cookiebot, Axeptio, CookiePro, Tarte au citron, Piwik PRO…)
- Est-ce intéressant de collecter des données Server-Side ? (Facebook Conversion API, Google Tag Manager Server-Side…)
- Quels outils sont les mieux adaptés pour la collecte de données ? (GA4, Piwik Pro, Matomo, Piano Analytics, Aodbe Analytics, Plausible, Kissmetrics, Amplitude…)
2. Création du plan de taggage
Un “tagging plan” ou plan de taggage est une documentation claire et à jour qui détaille l’ensemble du tracking d’un site web ou une application mobile.
Il comprend généralement des informations telles que les évènements et paramètres (variables) associées. Parmi les avantages :
- Sert de documentation de référence centralisée pour l’ensemble des acteurs
- Assurer une collecte de données cohérente et précise pour l'analyse
- Réduire le risque d'erreurs de suivi ou de données manquantes
- Faciliter la mise en place de nouvelles fonctionnalités de suivi ou de nouveaux outils
- Optimiser les coûts de collecte de données en évitant des ajouts ou des modifications de tags superflus ou incorrects.
3. Rédaction des spécifications techniques
Pour les développeurs, les spécifications techniques peuvent fournir des informations importantes sur les exigences et la conception d'un produit ou d'un système, y compris des éléments tels que l'architecture, les API, les modèles de données et d'autres détails techniques.
Dans le contexte d’une implémentation de tracking. Les spécifications techniques visent généralement à expliquer aux développeurs comment passer l’information dans un datalayer sur le web ou via des SDK pour les applications mobiles.
Il faudra probablement rédiger les spécifications en fonction du TMS utilisé (TagCo, Tealium, GTM).
Extrait d’une spécification technique pour un event
share4. Recette du datalayer
Une fois l’implémentation des spécifications effectuées par les développeurs, nous devons vérifier que les consignes ont été suivies.
Il convient ainsi de vérifier notamment :
- Les événements sont envoyés au bon moment dans le dataLayer
- Les événements ne sont pas envoyés en double
- Les paramètres, clefs d’évènements et valeurs sont corrects
Il est nécessaire d’avoir accès à un environnement de “test” (ou de “qa”, “dev” ou “preprod”, les environnements prennent plusieurs noms).
5. Configuration des outils
Les Tag Management System (TMS), les infrastructures d'hébergement Server-Side, les outils d'analyse, les Consent Management Platforms (CMP) et les solutions d'attribution doivent être configurés pour la collecte de données web.
Pour vérifier que les balises se déclenchent correctement et que les données envoyées aux différents outils (analytiques, médias et CRM) sont correctes, vous devez effectuer une recette finale des différents dispositifs.
Migration d’audiences et autres tags
Une refonte analytics peut impliquer une modification du dataLayer (objet utilisé pour alimenter les données associées aux tags) et nécessiter un réajustement du paramétrage des tags.
6. Ouverture BigQuery
Google BigQuery est une plateforme de traitement et d'analyse de données qui peut être utilisée pour stocker, interroger et analyser des données de Google Analytics 4 (GA4). Les avantages d'utiliser Google BigQuery avec GA4 incluent :
✅ Des performances améliorées pour l'analyse de grands volumes de données GA4
✅ Des options de requêtes plus avancées pour explorer et interroger les données GA4
✅ La possibilité de combiner les données de GA4 avec d'autres sources de données, telles que des données transactionnelles ou de CRM, pour une analyse plus complète
✅ Des fonctionnalités d'analyse de données avancées telles que l'apprentissage automatique ou l'analyse en temps réel
✅ La capacité à créer des tableaux de bord personnalisés et des visualisations basées sur les données GA4 stockées dans BigQuery
7. Création des rapports et analyses
Si les outils de collectes de données comme GA4, Piwik Pro, Piano ou Matomo sont utiles, bien souvient ils sont limités pour transformer vos données en informations pertinentes et visuelles.
Utiliser un outil de Dataviz comme PowerBI ou Looker Studio permettra de répondre aux questions du Plan de Mesure visuellement et d’interagir facilement avec la donnée.
Exemple de dashboards :
En savoir plus
Auteur
Edouard de Joussineau
Dirigeant de Starfox Analytics. 9 ans dans le CRO & la Web Analyse. Entrepreneur et Product Manager mais également amateur de bon vin, de F1 et d’échecs.
Suivez Starfox Analytics sur Linkedin
Un besoin, une question ? Notre équipe vous répondra au plus vite.
→ Suivez Starfox sur Linkedin
Contactez-nous !
Un besoin, une question ? Écrivez-nous à [email protected]. Notre équipe vous répondra au plus vite.
Prendre rendez-vous →
