Ensemble des articles pour la catégorie Premiers pas
mai
22

Dashboard et analyse, comment s’y prendre ?

Et hop, j’ai eu plusieurs questions la semaine dernière sur un article, donc je vais tenter d’y répondre cette semaine. D’abord merci JB pour ces questions, c’est toujours plus intéressant de répondre à quelqu’un plutôt que d’essayer d’imaginer le sujet qui peut intéresser certains.

« Est-il possible de concevoir un dashboard qui corresponde à la fois aux exigences de simplicité du client et aux souhaits d’exhaustivité du web analyste (en agence), et quelles sont les best pratices pour y parvenir ? »

Le dahsboard client

Alors, je rectifierais légèrement le postulat de base, parce que personnellement j’ai rarement vu en agence de vraies exigences de simplicité d’un client. Au contraire j’ai souvent croulé sous les demandes de « chiffres », de « stats », de « KPIs », ce qui signifiait faire un copié collé de l’outil web analytics dans un fichier Excel… Les demandes sont souvent confuses et contiennent beaucoup de choses différentes.

Cela dit il est vrai qu’on se rend compte aussi que la majorité des clients ne finissent par ne plus lire les dashboards si on les construit comme ils le souhaitent au départ et c’est peut être ce qui donne cette impression à la longue qu’il faut produire un nouveau dashboard plus simple, plus clair et plus facilement lisible.

Déjà il faut comprendre pourquoi le client demande beaucoup de chiffres. Pourquoi veut-il dans certains cas avoir quasiment toute l’information utile à l’analyste pour faire toute son analyse ?
Comme je disais dans un précédent billet, on a parfois l’impression que le client veut faire le travail d’analyse à notre place. J’ai toujours été surpris de cette attitude ce qui m’a poussé à essayer de comprendre pourquoi ça arrivait afin de trouver une manière de rectifier ce problème.

J’ai trouvé 4 principales raisons qui poussent un client vouloir jouer les analystes :

- Personne ne fait le vrai bon travail d’analyse.
C’est le plus dur constat à faire, surtout si c’est un client que l’on a depuis longtemps. En fait si personne n’explique ce qui se passe sur le site, si le client est aveugle sur ses opérations digitales, s’il ne voit pas de manière de les améliorer, il va vouloir lui même comprendre à partir des données web analytics. Si votre client n’arrête pas de vous demander des chiffres posez vous les deux principales questions :
1 -Est-ce que je fais mon travail d’analyse et de diffusion de l’analyse correctement ?
2- Est-ce que mon client a vraiment confiance en mon travail ?
En répondant à ces questions on peut parfois trouver la solution pour désamorcer une situation épineuse. Il arrive aussi que suite à une série de malchance le client a perdu très clairement la confiance et dans ce cas il faut faire le dos rond un bon moment tout en essayant de produire de la valeur…
- Le client pense mieux savoir que l’analyste.
Je dis « pense », mais ce n’est pas forcément faux… Il faut savoir que bien souvent en agence on manque de contexte pour les analyses parce que beaucoup de paramètres offline et confidentiels entrent en jeu. Lorsque l’analyste n’a pas toute l’information et que la communication est un peu coupée, le client peut vouloir reprendre une partie de l’analyse.
Il se peut aussi que le client pense mieux connaitre le digital que son analyste, et là, à vous de voir si il a raison…
- Le client veut faire valoir ses bonnes idées auprès de ses supérieurs.
Evidemment on est dans un monde compétitif où la bonne idée peut sauver une place ou booster une carrière. Il est parfois plus judicieux pour un client de récupérer les rapports un peu bruts, regarder si les chiffres corroborent ses intuitions et proposer lui-même des optimisations plutôt que de laisser l’analyste briller par sa perspicacité. Ce cas est un peu particulier, mais je dois dire que j’ai l’ai déjà vu.
- Le client ne comprend pas le web analytics ou le scope du travail de l’analyste
Bon, dans ce cas précis, c’est souvent un peu compliqué mais une grande partie du travail web analytics consiste à faire comprendre (à ses collègues ou à son client) ce qu’on l’on fait et comment on peut les aider.

Maintenant si l’on arrive à avoir une relation saine avec son client et que l’on fait bien son travail le but est de produire un tableau de bord simple, avec des indicateurs segmentés qui fournissent une vraie information, avec une explication de cette information mettant en valeur les opportunités ou les menaces pour l’entreprise. Enfin un bon tableau de bord devrait être accompagné d’actions à prendre (recommandations d’optimisation). Mais d’expérience entre ce qui est vendu au client en agence et la réalité de l’analyse au fil des semaines il y a souvent un bel écart. Si le tableau de bord est hebdomadaire il n’est vraiment pas évident de proposer des actions toutes les semaines (quoique j’ai vu certains analystes sous pression se surpasser…).

Mais une fois que l’on réussit à créer un dashboard simple, clair et orienté sur les objectifs comment produire une belle analyse contextuelle pertinente contenant ces fameuses recommandations ?

L’analyse des dashboards.

Ici je pense que l’on a tous des méthodes un peu différentes pour cette partie, mais en général je fonctionne suivant 3 process :
- Je construis mon tableau de bord client avec plusieurs onglets.
Le premier onglet est l’executive summary, où finalement toute l’information est condensée. On y trouve les KPIs et les objectifs chiffrés si on en a, et on peut cliquer sur les KPIs pour avoir un détail dans d’autres onglets qui ont en fait deux fonctions : orienter l’analyste dans sa recherche d’insights et rassurer le client sur le fait « qu’il y a du boulot derrière ». Une fois la confiance installée le client ne regardera plus que le premier onglet si l’analyse est pertinente. Les autres onglets restent là pour l’inspiration, et pourquoi pas même retirer ces onglets définitivement et voir si le client pose la question ?
- Je monitore les pages principales en fonction de leur objectif respectif.
Chaque page (ou section) du site a une fonction et donc un objectif qui en découle. J’identifie l’objectif et je trouve le KPI correspondant. La comparaison des pages de fonction similaire peut fournir des informations précieuses pour comprendre quels sont les parties du site qui fonctionnent le moins bien. De même lors d’une opération marketing, si les performances ne sont pas au rendez vous on peut identifier plus facilement quelle page ou section (et donc quelle fonction) n’a pas produit les résultats escomptés. (en fait je pourrais faire tout un article sur cette méthode…)
- J’analyse en aveugle dans l’outil de segmentation.
Enfin lorsque tout est plat, les campagnes ne changent pas, les performances ne bougent pas, le mieux est d’aller « jouer » dans l’outil de segmentation. Il n’y a pas vraiment de règle, il faut aller regarder les données et tester différents segments habituels pour essayer de repérer quelque chose d’anormal : nouveaux vs. visiteurs connus, sources de trafic, navigateurs, origine géographique, jour de visite, etc.

Enfin je voulais aussi confirmer ce que dit Marc en commentaire sur l’article de Romuald. Il est très intéressant de fonctionner aussi de manière réactive, susciter l’intérêt avec des données nouvelles et provoquer des questions est aussi une belle manière de débuter une analyse. Il faut être bien conscient que l’analyste ne peut pas tout voir ou tout connaitre, toutes les questions des clients sont des bons points de départ pour aller voir si tout fonctionne comme prévu. Concrètement on peut par exemple essayer de comprendre la question business qui se cache derrière une demande de chiffre, répondre à ce genre de question produit beaucoup plus de valeur que de copier coller une un rapport directement depuis l’outil.

Google+
mai
17

La mesure, la dimension et le segment

Author François    Category Premiers pas     Tags , , ,

J’ai reçu la semaine dernière une longue liste de « metrics » que je serais bien aimable de fournir toutes les semaines…

Bon alors bien évidemment je suis habitué à ce genre de demandes, je ne veux pas débattre aujourd’hui de l’intérêt de fournir des rapports qui ne s’alignent sur aucun objectif tangible mais je voudrais juste remettre un peu d’ordre dans le vocabulaire que les praticiens du web utilisent au quotidien.

Lorsque l’on a une certaine expérience en tant qu’analyste on a bien sûr déjà remarqué que très souvent nos clients veulent faire le travail d’analyse à notre place. Ils nous demandent souvent de fournir une liste de chiffres (rapports bruts) qu’il veulent « analyser » eux même, puisqu’après tout, l’analyse c’est juste un peu de bon sens. Soit, soit… C’est comme si j’appelais le plombier pour un problème de fuites et qu’une fois sur place je prends ses outils pour réparer le tout moi même. Après tout si je sais utiliser les outils et que je paye le plombier, je doute qu’il se plaigne, mais si j’appelle une clé à molette un marteau et que je veux déviser un syphon avec un tournevis, je doute que le résultat soit optimal.

Le web analytics c’est pareil ! Il y a un nom précis pour désigner les objets et je vous propose ici de vous donner une vision (certes un peu simplifiée) sur la théorie du reporting et l’analyse.

La mesure.

Alors la mesure (en français), la metric (en anglais), est dans le cas du web analytics le résultat d’une opération. Il peut s’agir d’une addition pour les mesures de type compteur (visiteurs, visites, pages vues, etc) ou il peut s’agir d’une division pour les mesures du type ratio (Taux de conversion, Page vues par visite, Taux de clic, etc).

Ce qui peut se mesurer sur un site web (je vais faire simple dans ce billet), ce sont les visiteurs, les visites qu’ils effectuent, les pages qu’ils chargent dans le navigateur mais aussi toutes sortes d’actions du visiteur n’étant pas liées au chargement d’une page et qui peuvent avoir une importance pour la compréhension du comportement. En fait on compte (mesure) la somme de ces évènements.

Ces mesures sont donc tout simplement des nombres. Si l’on parle des mesures d’un site web on parle donc d’un certain nombre de visites, de visiteurs ou de pages vues, de commandes, de clics, de lectures de vidéos, d’inscriptions, etc.

Il est fort probable que ces nombres ne nous disent pas grand chose en soi, il va donc falloir commencer un travail d’analyse. Pour information l’analyse est une méthode par laquelle on sépare un tout en ses différentes parties constituantes afin de mieux le comprendre.
Si l’on prend l’exemple des visites sur un site, le total ne nous explique rien, on va donc regrouper les différentes visites selon un « type » que l’on aura choisi, c’est à ce moment là qu’entrent en jeu les dimensions.

La dimension.

La dimension est un attribut que l’on donne à une mesure. Dans le cas des visites, on peut prendre comme attribut de visite la source, l’origine géographique, la langue du navigateur, etc.

La valeur d’une dimension est très souvent un texte (histoire de bien comprendre la différence entre metric et dimension), mais on peut aussi trouver des nombres (tranches de temps passé, prix d’un produit, nombre de visites passées, etc). On va retrouver principalement 4 types de dimensions dans le web analytics : l’attribut du visiteur (ex:Navigateur web), l’attribut de la visite (ex: refferer de la visite, etc), l’attribut de la page vue (ex: catégorie du site, produit présent sur la page, etc), l’attribut d’un évènement (ex: produit acheté, prix d’une commande, etc).

On va retrouver les dimensions dans ce que l’on appelle un rapport qui va se construire en plaçant en général sur chaque ligne la valeur des dimensions et dans les colonnes à coté la valeur d’une ou plusieurs mesures. Comme sur cet exemple :

N’oublions pas que les dates sont aussi une dimension qui permet déjà de comprendre ce qui s’est passé avant même d’aller chercher des attributs plus compliqués. Un rapport avec tous les jours du mois sur les lignes (dimension) et les visites (mesure) dans une colonne nous donne un joli rapport de tendance.

Le segment.

Le segment est simplement un regroupement d’une série de valeurs d’une ou plusieurs dimensions. Le segment permet d’isoler une partie du trafic d’un site afin de le comparer soit au reste du trafic soit à un autre segment. L’intérêt du segment pour l’analyse par rapport à la simple dimension c’est que pour le segment on peut établir des successions d’opérations booléennes sur différentes dimensions et que l’on peut appliquer le segment à d’autres rapports que celui de la dimension dont on se sert.

Par exemple, sur mon blog j’aimerais savoir si nos amis francophones du Quebec sont intéressés par les mêmes articles que nous autres européens, avec une maturité web analytics peut être différente.

Je vais choisir d’isoler dans mon premier segments la valeur Quebec dans la dimension Région avec plus d’une page vue (je ne garde que ceux qui manifestent un minimum d’intérêt pour le blog).
Dans mon deuxième segment j’isole la valeur Europe dans la dimension Continent avec plus d’une page vue.
Maintenant je peux appliquer ces deux segments à divers rapports qui me paraissent intéressants pour répondre à la question que je me pose : Visites (mesure) par Mot clé cherché dans les moteurs de recherche (dimênsion), Consultations uniques (mesure) ou temps passé (mesure) par Page (dimension).

On voit bien que la vraie analyse commence avec la segmentation, en faisant ce simple exercice j’ai déjà appris deux ou trois choses importantes (que l’on nome parfois abusivement « insights ») que je ne vais pas expliquer ici car j’imagine que ça n’intéresse personne… Par contre si je veux attirer plus de québécois par Google sur mes articles il va falloir que je commence à décrire mon site comme un « blogue web analytics » (et non plus un blog web analytics)….

Google+
juin
11

Cas pratique Google Analytics : introduction aux expressions régulières

Les expressions régulières ou expressions rationnelles (ou encore RegExp) sont très utiles avec certains outils web analytics, notamment avec Google Analytics. Leur utilisation et leur compréhension est recommandée voire indispensable pour utiliser des fonctions avancées.

J’ai remarqué que bien souvent, lorsqu’on lit un article sur une astuce Google Analytics impliquant les expressions régulières, leur signification n’est pas ou peu expliquée. Je comprends qu’on ne le fasse pas quand on s’adresse à un public averti mais une petite piqûre de rappel fait toujours du bien.

Introduisons donc les expressions régulières à travers un exemple simple. Le but ici n’est pas d’être exhaustif sur la définition des caractères et des cas d’utilisation. Je cherche simplement à introduire la chose avec quelques explications.

Utilisons la technique du « Pourquoi » enseignée par mon Analytics Jedi et avant de passer à la pratique, posons nous cette question essentielle :

A quoi sert l’utilisation des expressions régulières dans Google Analytics ?

  • Créer des filtres avancés.
  • Améliorer la création de tunnels de conversion et la définition d’objectifs.
  • Créer des filtres spécifiques directement dans les rapports ou lors de la création de segments avancés.
  • Impressionner ses collègues parce que savoir utiliser les expressions régulières, ça fait geek :)

La compréhension par l’exemple : Comment définir plusieurs pages pour une même étape de tunnel de conversion dans Google Analytics ?

Je vais vous parler de tunnel ou entonnoir de conversion Google Analytics. J’invite les néophytes à lire l’aide Google concernant ce point avant de commencer.

Cette question concerne chacune des étapes mais également l’url qui définit l’objectif de conversion.

Le tunnel de conversion que je souhaite créer doit être composé de trois étapes en plus de ma page d’objectif. La troisième étape est un formulaire dont l’url est différent selon l’origine géographique de la visite.

Exemple de tunnel de conversion complexe

Il existe trois versions de cette page mais j’aimerais toutes les inclure dans la même étape pour ne pas créer trois tunnels de conversion et utiliser inutilement plusieurs « slots » d’objectifs.

Tout d’abord, il faut se rendre dans la page de paramètres de l’objectif à créer. Dans la partie détail de l’objectif, le type de correspondance doit être configuré en tant que « Correspondance d’expressions rationnelles ». Cela permet de signifier à l’outil de prendre en compte les expressions régulières lors de l’édition des champs d’objectif et d’étapes.

Configuration d'un entonnoir de conversion Google Analytics - Détail de l'objectif

La valeur du champ d’objectif est l’url complète de la page d’objectif, jusque là tout va bien.

Une fois cela fait, il faut entrer les valeurs dans les champs d’étapes dans la partie « Entonnoir de conversion vers l’objectif » :

Détail des étapes de conversion

Les valeurs de l’étape 1 et 2 sont faciles à trouver, ce sont les urls des pages que j’ai voulu insérer dans l’entonnoir.

Comment faire pour l’étape 3 qui peut être atteinte via trois pages aux urls différentes ?

Je pense que vous l’aurez compris, il suffit d’utiliser une expression régulière. Bien entendu, plusieurs solutions sont possibles, chacun son style. Je propose tout de même trois variantes possibles :

  • La brute

^/categorie/form$|^/categorie/form\-us$|^/categorie/form\-af$

  • La « c’est presque ça mais… »

^/categorie/form$|\-us$|\-af$

  • La variante que je propose

^/categorie/form($|\-us$|\-af$)

Ce qui est bien dans ces trois propositions, c’est qu’on y retrouve les mêmes métacaractères (caractères spéciaux des expressions régulières).

Reprenons les définitions de Google et ajoutons y quelques exemples :

^ : correspond au début du champ

Lorsque l’on met ce métacaractère au début du champ, cela signifie qu’aucun caractère ne peut être mis devant ce que l’expression va définir.

Par exemple :

  • test correspond à : « test », « pretest », « super test », « le test de fou » ou « test de fou »
  • Alors que ^test correspond à : « test », « test de fou »

Associé à d’autres métacaractères, la signification du « ^ » peut légèrement changer. On abordera peut-être ça dans un prochain article.

$ : correspond à la fin du champ

L’explication est similaire à celle du métacaractère précédent mais appliquée à la fin de l’expression. C’est à dire, que dans la correspondance à l’expression régulière, aucun caractère ne peut suivre l’élément ou le groupe d’élément terminé par $.

  • test$ correspond à : « test », « pretest », « super test »

Utilisés dans la même expression régulière, les métacaractères « ^ » et « $ » permettent d’isoler une chaîne de caractère.

  • ^test$ correspond à « test » uniquement

\ : insère un caractère d’échappement avant un métacaractère

Grâce à « \ » on peut transformer un métacaractère en caractère normal.

  • ^test\$$ correspond à « test$ »

() : mémorise le contenu de la parenthèse comme élément

Les parenthèses fonctionnent un peu comme dans une expression mathématique. Elles permettent d’isoler un élément non par rapport à sa correspondance (tel que le permettent « ^ » et « $ » associés) mais par rapport à l’expression régulière.

Elle permettent également la mémorisation de leur contenu dans une variable qui pourra être utilisée dans les filtres avancés de Google Analytics, mais là n’est pas le sujet.

Difficile de faire un exemple simple de leur utilisation sans utiliser un autre opérateur (ce qui est fait juste en dessous).

| : ou

Le métacaractère « | » correspond à l’opérateur « ou ».

  • ^test$|^super test$ correspond à « test » et « super test »
  • (^super |^)test$ correspond également à « test » et « super test »

On a désormais tous les outils nécessaires au déchiffrage des trois variantes d’expressions rationnelles qui apportent une solution à notre problème.

Reprenons avec des explications :

  • La brute

^/categorie/form$|^/categorie/form\-us$|^/categorie/form\-af$

Cette expression répond parfaitement à notre problème. Si on la traduit littéralement, elle donnerait :

J’isole « /categorie/form » ou j’isole « /categorie/form-us » ou j’isole « /categorie/form-af ».

Pourquoi y a-t-il un « \ » devant les « - » ? Parce que « - » est un métacaractère. Je n’ai pas détaillé sa signification puisqu’on ne l’utilise pas dans ces exemples.

  • La « c’est presque ça mais… »

^/categorie/form$|\-us$|\-af$

Cette expression répond également à notre problème, puisque chacune les trois urls en sont une correspondance. Cependant, d’autres urls lui correspondent également, elle n’est pas « propre ». Si on la traduisait littéralement :

J’isole « /categorie/form » ou je capte toute expression finissant par « -us » ou je capte toute expression finissant pas « -af ».

Cela signifie que « /categorie/form », « /categorie/form-us » et « /categorie/form-af » correspondront mais « idheizhozih-us », « 9248qdh qizhd-af » aussi et beaucoup d’autres.

  • La variante que je propose

^/categorie/form($|\-us$|\-af$)

Comme je vous l’ai déjà dit, chacun son style. Je propose cette solution qui est courte et facilement compréhensible.

La traduction littérale :

Je capte une expression commençant par « /categorie/form » et finissant soit par rien, par « -us » ou par « -af ».

Bien entendu, libre à vous de modifier cette solution en modifiant l’expression régulière proposée. Si par exemple, vous souhaitez capter des variables qui sont à la fin de l’url, enlevez les $.

J’espère que cette petite introduction vous a plu ! L’analyse web est un domaine vaste et même si vous n’êtes pas encore un Jedi des expressions régulières, sachez qu’elles peuvent être utiles.

Si mes exemples ne vous plaisent pas, si vous avez des remarques, si vous voyez des anomalies, ou alors si vous avez des questions, commentez cet article ou utilisez le formulaire de contact.

Quelques ressources très utiles pour les RegExp (qui ont également été mes sources) :

Pour aller un peu plus loin, un cas d’utilisation de filtres avancés Google Analytics (il date de 2008 mais peut vous faire comprendre beaucoup de choses).

Google+