Transformer ses données en insights exploitables [Cadre de travail]
Les données analytics de votre entreprise devraient faciliter la prise de décision et le passage à l’action. Le font-elle présentement?
La monumentale quantité de données et de rapports disponibles dans Google Analytics ou Adobe Analytics n’est un secret pour personne. Comment transformer ces données analytics en insights exploitables pour votre entreprise? Nul besoin d’être expert en la matière, cet article ne couvrira pas de techniques de segmentation de données. Je vous propose plutôt un cadre de travail (framework) simple et intuitif pour relever cet important défi. Êtes-vous prêts?
Tout d’abord, qu’est qu’un insight?
Regardons la définition d’insight que propose le dictionnaire Oxford (traduite de l’anglais) :
La capacité d’avoir une compréhension profonde et précise de quelque chose ou de quelqu’un.
En digital analytics, les insights sont souvent associés aux informations qui permettent d’améliorer le rendement d’une organisation par l’entremise d’initiatives numériques (médias payants, tests A/B, référencement, etc.)
Mais que faut-il pour générer de bons insights?
Trois éléments clés pour des insights pertinents
Comme toute bonne recette, il faut avoir les bons ingrédients pour produire de bons insights. Ou, comme un de mes collègues dit souvent « Garbage in, garbage out. » Le problème est que plusieurs rapports analytics sont simplement des listes de constats. Prenons par exemple, l’affirmation présentée dans le premier exemple ci-dessous :
Exemple 1 :
« En 2018, notre revenu e-commerce a atteint 1 M$; il s’agit d’une augmentation de 5 % par rapport à l’année précédente ».
Même si cette information est une importante mesure de performance, ceci ne constitue pas un insight. En effet, l’information ne permet pas de bien comprendre la raison derrière cette croissance ou encore les mesures à prendre pour la reproduire.
Exemple 2 :
« En 2018, nous avons généré 1 M$ en e-commerce (+ 5 % par rapport à l’année précédente). Cette croissance est attribuable au lancement de notre nouveau produit X au Québec et en Ontario. Le volume des ventes de ce produit est surindexé comparativement aux autres provinces.
L’exemple 2 permet de mieux comprendre l’augmentation du volume des ventes. Si vous vous souvenez de la définition d’insight du dictionnaire Oxford, les mots « capacité d’avoir une compréhension profonde et précise de quelque chose » sont maintenant parfaitement logiques!
Cela m’amène à une question importante lors de la recherche d’insights : qu’est-ce qui caractérise un bon insight? Ces trois piliers s’avèrent fondamentaux.
(PARENTHÈSE) Avant même de chercher des insights, il est primordial de connaître les objectifs d’affaires de votre entreprise. Vous devriez aussi savoir quels indicateurs de rendement clés (KPI) sont associés à ces objectifs. Les insights que vous tentez de tirer devraient avoir une incidence sur ces indicateurs et vos résultats tactiques. Je vous recommande donc de réfléchir préalablement à un ensemble d’hypothèses ou une série de questions qui correspondent à vos objectifs d’affaires.
1. DONNÉES
Fiabilité
Il n’y a pas d’insights sans données, qu’elles soient qualitatives ou quantitatives. Pour être suffisamment qualifiées, vos données doivent être les plus exactes possibles, car elles doivent être le plus près la réalité. De plus, la vérification de vos données constitue un bon point de départ pour évaluer leur fiabilité. Pour suivre les meilleures pratiques, comparez vos données analytiques numériques (transactions e-commerce, leads de formulaires Web) à vos données internes ou back-end.
Données enrichies
Il est fort probable que vos données internes ne soit pas suffisantes pour obtenir de solides insights. Sans l’utilisation de sources externes, il devient difficile de créer des histoires complètes. Des ressources telles que Google Barometer, Google Think ou eMarketer peuvent vous permettre de compléter vos données. Les sondages en ligne (visant à recueillir des données attitudinales) constituent aussi un moyen facile d’enrichir vos données et de découvrir des insights encore plus révélateurs.
2. CONTEXTE
Le contexte est ce qui donne du sens aux données. Autrement dit, sans contexte, les données n’ont pas vraiment d’utilité. Les leaders d’opinion en analytics (tels qu’Avinash Kaushik) s’entendent pour souligner l’importance de situer les données dans leur contexte.
Maintenant, comment définir le contexte? Ces deux questions devraient vous permettre d’y voir plus clair.
- Pour quelle raison cherchez-vous des insights?
- Quels sont les utilisateurs potentiels (marketing, finance, dirigeants) de ces insights?
Pour remettre les données dans leur contexte, il est possible d’établir des mesures de comparaison, ou encore de compléter vos données (quantitatives) avec d’autres catégories de données (qualitatives). Voici des exemples de quelques moyens pour ajouter du contexte à vos données :
- Comparer vos données à un objectif d’affaires ou une cible;
- Comparer vos données à ceux de la concurrence à l’aide de sources externes;
- Comparer vos segments et vos audiences entre eux;
- Ajouter des données qualitatives pour expliquer un comportement (p. ex. des sondages qui expliquent la motivation des utilisateurs d’un site Web);
- Attribuer une valeur financière à vos constats (p. ex. une chute de 20 % des leads Web est équivalente à une perte de revenus de 15 000 $).
Plus il y aura de contexte, plus le lecteur sera en mesure de comprendre les informations que vous souhaitez transmettre et leur importance.
3. ACTION
Les insights que vous générez devraient aider les parties prenantes à prendre une décision ou à passer à l’action. Les insights dits exploitables nécessitent davantage de temps, car ils sont plus spécifiques. Voici deux exemples à l’appui :
Exemple 1 :
« Notre taux de conversion a chuté de 12 % et la plus forte baisse dans l’entonnoir de conversion a été constatée lors du checkout (les étapes allant du panier d’achat à la page de confirmation de commande.) »
Exemple 2 :
« La baisse de 12 % de notre taux de conversion coïncide avec l’ajout de nos nouvelles passerelles de paiement utilisées dans les étapes du checkout. »
Ces deux exemples peuvent être considérés comme des insights, mais le deuxième correspond davantage à un insight exploitable puisqu’il identifie la cause probable de la baisse. L’action logique à prendre serait d’examiner le système de paiement pour déterminer ce qui a causé la baisse. Est-ce un problème technique lié au système de validation des cartes de crédit ou plutôt un problème d’ergonomie lié au formulaire?
Résumé de ce framework
Pour conclure, le processus de recherche d’insights peut se comparer sommairement à une chaîne de valeurs (concept de la chaîne de valeurs de Porter) : plus le contexte est riche, plus vos insights auront de la valeur pour les décideurs de votre entreprise. Chaque activité de ce processus joue un rôle important dans le résultat final, comme vous pourrez le voir dans le graphique ci-dessous.
J’espère que cet article vous aidera à produire des insights riches qui vous encourageront à passer à l’action.
Nous sommes convaincus d’une chose, vos initiatives numériques devraient être propulsées par vos données, vos insights. Laissez notre équipe de spécialistes déployer le potentiel de vos données numériques et vous aider à atteindre vos objectifs d’affaires. N’hésitez pas à communiquer avec nous!