Analytics marketing : phases et étapes

Quand on fait du marketing sérieusement, l'une des tâches dont il faut s'occuper est de analyser la performance de nos efforts.

Cette analyse, bien sûr, variera dans la forme et sur le fond en fonction des ressources investies.

Il est logique de penser que la portée ne sera pas la même si l'on investit 100€ par mois que si l'on investit un million.

Dans le premier scénario, nous utiliserons probablement seulement un ou deux canaux, tandis que dans le second il y en aura sûrement plus de dix.

C'est pourquoi, à mesure que notre projet grandit, l'analytics que nous lui appliquons sera différent.

Nous passerons par différentes phases. Nous atteindrons différents stades.

Et dans cet article, je veux te présenter les cinq principales, que je résume dans ce tableau :

Phase 1 : Google Analytics

La manière la plus simple de commencer à mesurer « quelque chose » dans notre marketing ou notre produit numérique.

Si nous avons un projet numérique avec un site web ou une app, c'est le premier outil que nous utiliserons, car il est gratuit, très facile à mettre en œuvre à un niveau basique et nous apporte beaucoup d'informations.

C'est la phase initiale de l'analytics marketing.

Ce que tu peux mesurer avec Google Analytics

Bien configuré, il permet de mesurer des choses comme :

Les interactions de tes utilisateurs

• Le trafic de tes campagnes TAGUÉES
• Le taux de Rebond / Engagement de tes landing pages.
• Produits / services consultés.
• Produits / services ajoutés au panier.
• Utilisateurs qui arrivent au checkout => Remarketing.
• Autres événements sur le site.

Caractéristiques de tes utilisateurs

• Les appareils utilisés par tes utilisateurs.
• Les pays depuis lesquels ils se connectent.

Les conversions

• Les conversions par campagne (modèle LCI ou « basé sur les données » selon le rapport).
• Achats de produits et retours.

Publicité sur notre site

• Promotions sur notre site web (bannières)
• Produits montrés aux utilisateurs.

Ce que Google Analytics ne te permet PAS de mesurer

Même s'il nous apporte beaucoup d'informations, il lui manque aussi certaines choses que nous devrons mesurer autrement, par exemple :

• Campagnes dans les médias traditionnels (TV, presse, affichage).
• Campagnes numériques sans clics (bannière de marque, ouverture d'e-mails, vues de vidéos YouTube) : postview.
• Customer journey multi-appareil. Il existe des tentatives, mais ce sont des rustines.
• Actions des utilisateurs qui n'acceptent pas les cookies ou utilisent des adblockers.
• Modèle d'attribution complet (données biaisées).
• Données personnelles (CRM).

Ce qu'il mesure à moitié

• Les clics sur ton site web (on pourrait tous les mesurer, mais ce n'est pas recommandé).
• Coûts des campagnes de plateformes autres que Google (il faut importer les données).
• Keywords SEO (tu en vois très peu).
• Caractéristiques sociodémographiques (Signal)
• Données directement non collectées (erreurs JS, adblockers, Safari) : il te manquera toujours un % de conversions. Le trou grossit chaque jour.

Avantages de Google Analytics

Il y en a quelques-uns, franchement :

• Obtenir des informations de base est rapide. Nous pouvons collecter des données en quelques minutes.
• C'est la manière la plus simple de commencer à mesurer « quelque chose » dans notre marketing ou notre produit numérique.
• C'est le meilleur outil gratuit d'analytics numérique. Et il est meilleur que beaucoup d'outils payants.

Inconvénients de Google Analytics

Bien sûr, il présente aussi quelques inconvénients :

• Il ne reflète pas la réalité de l'entreprise. Ni même celle du département marketing. Ni celle du marketing numérique. Parce qu'il lui manque des données pour cela.
• Autrement dit, il ne mesure qu'une petite partie, donc il ne faut pas juger une entreprise entière à partir de ses données Analytics.
• GA4 est aujourd'hui moins bon que GA3. Il nécessite une mise en œuvre technique plus complexe dans un environnement plus compliqué (GDPR, confidentialité…)

Résumé

Pour toutes ces raisons, je considère que Google Analytics montre ses limites.

Même pour mesurer seulement la performance d'un produit numérique (site web ou app), tu as besoin d'autres outils complémentaires.

Et encore moins si tu veux contrôler une entreprise complète, aussi numérique soit-elle…

Quoi qu'il en soit, ce sera la première étape dans l'analytics.

Phase 2 : Reporting par canal numérique

Une fois que nous grandissons et avons plusieurs canaux numériques, surtout s'ils sont payants (Google Ads, Meta, affiliation…), nous continuerons à analyser la performance globale comme à l'étape précédente, mais nous commencerons aussi à analyser chaque canal séparément, plus en profondeur, pour essayer de l'optimiser.

Fréquence

Cette analyse variera selon le budget :

• En dessous de 2 ou 3K/Mois, ce sera mensuel.
• Au-dessus, ce sera peut-être hebdomadaire.

Et c'est que nous devons voir un bon volume de données pour prendre des décisions. Ce volume demande plus ou moins de temps selon la taille du projet et son investissement.

Responsable

Il y aura toujours une personne chargée de le présenter et d'en tirer des conclusions, qui pourra être :

• Équipe interne : si le marketing est géré inhouse.
• Freelancers : si nous en utilisons plusieurs selon le canal.
• Agence : lorsque nous en engageons une pour gérer tout le paid ou le SEO.

Ce que cela inclut

Selon le canal, ce reporting inclura certaines choses ou d'autres. Pour te donner une idée, ces rapports intégreront :

• Les avancées de la campagne.
• En paid media, l'accent sera mis sur les ventes.
• En SEO, le positionnement et l'ORM.
• Sur les réseaux, la portée ou les contacts et la résolution d'incidents.

Objectif du reporting par canal

En réalité, l'objectif principal est de voir où nous en sommes par rapport aux objectifs business fixés. Car à partir de là, nous aurons deux scénarios :

• Si nous sommes dans les clous, ce sera seulement du suivi.
• Si nous sommes en dessous, nous aurons besoin de propositions d'actions, par exemple :
  • Changement de l'investissement.
  • Cambio en la oferta.
  • Cambio en el mix de medios.
  • Cambio en las creatividades.
• …

Sache que les campagnes numériques de réponse directe permettent des changements très rapides.

Source de données

Toutes ces informations nous seront fournies par différents outils. Ainsi, nous pouvons utiliser :

• Les rapports de la plateforme (Google Ads, Meta…).
• Google Analytics.
• Un AdServer, si nous en utilisons un (recommandé pour les gros budgets, car il a un coût)
• Search Console.
• Metricool
• …

Exemples

Voyons quelques images de ce type de rapports pour que tu te fasses une meilleure idée :

Rapport hebdomadaire de paid media

Rapport mensuel de SEO

Rapport mensuel des Réseaux Sociaux

En résumé

Dans cette deuxième phase, nous commençons à comprendre notre marketing numérique : comment les canaux interagissent entre eux, les canaux d'acquisition et les canaux de conversion.

En revanche, ils laissent de côté tout ce qui se passe dans le produit numérique : il faut le combiner avec Google Analytics (et quelques autres outils) pour mieux comprendre ce qui se passe sur notre site web.

En outre, ils demandent du temps de préparation et de lecture.

À cause de ce qui précède, ils se limitent parfois à sortir des chiffres au lieu d'apporter des informations et des recommandations, ce qui est l'essentiel.

Phase 3 : Modèles économétriques

Qu'est-ce qu'un modèle économétrique

Un modèle économétrique n'est rien de plus qu'une simulation mathématique de la réalité, qui nous aide à comprendre pourquoi quelque chose s'est produit d'une certaine manière à partir de certaines variables.

Et l'intérêt est d'utiliser cette connaissance pour les futures prises de décision.

Le principe consiste à expliquer une variable dépendante (généralement les revenus ou les ventes) à partir d'autres variables (explicatives), comme le trafic du site web, le prix, l'intérêt du public, l'investissement publicitaire ou le NPS de notre marque.

Quand utiliser les modèles économétriques en marketing

À mesure que tu grandis, tu envisages de mener des actions en dehors des canaux numériques. C'est à ce moment-là que tu commences à utiliser les modèles économétriques.

Ce n'est pas quelque chose de plus récent ou avancé que les rapports mensuels par outil, mais cela sert à fournir un autre type d'information.

La fréquence sera au minimum mensuelle. Elle peut augmenter selon le projet ou la saisonnalité (il n'est pas normal de faire de la télévision en permanence).

Qui est responsable

La personne chargée de l'élaborer pourra être :

• Équipe interne : si l'on dispose d'une solide équipe d'analytics.
• Agence marketing ou média : lorsque nous en engageons une pour gérer tout le paid ou les médias.
• Agence / outil d'attribution : indépendant de l'agence. Mieux, mais plus cher (un fee supplémentaire à payer).

Ce qui est inclus ici

Deux choses, essentiellement :

• Comment fonctionne notre investissement à long terme, pas seulement à court et moyen terme.
• Cela inclut les médias traditionnels.

Quel est l'objectif

• Voir quels médias génèrent les ventes.
• Voir comment les variables externes influencent les résultats (concurrence, climat).
• Ajuster au mieux l'investissement.

Les sources de données sont multiples

Encore plus que dans la phase précédente :

• Google Analytics.
• AdServer
• Outil d'attribution.
• Search Console.
• Pixel des plateformes publicitaires.
• CRM.

Avantages des modèles économétriques

Ils en ont beaucoup, dont certains très évidents qui manquaient aux phases précédentes :

• Inclut des canaux non numériques.
• Et des variables externes (saisonnalité ou concurrence).
• Apporte des informations stratégiques et actionnables.
• Explique le passé et permet de faire des projections pour l'avenir.
• Cela aide beaucoup à définir la configuration optimale du plan marketing.
• Malgré sa complexité, on peut même en faire un avec Excel.

Inconvénients des modèles économétriques

Bien sûr, ils présentent aussi une série d'inconvénients, qui les rendent adaptés uniquement aux projets d'une certaine envergure :

• Ce n'est pas simple de créer un modèle robuste :
  • Il faut bien sélectionner les variables.
  • Tener el histórico de datos.
• Être capables de le produire et de le présenter dans le format adéquat.
• Cela implique une tâche laborieuse et difficile à automatiser (de nombreuses sources de données).
• Il faut BEAUCOUP de données pour le rendre fiable. Ce n'est pas valable pour les petits projets.
• Si nous le sous-traitons, ce n'est pas bon marché.
• Les agences sont juge et partie.

En résumé

Nous comprenons désormais assez bien comment fonctionne notre marketing, et plus seulement sa partie numérique, et comment évolue notre investissement.

À nouveau, la partie produit numérique (taux de conversion et événements) est largement laissée de côté, même si nous pouvons les inclure comme variables.

Il faut croire au modèle. C'est un acte de foi (jusqu'à ce qu'il prouve sa validité). Si nous n'y croyons pas, mauvais signe.

C'est coûteux. En temps, en argent ou les deux.

Phase 4 : Attribution

L'analyse économétrique est généralement réalisée lorsque nous passons aux canaux non numériques.

Mais il se peut que nous ne franchissions jamais ce cap.

Alors, pour faire progresser l'analytics de notre entreprise, nous nous concentrerons sur l' Attribution, qui consiste simplement à attribuer une conversion au canal ou aux canaux qui l'ont rendue possible.

Voyons un journey d'exemple pour clarifier :

Cet utilisateur est arrivé sur notre site par différents canaux, avec différents appareils et à différents moments, jusqu'à finalement convertir.

Alors, à quel canal attribuons-nous cette conversion ?

• Au premier ?
• Au dernier ?
• À plusieurs ?

L'attribution peut être monocanal ou multicanal, selon le nombre de touchpoints de l'utilisateur avec notre site web pris en compte.

En outre, utiliser un modèle d'attribution nous aide à comprendre qu'il existe des canaux convertisseurs « renards de surface », comme le remarketing ou le SEM de marque, et des canaux assistants , comme l'e-mail. Il y en a aussi d'autres qui ouvrent le funnel.

En définitive, il faut comprendre ce que chacun apporte.

Les modèles d'attribution les plus courants

Popularisés par Google Analytics, on pourrait dire que les principaux sont les suivants :

• Last-click (monocanal) => outils publicitaires.
• Last-click indirect (monocanal) => Google Analytics, dans la plupart des rapports.
• Time decay (multicanal) => Google Analytics.
• Basé sur les données (multicanal) => Google Analytics et d'autres outils avancés d'analytics.

GA4 se base sur les données qu'il collecte sur le site et, si nous le configurons ainsi, sur ce qu'il sait de l'utilisateur, mais il lui manque des informations.

Par exemple, il ne prend pas en compte les impressions publicitaires et l'effet des post-view, ni les informations sur les canaux offline, ni les différents appareils d'un utilisateur s'il n'est pas connecté.

C'est pourquoi Google Analytics n'est pas le meilleur outil pour faire une attribution correcte.

D'autres outils (non gratuits) corrigent ces problèmes et intègrent davantage de variables, pas seulement les médias (CRM, appels, visites en magasin, concurrence, souscriptions…).

Avec toutes ces variables, on applique un modèle mathématique statistique similaire aux modèles économétriques.

Ce qu'inclut cette phase

• Comme dans l'économétrique, la contribution de chaque canal aux ventes.
• Même s'il est fréquent qu'il n'inclue que des informations sur les canaux numériques (plus simple), on peut en réalité ajouter au modèle tout ce qui est nécessaire (y compris l'investissement dans les canaux traditionnels), selon l'outil.

Objectifs

• Voir quels médias génèrent les ventes.
• Voir comment d'autres variables influencent les résultats.
• Ajuster au mieux l'investissement.

Source de données

Là encore, les sources sont multiples :

• Google Analytics et AdServer.
• Enquêtes.
• Données business.
• Visites en magasin.
• BTL.
• CRM / appels / SMS.
• …

Avantages de l'attribution

Très similaires à ceux des modèles économétriques :

• Inclut toutes les informations dont nous avons besoin (au moins avec les outils avancés).
• Apporte des informations très actionnables et stratégiques pour l'investissement.
• Explique le passé et permet de faire des projections pour l'avenir.
• Cela aide beaucoup à modifier la configuration optimale du plan marketing si nous pensons pouvoir améliorer l’approche.

Inconvénients de l'attribution

Encore une fois, similaires à ceux de la phase précédente :

• Ce n'est pas simple de créer un modèle robuste :
  • Il faut bien sélectionner les variables.
  • Tener el histórico de datos.
• Être capables de le produire et de le présenter dans le format adéquat.
• Cela implique une tâche laborieuse et difficile à automatiser (de nombreuses sources de données).
• Il faut BEAUCOUP de données pour le rendre fiable. Ce n'est pas valable pour les petits projets.
• C'est généralement sous-traité et les bons outils ne sont pas bon marché.

Résumé

Ce stade de l'analytics est excellent pour le département de marketing numérique d'une entreprise. Surtout si aucune action n'est menée sur des canaux offline.

C'est une analyse très fiable des canaux qui influencent le plus les ventes, ce qui aide à répartir correctement l'investissement.

On peut progressivement intégrer des variables d'événements qui se produisent dans le produit numérique (microconversions, pages vues pertinentes…).

En outre, ils nécessitent une équipe et des outils externes ainsi que du temps de préparation interne pour alimenter le modèle.

Phase 5 : Incrémentalité

L'attribution répartit les conversions entre les différents canaux marketing.

Mais la vérité, c'est que le marketing n'est à l'origine ni de toutes les conversions d'un site web ni de toutes les ventes d'une entreprise.

Rappelle-toi le modèle Product Led Growth, par exemple.

Ou pense aux marques de distributeur des supermarchés, qui n'ont jamais fait de campagne et vendent malgré tout.

C'est pourquoi, pour comprendre les ventes, d'autres facteurs entrent en jeu en plus de la promotion, comme la distribution ou le baseline acquis.

Et, quand on travaille dans le marketing, l'idéal est de comprendre la contribution réelle que nous apportons. C'est l' incrémentalité:

Graphique tiré de cet article très intéressant :

https://www.marketingweek.com/ehrenberg-bass-advertising-growth/

Il mérite vraiment d'être lu.

Comment mesurer l'incrémentalité

“La moitié de l'argent que je dépense en publicité est gaspillée. Le problème, c'est que je ne sais pas laquelle.”

John Wanamaker (1.838-1.922)

Et c'est que ce n'est pas du tout, mais alors pas du tout, facile à mesurer.

C'est si complexe que dans aucun projet auquel j'ai participé on n'a réellement essayé de le mesurer.

 Voici un exemple de la façon dont on peut le faire, tiré du travail du grand Avinash Kaushik : il s'agit, en gros, d'appliquer des stratégies différentes à différents groupes d'utilisateurs similaires et de mesurer leurs résultats.

Résumé

Cela devrait être notre objectif, mais la vérité est que seuls les grands projets disposent des ressources humaines et financières nécessaires pour mettre en place des systèmes de mesure de l'incrémentalité.

En prenant les trois derniers échelons de l'analytics marketing, on pourrait dire que :

• Si les modèles économétriques sont idéaux pour les départements communication et médias off…
• Les modèles d'attribution pour le marketing numérique…
• Mesurer l'incrémentalité est l'objectif ultime du directeur de toute entreprise par rapport au marketing.

Conclusions finales

Si nous parlons d'un projet petit ou moyen, le plus normal sera de progresser étape par étape, en commençant par la première.

En revanche, si nous parlons de projets avec un investissement plus important, le plus normal est de commencer directement et au minimum :

• Dans le scénario 2, si nous ne faisons que du numérique.
• Dans le 3, si nous faisons des campagnes TV.

Je te dirais qu'en réalité tu devrais être obsédé par l'idée d'atteindre la phase 5 dans ton projet, mais je mentirais. J'ai collaboré avec des entreprises très performantes de tailles différentes et la seule chose que nous avions –si j'inclus la mienne- était le désir d'y arriver, sans pour autant mener d'actions dans ce sens.

Parce qu'un bon plan marketing et une analytics correcte en phase 2, 3 ou 4 suffisent largement dans de nombreux cas.

Cela dit, la phase 1 est presque toujours insuffisante, donc si ton projet en est là et que tu consacres des ressources au marketing, rends-toi service et passe au moins à la deuxième. Car même si tu ne travailles pas avec des canaux payants, le SEO et l'email (pour citer les deux plus fréquents) doivent aussi être optimisés.

Et à mesure que ton projet et ton marketing grandissent, n'oublie pas que l'analytics doit avancer de pair. C'est la seule façon d'optimiser cet investissement.

Si tu ne dois retenir qu'une seule chose de cet article, que ce soit celle-ci :

Le marketing, et surtout le marketing numérique, doit toujours, toujours, toujours aller de pair avec une bonne analyse.

Si tu as besoin d'aide avec le tien, jette un œil à ce cours d'analytics business pour ecommerce ou contacte-moi et nous le passerons en revue.