Précision dans l'analyse numérique : ce que les spécialistes du marketing doivent savoir

Il existe une idée fausse selon laquelle les rapports d'analyse numérique sont inexacts. En réalité, ils sont très précis à leur manière, mais pas précis. Le problème réside dans les utilisateurs qui ne savent pas ce que signifient les données d'analyse ou comment elles sont collectées. Pour aggraver les choses, différents outils mesurent les choses différemment mais les appellent par le même nom.

Dans cet article, nous examinerons de plus près les nuances de la mesure des données et la manière dont divers logiciels d'analyse sont en action.

Examiner les nuances dans la mesure des données

Les outils d'analyse numérique n'ont jamais été conçus pour fonctionner comme des systèmes comptables ou des registres des ventes. Ils ont été conçus pour collecter et quantifier les données interactives des utilisateurs en informations et rapports facilement utilisables. Au fil des ans, les méthodes de collecte de données de ces outils ont évolué. À son tour, la façon dont les points de données spécifiques sont mesurés a également changé.

Disons que vous avez changé votre ruban à mesurer de l'impérial (mesuré en pouces) au métrique (mesuré en centimètres). La longueur d'un bureau peut être rapportée comme 39,4 dans l'un et 100 dans l'autre. La longueur du bureau n'a pas changé, mais la façon dont vous l'avez mesuré a changé.

Essayez de basculer entre différents outils d'analyse. Souvent, vous verrez que vos chiffres peuvent être différents, mais les lignes de tendance restent similaires. Chaque outil compte les choses légèrement différemment; le même problème s'applique fréquemment lors de la mise à niveau du logiciel.

À un moment donné, les utilisateurs uniques ont été comptés en combinant le nombre total d'adresses IP uniques qui ont accédé à un site Web au cours d'une période donnée. Finalement, les organisations ont commencé à utiliser des pare-feux/serveurs proxy, obligeant tous les utilisateurs internes à accéder à Internet avec une seule adresse IP. La façon dont les adresses IP uniques ont été comptées n'a pas changé, mais le nombre d'utilisateurs uniques a chuté de façon spectaculaire.

Le comptage des utilisateurs uniques a évolué vers l'utilisation d'une combinaison d'adresse IP, de système d'exploitation et de navigateur (type et version), puis l'ajout d'un cookie persistant pour mieux estimer les utilisateurs uniques. Encore une fois, peu importe comment vous comptez les utilisateurs uniques si l'utilisateur a effacé ses cookies et son cache ou a changé d'ordinateur (bureau vs domicile vs téléphone), aucun outil d'analyse n'aura fourni un nombre exact. De nos jours, les outils prennent en compte d'autres facteurs lors du comptage des utilisateurs uniques.

Approfondir : Analyse des données : le passé et les limites de votre pile

Comment penser à vos données d'analyse

Votre logiciel d'analyse est imparfait en raison de nombreux facteurs indépendants de sa volonté. Les utilisateurs peuvent bloquer les cookies ou d'autres méthodes de suivi. Les blips Internet peuvent empêcher les données d'atteindre le serveur de collecte de données. La meilleure façon de penser à vos données d'analyse est de les considérer comme un sondage sur l'activité des utilisateurs.

Tout le monde connaît les sondages en période électorale. Un sondage typique pour une élection présidentielle américaine porte sur environ 10 000 personnes (ou moins) sur plus de 150 millions d'électeurs éligibles (0,006 % des électeurs). C'est pourquoi, lorsque les diffuseurs d'informations rapportent les résultats du sondage, vous entendez quelque chose du genre "Ces données sont exactes à 4 points de pourcentage près 4 fois sur 5". Cela équivaut à un décalage de plus de 4 points de pourcentage 20% du temps.

En ce qui concerne vos outils d'analyse numérique, la plupart des professionnels de l'analyse estiment que la perte de données ne dépasse pas 10 % et très probablement autour de 5 %. Comment cela se traduit-il en précision des données ?

Si votre site a reçu 10 000 sessions au cours d'une période de rapport mais que, pour diverses raisons, vous ne pouviez capturer des données que sur 9 000 sessions, vos données seraient exactes dans une marge d'erreur inférieure à 1 %, 99 fois sur 100.

En d'autres termes, 99 fois sur 100, vos données sont exactes et 1 fois sur 100, elles sont erronées de plus de 1 %. En termes simples, vos données sont exactes, mais elles ne sont pas parfaites (précises) et ne correspondront pas à vos enregistrements de ventes.

Ces données sont plus que suffisamment précises pour déterminer quels efforts marketing (SEO, publicités payantes, publications sponsorisées, marketing sur les réseaux sociaux, marketing par e-mail, etc.) fonctionnent et même lesquels génèrent du trafic par rapport à ceux qui génèrent des ventes.

Creusez plus profondément : n'appliquez pas de vœux pieux à vos données

L'analytique en action

Bien que les données d'analyse puissent être exactes, même un petit pourcentage de précision peut remettre en question votre analyse. Cela est particulièrement vrai lorsque la différence entre deux sources de données change.

La clé est de surveiller les données et, si possible, de les comparer. S'il y a un changement soudain dans la précision, vous devez enquêter. Par exemple, votre site Web a-t-il été récemment modifié ? Cette modification a-t-elle été correctement étiquetée pour capturer les données ?

Un client a déjà ajouté une fenêtre contextuelle à son compte Shopify après avoir passé une commande, mais avant la génération de la page de remerciement. Leur outil d'analyse enregistre les ventes uniquement lorsque l'utilisateur reçoit la page de remerciement.

Avec la fenêtre contextuelle en place, la commande est toujours passée, mais de nombreux utilisateurs n'ont pas cliqué sur la messagerie. En conséquence, un grand pourcentage des ventes n'a soudainement pas été capturé car aucune page de remerciement n'a été générée. Il n'y aurait pas eu de problème si la fenêtre contextuelle était apparue après la page de remerciement.

Vous trouverez ci-dessous un exemple de suivi des ventes et des commandes entre Shopify et Google Analytics 4 (GA4). Nous pouvons voir combien de données sont perdues en raison de divers facteurs. En utilisant les analyses de Shopify comme enregistrement des ventes réelles et en les comparant aux données collectées via GA4, nous constatons ce qui suit :

Les variations quotidiennes du chiffre d'affaires total et des commandes ont varié de pratiquement 0 % à près de 13 %. Dans l'ensemble, au cours de ces 24 jours, GA4 a enregistré 5,6 % de revenus en moins et 5,7 % de commandes en moins. Ces données sont exactes, en particulier lorsqu'elles sont appliquées aux efforts de marketing pour voir ce qui a conduit l'utilisateur sur le site pour effectuer les achats.

Cette entreprise doit-elle utiliser GA4 pour déclarer ses ventes ? 100% non ! C'est à cela que servent les logiciels de comptabilité.

Si votre organisation exige des données encore plus précises, il existe des méthodes pour pousser les données directement vers la plupart des outils d'analyse (côté serveur). Cela évite les problèmes avec les navigateurs des utilisateurs et les cookies.

Bien que les données sur les ventes puissent être plus précises, d'autres aspects de mesure souple de l'interaction de l'utilisateur peuvent chuter (par exemple, le suivi du défilement). Il s'agit d'une méthode complexe et longue à mettre en œuvre pour la plupart des organisations.

Vous devez vous demander : "Cet effort supplémentaire est-il nécessaire uniquement pour capturer 2 à 5 % supplémentaires du chiffre d'affaires dans mes rapports d'analyse ?"

Comprendre vos données analytiques

Tout le monde doit avoir confiance en ses données analytiques. La clé est de s'assurer que votre logiciel d'analyse est installé et configuré correctement. Comprenez qu'il ne peut pas tout capturer.

Votre logiciel d'analyse prend simplement un sondage avec une taille d'échantillon de plus de 90 %. Cela rend les résultats très précis (sur la cible), voire précis à 100 % (chiffres réels).