La référence des professionnels
des communications et du design

Tendances en analytique: retour sur l'événement Superweek 2018

Raphaël Calgaro Stratège, données et performance, lg2

J’arrive tout juste de la conférence Superweek 2018, un incontournable annuel afin de tout savoir sur l'utilisation de l'analytique pour créer de la valeur en entreprise. J’ai pu y entendre les grandes sommités mondiales du domaine, durant cinq jours, au sommet de la plus haute montagne en Hongrie. Seul Québécois sur place, je vous fais part des sujets chauds traités et des tendances à venir. Mais avant tout…

Mais avant tout… l'événement Superweek, qu'est-ce que c'est?

Superweek a réussi en seulement sept ans l'immense exploit de convaincre les plus grands noms de l'industrie de venir de partout uniquement pour la qualité des présentations et des conversations qui s'ensuivent. Fidèle à son habitude, l’événement a encore offert une diversité de sujets, des techniques d'analyse utilisées en Australie depuis plusieurs années jusqu'à l'intelligence artificielle d'Yandex (le Google russe) ou encore les techniques slovènes pour se dépêtrer d'un dead-end analytique.

Voici les quatre sujets qui ont retenu l’attention:

1. Protection de la vie privée: l’entrée en vigueur en Europe du Règlement général sur la protection des données (RGPD) et ses impacts potentiels chez nous

Vous êtes un office touristique et vous avez récolté des données sur vos visiteurs européens? Vous êtes détaillant et vous vendez en ligne en Europe? Ce qui suit est pour vous.

Le RGPD est décidément l’un des sujets les plus chauds de l’heure, même si, de prime abord, on peut penser que son entrée en vigueur ne nous affecte pas ici. Pourtant, elle s’applique à toute société qui traite avec des particuliers en sol européen. Elle concerne aussi les données hébergées en Europe, ce qui peut toucher plusieurs annonceurs canadiens.

Selon le RGPD, les entreprises d’ici pourraient entre autres devoir effacer les données récoltées à la demande d’un individu (droit à l’oubli), cesser le transfert des données d’un utilisateur (portabilité des données) ou encore mettre fin à l'utilisation des données à des fins de ciblage.

La manière de collecter les données doit donc être revue au complet pour assurer la légalité de sa procédure. Une entreprise jugée fautive pourrait se voir imposer une amende correspondant au plus élevé de ces deux montants: 4% de ses ventes globales ou 20 millions d’euros. On parle ici d’une première offense assez salée. 

Les organisations devraient à tout le moins s’assurer de chercher des conseils juridiques. Les experts sur place croient que les entreprises data responsible sont en mesure de transformer cette menace en occasion d'affaires en mettant en place des politiques de respect de la vie privée qui pourraient devenir des «USP» forts pour les consommateurs. 

Par ailleurs, la plupart des outils de collecte et de maintien des données en ligne développent des fonctionnalités qui permettront aux utilisateurs d'affaires de se conformer au RGPD.  

2. Intelligence artificielle/apprentissage automatique: collecter proprement et posséder ses données

Les entreprises qui l’emploi doivent comprendre l’importance d’une collecte de donnée propre en amont afin que la matière brute ne soit pas un obstacle à la mise en œuvre rapide du principe machine learning au moment opportun. 

À ce sujet, Matt Gershoff, cofondateur de Conductrics (fournisseur de solutions de machine learning) croit qu’il est possible de tester différentes approches, mais que pour avancer plus vite, il faudrait plutôt considérer l'achat d'une solution adaptée.

J'abonde en ce sens, mais seulement à condition que l'annonceur signe un contrat qui lui assure la possession de ses données et qu'il puisse n'importe quand et gratuitement se sortir du contrat avec le fournisseur de solutions.

3. Le grand retour de l'attribution des données, ou comment attribuer correctement un succès 

L'attribution sert à identifier correctement quelles sont les sources d'achalandage ET sur quel type d'appareil l'achalandage converge. Les modèles offerts gratuitement en ce moment sont subjectifs et peu fiables. 

La nouvelle mouture gratuite de Google Attribution élimine cette subjectivité en donnant aux sources ET aux appareils leur juste portion des conversions avec un modèle d'attribution data driven. Ce dernier s'est imposé comme la meilleure approche dès son lancement il y a quelques années avec Google Analytics Premium (maintenant Google Analytics 360). Bien que l’accès de Google Attribution soit actuellement limité, Google a annoncé durant la conférence que ce dernier sera étendu de manière graduelle ce printemps.  

Imaginez la situation suivante:   

  1. À la suite d'une recherche de film sur son téléphone, une personne clique sur un lien payant, puis envoie la suggestion à un collègue par Facebook.  
  2. Le collègue est interpellé par la suggestion et répond par Facebook. 
  3. Plus tard, la première personne retourne sur Facebook avec son ordinateur de bureau, lit le commentaire de son collègue et clique sur le lien (médias sociaux) pour finalement acheter les billets en ligne.  

À quelle source attribue-t-on la vente? Le paid search ou Facebook? Un outil comme Google Attribution déclare responsable seulement la deuxième action de l'achat, et le lien entre le téléphone et l'ordinateur n'est souvent pas fiable. 

Le nouveau modèle rend possible de réattribuer les conversions selon la performance de chaque combinaison source et appareil selon sa position entre la première interaction de l'utilisateur et la conversion.  

Après l'analyse de cette modélisation, les marques vont souvent réviser les budgets par source d'achalandage en fonction de leur performance globale. La révision a pour but d'optimiser les revenus avec le même budget ou même de conserver des revenus semblables avec un investissement moindre, laissant de la place aux tests et à l'innovation dans l'acquisition d'achalandage.  

4) Exit KPI, bienvenue KPQ

Le quatrième sujet qui a stimulé les discussions est une présentation du fondateur de l'agence danoise IIH Nordic, Steen Rasmussen, sur le problème inhérent d’un langage trop axé sur les chiffres plutôt que sur celui de l’entreprise avec laquelle on travaille. Celui-ci invitait à se poser davantage des questions comme «Que voulez-vous savoir sur la performance de votre entreprise?» au lieu de s’arrêter aux traditionnelles questions comme «Que voulez-vous découvrir sur votre site?».

Le travail de l'analyste n'est pas d'identifier l'indicateur de performance (chiffre) qu'il doit fournir, mais de trouver des réponses (mots) aux questions d'affaires. C'est la seule vraie façon d'employer les données intelligemment et d'en tirer le plein bénéfice. Un manque de vue d'ensemble peut ultimement mettre en péril l’ensemble des activités d'une marque.  

Plusieurs intervenants disaient miser moins sur les indicateurs de performance de revenus au profit des indicateurs de satisfaction tels que Customer Engagement Score, Customer Happiness Score ou encore la probabilité qu'un utilisateur revienne sur l'écosystème numérique de la marque. Cette façon de voir les choses démontre comment la satisfaction des utilisateurs envers les expériences numériques devient une véritable priorité. Et cela démontre tout le potentiel du numérique comme outil de mesure de la satisfaction globale d'une organisation. 

 

---

Les opinions exprimées dans cette tribune ne sont pas nécessairement celles d’Infopresse.

comments powered by Disqus