Solutions Digital Analytics conçues pour les non-analystes

Des solutions analytiques « intelligentes » qui sèment la confusion

Les analystes numériques travaillent avec des outils puissants qui offrent de nombreuses variables et options pour personnaliser leur configuration. Mais tirer pleinement parti de toutes ces personnalisations peut en fait être contre-intuitif et faire en sorte que les organisations obtiennent peu ou pas de valeur de ces outils.

Légère contradiction là ?

Eh bien, cela revient à l'objectif de Digital Analytics d'« éclairer les décisions et les actions d'une organisation afin d'obtenir de meilleurs résultats ». Ces décisions et actions ne sont pas prises par les analystes numériques, mais par tous les autres membres de l'organisation. Ainsi, pour que Digital Analytics ait une chance d'atteindre son objectif, les données doivent être accessibles aux spécialistes du marketing, aux chefs de produit, aux concepteurs, à l'UX, aux développeurs, aux stratèges, à l'équipe de vente et bien sûr à la suite C.

Digital Analytics doit soutenir ces personnes en leur fournissant l'intelligence dont elles ont besoin afin que les décisions qu'elles prennent et les actions qu'elles entreprennent soient aussi informées que possible et donc plus susceptibles d'obtenir les meilleurs résultats pour l'entreprise.

Une solution étonnamment "intelligente" conçue pour les besoins de l'analyste numérique peut en fait constituer un obstacle pour le reste de l'organisation. Si les gens trouvent que leur travail est trop difficile à faire avec l'utilisation des données, ils ignorent simplement ces données et continuent à prendre des décisions et des actions en utilisant leurs propres connaissances et expériences.

C'est mauvais pour les affaires.

Comment créer une configuration non conviviale pour les analystes

1. Ne divisez pas les informations de la page entre les variables

Problème : Chaque outil Digital Analytics fournit des variables dans lesquelles vous pouvez capturer des informations sur la page. Une configuration "intelligente" enregistre le type de page, la catégorie de page (et les sous-catégories), la section du site, la langue de la page et le nom/identifiant réel de la page dans des variables distinctes. Pour un analyste, utiliser plusieurs variables à la fois pour identifier les pages et les groupes de pages est simple et puissant. Pour un non-analyste, ouvrir un rapport et être incapable de relier les noms de page aux pages du site Web est tout simplement déroutant.

Correction : Une configuration d'outil utile inclut les types de page et les catégorisations de page dans le nom de la page elle-même. Cela permet au non-analyste d'apprendre à accéder aux données à l'aide d'un seul rapport. Dans ce cadre, les noms de page sont intuitifs (la page d'accueil s'appelle /homepage) et il est facile d'appliquer un filtre pour afficher un ensemble de pages souhaité.

2. Créez des conventions de nommage conviviales

Problème : Une réaction courante des développeurs lorsque nous fournissons des instructions de suivi est une demande d'utilisation d'une abréviation ou d'un identifiant au lieu d'un nom. Si le développeur peut utiliser une variable existante et simplement la pousser vers la couche de données, c'est beaucoup moins de travail pour lui.

En tant qu'analystes, nous pouvons généralement vivre avec cela. Nous pouvons mémoriser rapidement tous les ID de clé ou ce que signifient les abréviations, c'est donc aussi rapide que de travailler avec des noms. Pour tout le monde, cela transforme les rapports et les données en un charabia sans signification qui a besoin d'une table de traduction (ou d'un traducteur d'analystes) pour être utilisable.

Correction : le simple compromis est qu'un peu de temps pour les développeurs qui utilisent maintenant une convention de dénomination conviviale fera gagner des jours de temps pour le reste de l'entreprise à l'avenir.

3. Intégrez les manipulations et le nettoyage des données dans les outils d'analyse de données

Problème : Un problème courant dans toute organisation est lorsque les chiffres ne correspondent pas. Si deux personnes ne peuvent pas produire les mêmes chiffres, c'est généralement l'outil fournissant ces chiffres qui est blâmé et non fiable. L'une des causes en est la nécessité de manipuler et de nettoyer les données pour accéder aux « numéros d'entreprise » officiels, mais la connaissance/compétence de ces exigences est limitée à un petit nombre de personnes.

Alors que l'analyste numérique comprend exactement comment les données de performance de l'entreprise sont facilement extraites de l'outil, cela se perd dans la traduction pour le reste de l'entreprise. Si les chiffres ne correspondent pas, la confiance disparaît.

Correction : créez une solution où les segments et les combinaisons de rapports ne sont pas nécessaires, et à la place, les manipulations et le nettoyage des données sont intégrés à l'outil lui-même. Ce travail supplémentaire permet à n'importe qui dans l'entreprise de trouver facilement les numéros d'entreprise qui correspondent à l'ensemble officiel, ce qui réduit considérablement les erreurs de communication et les problèmes.

4. Assurez-vous que les données agrégées sont facilement disponibles et accessibles

Problème : L'une de mes surprises constantes a été de parler à des personnes et à des entreprises convaincues que les données ne doivent être accessibles qu'au format brut. Peut-être connaissent-ils SQL eux-mêmes (ou un autre outil) et l'utilisent-ils pour accéder à toutes les données dont ils ont besoin. Par conséquent, ils pensent que les outils d'analyse sont une perte de temps et une limitation pour les affaires.

C'est formidable pour eux jusqu'à ce que l'organisation embauche quelqu'un sans cet ensemble de compétences qui est incapable d'accéder aux données brutes et de les manipuler, puis toute la solution s'effondre.

Correction : des tableaux de bord simples et des données agrégées sont essentiels au fonctionnement d'une entreprise. Tout simplement, une solution que seul l'analyste ou un utilisateur technique peut utiliser est une mauvaise solution. J'ai écrit il y a longtemps sur la quadfurcation de l'analyse numérique, le 4ème niveau d'analyse étant l'utilisation de données brutes. Je continue de croire que ce niveau offre le plus grand potentiel d'informations, mais il ne devrait être développé qu'une fois que l'organisation a mis en place les trois niveaux précédents.

L'importance de la conception

Le maître mot ici est « design ». C'est ce que nous faisons lorsque nous définissons le suivi et effectuons tout le travail de configuration pour la configuration d'un outil Digital Analytics - nous concevons cet outil. Ce qui signifie que nous devrions penser à la convivialité.

J'ai lu exactement un livre sur l'utilisabilité d'un site Web dans ma vie – Don't Make Me Think de Steven Krug. Et vraiment, tout ce que vous avez à faire est de mémoriser et d'appliquer ce titre à tout ce que vous faites.

Les Digital Analysts peuvent facilement tomber dans le piège de concevoir une solution Digital Analytics (configuration des outils et/ou accès aux données) pour leurs propres besoins. Je le sais par mes propres erreurs dans le passé.

De plus, aucune entreprise ne peut compter sur son analyste pour fournir tous les rapports et informations. Ce n'est pas pratique car l'analyste devient un goulot d'étranglement et est incapable de fournir une valeur réelle.

La solution d'analyse numérique véritablement «intelligente» est conçue pour permettre au reste de l'entreprise, aux décideurs et aux preneurs d'action, d'être en mesure d'utiliser les données et les informations pour prendre des décisions / actions plus intelligentes.

Vous souhaitez en savoir plus sur la manière d'utiliser efficacement les solutions Digital Analytics et d'obtenir de meilleurs résultats pour votre organisation ? Consultez nos ateliers de formation gratuits ou contactez-nous pour discuter plus en détail de vos besoins.