Cas d’usage n°10 : Utiliser Datama Journey pour optimiser l’usage des filtres chez JOTT

Contexte

Comment capitaliser sur les filtres existants et tirer le meilleur parti des données déjà collectées ?

JOTT est une marque de vêtements marseillaise dont le produit phare est la doudoune Ultralight colorée.

Le site web de JOTT reflète son image de marque : une marque transgénérationnelle, intemporelle et colorée qui rayonne l’énergie créative du Sud dans des produits essentiels ingénieux.

Pour toute plateforme d’e-commerce, les filtres jouent un rôle essentiel en aidant les utilisateurs à naviguer à travers une vaste offre de produits, augmentant ainsi la probabilité de conversions.
Le principal défi est donc de trouver un moyen d’analyser et de donner du sens à chaque événement de filtrage, une tâche qui peut sembler colossale et fastidieuse… si vous n’utilisez pas le bon outil.
Bonne nouvelle : c’est exactement ce que fait Datama Journey !

Approche: Utiliser Datama Journey pour l’analyse des filtres

Qu’est-ce qu’un Sunburst Chart?

JOTT collectait déjà des données dans GA4, mais cette collecte était effectuée sur des événements accumulant des choix de filtres tels que :

• event1 = taille, taille, collection, couleur, type, type, couleur
• event2 = couleur, taille, type, couleur, type
• …

En y regardant de plus près, il est devenu évident que ces données avaient un grand potentiel, puisqu’elles avaient exactement la structure d’un parcours client.
En interrogeant les données GA4 dans BigQuery (et en utilisant en particulier la fonction STRING_AGG), nous avons obtenu un ensemble de données qui correspondait parfaitement au format requis pour Datama Journey, c’est-à-dire le nombre de sessions et de transactions liées à chaque parcours de filtre spécifique, réparties par type d’appareil.
Les données ressemblent à ceci :

Cet ensemble de données contient des informations randomisées et anonymes pour des raisons de confidentialité.

Visualisation des filtres grâce au sunburst chart

Un sunburst chart est une visualisation de données hiérarchiques sous forme de segments concentriques. Chaque niveau hiérarchique est représenté par un anneau. Le centre du diagramme représente le niveau le plus élevé de la hiérarchie, et les segments se subdivisent en anneaux extérieurs pour représenter les niveaux de détail inférieurs.

Les sunburst charts sont excellents pour mettre en évidence les proportions et les relations au sein des structures hiérarchiques.

Dans l’exemple ci-dessous, nous pouvons voir que “taille” (en jaune) est le premier filtre sélectionné. Ensuite, “Couleur” est le deuxième filtre sélectionné en premier par 15,55% des sessions.

Dans un deuxième temps, cette session sélectionne juste après ‘Capuche’ comme filtre.

L’événement => Couleur, Capuche est donc utilisé par 1,97% des sessions.

Vous pouvez immédiatement identifier l’intérêt principal de votre client et d’autres éléments connexes. Ici, nous pouvons voir que 50 % des sessions n’utilisent que deux filtres.

Le principal enseignement à tirer de cette première partie est que les filtres doivent apparaître différemment : le client ne doit pas lire les types de filtres triés par ordre alphabétique, mais dans un ordre qui révèle les besoins du client.

Comprendre la contribution de chaque action par l’attribution de valeur

Comprendre le parcours du client est essentiel, mais une question centrale demeure :

Les filtres les plus utilisés ont-ils un effet sur l’acte d’achat ?

Grâce au calcul d’attribution et au dimensionnement de la perte d’opportunité, Datama offre une feuille de route claire pour cette analyse en reportant chaque action sur ces deux métriques :

Nous pouvons alors voir immédiatement quel filtre est le meilleur et lequel doit être optimisé. Il peut s’agir de la position, de la formulation, de la facilité de sélection (par exemple, les icônes) ou même de l’utilité globale.

Nous pourrions également comparer les performances sur mobile et sur ordinateur ou par groupe de pages de contenu, ce qui soulève une foule de nouvelles questions qui ne demandent qu’à être résolues.

Résultats : Datama améliore la performance des filtres de JOTT

Grâce à l’utilisation de Datama Journey, JOTT a amélioré de manière significative la performance des filtres de son site web.

Principales améliorations:

• Visualisation du parcours client: Obtenez une vision claire de la navigation de vos clients, en mettant en évidence les interactions critiques.
• Attribution de valeur: Évaluez et attribuez une valeur à chaque point de contact, en fournissant des informations sur les domaines à fort impact.
• Priorisation des améliorations: Trouvez l’ordre dans lequel les filtres doivent être utilisés pour faciliter leur lecture par les clients.

En s’appuyant sur Datama Journey, JOTT a rapidement identifié les filtres les plus fréquemment utilisés et ceux qui devaient être optimisés. Par exemple, l’analyse a révélé que 50% des sessions n’utilisaient que deux filtres principaux, soulignant la nécessité de réorganiser la présentation des filtres pour mieux répondre aux besoins des clients. En outre, les comparaisons entre les appareils mobiles et les ordinateurs ont permis de détecter des différences potentielles dans l’expérience de l’utilisateur, ce qui a conduit à des ajustements spécifiques.

Datama Journey a également permis à JOTT de comprendre l’impact de chaque filtre sur la décision d’achat, révélant quels filtres sont les plus efficaces et lesquels nécessitent des ajustements, tels que leur position, leur formulation ou leur facilité de sélection. Cette approche ciblée a permis d’augmenter les taux de conversion et d’améliorer l’expérience utilisateur.

Conclusion

L’intégration de DataMa Journey dans les processus analytiques de JOTT a mis en évidence l’importance d’une visualisation claire et pertinente des données. En utilisant des visualisations telles que les sunburst charts, JOTT a transformé des données complexes en informations exploitables, améliorant ainsi la satisfaction des clients et les performances de l’entreprise. En capitalisant sur ces informations, JOTT continue d’affiner ses stratégies de filtrage, renforçant ainsi sa position sur le marché et répondant mieux aux attentes de ses clients.