En analyse web, que vos KPIs (Indicateurs Clés de Performance) soient à la hausse ou à la baisse, tout ou partie de la variation ne s’explique pas forcément par une mauvaise ou bonne performance de vos équipes produit ou acquisition. Cela peut tout simplement venir des variations du marché qui peuvent fluctuer non seulement par saisonnalité mais aussi par des effets de modes, des crises ou bien des événements particuliers.
L’histoire qui découle des analyses est alors bien différente quand nous prenons du recul, en analysant non pas au niveau du site mais au niveau du site dans son marché.
Découvrons ensemble comment DataMa quantifie la tendance et l’intègre à l’analyse.
Prendre du recul dans l’analyse de la performance
Etude du problème
On se dit souvent que quand le nombre de sessions baisse ou augmente cela est dû aux tendances du marché, mais nous avons souvent tendance à garder cette réflexion de manière qualitative. Pendant la crise du Covid par exemple, qui avec les confinements, a grandement impacté de nombreux marchés web, bien des analystes et directeurs ecommerce ont dit : « C’est à cause de l’effet Covid ». Les analyses hebdomadaires, mensuelles ou par rapport à l’année précédente n’étaient alors plus réellement « exploitables ». C’est dommage, car il suffit de prendre en compte un indicateur du marché pour rendre ce contexte qualitatif en une donnée qualitative, et faire la part des choses entre contexte marché et performance de l’entreprise.
Alors comment peut-on analyser les variations de chacun des indicateurs tout en ayant du recul sur l’évolution du marché dans lequel vous évoluez ?
Essayons donc de quantifier l’effet de la tendance du marché pour interpréter de manière plus pertinente les variations de vos indicateurs de performance.
Construire un indicateur de part de marché
Selon ce que vous suivez comme indicateur d’entrée en volume sur votre site, que ce soit le nombre de sessions ou d’utilisateur quand vous analysez votre tunnel de conversion ou le coût de vos campagnes quand vous étudiez des problématiques d’acquisition, il est possible de créer un indicateur qui sera le ratio entre cette métrique d’entrée et la valeur de la tendance marché qui dépend de votre source :
Construire l’équation de marché
Comme souvent chez DataMa, nous allons utiliser l’approche d’« équation de marché ». C’est une approche analytique qui permet de relier mathématiquement des indicateurs entre eux. Dans notre exemple, elle s’écrit comme suit :
DataMa va alors prendre en compte l’impact de la tendance du marché et regarder en conséquence les variations des autres indicateurs.
Constituer la donnée source
L’indice de marché peut être généré de manière plus ou moins précises selon les sources que vous avez à disposition.
Il existe des sources payantes, extrêmement performantes (DataMa est partenaire avec FoxIntelligence ou Nielsen par exemple mais on peut aussi citer Similar Web, SEM Rush etc), mais aussi des sources gratuites parfois largement suffisantes pour des besoins généraux, comme Google trends par exemple.
Pour construire votre indice de part de marché, vous allez devoir extraire la donnée de cette source par date et la combiner avec celle de vos données analytiques issues par exemple de Google Analytics.
Prenons par exemple le cas d’un site de vente de voyage qui souhaite analyser la performance de ses ventes entre mars et avril 2020 lors du premier confinement:
Côté Google Trends, nous récupérons les données du mot « voyage » en France. C’est un bon proxy de l’indice de marché :
Côté Google analytics, nous sélectionnons les dimensions et les métriques utiles : dans notre exemple nous allons suivre le tunnel de conversion du site de notre agence de voyage, qui se décompose de manière très simple en sessions, réservations puis en transactions qui se matérialisent sous forme de revenu.
Via DataMa Prep nous pouvons automatiser le processus, en utilisant les connecteurs Google Trends et Analytics et la fonction « append ». Elle pourra ainsi être mise à jour automatiquement de manière régulière.
Nous obtenons alors le flow suivant, où la donnée Google Analytics vient se « coller » sous la donnée Google Trends :
Voir la source
Analyser l’écart de performance
En modélisant la source dans le module DataMa Compare en la connectant sous forme de « Waterfall », regardons quels insights pouvons-nous en tirer pour expliquer l’évolution des revenus entre les mois de mars et avril :
1. La première remarque qui saute aux yeux, est la chute de l’indice du marché de -44,1%, ce qui correspond à la représentation directe de l’impact du confinement en France sur la tendance du marché.
2. La seconde est que notre tunnel de conversion bien qu’en baisse, ne se comporte pas si mal par rapport à la tendance du marché avec une baisse de seulement -23%, soit une compensation 21% due à une meilleure performance des étapes acquisition de sessions par rapport aux tendances du marché et un plus grand panier moyen.
Sans prendre en compte la tendance du marché, là où nous aurions pu voir un problème d’acquisition avec une perte de -32,7%, comme indiqué sur la waterfall ci-dessous qui exclue l’effet des tendances du marché
3. Enfin nous analysons que la perte de traffic liée à la chute du marché est partiellement compensée par une hausse du panier moyen de 15,9%. Après un « Zoom in » sur cette étape du panier moyen (décomposition d’une étape par tous les segments de la dimension la plus pertinente), nous observons que cela s’explique par une meilleure performance des campagnes SEA 36% supérieure à la moyenne et des campagnes d’e-mail avec des performances 66% supérieure à la moyenne.
Conclusion
Avec DataMa, nous avons donc en quelques minutes réalisé une analyse complexe, qui permet de quantifier précisément l’origine d’une évolution de revenu sur notre site internet entre deux périodes, et faire la part des choses entre ce qui est de l’ordre de la performance interne de notre organisation (en acquisition, en conversion ou en pricing) et ce qui est plutôt imposé par la tendance du marché.
Cette analyse vous a plu ?
Faites la même à la maison ? !
- Créez un compte sur solutions.datama.fr
- Adaptez et uploadez-le dataset utilisé dans cet article