Catégorie : Ecommerce | Solution : Traitement des sources de données | Type : Récurrent | Client : Caran d’Ache
Tags : #Performance #Business #Ajustement KPI
Le chiffre d’affaires est l’un des indicateurs clés de performance les plus importants que chaque entreprise mesure. Il provient de différents départements, est calculé de différentes manières et est analysé par des unités commerciales distinctes avec différentes dimensions.
L’un des plus grands défis de l’analyse des revenus dans l’industrie du web est l’attribution : pour décider correctement où investir dans la publicité sur les plateformes médiatiques, les gestionnaires de trafic doivent comprendre d’où viennent les revenus actuels. Cependant, cela est assez difficile car chaque plateforme attribue les ventes différemment, les outils d’analyse web comme Google Analytics fournissent une image partielle et souvent subjective, et même les chiffres absolus totaux ne correspondent pas toujours à ce qui apparaît dans le back-office de l’ERP.
Dans cet article, nous vous présentons comment Datama a aidé l’un de nos clients, Caran d’Ache, à résoudre de tels défis en réattribuant les revenus à partir de diverses sources de données incomplètes dans BigQuery, puis en surveillant les performances au quotidien à l’aide de Datama Detect.
"Grâce à Datama, nous avons pu réconcilier des sources de données disparates et réattribuer le trafic non alloué de Google Analytics. Cela nous a permis d'avoir une vision plus claire et plus fiable de la répartition de notre chiffre d'affaires par canal d'acquisition et de mieux comprendre la performance de nos campagnes en temps réel."
Contexte
Notre partenaire, Caran d’Ache, est une entreprise suisse de fabrication de matériel d’art et d’instruments d’écriture. Elle exploite une plateforme de commerce électronique qui vend des produits tels que des stylos, des crayons, des peintures à la gouache et des cartouches d’encre. En 100 ans, les instruments Caran d’Ache ont acquis une renommée internationale pour l’expérience du dessin et de l’écriture qu’ils offrent grâce à l’élégance de leurs lignes, la qualité de leurs matériaux, la pureté de leurs pigments et la brillance technique de leur conception. L’entreprise possède de nombreux magasins et collabore avec des revendeurs dans le monde entier. Elle distribue également ses produits directement en ligne grâce à sa propre boutique de commerce électronique.
Pour maximiser ses revenus, elle investit dans diverses plateformes sociales. Par conséquent, le chiffre d’affaires total de l’entreprise est enregistré par canal médiatique. En outre, Google Analytics (GA) sert de collecteur et de gestionnaire de données et fournit également des chiffres d’affaires totales. Enfin, la plateforme ERP de l’entreprise, SAP, enregistre le chiffre d’affaires total.
Problème majeur : Chiffres d’affaires incohérents avec des sous-totaux manquants pour les canaux prévus
Le problème provient d’incohérences dans les chiffres d’affaires provenant des plateformes médiatiques, de Google Analytics et de SAP :
- Les chiffres d’affaires attribués par les plateformes sont très différents de ceux attribués par Google Analytics (GA).
- GA attribue une partie de revenu au trafic « direct », qui n’existe pas vraiment, mais en raison des restrictions imposées par des tiers en matière de cookies et des bloqueurs de publicité, il est impossible de déterminer d’où provient réellement ce trafic « direct ».
- Le chiffre d’affaires de SAP ne correspond pas à celui de GA – il est même inférieur au chiffre d’affaires total déclaré pour toutes les plates-formes.
- SAP fournit un chiffre d’affaires total, considéré comme le plus fiable par l’équipe commerciale, mais il ne ventile pas le chiffre d’affaires par canal.
L’objectif est donc d’utiliser le chiffre d’affaires total de SAP comme base de référence et de l’analyser avec précision en fonction des différents canaux.
Solution
L’équipe de Datama a résolu le problème de manière efficace, en utilisant l’architecture de données du partenaire. Les mesures prises sont décrites ci-dessous :
1. Collecte et validation des données
La première étape a consisté à collecter les données les plus fiables sur les revenus des médias auprès des sources disponibles.
En utilisant du code python et des fonctions cloud, nous avons créé un connecteur universel de courrier pour extraire des données de différents canaux médiatiques, de Google Analytics et de la plateforme SAP dans BigQuery sans dépendre d’outils coûteux tels que Supermetrics ou Funnel.io et nécessitant peu de maintenance car nous ne dépendons pas des API de ces plateformes, mais des exportations de courrier électronique.
2. Réattribution de revenu
Dans l’environnement Bigquery, nous avons réattribué les revenus comme suit :
- Pour les revenus rapportés par plateforme payante (Meta, DV360, Pinterest, Google Ads, et Criteo), nous avons retenu les valeurs provenant directement des plateformes média, car ces chiffres sont plus directs que ceux de Google Analytics et ont la confiance des agences.
- Pour le trafic « gratuit » (canaux organiques et de courrier), nous nous sommes appuyés sur les données de Google Analytics, qui constituent la source de vérité la plus fiable.
- Le canal direct a été artificiellement fixé à zéro pour refléter l’absence de trafic « gratuit ».
- À partir de ces chiffres, nous veillons à ce que la somme totale corresponde aux chiffres SAP en les calculant au prorata au niveau national.
3. Surveillance et alerte
Après la réattribution, le nouveau revenu total correspondait au chiffre SAP et était correctement segmenté par canaux médiatiques. L’entreprise disposait ainsi d’une ventilation des revenus fiable et exploitable, et d’un ROAS corrigé.
Pour assurer un suivi efficace, nous avons connecté les résultats de BigQuery à la plateforme Datama et mis en place l’alerte Datama Anomaly Detect, qui permet de suivre la disponibilité dynamique des revenus corrigés et l’évolution des moteurs de performance. Cette solution envoie des alertes en cas de problèmes tels que des revenus manquants ou retardés, ou des fluctuations significatives dans les facteurs de performance. Vous trouverez ci-dessous un exemple de suivi de la variation du chiffre d’affaires total sur une base quotidienne à l’aide de la solution Datama Anomaly Detect. Si le revenu ou tout autre KPI d’acquisition (CPC, CVR, ROAS…) ne correspond pas aux attentes, une alerte par email est envoyée pour vérification et intervention humaine.
Datama vous propose pour analyser votre performance média, un modèle de dashboard Looker Studio adapté pour l’analyse de la performance de votre acquisition.
Conclusion
En s’appuyant sur BigQuery, une approche systématique de la réattribution, et sur la solution Datama, cette dernière a permis de résoudre avec succès les divergences dans les données de revenus de l’entreprise, aidant ainsi notre partenaire :- Réduire les coûts en mettant en place une méthode permettant d’extraire automatiquement les données des plateformes médias dans BigQuery, sans frais pour notre partenaire, alors qu’il faudrait compter plus de 1 000 € par mois pour obtenir le même résultat en utilisant Supermetrics ou Funnel.io.
- Obtenez le tableau précis des performances au même endroit pour toutes les plateformes (clic/coût/impression) pour chaque canal média (par campagne et par pays) disponible pour n’importe quel outil de reporting.
- Obtenez un ROAS par canal d’acquisition qui inclut la réattribution du trafic direct et correspond au revenu réel dans l’ERP, tout en restant aligné sur les chiffres rapportés par les plateformes médiatiques.
- Surveillez automatiquement l’anomalie de synchronisation des données et expliquez de manière réactive l’écart de performance, le cas échéant, à l’aide des solutions Datama.
Ce cas démontre l’importance d’une solide stratégie d’intégration et de réattribution des données dans l’environnement commercial multicanal d’aujourd’hui. Il souligne également la valeur d’un partenariat avec une équipe de professionnels des données pour relever des défis complexes. Si votre organisation est confrontée à des problèmes liés aux données, l’équipe de Datama est là pour vous aider à les résoudre efficacement et à obtenir des informations exploitables.
