{"id":11553,"date":"2020-05-12T09:20:22","date_gmt":"2020-05-12T09:20:22","guid":{"rendered":"https:\/\/datama.io\/comment-tirer-le-maximum-de-valeur-dun-sunburst\/"},"modified":"2026-01-29T18:39:27","modified_gmt":"2026-01-29T18:39:27","slug":"comment-tirer-le-maximum-de-valeur-dun-sunburst","status":"publish","type":"post","link":"https:\/\/datama.io\/fr\/comment-tirer-le-maximum-de-valeur-dun-sunburst\/","title":{"rendered":"Comment tirer le maximum de valeur d’un sunburst ?"},"content":{"rendered":"\n

Les sunburst donnent un air connaisseur et une touche color\u00e9e \u00e0 une pr\u00e9sentation, mais r\u00e9ussir \u00e0 les exploiter, c\u2019est une autre histoire ! On peut d\u2019ailleurs r\u00e9aliser d\u2019autres mod\u00e9lisations en parall\u00e8le des sunburst pour extraire des informations impactantes. <\/strong><\/p>\n\n

Qu\u2019est-ce qu\u2019un sunburst ?<\/strong><\/h2>\n\n

Avant d\u2019entrer dans le vif du sujet, prenons le temps de le pr\u00e9ciser : on ne va malheureusement pas parler de coucher ni de coup de soleil dans cet article, mais bien de l\u2019analyse de donn\u00e9e ! Yep, sorry, this page is about data analytics. <\/p>\n\n

\u00ab\u00a0Sunburst<\/a> : un diagramme circulaire, \u00e9galement appel\u00e9 diagramme en \u00e9toile ou diagramme circulaire \u00e0 plusieurs niveaux, est utilis\u00e9 pour visualiser des donn\u00e9es hi\u00e9rarchiques, repr\u00e9sent\u00e9es par des centres concentriques<\/em>\u00ab\u00a0<\/p>Wikip\u00e9dia<\/strong><\/cite><\/blockquote><\/figure>\n\n

Dans le monde de l\u2019analyse num\u00e9rique, et plus particuli\u00e8rement dans le domaine de l\u2019optimisation des taux de conversion (CRO), le sunburst est utilis\u00e9 pour d\u00e9crire le comportement des utilisateurs<\/strong>, notamment sur un site web, afin de comprendre comment les utilisateurs naviguent d\u2019une page \u00e0 l\u2019autre. Le premier anneau central repr\u00e9sente les pages qui accueillent en premier lieu l\u2019utilisateur (pages de destinations ou pages d\u2019accueil), puis le second anneau repr\u00e9sente la page web o\u00f9 les utilisateurs vont apr\u00e8s leur premi\u00e8re page, etc.. jusqu\u2019\u00e0 ce qu\u2019ils quittent finalement votre site web, avec ou sans achat (et c\u2019est bien l\u00e0 l\u2019enjeu !).<\/p>\n\n

Notez que l\u2019utilisation de ce type de graphique n\u2019est pas exclusif de l\u2019optimisation des produits web. On peut par exemple imaginer la m\u00eame approche pour d\u00e9crire l\u2019arriv\u00e9e des utilisateurs sur votre site web via les canaux d\u2019acquisition (et non les pages web). <\/p>\n\n

Les sunburst sont de plus en plus tendance dans l\u2019\u00e9cosyst\u00e8me de la CRO car ils sont relativement nouveaux, faciles \u00e0 comprendre, et plut\u00f4t visuels.<\/strong> Beaucoup plus que l\u2019affreux \u00ab flux de comportements \u00bb de Google Analytics (bien qu\u2019il dise exactement la m\u00eame chose!). <\/p>\n\n

L\u2019horrible et d\u00e9pass\u00e9 \u00ab Flux de comportement \u00bb (behavior flow) de Google Analytics<\/em><\/p>\n\n

Et voil\u00e0 un sunburst DataMa : on peut lire ici que 0.3% des visiteurs ont vu une page produit, puis quitt\u00e9 temporairement le site, puis sont revenus dans une autre session sur une page produit\u2026 jusqu\u2019\u00e0 finalement quitter d\u00e9finitivement le site depuis une page produit. <\/em><\/p>\n\n

Comment obtenir un sunburst ? <\/strong><\/h2>\n\n

Il existe de nombreuses fa\u00e7ons d\u2019obtenir un sunburst d\u00e9crivant votre parcours utilisateur et tout d\u00e9pend r\u00e9ellement de votre mani\u00e8re de collecter la data. <\/strong><\/p>\n\n

Certains outils comme Content Square<\/a> l\u2019int\u00e8grent directement dans leur plateforme, mais bien souvent pour un co\u00fbt important (plus proche des 100k\u20ac). L\u2019objectif maintenant est donc de vous donner les cl\u00e9s pour r\u00e9aliser un sunburst vous-m\u00eame, \u00e0 moindre co\u00fbt, avec l\u2019outil de suivi analytics que vous utilisez d\u00e9j\u00e0<\/strong> (payez d\u00e9j\u00e0 ?). Juste comme \u00e7a, les frais standards chez DataMa<\/a> pour une mission de ce type sont inf\u00e9rieurs \u00e0 10k\u20ac, et cela d\u00e9bouche sur des enseignements concrets\u2026 <\/p>\n\n

Tout d\u2019abord vous aurez un aper\u00e7u de la fa\u00e7on de l\u2019obtenir depuis Google Analytics<\/strong> (car cet outil repr\u00e9sente >80% du march\u00e9 de l\u2019analyse web). Mais pour autant, sachez qu\u2019il est possible de l\u2019obtenir depuis d\u2019autres outils, comme Adobe ou AT Internet. Il vous suffit d\u2019avoir acc\u00e8s au Session ID pour pouvoir traquer le parcours client de mani\u00e8re pouss\u00e9e. <\/p>\n\n

GOOGLE ANALYTICS<\/strong><\/h2>\n\n

La solution Big Query pour les clients de Google 360<\/h3>\n\n

Curieusement j\u2019ai toujours trouv\u00e9 peu de personnes ma\u00eetrisant les requ\u00eates Big Query pour extraire ce qu\u2019elles ne pouvaient pas retirer de l\u2019interface Google Analytics. C\u2019est tr\u00e8s probablement parce que l\u2019analyse web est un domaine un peu compliqu\u00e9 pour les data analysts en g\u00e9n\u00e9ral, que le SQL n\u2019est pas (\u00e0 tort) une condition pr\u00e9alable et requise pour \u00eatre web analyst dans la plupart des entreprises et enfin que les tableaux crois\u00e9s sont quelque peu effrayants au premier abord. Pourtant c\u2019est assez fascinant de voir tout ce qu\u2019on peut r\u00e9aliser lorsque l\u2019on commence \u00e0 jouer avec Big Query en plus des tableaux de Google Analytics. <\/p>\n\n

Quoiqu\u2019il en soit l\u2019id\u00e9e est d\u2019\u00e9crire une requ\u00eate qui aboutit \u00e0 un r\u00e9sultat ressemblant un peu \u00e0 la capture d\u2019\u00e9cran ci-dessous, avec une colonne \u00ab Parcours Client\u00bb qui contient dans l\u2019ordre chronologique<\/strong>les pages que l\u2019utilisateur a vues (quelque chose comme \u00ab Page 1 \u2013 Page 2 \u2013 Page 3 \u00bb), et le nombre d\u2019utilisateurs qui ont fait cela. <\/p>\n\n

Je ne d\u00e9taillerai pas ici les aspects techniques pour l\u2019obtenir, mais vous devez juste savoir que le BQ Export schema<\/a> est votre r\u00e9f\u00e9rence, que STRING_AGG<\/a> est la fonction que vous recherchez et enfin que vous devez faire attention \u00e0 ce que vous prenez en compte ou non, car vous pouvez facilement vous tromper dans les d\u00e9finitions des clics.<\/p>\n\n

Voil\u00e0 ce \u00e0 quoi doivent ressembler les r\u00e9sultats de votre requ\u00eate dans Big Query<\/em><\/p>\n\n

Google Analytics version gratuite <\/h3>\n\n

Petite parenth\u00e8se pour les personnes qui ne sont pas sur Google 360 et n\u2019ont pas acc\u00e8s \u00e0 Big Query<\/strong> : vous pouvez toujours obtenir un sunburst, m\u00eame si c\u2019est moins d\u00e9taill\u00e9. Google vous donne acc\u00e8s au parcours de la page d\u2019accueil, de la page de sortie, de la page pr\u00e9c\u00e9dente et enfin celui de la page actuelle. En r\u00e9alit\u00e9 c\u2019est suffisant pour obtenir au moins un sunburst de 5 \u00e9tages, \u00e0 condition de renoncer \u00e0 une analyse plus que pouss\u00e9e et de ma\u00eetriser le langage \u00e0 exploiter dans l\u2019API correspondante de Google Analytics pour \u00e9viter l\u2019\u00e9chantillonnage (si vous ne le maitrisez pas, je ne peux que vous rediriger vers l\u2019excellent GoogleanalyticsR<\/a> de Mark Edmonson et son incroyable travail).<\/p>\n\n

Quoiqu\u2019il en soit l\u2019id\u00e9e est d\u2019\u00e9crire une requ\u00eate qui aboutit \u00e0 un r\u00e9sultat ressemblant un peu \u00e0 la capture d\u2019\u00e9cran ci-dessous, avec une colonne \u00ab Parcours Client\u00bb qui contient dans l\u2019ordre chronologique<\/strong>les pages que l\u2019utilisateur a vues (quelque chose comme \u00ab Page 1 \u2013 Page 2 \u2013 Page 3 \u00bb), et le nombre d\u2019utilisateurs qui ont fait cela. <\/p>\n\n

Voil\u00e0 une capture d’\u00e9cran<\/em> de l\u2019explorateur Dimensions & Metrics pour Google Analytics<\/em><\/a>.<\/a> Les 4 derniers sont les m\u00e9triques qui nous int\u00e9ressent !<\/em><\/p>\n\n

La mise en forme<\/h3>\n\n

Le plus difficile est de disposer de l\u2019ensemble des donn\u00e9es. La visualisation du diagramme en elle-m\u00eame est beaucoup plus simple. <\/strong>Il existe de nombreuses autres fa\u00e7ons que le sunburst pour visualiser les donn\u00e9es que vous avez. La plupart d\u2019entre elles utilisent la technologie D3 JS. Ce qui est assez amusant, c\u2019est qu\u2019un ancien employ\u00e9 de Google a lui-m\u00eame publi\u00e9 l\u2019article original (que vous pouvez trouver ici<\/a>) derri\u00e8re les sunbursts, mais je n\u2019ai encore jamais vu de sunburst dans Google Analytics ni dans Data Studio. <\/p>\n\n

Si vous \u00eates familier avec Plotly (que ce soit en R ou en Python), ils ont un excellent template<\/a> que vous pouvez utiliser facilement avec votre langage favori. Chez DataMa on utilise plut\u00f4t le<\/strong> package<\/strong> R Sunburst<\/strong><\/a> de Kent Russel qui repr\u00e9sente parfaitement les parcours s\u00e9quenc\u00e9s.<\/p>\n\n

La fonction Sunburst dans le package sunburstR en R<\/em><\/p>\n\n

Il est tout \u00e0 fait possible d\u2019int\u00e9grer ce graphique (g\u00e9n\u00e9r\u00e9 en R\/Python\/JS) dans votre outil de reporting pr\u00e9f\u00e9r\u00e9, tel que Tableau, Power BI ou Data Studio. <\/p>\n\n

Il existe \u00e9galement des moyens de cr\u00e9er un sunburst natif dans Tableau (pour \u00e7a, suivez cet incroyable hack ici<\/a> puis prenez votre temps pour \u00e9viter d\u2019avoir plus de 1000 lignes vu le nombre de calculs imbriqu\u00e9s l\u00e0-dedans) ou cette extension Power BI.<\/a><\/p>\n\n

Comment utiliser r\u00e9ellement son sunburst et en tirer profit ?<\/strong><\/h2>\n\n

C\u2019est la seule bonne question ! Car m\u00eame si les sunburst ont un certain style, ils sont en fait difficiles \u00e0 lire, \u00e0 comparer et surtout \u00e0 rendre actionnables.<\/strong> Donc il faut souvent approfondir un peu la mod\u00e9lisation avant d\u2019utiliser son sunburst dans la vie r\u00e9elle. Voici 2 use case que nous r\u00e9alisons r\u00e9guli\u00e8rement chez DataMa. <\/p>\n\n

USE CASE 1 : COMPRENDRE LES COMPORTEMENTS DES CLIENTS \u2013 INDICE DE SIMILARIT\u00c9<\/strong><\/h3>\n\n

Nous avons d\u00e9velopp\u00e9 ce use case juste apr\u00e8s le d\u00e9but du confinement en mars 2020. Les traditionnels KPIs des sites internet \u00e9taient dangereusement bas ; en particulier les indices de trafic et de conversion des acteurs de l\u2019industrie du tourisme. Ainsi, apr\u00e8s quelques semaines de r\u00e9unions de crise pour parer au plus urgent, la question de nos clients \u00e9tait la suivante : comment savoir quand nos clients (re)commencent \u00e0 se comporter \u00ab normalement \u00bb sur mon site web (en opposition au comportement d\u00fb au Covid 19) afin que je puisse commencer \u00e0 r\u00e9investir dans mes campagnes d\u2019acquisition ?<\/strong> <\/p>\n\n

Certains diront qu\u2019il faut simplement analyser la conversion (achat\/session) et que c\u2019est un bon indicateur pour savoir si les gens reviennent ou non sur votre site web pour acheter, ou par exemple pour s\u2019informer que la fa\u00e7on de g\u00e9rer les impacts du Covid. Mais cela n\u2019est pas forc\u00e9ment suffisant, et ce pour deux raisons : <\/p>\n\n