Les 3+1 catégories d'outils d'analyse numérique [Choisir le bon]

Le marché des solutions d'analyse numérique connaît actuellement des changements fondamentaux . Google vient d'annoncer la fin d'Universal Analytics (également connu sous le nom de "le "meilleur" Google Analytics") l'année prochaine, alors que le marché s'oriente vers un suivi sans cookie , des implémentations côté serveur , tout en essayant de se conformer au RGPD et à d'autres nouvelles réglementations. .

Bon nombre de ces tendances obligent les entreprises à reconsidérer leurs choix de solutions d'analyse numérique pour se conformer aux exigences légales ou pérenniser leurs pratiques d'analyse. Cependant, tous les outils d'analyse numérique ne sont pas identiques . En fait, ces dernières années ont révélé quatre catégories distinctes d'outils. Au lieu de choisir uniquement un outil, les entreprises décident souvent inconsciemment des catégories d'outils.

Cet article a pour but de montrer et d'expliquer les différentes catégories de solutions tout en vous donnant également quelques exemples d'outils dans chaque catégorie.

À la fin de l'article, vous trouverez également quelques questions importantes à vous poser lors du choix d'une catégorie ou même d'un outil spécifique. Vous serez en mesure de choisir en toute confiance la bonne catégorie pour votre entreprise et de remettre en question les hypothèses préconçues auxquelles vous pourriez être confronté. Allons-y.

Catégorie #1 : les leaders du marché

Par installation : Google Analytics

Par maturité : Adobe Analytics

Catégorie #2 : solutions payantes rapides

Catégorie #3 : solutions DIY open-source

Catégorie bonus: la pile d'outils de bricolage de type Netflix

Catégorie #1 : les leaders du marché

La première catégorie de Digital Analytics Solutions ne contient que deux outils :

• Le leader du marché par la maturité de l'outil . Adobe Analytics est l'outil le plus mature du marché actuel.
• Le leader du marché par base installée . Google Analytics est un outil d'analyse numérique de premier plan dans cette catégorie.

Cela en dit long sur le fait qu'il existe plus d'un outil dans cette catégorie, car cela montre que la solution la plus adoptée n'est pas toujours l'outil le plus riche en fonctionnalités ou le plus mature disponible. Examinons les deux outils individuellement.

Google Analytics

Google Analytics est de loin la solution la plus connue du marché. Pour de nombreuses personnes travaillant dans ou avec des expériences numériques, il est synonyme d'analyse numérique. Son énorme base d'installation est en grande partie motivée par le niveau de base gratuit qui permet à quiconque d'ouvrir un compte et de commencer à collecter des données. Certaines des limitations de la version gratuite de Google Analytics, comme l'échantillonnage des données ou un nombre limité d'événements par mois, peuvent être atténuées en achetant la version payante.

La version payante est particulièrement intéressante pour les grands sites Web. Cela peut aider à éviter le problème particulièrement ennuyeux des données échantillonnées et permet également plus de 10 millions de visites par mois. En plus de cela, la version payante offre des fonctionnalités de création de rapports plus avancées, telles que des cumuls à partir de sources mixtes ou des tableaux personnalisés. Étant donné que la version de base est gratuite, le pourcentage de clients payants est relativement faible, ce qui fait de la version payante une anomalie statistique.

Alors que certaines personnes voient Google Analytics comme une solution autonome, la version gratuite en particulier doit être considérée comme une extension de Google Ads . Une grande partie du produit est adaptée aux cas d'utilisation marketing avec très peu de personnalisation pour d'autres applications. Par exemple, Google Analytics fournit des fonctionnalités marketing utiles, telles que :

• Rapports sur la source d'acquisition
• Campagnes et statistiques Google Ads
• Mots-clés et statistiques de la recherche Google
• Certains rapports de haut niveau sur les performances des pages

En raison de ces rapports intégrés, de nombreux responsables marketing considèrent Google Analytics comme le seul outil dont ils ont besoin. Bien que cela permette d'avoir facilement l'impression de savoir ce qui se passe sur une page, il n'y a pas beaucoup d'informations personnalisables disponibles au-delà de l'acquisition de trafic.

Pour analyser des questions commerciales plus complexes ou même permettre un tableau de bord, de nombreuses entreprises combinent Google Analytics avec Big Query et Data Studio. Cela permet de couvrir plus de cas d'utilisation mais introduit un seuil d'entrée élevé pour tout utilisateur non analytique et peut entraver l'agilité en matière de démocratisation des données.

Bien qu'il existe des obstacles potentiels à des cas d'utilisation plus complexes, chaque comparaison doit mentionner la communauté impressionnante et dynamique autour de Google Analytics, Big Query, Data Studio et également Google Tag Manager. Des leaders de l'industrie comme Simo Ahava contribuent régulièrement à un contenu exceptionnel pour générer de la valeur pour les clients. Grâce au système de modèles de Google Tag Manager, il est facile de profiter des efforts déployés par les membres de la communauté dans le produit.

Adobe Analytics

Adobe Analytics est l'autre solution dans la catégorie des outils d'analyse numérique leaders du marché. Bien qu'il soit bien connu dans le domaine des applications d'entreprise, tout le monde en dehors de la communauté de l'analyse numérique n'en a même pas entendu parler. Bien qu'il n'y ait pas de niveau gratuit disponible, le coût de l'outil peut être encore inférieur à celui de la version payante de Google Analytics.

Pour les cas d'utilisation de l'analyse marketing, Adobe Analytics peut offrir toutes les fonctionnalités de Google Analytics et bien plus encore. Même les données non Adobe telles que les mots clés de recherche Google ou les données Google Ads peuvent être utilisées pour créer des rapports et des tableaux de bord grâce à un large éventail de connecteurs et d'intégrations disponibles. Grâce aux niveaux élevés de personnalisation, les fonctionnalités ne s'arrêtent pas à l'analyse marketing, mais couvrent également les cas d'utilisation de l'analyse de produit .

Découvrez comment créer des rapports marketing précis avec Adobe Analytics Data Feed

Outre les fonctionnalités générales, une innovation distingue Adobe Analytics des autres concurrents du marché : l'interface utilisateur principale, appelée Analysis Workspace . Analysis Workspace permet à l'ensemble de l'entreprise de travailler dans un environnement partagé qui couvre les rapports quotidiens, les tableaux de bord , ainsi que les analyses approfondies et les cas d'utilisation de la science des données . Il offre les meilleures capacités de collaboration du secteur qui s'étendent à l'ensemble de l'entreprise, réunissant le marketing, les produits et l'analyse d'une manière vraiment unique.

En revanche, la flexibilité et la personnalisation d'Adobe Analytics donnent souvent l'impression qu'il s'agit d'un outil peu maniable et compliqué. Surtout par rapport à Google Analytics, Adobe Analytics peut sembler un peu "vide" lorsque vous l'implémentez pour la première fois.

De même, Google fournit d'autres garde-corps via l'interface de type rapport où Adobe vous permettra de tout combiner avec tout, créant potentiellement des résultats trompeurs ou déroutants.

Outre les deux leaders du marché, il existe de nombreux autres outils d'analyse sur le marché, ce qui nous amène à la catégorie suivante.

Catégorie #2 : solutions payantes rapides

Tous les outils ne peuvent pas être un leader du marché. Cette catégorie contient tous les outils qui sont développés par des professionnels et vendus aux entreprises mais qui n'ont pas la maturité ou la base installée des leaders du marché.

Cette catégorie couvre de nombreux outils différents, tels que Amplitude , Mixpanel , Heap et bien d'autres. Il existe des similitudes frappantes entre les outils de cette catégorie. Beaucoup d'entre eux se différencient de Google Analytics, par exemple, en mettant l'accent sur l'analyse des produits au-delà de la simple analyse marketing. D'autres offrent des fonctionnalités spéciales qui peuvent être très pertinentes pour un certain public, telles que l'analyse de cohorte ou la mesure de l'impact de nouvelles fonctionnalités.

Des outils comme Amplitude ont acquis la réputation d'être conçus explicitement pour les startups, les équipes axées sur les produits et les environnements à forte concentration de développeurs.

Tout comme de nombreux spécialistes du marketing considèrent Google Analytics comme le seul outil dont ils auront jamais besoin, les outils de cette deuxième catégorie peuvent être considérés de la même manière par les équipes produit. De nombreux outils de cette catégorie vont même au-delà des fonctionnalités d'analyse de haut niveau en offrant un enregistrement de session, des tests A/B ou même des données de type CRM au niveau de l'utilisateur. Alors que Google Analytics se concentre sur les sites Web, bon nombre de ces outils donnent la priorité aux applications ou même aux cas d'utilisation multi-appareils.

D'autre part, beaucoup d'entre eux manquent des fonctionnalités de base attendues d'un produit d'analyse marketing. Les utilisateurs qui migrent depuis Google Analytics manqueront immédiatement des intégrations avec Google Ads ou Google Search Console, ainsi qu'un moyen convivial de corréler les fluctuations du trafic aux activités marketing.

La forme la plus courante de croissance de la clientèle pour les outils de cette catégorie consiste à offrir un niveau gratuit limité par le nombre d'utilisateurs, de sessions ou d'événements pouvant être suivis et les fonctionnalités disponibles. Cela simplifie l'essai d'un produit, mais peut conduire à des scénarios déroutants. Par exemple, une discussion sur les outils ne peut avoir lieu qu'en tenant compte du niveau de produit pour lequel le client paie, en laissant de côté les fonctionnalités potentiellement critiques pour les niveaux de produit supérieurs.

Contrairement à Google Analytics et Adobe Analytics, les outils de cette catégorie ne sont généralement pas accompagnés d'un système de gestion de balises dédié, comme Google Tag Manager ou Adobe Launch. Cela complique le déploiement d'outils sur une page ou une application sans intégrer étroitement l'expérience utilisateur dans l'outil d'analyse, créant potentiellement une dette technique qui peut ralentir les cycles de développement de produits.

Une autre mise en garde lors du choix d'un outil de cette catégorie est l' évolutivité limitée . Les analystes de grandes entreprises décrivent les outils de cette catégorie comme peu réactifs lorsqu'ils travaillent avec de grandes quantités de données, en particulier avec des augmentations soudaines du volume de données.

De plus, les cas d'utilisation limités et les interfaces spécialisées peuvent rendre difficile la collaboration sur les données pour l'ensemble de l'entreprise, faisant des équipes de produits ou d'analyse les propriétaires cloisonnés des données. Les entreprises pourraient finir par utiliser Google Analytics pour l'acquisition de trafic et un outil distinct et dédié pour l'analyse des produits.

Du côté positif, la petite taille de l'entreprise et la base d'installation rendent ces outils potentiellement plus innovants et agiles pour essayer de nouvelles fonctionnalités de produits. Leur forte concentration sur un public cible et leur faible nombre de cas d'utilisation leur permettent de réagir rapidement aux besoins des clients et aux nouvelles innovations du secteur.

Les clients particulièrement importants de ces outils ont généralement un accès direct aux équipes de produits qui développent les outils. Cela permet aux clients de souligner plus facilement leurs souhaits de nouvelles fonctionnalités de produits qui pourraient devenir réalité plus tôt. Il n'est pas rare que les fournisseurs et les clients communiquent directement dans les canaux Slack ouverts pour fournir des conseils ou détecter des bogues.

Catégorie #3 : solutions DIY open source

Dans notre troisième catégorie d'outils Digital Analytics, nous retrouvons tous les outils que votre service informatique trouvera sur Google lors de la recherche de solutions alternatives à celles citées ci-dessus.

Certains outils populaires de cette catégorie sont Matomo, Open Web Analytics et Post Hog. Comme la catégorie précédente, ces outils ne sont pas les leaders du marché en termes de maturité ou de base d'installation. Le code source librement disponible les distingue de la catégorie précédente, offrant généralement une option pour auto-héberger l'outil comme alternative aux offres SAAS précédentes.

L'auto-hébergement signifie que votre entreprise est le seul propriétaire et processeur de vos données. Vous n'avez pas à partager les données avec des fournisseurs tiers ou d'autres sources externes.

Avec le déploiement sur site, la confidentialité des données dépend uniquement de ce que vous faites avec les données. Vous n'avez pas à vous fier à la conformité GDPR des fournisseurs tiers lorsque vous pouvez prendre toutes les mesures de prudence par vous-même.

En plus de la version auto-hébergée, certains fournisseurs et communautés ont créé des options hébergées qui permettent une instance gérée de l'outil. Cette option peut être intéressante pour les entreprises conscientes des grandes responsabilités de disponibilité liées à l'hébergement de leur propre outil d'analyse.

Cependant, bon nombre de ces entreprises sont alors surprises par l'augmentation rapide du coût de l'hébergement pour toute application suffisamment réactive. Alors que la version payante de Google Analytics permet environ un milliard de visites par mois à 150 000 dollars par an, l'hébergement de Matomo coûterait 175 000 dollars par an pour seulement 100 millions de visites mensuelles.

De nombreux outils sont fortement inspirés de Google Analytics, tant en ce qui concerne l'interface utilisateur que les rapports disponibles. Tout comme Google Analytics, ils se concentrent fortement sur l'analyse des sites Web mais n'ont pas les fonctionnalités pour analyser les applications mobiles ou les appareils connectés. En se concentrant sur les données de première partie, il leur manque souvent certaines fonctionnalités très basiques auxquelles nous nous sommes habitués avec Google Analytics.

Les entreprises qui migrent de Google Analytics aujourd'hui pour des raisons de confidentialité seront déçues de trouver très peu d'intégrations avec des outils marketing tels que Google Ads et des capacités de suivi de campagne souvent très rudimentaires.

Open Web Analytics est un bon exemple d'une autre limitation importante de cette catégorie : un support à long terme incertain. Étant donné que ces outils sont généralement développés par une communauté de passionnés sans obligations, rien ne garantit qu'ils seront toujours pris en charge dans un an. Des projets particulièrement petits peuvent mourir, même peu de temps après leur annonce, en raison d'un manque d'engagement communautaire. Tout comme la catégorie d'outils précédente, les outils qui entrent dans cette catégorie n'offrent généralement pas de moyen de gérer la mise en œuvre, comme un système de gestion des balises.

Un côté positif de ce groupe est l'avantage certain d'héberger la pile analytique complète sur des serveurs propriétaires. Même certaines solutions sans cookie sont disponibles qui se positionnent comme étant extra-RGPD.

Cependant, le paysage juridique en constante évolution fait de la conformité légale une cible en évolution rapide, de sorte que les entreprises doivent évaluer attentivement leurs options pour ne pas sauter sur une solution apparemment conforme uniquement sur la conformité GDPR.

Un dernier mot d'avertissement : bien que votre service informatique puisse trouver un défi intéressant à héberger un outil d'analyse sur les serveurs de l'entreprise, il doit être conscient des grandes responsabilités qui en découlent. Héberger un tel outil signifie s'assurer que la collecte de données est toujours disponible partout dans le monde. Une fois que les niveaux de trafic dépassent certains seuils, fournir une base de données réactive et, par conséquent, une expérience frontale utilisable aux analystes et aux utilisateurs professionnels devient une tâche difficile et coûteuse.

Catégorie bonus : la pile de bricolage à la Netflix

Ces dernières années ont amené une tendance à reproduire ce que des entreprises natives du numérique comme Netflix ont construit. En mettant l'accent sur d'excellentes expériences utilisateur grâce à la personnalisation et aux tests itératifs, les produits sont souvent conçus avec un flux d'événements mondial qui contient chaque interaction utilisateur et est canalisé vers divers canaux d'activation.

Les entreprises utilisant une telle configuration utiliseraient généralement des composants open source (contrairement aux systèmes d'analyse open source complets) de manière hautement personnalisée. Ils peuvent collecter des données à l'aide de Snowplow dans les clients de l'utilisateur, alimentez les journaux du serveur dans Kafka , stockez les données dans le S3 d'AWS et analysez-les à l'aide d'AWS Redshift ou des outils de visualisation entièrement personnalisés.

En raison de cette configuration très technique et sophistiquée, les équipes d'analyse sont généralement composées de data scientists ou d'ingénieurs de données qualifiés qui sont nécessaires pour exploiter et développer la pile d'outils complète. Ces équipes sont également chargées d'ajouter de nouvelles fonctionnalités d'analyse aux outils, notamment des requêtes et des visualisations.

Les entreprises avancées comme Netflix adoptent souvent une culture très ouverte autour de ce qu'elles construisent. Cette ouverture inspire ensuite de nombreuses entreprises moins avancées à essayer de reproduire ce qu'ils font sans l'engagement nécessaire en termes d'investissement, de taille d'équipe ou de niveau de compétence. Confrontées à des projets défaillants et à des parties prenantes déçues, ces entreprises se rabattent alors avec ressentiment sur des solutions toutes faites qui correspondent bien mieux à leurs cas d'utilisation.

Il est important de noter que toute solution personnalisée a le potentiel de ralentir considérablement d' importantes initiatives axées sur les données. Avec un système trop complexe, même l'analyse la plus banale peut nécessiter la participation d'experts et des semaines de préparation, en plus de lutter avec d'autres équipes pour la hiérarchisation.

Bien que ces entreprises avancées en matière de données disposent de certains des pipelines de traitement de données les plus sophistiqués en production aujourd'hui, il serait loin d'être vrai de prétendre que ces entreprises n'utilisent que leurs solutions conçues en interne. Prenons l'exemple de Netflix : leur site Web principal utilise une solution d'analyse personnalisée, tandis que la page de la marque utilise Google Analytics .

Ainsi, bien que la solution interne puisse être parfaitement équipée pour l'analyse sophistiquée des produits, elle peut ne pas disposer des capacités d'analyse marketing ou de reporting et d'analyse quotidiennes nécessaires pour d'autres parties du site Web ou du produit.

Comment choisir le bon outil de digital analytics ?

Maintenant que nous avons parcouru les 3+1 catégories d'outils d'analyse, il nous reste la question la plus importante : quel est le bon outil pour votre entreprise ? Pour comprendre cela, vous devez vous poser quelques questions :

• Qui travaillera quotidiennement avec des données dans mon entreprise au cours des prochaines années ?

Votre équipe d'analyse dédiée peut gérer la plupart des données aujourd'hui. Cependant, les entreprises axées sur les données ont rendu obligatoire pour les décideurs de travailler avec les données dans les outils d'analyse eux-mêmes. Cela impose un environnement de libre-service où une véritable collaboration peut se produire dans l'outil.

• Quels cas d'utilisation non marketing sont importants pour votre entreprise ?

Bien que Google Analytics puisse fonctionner assez bien pour vos questions marketing, il ne suffit pas pour toute analyse plus sophistiquée ou centrée sur le produit. Cependant, l'utilisation d'un outil comme Adobe Analytics qui fonctionne pour le marketing et le produit est cruciale pour permettre une responsabilité partagée à la fois pour le marketing et la performance du produit.

• À quelle vitesse devez-vous itérer sur votre marketing ou l'exécution de vos produits ?

S'appuyer sur un outil qui oblige vos data scientists à ajuster un pipeline de données, à créer de nouvelles requêtes et à les intégrer dans un tableau de bord prend des jours ou des semaines et peut paralyser votre capacité à itérer rapidement et à faire des ajustements à temps. En réalité, la plupart des changements devraient être rapides et faciles à mettre en œuvre pour quiconque, grâce à des outils qui prennent en charge la démocratisation des données.

• Quel est votre niveau de confiance dans l'évaluation et la maintenance de l'outil d'analyse requis pour ces cas d'utilisation ?

Il peut être très difficile de voir au-delà de l'horizon de votre entreprise aujourd'hui et de décider de l'outil qui soutiendra votre entreprise pendant de nombreuses années à venir. Vous devrez peut-être également investir dans la bonne équipe pour construire et exécuter le stratégie de données qui va vraiment accélérer vos activités quotidiennes.

• Qui influence le choix de l'outil dans votre entreprise ?

Un nombre considérable d'entreprises ne prennent pas la responsabilité au sérieux et se fient uniquement à ce à quoi l'équipe pourrait être habituée ou à ce que les agences de marketing proposent par commodité. Vous devez insister sur une stratégie cohérente à long terme, ou vous pourriez vous retrouver à changer d'outil chaque année.

• Avez-vous pris en compte le coût total de possession et d'exploitation ?

Quelques dollars économisés sur les coûts de licence peuvent s'accompagner d'un investissement important dans des outils supplémentaires, d'équipes plus importantes pour exploiter et entretenir les outils, et d'un rythme d'innovation et de mise au point beaucoup plus lent. Tous ces éléments ont des conséquences financières directes ou indirectes qu'une solution plus mature peut ne pas nécessiter.

Alors, qui doit choisir quel outil ? Jetons un coup d'œil à quelques entreprises prototypes et aux outils qu'elles devraient choisir :

En fin de compte, choisir le bon outil peut être un défi difficile et complexe. Changer d'outil existant est un processus long et pénible mais peut être évité compte tenu des questions susmentionnées. J'espère que cet article vous a donné une orientation et quelques questions importantes à poser à votre propre équipe et aux fournisseurs d'outils.