Parmi les erreurs de taggage les plus courantes lorsqu’un site utilise Google Analytics comme outil de web-analyse, les iframes sont très fréquemment cités. Un taggage déficient des iframes entraine des données faussées dans les tableaux de bord : taux de rebond, doublement des visites et des pages vues, écrasement de la source des visiteurs…

Rappel : qu’est-ce qu’un iframe?

Simple rappel : le terme « iframe»  désigne une balise  de code HTML qui permet d’intégrer une page HTML au sein d’une autre page HTML de manière transparente pour l’utilisateur final. La page contenu dans l’iframe peut-être hébergée sur le même domaine, un sous-domaine ou sur un domaine différent. Sans le savoir nous sommes soumis tous les jours aux iframes : tags publicitaires, encarts Facebook, formulaires d’inscriptions, newsletter…

Voici schématiquement le cas classique d’un iframe au taggage déficient, hébergé sur un sous-domaine ou un domaine différent de la page sur laquelle il est appelé :

Le problème du taggage des iframes avec Google Analytics intervient dès que vous souhaitez suivre avec le même compte (et donc le même code UA) la page qui héberge l’iframe et l’iframe lui-même : si vous avez du trafic « auto-référent»  (vous voyez votre propre site dans vos sources de trafic) et que vous utilisez des iframes , il est possible que le taggage de vos iframes hébergés sur des sous-domaines ou sur des domaines différents soit en cause.

Dans quels cas faut-il tagguer un iframe ?

Si l’iframe n’est qu’un élément de la page (bloc de connexion par exemple), alors l’iframe ne doit pas être tracké avec une page vue virtuelle sinon votre nombre de page vue sera augmenté artificiellement et si votre iframe se trouve sur une landing page, votre taux de rebond sera complètement faussé. Vous pouvez éventuellement si vous souhaitez connaitre son nombre d’affichage le tracker à l’aide d’un évènement. Cela vous permettra alors de mener des analyses segmentés du type « Quel est le taux de conversion des visites qui incluent le chargement de tel iframe ?» .

En revanche si l’iframe est le coeur de la page alors dans ce cas, il convient de le tracker comme une page vue à part entière. La page qui contient l’iframe ne jouant alors que le rôle de « cadre» , c’est elle qui ne devra pas être trackée. Par exemple, vous incluez un module de réservation en plusieurs étapes via des iframe sur votre site vous êtes dans ce cas là. La marche à suivre est alors celle détaillée ci-dessous.

Comment tagger correctement une page avec un iframe ?

La première chose à faire est d’identifier où est hébergé l’iframe que vous souhaitez intégrer à votre page. Si l’iframe est hébergé sur un domaine ou ou sous-domaine différent de la page sur laquelle il est implémenté il faudra alors mettre en place les fonctions nécessaires au tracking multi-domaines sur les deux pages (_setDomainName() et setAllowLinker())

Une fois cette vérification effectuée et le code générique Google Analytics correctement implémenté avec la fonctionnalité multi-domaines, vous retrouverez ci-dessous le code à implémenter sur l’iframe et sur la page contenant l’iframe :

——————————–

Code générique Google Analytics à utiliser sur la page contenant l’iframe* (en remplacement du code de base)

——————————–

<script type=’text/javascript’>

// IMPORTANT : ce code n’exécute pas la fonction trackPageView() afin d’éviter de faire remonter deux pages vues pour la même page, dans notre exemple la page vue sera exécutée seulement sur  l’iframe qui est l’élément le plus important, la page qui héberge l’iframe n’étant qu’un « cadre»  vide

var _gaq = _gaq || [];
_gaq.push(['_setAccount', 'UA-XXXXXXXX']); // A remplacer par le code UA de votre site

// Gestion des sous-domaines et des domaines différents
_gaq.push(['_setDomainName', '.monsite.com']); // A remplacer par le domaine réel ou est hébergé la page
_gaq.push(['_setAllowLinker', true]);

// Code de liaison page – iframe
_gaq.push(function() {
var pageTracker = _gat._getTrackerByName();
var iframe = document.getElementById(’iframe_1‘); // Attribut ID de l’iframe
iframe.src = pageTracker._getLinkerUrl(’http://www.monsite.com/iframe.html‘); // Url de l’iframe
});

(function() {
var ga = document.createElement(’script’); ga.type = ‘text/javascript’; ga.async = true;
ga.src = (’https:’ == document.location.protocol ? ‘https://ssl’ : ‘http://www’) + ‘.google-analytics.com/ga.js’;
var s = document.getElementsByTagName(’script’)[0]; s.parentNode.insertBefore(ga, s);
})();

</script>

——————————–

Code à utiliser pour appeler l’iframe dans la page

——————————–

Afin d’indiquer à Google Analytics une liaison avec un iframe, les paramètres en vert dans le code générique (voir ci-dessus) et lors de l’appel de l’iframe (voir ci-dessous) doivent correspondre. Il s’agit des deux paramètres suivants :

• ID attribué à la balise iframe
• URL de l’iframe

Dans cet exemple, la balise finale de l’iframe devrait donc ressembler à ceci :

<iframe id=‘iframe_1‘ src=’http://www.monsite.com/iframe.html‘>
</iframe>

——————————–

Code Google Analytics à utiliser sur l’iframe lui-même

——————————–

<script type=’text/javascript’>

var _gaq = _gaq || [];
_gaq.push(['_setAccount', 'UA-XXXXXXXX']); // A remplacer par le code UA de votre site

// Gestion des sous-domaines et des domaines différents
_gaq.push(['_setDomainName', '.monsite.com']); // A remplacer par le domaine réel ou est hébergé la page
_gaq.push(['_setAllowLinker', true]);

_gaq.push(['_trackPageview']);

(function() {
var ga = document.createElement(’script’); ga.type = ‘text/javascript’; ga.async = true;
ga.src = (’https:’ == document.location.protocol ? ‘https://ssl’ : ‘http://www’) + ‘.google-analytics.com/ga.js’;
var s = document.getElementsByTagName(’script’)[0]; s.parentNode.insertBefore(ga, s);
})();

</script>

—————-

Vous avez certainement remarqué dans cet exemple, que la fonction trackPageView() était exécutée une seule fois (sur l’iframe) afin d’éviter d’envoyer deux pages vues à Google Analytics et de dupliquer artificiellement le nombre de pages vues dans Google Analytics.

Dans la mesure du possible il faut éviter d’envoyer deux pages vues pour une même page, dans le cas d’un iframe à vous de choisir quelle information vous souhaitez voir remontrer dans Google Analytics.

En moyenne, près de la moitié des internautes qui accèdent à un site internet marchand repartent sans visiter plus qu’une page.

Les visites de ces internautes qui ne consultent  qu’une page du site Internet représentent le trafic  de rebond. Le taux de rebond correspond donc au trafic de visiteurs qui quittent le site Internet ayant consulté qu’une page par rapport au trafic total du site Internet.

En moyenne, le taux de rebond global d’un site Internet BtoC s’adressant au grand public varie entre 30% et 60%.

Il convient toutefois, d’analyser le taux de rebond de manière plus détaillée. Généralement, cette analyse s’effectue sous deux angles différents :

-          le taux de rebond par landing page, afin de comprendre l’attractivité d’une page spécifique,

-          le taux de rebond par source de trafic, afin d’analyser la pertinence d’un trafic ciblé par des actions de webmarketing (ex : référencement  naturel, campagne d’affiliation, …)

Etant donné que le trafic de rebond ne contribue pas à l’atteinte des objectifs commerciaux,  la plupart des sites marchands visent à réduire le taux de rebond au maximum. D’ailleurs, il est fréquent que les e-marchands se réjouissent lorsque leur taux de rebond est inférieur à la moyenne du marché.

Le couple « trafic ciblé / landing page » permet de maîtriser le taux de rebond

Afin de réduire le taux de rebond d’un site Internet marchand et d’optimiser la part de visites « utiles » à l’atteinte des objectifs e-commerce, les webmarketeurs travaillent notamment sur la qualité des landing pages (attractivité commerciale, ergonomie et design) et leur pertinence avec le trafic généré. C’est essentiellement ce couple « trafic ciblé / landing page » qui permet de maîtriser le taux de rebond. Aujourd’hui, la plupart des sites marchands sont capables de fournir à l’internaute une forte pertinence dans le cadre de leurs mécanismes d’acquisition de trafic web.

La cohérence entre les campagnes Adwords et les landing pages du site Internet Spartoo.com illustre parfaitement la pertinence du couple « trafic ciblé / landing page ».

La notoriété de la marque de l’annonceur influence le taux de rebond

Le trafic de marque, constitué d’internautes qui connaissent la marque de l’annonceur (ex : Spartoo) et qui se rendent  volontairement sur son site Internet, aura naturellement tendance à générer un taux de rebond faible.

Dans un contexte toujours plus « cross-canal » de nombreux sites Internet marchands développent leur notoriété grâce à des actions déployées sur d’autres médias que le web (télévision, presse, radio, …). Ces actions sont capables de générer une part très importante de trafic de marque via :

- les accès directs, lorsque l’internaute renseigne directement l’adresse du site Internet dans le navigateur,

- le référencement naturel ou payant lié à des requêtes comportant une sémantique de marque (ex : « chaussures de ville Spartoo »)

Contrairement au trafic de marque,  le trafic d’acquisition de nouveaux clients génère des taux de rebond plus importants, généralement supérieurs à 35%. Les clients arrivent sur le site via des requêtes qui ne sont pas liées à la marque de l’annonceur mais notamment via des recherches liées à l’offre (ex : « chaussures de ville »). L’enjeu de l’annonceur consiste à proposer une landing page parfaitement adaptée aux attentes de l’internaute, le rassurer, capter son attention et l’inscrire rapidement dans un processus d’achat.

Lorsque la part de trafic de marque est importante par rapport au trafic d’acquisition de nouveaux clients, le taux de rebond moyen du site Internet peut s’avérer bas.

Le graphique ci-dessous montre l’écart en termes de taux de rebond entre les sites Internet de deux marques bénéficiant d’une notoriété très différente. Voyages Sncf est capable de générer une part de trafic de marque très importante et enregistre un taux de rebond moyen d’environ 15%. A l’inverse, le site Internet govoyages.com doit faire appel à une plus grande part de trafic d’acquisition de nouveaux clients afin d’alimenter son activité de vente en ligne et son taux de rebond varie autour de 35%.

Un taux de rebond trop bas peut être révélateur d’un potentiel non exploité

Un taux de rebond bas peut être strictement lié à la forte notoriété d’une marque indépendamment de la qualité du dispositif web proposé aux internautes en termes de couple « trafic ciblé / landing page ». Dans ce cas, ce taux de rebond trop bas peut être révélateur d’actions de webmarketing visant des clients déjà acquis, au détriment de nouveaux clients.

Uniquement une étude plus approfondie des données de web analyse peut vous indiquer la performance réelle de votre dispositif digital en termes de capacité à retenir le trafic entrant. Ces analyses permettent d’affirmer que vous n’êtes pas en train de passer à côté d’une importante source de clients potentiels.

Avant de vous réjouir d’un taux de rebond bas (inférieur à 20%), outre une vérification du paramétrage et du mode d’implémentation de votre outil de web analyse, pensez à vérifier son origine en approfondissant vos analyses. Un premier niveau d’analyse peut être effectué en étudiant les taux de rebond par source de trafic et par landing page.

Pour rappel, voici les avantages apportés par Universal Analytics :

• une approche permettant le tracking multi-devices (non présente dans la beta actuelle…)
• une meilleure intégration avec le tracking des applications
• la possibilité d’intégrer des données offline dans GA (ex : conversions réalisées par un call-center)
• réduction de l’impact sur le temps de chargement

Comment créer un compte Universal Analytics

Que vous ayez déjà un compte GA ou non, il vous faudra créer une nouvelle « web property»  pour profiter d’Universal Analytics. A la création de cette web property vous verrez l’écran ci-dessous :

Création d'une nouvelle web property avec Universal Analytics

Google vous fournira alors le code de tracking associé, le universal.js qui remplace le ga.js

Passer à Universal Analytics nécessite donc de repartir d’un profil vierge et de mettre à jour votre plan de taggage (tous les tags sont différents avec Universal Analytics). Il est tout à fait possible (et recommandé) de maintenir un double taggage afin de conserver un certain historique et de migrer en douceur vers Universal Analytics.

Attention toutefois, toutes les fonctionnalités du ga.js ne sont pas encore active avec universal.js comme par exemple le testing (Content experiments), le remarketing ou la gestion du cross-domain tracking. Toutes ces fonctionnalités devraient toutefois être assez rapidement intégrées par Google à Universal Analytics.

Par ailleurs, cette migration peut aussi être l’occasion de réfléchir à la mise en place d’un Tag Management System comme Tag Commander ou Google Tag Manager afin de faciliter les ajouts et retraits de tags futurs.

En tant que GACP, Converteo a participé à la beta privée d’Universal Analytics depuis plusieurs mois, nous pouvons donc vous accompagner sur cette transition. N’hésitez pas à nous contacter pour en parler !

Pour rappel, les données monétaires remontées dans les rapports e-commerce étaient jusqu’à présent exprimées dans la devise définie via l’interface de Google Analytics. L’utilisateur ne pouvait définir qu’une seule et unique devise pour chaque profil.

Ce mode de fonctionnement n’altérait évidemment pas les estimations de revenus des sites dont les paiements s’effectuaient dans une seule devise. En revanche, elle posait de sérieux problèmes de cohérence lorsque le pays de navigation, et donc dans certains cas la devise de paiement, pouvaient changer d’un internaute à l’autre. Deux transactions, l’une de 100 $ (USD) et l’autre de 100 €, étaient par exemple identifiées comme ayant chacune une valeur de 100 puis étaient exprimées dans une seule et unique devise. L’interface de Google Analytics annonçait donc un CA de 200 € ou 200 $ selon la devise choisie dans le paramétrage du profil.

Les équipes de Google apportent aujourd’hui une réponse pour remédier à cette situation, profondément inconfortable pour les sites e-commerce à vocation internationale.

Un simple ajout dans le code e-commerce

Le changement majeur est opéré au niveau du code e-commerce. Il suffit désormais d’y placer un « code de devise»  avant que la fonction _trackTrans(), qui enregistre la transaction dans Google Analytics, soit exécutée :

_gaq.push(['_set', ‘currencyCode’, ‘EUR’]);

Cette instruction permet de spécifier la devise en vigueur lors de chaque transaction. Ici ‘EUR’ correspond à l’Euro. 31 monnaies locales sont actuellement supportées par Google Analytics. Veuillez trouver ici la liste des devises disponibles sous Google Analytics.

Comment alors traiter des données exprimées en devises différentes ?

Bien que distinguées grâce au code e-commerce, les données monétaires apparaissent toujours dans l’interface exprimées sous une seule et unique devise. Cependant, elles sont désormais recalculées en fonction de la devise spécifiée dans le code e-commerce et du taux de change en vigueur le jour précédant la transaction. Si l’on reprend nos deux transactions de 100 $ (USD) et de 100 €, les données remontant dans l’interface de Google Analytics sont alors différentes. Pour un taux de change de 0,75 entre le dollar et l’euro (1 $ (USD) = 0,75 €) et un paramétrage du profil en euro, Google Analytics affiche maintenant une transaction de 75 € et une autre de 100 €. Le CA est donc de 175 €.

Le taux de change est extrait des serveurs utilisés par le service de facturation de Google (Google Billing). Les nouveaux rapports créés reflètent ainsi plus précisément la performance e-commerce du site analysé.

Dès la mise en place dans le code e-commerce, il est possible de choisir d’utiliser ou non la nouvelle gestion des devises. Pour revenir à l’ancien affichage, il suffit d’utiliser les nouveaux metrics « Local»  mis à disposition par Google Analytics.

Ces derniers remontent toutes les transactions d’un profil sans tenir compte des taux de change. Les revenus sont alors affichés sans devises. Dans notre exemple des deux transactions à 100€ et 100$, le local revenue sera donc de 200 sans précision de l’unité monétaire.

Cette fonctionnalité de Google Analytics est d’ores-et-déjà disponible. Il convient néanmoins de l’utiliser avec précaution : si la possibilité d’avoir un suivi des revenus d’un site plus conforme à la réalité est attrayante, elle ne doit pas entraver le but premier de Google Analytics, à savoir de fournir des données pertinentes pour la webanalyse. En insérant une variable aussi volatile que le taux de change dans le calcul du CA l’utilisateur prend le risque de ne plus distinguer les variations liées à la performance e-commerce de son site de celles dont les causes sont purement monétaires.

Anciennement appelé « Synthèse données/site» , cette nouvelle version du rapport est disponible dans la section « Contenu»  de la barre de menu depuis le 16 Octobre 2012 (voir image ci-contre) Ce rapport a pour objectif principal d’afficher de manière visuelle une sorte de Clickmap qui permet de visualiser rapidement comment se comporte les internautes sur toutes les pages de votre site pendant que vous naviguez dessus à travers l’interface Google Analytics. Nous allons voir ensemble comment fonctionne ce rapport et quelles sont les modifications majeures apportées par Google à ce rapport. Ces données sont-elles plus exploitables que précédemment?

Quelles sont les évolutions apportées par Google?

L’ancien rapport, présent dans Google Analytics sous le nom de « Synthèse données/site»  était en fait assez pauvre en information (de plus nous allons voir un peu plus tard dans cet article que les données étaient faussées ou incomplètes et donc inexploitables en l’état)

Pour rappel, la seule donnée disponible dans l’ancien rapport était le nombre de clics déclenchés par chaque élément d’une page au cours d’une visite.

Le rapport a donc été enrichi avec les données suivantes :

• Transactions
• Chiffre d’affaires
• Nombre et valeur des différents objectifs
• Indicateurs de performance (Pages vues, consultations uniques, Temps passé sur la page, temps de chargement, taux de rebond et taux de sorties)

Globalement l’idée est de base est intéressante et les modifications apportées à ce rapport sont les bienvenues, mais les données affichées sont-elles plus fiables pour autant?

L’attribution améliorée des liens, un moyen de fiabiliser les données?

Des modifications ont donc été apportées par Google pour tenter de consolider les chiffres de ce rapport grâce notamment à l’attribution améliorée des liens.

Cette nouvelle fonctionnalité permet à Google Analytics de distinguer des liens multiples sur une même page, ayant une même destination, ce qui n’était pas le cas dans l’ancienne version du rapport.

Prenons un exemple : sur votre page d’accueil vous avez deux liens vers votre rubrique « Contact» , le premier dans la barre de navigation principale de votre site et le second dans votre footer à titre de rappel. Grâce à l’implémentation de l’attribution améliorée des liens, Google Analytics sera alors capable de différencier si le clic initial vient de votre barre de navigation ou du footer de votre site. Sur l’ancienne version du rapport le nombre de clics aurait été le même sur les deux liens, ce qui rendait impossible toutes analyses car les chiffres affichés dans le rapport étaient alors complètement faussés.

La deuxième amélioration principale est la possibilité de suivre les actions déclenchées par des évènements Javascript (menus déroulants, redirections, ou bouton de recherche par exemple), certains éléments absents sur l’ancienne version du rapport car non trackés sont désormais censés être correctement suivis.

Sur le papier l’attribution améliorée des liens promet donc de gagner en précision, en offrant la possibilité de tracker tous les éléments de la page, tout en faisant la distinction entre les éléments qui ont une même destination.

Comment mettre en place l’attribution améliorée des liens?

La première chose à faire pour mettre en place ce nouveau système de comptabilisation des clics est de modifier le code Google Analytics présent sur vos pages afin d’ajouter la ligne dédiée à l’analyse des pages de votre site internet

Le code utilisé doit-être le code asynchrone, si vous utilisez encore le code synchrone profitez-en pour faire la migration !

Pour l’implémentation technique, je vous invite à consulter la documentation de Google qui est très précise et claire à ce sujet. Ce nouveau code vise à inclure une page de code Javascript ayant pour objectif de consolider les données qui remontent dans Google Analytics.

Une fois que le code Google Analytics a été modifié, il faut dans un second temps activer la fonctionnalité dans l’administration Google Analytics (Onglet Admin > Paramètres du site > il faut ensuite cocher « Utiliser l’attribution améliorée des liens»  puis cliquer sur le bouton « Appliquer» )

Comment sont récoltées les données affichées dans le rapport « Analyse des pages Web» ?

Une fois le code modifié et dès que le code Google Analytics est chargé :

• Il ajoute un gestionnaire d’événements onclick dans le corps du document. À chaque clic, le gestionnaire vérifie si la cible des clics possède un identifiant. Si oui, il l’enregistre alors dans un cookie nommé __utmli.
  Le cookie expire au bout de 30 secondes et est utilisé sur la page suivante (voir ci-dessous).
• Il vérifie si le cookie __utmli a été créé pour la page précédente. Si c’est le cas, il enregistre l’identifiant du lien, l’envoie via _trackPageview, puis efface le cookie.
• Il vérifie l’identifiant de l’élément du clic cible et, s’il ne le trouve pas, escalade le DOM jusqu’à trois niveaux pour trouver un élément avec un identifiant. Par exemple :

<div id=» espace_contact» >

<a href=’/contact.html’> Contact </a>

</div>

Dans cet exemple, en cas de clic sur le lien « Contact» , le code attache l’information du id=’espace_contact’ même si l’élément help-icon ne présente aucun identifiant (car il s’agit du niveau précédent dans le DOM)
Le délai d’expiration de 30 secondes est utilisé pour réduire les risques d’attribution avec un identifiant erroné, quitte à perdre l’information d’identification si la page suivante met plus de 30 secondes à se charger.

Utiliser ce mécanisme de cookie permet de limiter l’impact sur les clics (et a un effet minime voire nul sur votre site) et n’envoie aucune autre information de suivi. Cette information est envoyée à Google Analytics via le suivi de la page suivante.
Source : Documentation Google Analytics

Une fonctionnalité qui ne remplacera jamais la mise en place d’un véritable plan de taggage

Même si cette nouvelle version permet de corriger les principaux défauts du rapport « Analyse des pages Web»  il n’en reste pas moins que ce rapport n’offre selon nous qu’un aperçu graphique de la performance d’une page mais n’a pas vocation à être un support pour des analyses chiffrées très précises comme avec l’utilisation des évènements par exemple.

Mais finalement pourquoi même avec l’attribution des liens activée dans votre compte Google Analytics, les données du rapport « Analyse des pages Web»  seraient-elles moins précises qu’en utilisant des évènements?

• Les données peuvent être faussées ou simplement non enregistrées par l’absence d’attribut ID ou par l’utilisation d’un même ID sur les différents éléments du site. Il est donc important d’avoir une structure de page propre, qui respecte une certaine arborescence afin d’obtenir des données correctes dans le rapport.
  
• Impossibilité de tracker les éléments autres que des liens ou des redirections (Quid des filtres dynamiques, des zooms sur les photos et de tous les éléments qui ne nécessitent pas de rechargement de page…)
  
• Les liens vers des sites externes ou vers des fichiers PDF par exemple ne seront pas trackés
  
• Le cookie n’a qu’une durée de vie de 30s, en cas de chargement trop long ou si le visiteur quitte le site au bout de quelques secondes, alors les données sont perdues !

Quelles solutions pour tracker efficacement vos pages?

Heureusement afin de tracker efficacement vos pages, il existe d’autres solutions, vous pouvez éventuellement envisager de réaliser un plan de taggage ou d’utiliser un outil de heatmap.

La première solution est donc de réaliser un plan de taggage (autrement appelé plan de marquage). Le plan de taggage a pour but de décrire page par page les éléments à mettre en place sur votre site afin d’obtenir des données précises des éléments que vous souhaitez suivre ou analyser. Ce document sert donc de base à une implémentation propre du taggage sur votre site, il résulte d’une analyse poussée de vos besoins en termes d’analyses afin d’éviter de surcharger inutilement votre site de tags JavaScript ou tout simplement d’oublier certains indicateurs importants.

Vous trouverez ci-dessous un extrait de plan de taggage réalisé par Converteo :

Enfin, il est également possible d’utiliser un outil de heatmap, ce genre d’outil permet de représenter de manière graphique les zones les plus cliquées de votre site (et y compris les zones non cliquables, de manière visuelle).

Vous trouverez ci-dessous un exemple de heatmap/clickmap : les zones « chaudes»  et donc les plus cliquées sont celles représentées en rouge, les zones « froides»  étant représentées en bleu.

Ce genre d’outil permet donc d’identifier de manière rapide et graphique l’intérêt de vos visiteurs, mais il sera impossible de sortir des analyses chiffrées aussi précises qu’avec l’utilisation d’un plan de taggage. Dans certains cas l’utilisation combinée d’un plan de taggage et d’un outil de heatmap peut également s’avérer utile.

De nombreux éditeurs proposent ce genre d’outil, notamment ClickTale ou CrazyEgg avec qui nous avons déjà eu l’occasion de travailler.

Pour conclure, même si cela prend plus de temps initialement, sur le long terme un plan de taggage solide et complet de votre site reste la meilleure solution pour mener des analyses précises sur le comportement de vos visiteurs, n’hésitez pas à nous contacter.

Les deux journées de conférence animées par Google ont fourmillé d’annonces sur les évolutions à venir de sa solution de webanalyse, Google Analytics.

Mais ce qu’on retiendra surtout, c’est la révolution que vise Google packagée sous le nom d’ « Universal Analytics » : une plateforme permettant le suivi des indicateurs web  à l’échelle du visiteur/client (et non plus seulement à l’échelle de la session/visite) et qui sera ouverte aux imports de données externes (CRM, coûts d’acquisition…)

D’un fonctionnement « visit-centric » à une logique « user-centric »

Le point de départ de la réflexion de Google est le suivant : ce que l’on entend par « conversion » sur un site recoupe aujourd’hui une réalité d’une complexité croissante. En effet, chaque « conversion » nécessite de plus en plus de visites depuis des terminaux (PC, mobiles, tablettes, consoles..) de plus en plus nombreux.

Or, le système actuel de suivi des données est centré sur la « session » : un visiteur se connectant à un site depuis son ordinateur en journée et depuis sa tablette le soir est ainsi identifié comme un double visiteur. On devine le problème sur la pertinence de certaines données, et en particulier sur l’attribution des conversions.

Pour y remédier, Google annonce un bouleversement technique : la mise en place d’un cookie comprenant un identifiant unique pour chaque visiteur. Ce cookie viendra dans un futur proche remplacer les anciens cookies hérités d’Urchin (qui répondaient aux noms barbares d’ __utmz, __utmx etc), et qui capturaient sur le navigateur du visiteur des informations que Google gèrera désormais côté serveur (dates de visite, source de trafic etc.).

Cependant, l’attribution de cet identifiant unique suppose que l’on sache reconnaître un même utilisateur au cours de ses différentes visites ; ce qui reviendra à forcer les visiteurs à s’identifier en amont de leur visite, de la même manière que sur les sites de ventes privées, ou plus probablement d’accepter de ne réaliser ces analyses que pour les clients loggés et non pour les prospects/clients non loggés.

Les contours techniques de ces changements devraient être affinés dans les mois à venir et permettre à chacun d’évaluer la faisabilité de la mise en place du nouveau tag GA. En attendant, ce changement annoncé ouvre la voie à des analyses puissantes et aujourd’hui impossibles – en premier lieu, la comparaison « acheteur » vs. « non acheteur » pour les sites marchands ! (et non plus seulement « visite avec achat » vs. « visite sans achat »).

Une plateforme ouverte aux données externes

Si Google intégrait déjà quelques données hors-GA, c’était uniquement en provenance de l’écosystème Google (Google AdWords, Google Webmaster  Tools).

Aujourd’hui, l’ambition de Google est de compiler et d’organiser au sein de Google Analytics des données externes relatives aux visiteurs et au coût d’acquisition des visites.

• En ce qui concerne les visiteurs, les données de CRM pourront d’autant plus facilement être croisées avec les données d’Analytics qu’il sera à moyen terme possible de choisir l’identifiant unique du cookie GA (par exemple un identifiant client issu du CRM).  Cet import de données ouvre la porte à des analyses sur les liens entre conversions offline et conversions online très prometteuses.
• Pour ce qui tient au coût d’acquisition des visites, cela permettra aux clients possédant des portefeuilles de sources de trafic diversifiées d’intégrer honoraires d’agences SEO, coûts de création des emailings etc. Et donc d’utiliser Google Analytics comme outil de pilotage de leur rentabilité respective, en particulier en utilisant les analyses multi-canaux.

Ces changements montrent la volonté de Google Analytics d’étendre son périmètre de pertinence. Avec l’acquisition de données à l’échelle des visiteurs, l’analyse de leurs comportements multi-supports devient théoriquement possible ; l’ouverture de la plateforme aux données externes devrait quant à elle permettre d’aller plus loin dans le pilotage des investissements d’acquisition online et dans l’analyse des corrélations entre conversions online et offline.

De grands sujets, et un beau programme en perspective !

Retrouvez ici les principales annonces du Google Analytics Certified Partners Summit en V.O. : http://analytics.blogspot.com/2012/10/google-analytics-summit-2013-whats-new.html

Première grande tendance : la forte disponibilité sur le Web de nouvelles catégories de produits (équipement de la maison, décoration, bricolage…), que l’on ne trouvait que difficilement en ligne il y a encore 5 ans. Parallèlement, les attentes des consommateurs évoluent : l’e-commerçant ne doit plus seulement proposer un meilleur prix et un stock important, mais doit inclure des services (retour gratuit…), avec tous les coûts que cela implique.

On note également l’explosion de l’E-commerce en mobilité, le bien-nommé « M-commerce » : ainsi le « search » mobile a augmenté de +75% entre 2010 et 2011. Mais si 55% des possesseurs de smartphones considèrent que celui-ci est leur seul « écran personnel », l’achat sur mobile reste encore à un stade émergent… Nous serions tentés de faire le parallèle avec les débuts de l’E-commerce, mais chez Converteo nous ne pensons pas que le mobile soit une interface de transformation à l’exception des situations d’urgence. Il s’agit par contre d’une interface d’accès à l’information du Web en mobilité.

Cette montée en puissance du mobile met en évidence la nécessité pour un distributeur d’avoir une compréhension crosscanal (online/online – online/offline) des parcours clients. Au-delà du très connu effet ROPO (Research Online Purchase Offline), 65% des gens se déclarent en effet influencés par le Web dans leur acte d’achat. L’influence des réseaux sociaux et du social au sens large (avis clients, notes des utilisateurs…) sur les comportements des internautes est également grandissante, sans que l’on puisse en mesurer précisément l’effet. 37% des acheteurs déclarent consulter « l’user generated content » avant achat, notamment les avis des utilisateurs.

Enfin, McKinsey note que ces tendances de fond amènent une explosion du nombre d’indicateurs à surveiller : plus de plateformes, plus de canaux, des comportements consommateurs plus complexes… C’est ainsi, que McKinsey propose de répondre au « Big Bang » par le « Big Data », dernière tendance identifiée par le cabinet américain chez les acteurs les plus matures (Amazon en tête).

Au sein de Converteo, le « Big Data » est avant tout perçu comme un buzz word imaginé par les gros éditeurs logiciels pour vendre leurs solutions de stockage/traitement/analyse de données. Depuis 5 ans, nous essayons déjà d’amener une culture du chiffre au sein des organisations que nous accompagnons. Tant que les entreprises n’utilisent pas la data, la « Big Data » n’est pas un sujet.

Naturellement, les e-commerçants présents aux tables rondes se sont targués d’avoir des armées de dataminers dans leurs équipes. La réalité est, n’en doutons pas, moins glorieuse. La plupart des acteurs de la place ont longtemps sous-estimé l’importance de la data (c’est un data évangéliste qui vous en parle) et ils commencent seulement à constituer des cellules très modestes en interne, là où chez Amazon, les dataminers et webanalystes sont un poste clef excellemment bien payé et où les accords de non concurrence sont la règle.

Mais au-delà des premiers de la classe, tous les e-commerçants français n’ont pas la puissance financière ni les ressources techniques et humaines nécessaires : certes l’explosion du volume de données, de la vitesse à laquelle elles sont générées (les flux supplantent les fichiers plats) et de leur variété (données non structurées : blogs, vidéos, forums…) est indéniable. Certes, ces éléments ne sont pas à négliger dans l’élaboration d’une stratégie marketing et commerciale. Certes le traitement de ces données est une question qu’il faudra un jour adresser. Mais quel e-commerçant a aujourd’hui besoin, comme l’américain Target, de prévoir statistiquement une grossesse dans un foyer alors qu’il ne maîtrise pas ses délais de livraison ? Quel e-commerçant a besoin, comme Amazon, d’avoir plus de 5 versions de sa page accueil en test multi-varié en permanence alors que la moitié de ses fiches produit présente une photo basse résolution et uniquement un titre ? Quel e-commerçant a besoin d’un outil de BI alors qu’il n’ouvre qu’une fois par mois son outil de webanalyse ?

Ainsi, chez Converteo, nous travaillons d’abord et avant tout à la construction d’un socle de données pérennes et actionnables chez nos clients, sans tomber dans le travers de la « data pour la data ». Il faut réfléchir et agir « Data » avant même de rêver « Big data ». En effet, l’intégration et le traitement de la donnée sont – c’est une évidence – des facteurs cruciaux pour la réussite d’un e-commerce. Du pilotage des canaux d’acquisition, au merchandising d’un catalogue toujours plus étoffé en passant par la maîtrise des fondamentaux (logistique et service client), tout se passe mieux si la data est disponible, de qualité et bien utilisée. Tant que tous ces axes ne sont pas totalement « data-driven », mieux vaut attendre avant de se lancer dans le périlleux chantier de la « Big Data », au risque de s’y noyer et d’enrichir les gros éditeurs logiciels de la place.

Notons au passage que le rapport social n’apparaît que dans la nouvelle interface de Google Analytics. Nous nous placerons donc dans cette nouvelle interface dans toute la suite de l’article.

Cliquer sur le lien "New version" en rouge pour activer la nouvelle interface

Pourquoi mettre en place le tracking social dans Google Analytics

Le principal intérêt réside dans votre volonté de distinguer les utilisateurs de votre site qui utilisent ces boutons de partage des autres qui ne le font pas. Quand vous faites remonter dans Google Analytics le tracking de ces éléments, vous pouvez observer les résultats dans le menu suivant :

Dans la section « engagement» , vous arrivez sur une page de résultats présentant les visiteurs « Socially engaged»  et ceux qui n’ont rien partagé, les « Not socially engaged» .

Selon le type de site internet (e-commerce, diffusion de contenu…) et les objectifs qui y sont rattachés, vous pouvez en avoir plus ou moins d’utilité. Mais concrètement, faire la distinction entre utilisateurs grâce aux réseaux sociaux vous permet de comprendre si ceux qui sont « socialement engagés»  ont un comportement différent des autres.

Exemple : S’il s’agit d’un site e-commerce, ceux qui « like»  vos produits ont-ils un panier moyen plus élevé que les autres ?

Cela peut par la suite vous orienter pour piloter votre stratégie sur les réseaux sociaux et vous aider à prendre des décisions pour la gestion de votre communauté d’utilisateurs.

La mise en place du tracking des boutons de partage, étape par étape

Nous verrons ici comment tracker les boutons de partage de Facebook (Like, Unlike, Send), Twitter (Tweet), LinkedIn (Share) et enfin Google+ (+1).

Etape 1 : vérfier que le nouveau code asynchrone de Google Analytics est bien en haut du header

Si ce n’est pas le cas, c’est la première chose à modifier. Sans cette modification, rien de ce qui suit ne fonctionnera !

Etape 2 : uploader le script de tracking social de Google Analytics

D’abord, uploader le fichier javascript de tracking social de GA (ci-dessous) sur le serveur du site web à tracker à l’aide de votre client FTP (ex : FileZilla)

ga_social_tracking

Ensuite, pour que le fichier précédent soit chargé dans chaque page, aller dans votre code source et modifier le header en rajoutant la ligne de code suivante (veillez à remplacer « url-a-modifier»  par votre url) :

NB : Ce code est à rajouter juste à la suite du code GA général.

Etape 3 : Tracking des boutons Facebook, Twitter et LinkedIn

Facebook : Like, Unlike, Send

Si jamais le like n’est pas présent sur votre page, vous pouvez aller le créer ici : https://developers.facebook.com/docs/reference/plugins/like/ Vous obtenez quelques lignes de code qui ressemble à cela :

Ajoutez les à l’endroit où vous voulez que le bouton like apparaisse.

NB : on peut également appeler le bouton en Javascript asynchrone si on le souhaite mais Facebook fournit le code synchrone par défaut donc nous avons gardé cette option ici, même si, idéalement, l’utilisation du code asynchrone est une meilleure pratique. Enfin, ajouter le code de tracking social juste avant la balise <fb:like> pour obtenir quelque chose comme cela :

NB : cela tracke non seulement les like mais aussi les unlike et les share. En modifiant légèrement le fichier ga_tracking_social.js, on peut aussi suivre les commentaires si on laisse la possibilité aux internautes de commenter via fblogin.

Tweeter : Tweet

Attention, vous devez impérativement utiliser le bouton « officiel»  de Twitter. Si vous utilisez Tweetmeme, vous ne pourrez pas tracker les RT. Si vous souhaitez créer le bouton, vous trouverez le code ici : http://twitter.com/about/resources/tweetbutton.

Ensuite, c’est un peu plus simple. Avant la balise fermante </head>, insérer le code Javascript (asynchrone) suivant :

LinkedIn : Share

Le bouton de partage de LinkedIn est moins utilisé que Facebook ou Twitter. Cependant, il peut être utile selon l’audience à laquelle vous vous adressez (très pro, avec une cible anglo-saxonne notamment).

Pour obtenir le code du bouton Share de LinkedIn, vous pouvez aller à cette adresse : https://developer.linkedin.com/plugins/share-button

Toujours à la fin de la balise <head>, ajouter le code suivant :

Et Google+ et son +1 ?

Le plus simple pour la fin, les +1 de Google sont trackés par défaut dans Google Analytics (si vous avez la dernière version du code de Google Analytics).

Voilà, vous y êtes arrivés ! Vous pouvez désormais tracker les boutons de partage de Facebook (like, unlike, send), Twitter (Tweet), LinkedIn (Share) et Google+ (+1).

Pourquoi tracker les boutons Facebook dans Google Analytics, alors que j’ai déjà Facebook Insights ?

Google Analytics et Facebook Insights ne sont pas réellement concurrents mais complémentaires. En voici quelques raisons :

Google Analytics :

• Donne des informations sur les actions qui ont lieu sur mon site
• Agrège les données de plusieurs réseaux : FB mais aussi Twitter, G+ ou LinkedIn par exemple
• … et nous permet aussi de les comparer avec les utilisateurs non sociaux !
• Est plus souple au niveau de l’utilisation des plages de dates

Facebook Insights :

• Donne des données sur ce qu’il se passe uniquement sur Facebook
• Donne des données dites « user-demographic»  : âge, langue, pays

Vous pouvez donc tout à fait utiliser les deux services puisque les données que l’on récupère sont complémentaires. Toutefois, attention à ne pas trop les mélanger sans garder à l’esprit qu’il peut exister des différences entre les deux services. Par exemple le nombre de like pour une page ne sera pas nécessairement toujours le même sur GA et FB Insights.

Voilà vous avez tous les outils en mains pour analyser le comportement social de vos visiteurs et enfin rationaliser votre politique de social media !

N’hésitez pas à nous faire part de vos remarques, vos retours, … en commentaires !

Merci à François-Xavier Fuhrmann pour sa contribution à l’article.

Comme chaque année en tant que Partenaire Certifié Google Analytics, nous sommes conviés au GACP Summit qui se déroule à Mountain View, à quelques pas des locaux de Google.

En tant que Partenaire Certifié, nous avons donc un accès privilégié à la team Google Analytics et aux nouvelles fonctionnalités qui sont prévues cette année. Ces annonces sont confidentielles, nous ne pouvons donc malheureusement pas rentrer dans le détail de cette première journée de conférences mais ce que l’on peut vous dire, c’est que visiblement chez Google on a décidé de mettre les bouchées doubles pour faire évoluer GA. Et chez Google, quand ils mettent les bouchées doubles, ça se voit !

Google Analytics passe à la vitesse supérieure !

Après une journée de keynotes, c’est clairement l’impression qui se dégage ici avec des annonces majeures sur l’évolution de l’outil dont les récentes évolutions (tag social media, multi-channel funnels, …), pourtant importantes, apparaissent comme des prémices !

Le moins que l’on puisse dire est que Google semble bien décidé à écouter ce que ses partenaires lui demandent en proposant une intégration toujours plus poussée de l’ensemble des produits du groupe.

La deuxième journée du Summit sera plus technique avec une série de « deep dives»  avec les googlers qui nous présenteront dans les détails les nouvelles fonctionnalités annoncées aujourd’hui

See you tomorrow!

GACP Summit 2001

Grâce à ces nouvelles données, vous allez donc enfin pouvoir obtenir une vision plus réaliste du comportement de vos clients et de l’impact réel généré par vos différentes sources d’acquisition. En effet, à présent, les internautes sont de moins en moins dans une approche : « Je vois une publicité, je clique dessus, et j’achète» … Ils ont de plus en plus besoin de comparer, d’être rassurés, d’avoir le temps d’acheter le bon produit, au bon moment, avec la bonne offre. Et pour répondre à cela, les annonceurs doivent être présents tout au long de leur parcours : un emailing, quelques bannières, du retargeting, un comparateur de prix, et bien sur, du référencement. Cela semble logique, normal même, mais jusqu’à aujourd’hui, nos outils de web analyse ne rendaient grâce qu’au « Last click« , qu’à la dernière source avant la conversion… Tout cela pour se rendre compte la plupart du temps que la source incontestable de conversion était … notre marque ! Avec ça, on était bien avancé.

Cette époque est maintenant révolue, Google Analytics offre à présent à tous, de manière simple et efficace, une solution pour obtenir une vision plus réelle du parcours des clients à travers les différentes sources d’acquisition que vous utilisez et dans lesquelles vous investissez. Comme une équipe sportive, grâce à ces données, ceux qui passent la balle au buteur final peuvent enfin aussi être récompensés, mis en avant, et non pas dénigrés car « leur coût d’acquisition est bien trop élevé» .

Mais une vidéo vaut mieux qu’un long discours, et Google en a justement réalisé une afin de présenter le sujet et les fonctionnalités offertes par son nouvel outil :

Indéniablement, le rapport le plus pertinent de cet ajout est le rapport « Conversions indirectes» , qui va vous permettre très rapidement de vous rendre compte de l’ampleur du multi-sources sur votre acquisition. Combiné à la fonctionnalité très intéressante de « groupe de canaux»  et à un retraitement/analyse des données, il est ainsi possible de différencier les sources « Amont»  des sources « Aval» , à savoir, celles qui attirent le client par rapport à celles qui le convertissent au final. Un tout premier pas intéressant est de simplement trier les groupes de canaux par conversions finales, puis par conversions assistées, et de comparer les classements. Il est fort probable que cela mettra en avant une ou deux sources payantes qui n’étaient pas estimées à leur juste valeur jusqu’à maintenant.

Enfin, ces données cumulées aux budgets doivent permettent de calculer des coûts d’acquisitions plus proches de la réalité, et donc de mettre en avant les sources qui doivent être coupées (partiellement ou totalement) et celles qui par contre méritent plus d’investissements. Nous avons ainsi pu obtenir sur les premières études que nous avons réalisé pour deux de nos clients des résultats du type :
- Source A = coût d’acquisition réel inférieur de 19% au coût max d’acquisition
- Source B = coût d’acquisition réel inférieur de 41% au coût max d’acquisition
- Source C= coût d’acquisition réel supérieur de 24% au coût max d’acquisition

Et comme vous pouvez le voir, ces résultats sont directement opérationnels et permettent d’agir de suite sur la stratégie d’acquisition en modifiant les budgets, de manière à conserver un coût d’acquisition satisfaisant sans couper la « source»  même des conversions.

Bien sur, ces nouvelles données sont loin d’être parfaites. Seules les interactions ayant eu lieu dans les 30 jours avant la conversion sont prises en compte, ce qui est problématique pour des processus d’achat longs (pour l’immobilier par exemple). Par ailleurs, le manque de fiabilité du suivi des visiteurs par cookie (même first-party) prend encore plus de place dans le cadre d’un analyse multi-sources. Enfin, certains rapports proposés par GA ne sont pas parfaits, notamment celui présentant les chemins de conversion, qui n’est pas du tout exploitable en l’état et demande un retraitement lourd dans un tableur pour en sortir quoi que ce soit.

Mais pour nous, une chose est sure, c’est que, face à l’irréalisme totale que peut représenter le « Last click»  dans l’analyse d’une stratégie d’acquisition, l’approche multi-source est clairement une révolution nécessaire, et Google Analytics propose avec son outil une voie pertinente et satisfaisante pour faire vos premiers pas dans ce nouveau monde.

Si vous souhaitez aller plus loin et avez besoin d’aide sur ce sujet, n’hésitez pas à nous contacter. Les consultants Converteo sont formés aux problématiques multi-sources depuis maintenant plus d’un an, puisque nous avons commencé à travailler activement sur ce sujet en avril 2010 (voir notre livre blanc).

______________________________________________________

Infos pratiques :

- Il faut actuellement 36h pour que les données multi-source soient traités par Google et apparaissent dans l’outil (contrairement aux données « classiques»  qui sont visibles après 24h maximum).

- L’historique des données multi-sources est fourni depuis fin janvier 2011. Certains comptes peuvent encore n’avoir à disposition que les données depuis juillet 2011 mais cette situation n’est que très temporaire.

- Les données multi-sources ne sont mesurées que sur les 30 jours précédents une conversion. Pensez-y si les cycles d’achat de vos produits sont plus longs.

- Google a mis en place plusieurs pages de supports concernant ces nouveaux rapports, qui vous pourrez retrouver à cette adresse.

- Enfin, de manière logique, pour fonctionner, ces rapports ont besoin d’objectifs définis dans l’outil (ou d’une activité e-commerce trackée via le tag correspondant). Ainsi, si vous n’avez pas encore d’objectifs définis dans Google Analytics, pensez à les créer au plus vite afin de commencer à récolter les données multi-sources.