Magazine

Google Analytics Universal – Mesure multisupport ou comment optimiser le parcours utilisateur multi-connecté

Publié le 13 août 2013 par Webanalyste @webanalyste

google-analytics-universal-mesure-et-optimisation-cross-device-optimisation-conversionGoogle Universal Analytics – l’analyse cross-canal et multisupport

Comme vous le savez, l’équipe de Google Analytics a récemment lancé Universal Analytics (lire à ce sujet Google Universal Analytics, ce qui va changer dans la façon d’utiliser les données) qui introduit une nouvelle façon de mesurer les interactions d’un  utilisateur depuis n’importe quel appareil, plate-forme et environnement. En analysant ces données, les entreprises peuvent mieux comprendre le comportement de leur client multi-connectés et ainsi optimiser chaque point de connexion.

Nous le savons tous, à partir de notre propre comportement ainsi que celui de nos clients, que les gens utilisent plusieurs appareils pour se connecter à internet et passent de l’un à l’autre de plus en plus régulièrement. Les schèmes d’utilisation bougent et avec eux, notre besoin d’adapter et préciser la mesure du comportement utilisateur. La tablette par exemple sort de plus en plus de la maison, pour prendre les transports et rejoindre les bureaux pour être utilisée dans un contexte professionnel, sans parler du phénomène croissant BYOD  (Bring your own device). 

Associer des données externes à un visiteur unique n’est pas un concept complètement nouveau,  ce qui l’est, c’est que Google Analytics révolutionne son modèle pour présenter  une réflexion plus profonde des analyses que la version traditionnelle de GA. 
Ce qui est nouveau, cependant, c’est que Google Universal Analytics est gratuit – ce qui signifie la disponibilité d’analyses sophistiquées pour tout le monde (avec toutefois des compétences techniques pour profiter pleinement d’Universal Analytics).

Optimisation du parcours utilisateur multi-connecté avec Google Analytics Universal. 

Dans la vidéo ci-dessous l’équipe de développeurs de Google Analytics présente la façon de mesurer les interactions utilisateurs au-delà du web et des applications, et comment optimiser l’expérience utilisateur multi-connecté, à travers l’usage d’appareils différents pour accéder aux contenus de l’entreprise, comment relier les connections et les expériences en ligne et hors ligne.

Mesurer les interactions utilisateurs

Afin de suivre les sites web et les applications, Google Analytics a dû porter leur code dans le SDK d’iOS et Android. Mais, c’est très difficile à faire et Google veut mesurer chaque appareil quel que soit le système d’exploitation utilisé. C’est pourquoi ils ont réécrit complètement l’infrastructure de collecte de données. Et libéré le protocole de mesure.

Ce protocole est un moyen d’envoyer facilement des données vers GA à partir de différents appareils. Maintenant, les entreprises peuvent mesurer les interactions depuis tous les systèmes connectés à Internet et dotés d’une interface utilisateur. Comme les consoles de jeux, les téléviseurs, les systèmes Point de vente, etc.

Quelles sont les valeurs utilisées par Google Analytics pour représenter les interactions (hit) des utilisateurs multi-connectés ?

Pour mesurer chaque interaction de l’utilisateur, trois types de valeur sont nécessaires :

  • Tracking ID (tid) – corresponds à l’identification du compte GA
  • Client ID (cid) – corresponds à l’identification anonyme du client/utilisateur,
  • Type de Hit (t) - correspond à l’identification du type de hit ( ’pageview’, ‘appview’, ‘event’, ‘transaction’, ‘item’, ‘social’, ‘exception’, ‘timing’)

Exemple d’une requête du protocole de mesure (requête HTTP) :

http://www.google-analytics.com/collect
?v=1v=1&tid=UA-123456-1&cid=5555&t=pageview&dp=%2FpageC
  • Vous envoyez une Get Request.
  • Vous spécifiez la version.
  • Et puis vous passez les trois valeurs:
    • Vous avez le tid, pour le code UA.
    • Vous avez le cid, pour identifier anonymement un utilisateur.
    • Enfin, vous avez t, pour les types d’interactions.

En conclusion : vous pouvez connecter facilement n’importe quel environnement en utilisant ce protocole de mesure.

Comment optimiser l’expérience des utilisateurs multi-connectés ?

Google Analytics (la version traditionnelle) est basé sur le produit Urchin (racheté par Google en 2005), qui a été conçu pour suivre les visites d’un site web. Chaque fois que quelqu’un « visite » – une application, un site Web, etc – GA initie un identifiant client (CID). 

La valeur du CID est stocké dans le cookie (unique) de UA « _ga ». Il peut être récupéré simplement comme :

ga(function(tracker) {
  var clientId = tracker.get('clientId');
});

Le CID (client-ID), est un identifiant anonyme qui représente un utilisateur unique sur un appareil unique. Ainsi, lorsque vous utilisez une application vous êtes associés à un CID qui vous représente utilisant un smartphone dans GA. Vous y accédez depuis un ordinateur de bureau, vous êtes associé à un CID différent, et si vous utilisez un autre appareil, vous êtes encore représenté avec un autre CID. Mais vous ou vos utilisateurs êtes une seule et même personne qui accédait à un même contenu.

cid un utilisateur pour un appareil

Ce modèle de mesure est suffisant pour analyser, par exemple l’expérience utilisateur d’une application à partir d’un seul appareil. Mais, en tant que marketeur/webAnalyste, nous devrions commencer par nous demander :

  • Comment peut-on mesurer l’expérience des utilisateurs qui ont utilisé une  application mobile et un ordinateur de bureau  ?
  • Comment se définit l’expérience utilisateur à travers tous les appareils ?
  • Combien d’appareils au total sont utilisés pour accéder à notre produit ?
  • Quel est le rôle de chaque appareil dans la conversion/transaction ?
  • Quel est le revenu est généré à travers tous les appareils ?

C’est pourquoi Google Analytics introduit un nouvel ID appelé User ID (UID) pour identifier l’utilisateur. Et la différence avec le CID est que le UID va représenter un utilisateur unique à travers tous leurs appareils. 

ga('create', 'UA-XXXX-Y');
ga('set', '&uid', {{ USER_ID }});
ga('send', 'pageview');

uid un utilisateur pour tous les appareils

Maintenant, avec l’implémentation de l’User-ID (UID), lorsqu’un utilisateur s’enregistrera, se connectera ou toute autre action permettant de l’identifier, on pourra transmettre à Google Analytics un identifiant unique persistant et non personnellement identifiable afin de pouvoir le suivre à travers ses connexions cross-device. A noter que cette technique est déjà couramment utilisé par les webAnalystes pour relier l’analytics au CRM.

L’UID (id-user) va permettre de mesurer les chemins cross-device pour optimiser l’expérience utilisateur et préciser la valeur d’acquisition des appareils. Plus d’info  sur Google Developpeur 

Note : Le simple fait de devoir s’identifier limite la couverture universelle de Google Analytics, étant donné que l’ensemble des contenus est naturellement accessible sans identification préalable. Théoriquement, Google a seulement besoin qu’un utilisateur  s’enregistre ou se connecte un minium de fois sur un site avec chacun de ses appareils et  depuis des lieux de connexion habituels (maison, bureau, transport…)  pour pouvoir associer et stabiliser l’UID de l’utilisateur à ses empreintes numériques basées notamment sur l’appareil, l’IP, le DSLAM, le FAI, la version navigateur, l’OS, la taille-écran et certainement un tas d’autres caractéristiques, comme la connexion à un compte Google, mais cela doit certainement être sujet à de fortes contraintes juridiques et/ou stratégiques.

L’identification personnellement anonyme cross-device va certainement évoluer, peut-être que les sites vont aménager leur fonctionnalité pour obtenir un volume signifiant d’utilisateurs connecté.

Les prochains rapports de mesure cross-device 

3 nouveaux rapports devraient faire leur apparition dans Universal Analytics :

  • Device Overlap 
  • Device Paths
  • Acquisition Source

Device Overlap 

Ce rapport segmente les utilisateurs et les résultats selon une combinaison d’appareils. 
Il livre une image des différents appareils et la façon dont ils sont utilisés par les utilisateurs pour contribuer collectivement à la génération des conversions et des transactions. 

Vue Client-ID 

rapport device overlap - contribution cross-device

Vue User ID (cross-device)

rapport device overlap -  contribution cross-device

Device Paths

Ce rapport segmente les utilisateurs et les résultats par séquence d’utilisation des appareils. Si vous pensez que ça se rapproche du rapport des Conversions indirectes, vous avez parfaitement raison. Tout comme les entonnoirs multicanaux nous permettent de comprendre comment certains canaux marketing participent à la réalisation d’une  conversion, la mesure cross-device nous montre comment nos utilisateurs jonglent d’appareil en appareil pour converser et où nous devrions concentrer notre attention.

chemin de contribution cross-device

Acquisition Source

Obtenez la vraie valeur d’acquisition par appareil. Tout comme pour les canaux marketing,  les appareils tiennent un rôle différent sur le chemin de la conversion. Vous savez avec les précédents rapports quel appareil ou quelle combinaison d’appareil ou même quelle séquence d’utilisation contribue le plus à la conversion. Mais savez-vous quels appareils sont à l’origine de cette valeur ajoutée ?

Imaginons la séquence de conversion suivante 
Mobile $0.99 -> Tablette $2.99 -> Desktop $14.99

Vue Client-ID

Selon cette vue, on constate rapidement que la valeur ajoutée du mobile est très faible au regard de la tablette, voir du desktop. Une lecture rapide vous aurez certainement convaincu de concentrer vos efforts d’optimisation sur le desktop et puis sur la tablette.

universal-analytics-acquisition-source

Vue User-ID - avec la vue cross-device, on constate que l’initiateur de l’ensemble de la valeur provient du mobile, certainement lié à la vente d’une APP. 

universal-analytics-acquisition-source-cross-device

 

Comment combiner la mesure en ligne et hors ligne (déconnecté) ?

En pensant à la façon dont les gens interagissent avec votre entreprise ou votre produit. Par exemple en se référant au modèle AIDA (Attention, Intérêt, Désir, Action), l’attention peut être captée hors ligne (publicité, média, bouche à oreille…), l’intérêt titillé en ligne (blog, avis, simulation…), le désir concrétisé en ligne/hors ligne (comparatif, recommandation, opportunité, contact avec le produit…)  et le passage à l’action hors ligne,  comme pour l’achat d’un ordinateur en magasin ou la participation à un événement, etc.

Comment tracer les chemins de conversion cross-device d’une campagne en ligne ?

Facilement, non je plaisante… La première chose à faire est d’identifier les utilisateurs de façon cohérente avec un identifiant unique, anonyme et persistant quelque soit l’environnement  en ligne ou hors ligne. Ainsi l’utilisateur pourrait être reconnu à partir d’un système d’authentification, d’une carte de fidélité, ou bien d’un badge RFID par exemple. Il s’agit  juste de moyen d’identifier un utilisateur. Sans user-ID, il est toujours possible d’utiliser le client-ID (CID) à la place.

Grâce à une méthode cohérente pour identifier l’utilisateur, nous pourrions relier le CRM à Google Analytics pour cartographier les conversions nonline (on et offline). Simple, non ?

Le sujet est vaste, passionnant et suffisamment complexe pour nourrir d’autres articles plus spécifiques sur la collecte, l’analyse et le reporting des données cross-device.

Allez, ce n’est pas tout, mais j’ai un BBQ a allumer  ;)


Vous pourriez être intéressé par :

Retour à La Une de Logo Paperblog

Ces articles peuvent vous intéresser :