analytics etude-de-cas-.pptx
TRANSCRIPT
Oksana TroshchievNissa LouahchiLéa SoldanoPierre KalmesSébastien RenaultAlexandre Costa
ETUDE DE CAS CAROLL
Google Analytics
SOMMAIRE
1.
2.
3.
4.
DESCRIPTION ET OBJECTIFS
KPIs
DASHBOARDS
RECOMMANDATIONS
Google Analytics 2
Google Anlytics3
1PARTIE
DESCRIPTION ET OBJECTIFS
Google Analytics
DESCRIPTIONCAROLL 1ER FABRICANT DE JOUETS EN BOIS EN FRANCE
4
CA TOTALCA
(en ligne)% CA
(en ligne)Commande en ligne
Coût(en
ligne)
Panier moyen
(achat en ligne)
1 686 178,57€ 94 426€ 5,6% 1 523 34 522€ 62€
CHIFFRES CLES 2014
Google Analytics
DESCRIPTIONCAROLL 1ER FABRICANT DE JOUETS EN BOIS EN FRANCE
5
RAPPORT D’AVRIL 2015
Sources de trafic
Organic Referral (none) Email CPC
Total
Sessions 7502 2 450 352 1 353 4 251 15 908
Transactions 88 23 5 15 35 166
Panier Moyen (€)
65 61,70 86,20 82,33 51,97 64
CA (€) 5 720 1 419 431 1 235 1 819 10 624
% CA Total 54% 13% 4% 12% 17% 100%
2015
OBJECTIFSDOUBLER LES CHIFFRES D’AFFAIRE EN LIGNE D’ICI 3 ANS
CA = 118 032,50€
Google Analytics
1 2016 20172 3
6
HYPOTHESES
+25% vs. 2014
CA = 141 639,00€ CA = 188 852,00€
+50% vs. 2014 +100% vs. 2014
2PARTIE
KPIsQu’est ce que c’est?
Google Analytics7
KPIs
Google Analytics 8
KEY PERFORMANCE INDICATOR = INDICATEURS CLES DE PERFORMANCE
CIBLE
Google Analytics 9
PAR MOIS
3PARTIE
DASHBOARDS
Google Analytics10
Google Analytics
DASHBOARDS
11
PILOTAGE DE PERFORMANCE: DONNEES DE J-1
Google Analytics
DASHBOARDS
12
PILOTAGE DE PERFORMANCE : 2015 vs. 2014
Google Analytics
DASHBOARDS
13
PILOTAGE DE PERFORMANCE : Données 2015
Google Analytics
DASHBOARDS
14
PILOTAGE DE PERFORMANCE : Données 2015
4PARTIE
RECOMMANDATIONS
Google Analytics15
Google Analytics
RECOMMANDATIONSCOURT TERME: ATTRIBUTION
16
Google Analytics
RECOMMANDATIONSCOURT TERME: ATTRIBUTION
17
Changer le modèle d’attribution de conversion = identification de la campagne à l’origine d’une conversion
• Hypothèse : Mr Rossignol utilise le modèle « Dernier clic » configuré par défaut dans Google Analytics (la dernière campagne s’attribue 100% de la conversion)
• Proposition : paramétrer le modèle d’attribution « Egal » afin de déterminer de façon plus pertinente quelle campagne (email, réseaux sociaux, SEO, Adwords) a été la plus déterminante dans l’acte de conversion
• Définition : Dans le modèle d’attribution Egal chaque campagne s’attribue 33,3% de la conversion
• Pourquoi : Permettra de savoir par quels canaux le client est passé pour ensuite déterminer la ou les campagnes à optimiser pour accroître la conversion (visiteur->acheteur), ainsi augmenter les ventes et le chiffre d’affaire
•Combien : Augmenter le budget de 10% sur la campagne la plus performante (et inversement diminuer de 10% le budget de la campagne la moins efficace• Quand : Analyser les retombées 1 mois après la mise en place
de ce nouveau modèle
Google Analytics
RECOMMANDATIONSMOYEN TERME: A/B TESTING
18
A/B Testing afin de tester les modifications du site sur le comportement des clients.
• Hypothèse : Les modifications apportées au site Caroll ne sont pas testées sur les internautes avant d’être lancées définitivement
•Proposition : mettre en place A/B testing avec la solution de Google Analytics
•Définition : Un test A/B consiste à tester deux versions d'une page Web : une version A (la version contrôle) et une version B (la variation) — avec le trafic en temps réel et à mesurer l'effet de chaque version sur votre taux de conversion par exemple
•Pourquoi : Le test A/B est une façon simple de tester des modifications d'une page par rapport à sa conception actuelle et d'identifier ainsi celles qui produisent des résultats positifs. Cette méthode permet de s'assurer que toute nouvelle conception ou modification d'un élément sur votre page Web améliore votre taux de conversion avant d'effectuer cette modification dans le code de votre site.
•Combien : Admettons que la nouvelle version ait suscité une augmentation de 10% du taux de conversion chez les visiteurs testés nous pouvons également prévoir une augmentation similaire une fois la nouvelle version mise en place.
•Quand : tout au long de l’activité du site web.
Google Analytics
RECOMMANDATIONS
19
LONG TERME: SEGMENTATION ET RETARGETING
Google Analytics
RECOMMANDATIONSLONG TERME: SEGMENTATION ET RETARGETING
20
• Hypothèse : Monsieur Rossignol n’a jamais analysé son audience via Google Analytics et n’a pas appliqué de filtres de segments / sous-segments pour comprendre leurs comportements, connaître leur typologie et rebondir par la suite...
• Proposition : mettre en place un Google Analytics sur le site pour récolter des données de trafic, en ressortir des typologies d’internautes et créer des segments exploitables.
• Définition : Permet d'isoler et d'analyser des sous-ensembles de votre trafic. Un segment peut regrouper les utilisateurs par pays, ville, sexe, âge… Il peut être aussi constitué des utilisateurs qui achètent une certaine gamme de produits ou qui consultent une section spécifique du site.
• Pourquoi : examiner les tendances, habitudes de navigation et consommation des visiteurs. Vérifier les zones des rebond. Réagir en fonction : adapter le site en fonction des résultats pour améliorer l’expérience en ligne, générer des audiences de retargeting…
• Combien : un taux de transformation de 20 à 30%
• Quand : 120 jours de récolte + 60 jours d’analyse des données + 30 jours de retargeting et optimisation + 10 jours d’analyse des retombées = 220 jours (7 mois)
Segmenter la clientèle et le trafic du site pour mieux le comprendre et pour vendre davantage sur le long terme
Oksana TroshchievNissa LouahchiLéa SoldanoPierre KalmesSébastien RenaultAlexandre Costa
MERCI