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