Le guide du Growth – Règle n°4 : Construisez votre « Growth Stack » !

Le guide du Growth – Règle n°4 : Construisez votre « Growth Stack » !

banniere_1

Vous avez identifié les métriques qui importent pour votre produit et votre modèle économique, il est donc temps d’implémenter les outils qui vous permettront de suivre ces métriques ; la mesure étant la clé d’une approche Growth, le choix de ces outils – ou plutôt de cette stack d’outil est crucial.

Faire un article sur les outils, c’est prendre le risque qu’il soit dépassé avant même d‘être publié ; certains des noms que nous allons citer aujourd’hui ne seront peut être plus d’actualité dans 6 mois. De nouveaux outils sortent tous les jours, certains passent de mode. Notre but est de vous guider parmi cette offre pléthorique, non pas en recommandant un outil plutôt qu’un autre mais en prenant du recul sur les grandes familles d’outils et la méthode pour construire progressivement une stack d’outils adaptée à une démarche growth mature.

Pour démarrer

Le premier outil à implémenter, celui qui vous permettra de suivre et d’analyser la grande majorité de vos métriques, est un outil quantitatif d’analyse d’audience permettant de suivre le comportement de vos utilisateurs (canaux d’acquisition, fréquence de visite, panier moyen ou fonctionnalités les plus utilisées…)..

Pour cela, les équipes produits se tournent souvent vers Google Analytics (GA)  :   gratuit (dans une certaine limite), plutôt complet, capable de fournir la plupart des mesures nécessaires au tracking des actions utilisateurs (notamment sur des sites e-commerce), GA rend bien des services et est activé quasiment “par défaut” sur une grande partie des sites web les plus importants.

Cependant, malgré sa popularité et son nombre important de fonctionnalités, Google Analytics n’est pas, à date, la solution ultime pour suivre le comportement de vos utilisateurs : l’outil atteint vite ses limites, son UX faussement simple est en réalité difficile à maîtriser pour des profils non techniques, et dans sa configuration par défaut, ses données et rapports peuvent parfois se révéler trompeurs. En effet :

  • GA est fondé sur une logique de “sessions”, ce qui rend complexe l’analyse de KPI comme les nouveaux visiteurs ou visiteurs récurrents ou le tracking cross-devices : dans la configuration par défaut, un utilisateur visitant un site depuis son smartphone puis depuis son ordinateur sera comptabilisé deux fois comme “nouveau visiteur”.
  • Les possibilités de segmentation de GA ne sont pas aussi poussées que ce que permettent d’autres outils modernes : impossible par exemple de construire une population sur la base d’un certain nombre d’évènements effectués dans un temps donné, ou du temps passé entre deux actions.
  • Les données affichées dans certains rapports GA sont échantillonnées, pour minimiser les temps de calcul dans le cas de gros volumes de données. Cet échantillonnage a un impact minimal sur la plupart des KPI, pour peu que la population étudiée soit suffisamment large ; mais lorsque vous étudiez des groupes d’utilisateurs plus restreints, le curseur d’échantillonnage (qui permet de choisir un compromis entre niveau de précision et temps de calcul) peut faire varier les KPI de façon tellement importante qu’ils en deviennent inexploitables.
  • Les calculs de rétention par cohorte – pourtant un outil clé pour toute équipe Growth, cf la règle 6 sur la rétention – sont pour le moins sujets à caution, avec une courbe systématiquement fausse et incohérente avec les chiffres du tableau par cohorte, lui même incohérent avec d’autres chiffres disponibles dans l’outil.

Certaines de ses limites sont contournables, avec plus ou moins d’efforts :

  • en utilisant la très puissante API de Google Analytics,
  • en repensant la façon dont les codes de tracking sont installés dans le produit,
  • en activant la fonctionnalité UserID
  • ou bien en utilisant GA comme une plateforme de collecte de données et en effectuant tout le traitement analytique dans un outil tiers.

Mais on voit que la promesse d’un outil simple et facile d’utilisation et de configuration n’est pas totalement tenue, et le résultat final sera toujours moins performant que des outils conçus dès le départ autour d’une logique d’événements plutôt que de session.

Google Analytics ou ses alternatives traditionnelles (AT Internet…) sont de plus en plus concurrencés par des outils orienté événement (Amplitude, Mixpanel, KISSmetrics, Heap Analytics…) qui présentent un certain nombre d’avantages. Citons entre autre la possibilité de réaliser des segmentations plus poussées, une intégration cross-canal (iOS & Android), une meilleure gestion des tunnels de conversion, des calculs de rétention plus avancés, et des données disponibles en quasi temps-réel.

Toutefois, les outils évènement ne remplacent pas totalement un outil généraliste  comme Google Analytics : ses compétences en matière d’attribution, ou de suivi des adwords peuvent se révéler difficiles à remplacer. Nous vous conseillons de conserver Google Analytics, tout en installant en complément l’un de ces outils orientés évènement. Cela vous permettra de suivre vos utilisateurs aussi bien par groupes ou segments qu’au niveau individuel : la clé consiste à suivre tous les utilisateurs, même anonymes, et à être capable de reconsolider leurs données de parcours une fois ceux-ci ayant créé un compte sur votre produit.

Avec ces outils, vous avez un stack de base, c’est à dire que vous êtes capable d’analyser la conséquence de vos actions et de piloter efficacement votre équipe Growth.

Mais avec la croissance de votre produit, vous allez réaliser que les mécanismes de cause et conséquence ne sont pas si simples que cela : de multiples évènements peuvent avoir un impact simultané sur vos chiffres. Par exemple, si vous expérimentez une refonte du parcours d’abonnement sur un site média, l’observation d’un pic sur le nombre de souscription peut être lié tout autant à votre expérimentation qu’à un scoop sorti dans le même temps en une de votre site. Vous aurez besoin de plus d’outils pour aller plus loin.

La deuxième étape

Pour aller plus loin, vous aurez besoin de deux nouveaux types d’outils : des outils de data qualitative, et des outils de CRO (conversion rate optimization) ou de marketing direct.

Les outils quantitatifs vous permettent de suivre des indicateurs de reporting et de repérer des problèmes ; mais pour aller plus loin dans l’étude des causes et conséquences, vous aurez besoin d’analyse qualitative pour mieux comprendre les besoins et les comportements de vos clients.

Les outils d’enregistrement de session comme Hotjar constituent une source très précieuse d’information ; après avoir identifié un pattern sur une population donnée grâce à vos outils quantitatifs, vous pourrez aller creuser le problème en rejouant les sessions de quelques utilisateurs concernés pour mieux comprendre.

Quand les chiffres ne nous disent pas tout

Lors d’une mission effectuée par Thiga pour un site de médias, l’équipe Growth a repéré au cours de son analyse un indicateur étrange : le taux de lecture des articles était étonnamment élevé par rapport à la norme. Plutôt que de simplement se féliciter de cette belle performance, l’équipe a décidé de creuser la question pour comprendre ce qui motivait les utilisateurs à lire les articles. La vision d’une vingtaine de sessions Hotjar a suffi à identifier le problème : la plupart des utilisateurs scrollent jusqu’au bout de l’article pour en évaluer la longueur, avant de remonter en haut de page et de commencer la lecture ; le tracking de l’évènement “lecture d’article” étant déclenché lorsque le scroll atteint le bas de la page, le taux de lecture était artificiellement gonflé. Une réécriture de la logique de l’événement a permis d’obtenir un indicateur plus fiable et représentatif de la réelle performance du site.

Nous vous suggérons également d’ajouter à votre stack des outils de questionnaire ou de collecte de feedback utilisateur:  usabilla, usersnap, ou même un outil maison bien intégré à votre système. En ciblant une population d’utilisateurs grâce à vous outils quantitatifs, et en rédigeant un bon questionnaire court et bien ciblé, vous pouvez en apprendre beaucoup plus sur vos parcours utilisateurs et améliorer considérablement votre connaissance client.

C’est également le moment de déployer des outils de CRO pour optimiser la conversion, tels que SumoMe, HelloBar ou Optinmonster : concrètement, en proposant la bonne popin au bon moment (en offrant un message adapté au profil de chaque utilisateur et à son étape du parcours client), vous pouvez collecter des emails ou booster votre conversion client.

Enfin, vous aurez besoin d’un outil de CRM poussé pouvant automatiser un certain nombre d’actions de marketing en fonction de critères comportementaux de vos utilisateurs : customer.io, mixpanel…Envoyer le bon mail au bon moment peut vous permettre de relancer un utilisateur qui était en voie d’abandonner votre produit, ou de booster l’adoption de nouvelles fonctionnalités…

Aller encore plus loin

Les entreprises les plus matures en terme de stack d’outils, ou celles avec des produits générant des volumes de trafic extrêmement important  investissent parfois dans le développement d’outils “maison”, en s’appuyant sur l’énorme mine de valeur que constituent les logs du produit ou en utilisant un amplitude ou mixpanel comme simple outil de collecte.

Concrètement, il s’agit de construire son propre ETL (Extract – Transform – Load) qui capte la donnée (souvent issue des logs produit), la transforme pour faciliter son traitement (encodage des dates, définition de règles métier / segments utilisateurs) puis la charge dans un outil de visualisation. L’Elastic Stack – Elasticsearch, Logstash & Kibana – est souvent adoptée par les entreprises pour creuser les logs, dans une optique de monitoring. D’autres outils comme Keen.io permettent de pousser l’analyse de données très loin et de manière très configurable.

Cette approche nécessite un investissement initial plus important ; mais elle permet de rester propriétaire de ses données, d’éviter le coût important de certains outils analytics quand on atteint des volumes très élevés, de choisir le meilleur outil pour chaque brique technique (collecte, analyse, visualisation), et de personnaliser au maximum la configuration en fonction des besoins produits.

A ce  stade, de nombreuses entreprises s’équipent également d’outils de data science (datameer, dataiku…) spécialisé dans l’analyse approfondie de gros volume de données : pour des analyses statistiques plus poussés ou de la modélisation avancée (construction de modèles prédictifs de churn par exemple).

Expérimentez avec vos outils

N’hésitez pas à expérimenter pour améliorer votre stack d’outils : comme nous l’avons dit en introduction, de nouveaux outils sortent régulièrement, et il peut être intéressant de mettre en place une veille au sein de votre équipe growth pour identifier de nouvelles possibilités d’intégration.

Ne rendez pas votre stack d’outils monstrueuse pour autant : avant toute intégration d’un nouvel outil, vérifiez bien qu’il apporte une proposition de valeur différenciante ou complémentaire par rapport à vos outils existants, et qu’il répond à certains de vos besoins. Périodiquement, faites le ménage dans vos outils et ne conservez que ceux qui vous aident réellement à prendre les bonnes décisions. Il est possible et même souhaitable de tester régulièrement de nouveaux outils. N’éparpillez pas votre énergie à maintenir trop d’outils similaires : n’oubliez pas qu’au fur et à mesure que votre produit évolue, vos dispositifs de tracking devront évoluer également, ce qui peut se révéler douloureux si vous avez multiplié les dispositifs de collecte.

Enfin, la formation de vos équipes aux outils est la clé : certains outils doivent être bien configurés et bien utilisés pour donner toute leur valeur. Mieux vaut 2 ou 3 outils bien compris et bien maîtrisés par vos équipes que 10 que personne ne comprend comment utiliser.  Les formations traitant le plus souvent des fondamentaux, elles s’adressent rarement aux growth marketeurs qui souhaitent vraiment approfondir leur maîtrise d’un outil. Les formations sont donc un pied à l’étrier, mais il est impératif pour progresser de compléter cet apprentissage en mettant les mains dans le cambouis ! Préférez donc une formation sur le long terme qui laisse beaucoup de place à l’autoformation de vos équipes, ce sera bien plus efficace et rentable.

Approfondir par soi même, c’est avant tout apprendre à chercher, fouiller dans la documentation et les retours d’expérience de la communauté afin de prendre en main de nouvelles fonctionnalités ou types d’implémentations. Pensez donc à vérifier si un outil bénéficie d’une communauté active, car elle sera la clef de votre autonomie dans l’apprentissage et le progrès. Sillonner les blogs & sites spécialisés est également un excellent moyen pour se tenir au courant des dernières fonctionnalités et bonnes pratiques.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *