Sélectionner une page

Quels indicateurs mettre en place pour commencer à utiliser les Analytics sur son produit ? 

Comment identifier les améliorations ou évolutions à apporter pour augmenter sa valeur ? 

Comment bien vérifier qu’une évolution porte ses fruits ? 

Chez Sirup lab, cela fait plusieurs années que nous utilisons Google Analytics, et sa version simplifiée pour mobile : Firebase Analytics. 

Nous les utilisons pour aider startups et entrepreneurs à rendre leur produit économiquement viable. Nous les aidons à croître beaucoup plus rapidement. 

Nous avons déjà doublé le chiffre d’affaires de plusieurs partenaires en appliquant des évolutions simples aux bons endroits. 

Explorer des tableaux de bord réels reste le meilleur moyen de bien comprendre comment configurer la collecte de donnée, mais ces tableaux sont confidentiels et donc difficiles à partager (sans flouter 90 % des images).   

Pour bien illustrer cette démarche nous étudions donc ici 2 tableaux de bord conçus par Google. Ils sont entièrement disponibles pour tous à des fins éducatives :

Emplacement du projet de démo

Nous ferons ensuite une synthèse sur une méthode simple, accessible à tous, à mettre en place sur votre propre projet. 

Conversions

Il s’agit de définir les indicateurs en forte corrélation avec la valeur de l’application, et donc souvent avec les revenus. 

Firebase 

L’application connectée à ce tableau est un jeu gratuit. Les revenus proviennent principalement de la publicité et un peu d’achat dans l’application. Convertir les visiteurs en utilisateurs actifs, c’est-à-dire des utilisateurs qui reviennent, est donc la priorité.

Liste des indicateurs de conversion

18 indicateurs sont configurés, mais uniquement 6 sont actifs. 

Parmi eux : 

  • “app updated” peut être utilisé pour décompter les utilisateurs actifs à long terme ce qui est en lien avec les revenus publicitaires.
  • “In app purchase” est lui lié directement aux revenus de microtransactions.
  • “completed 5 levels” est un indicateur de rétention  à court terme. Il est intéressant car il utilise un compteur. 
  • “level complete » est un indicateur d’activation qui devrait se déclencher dès le premier lancement, en corrélation avec “completed 5 levels”. 
  • “first open” est un indicateur automatique qui permet de décompter tous les nouveaux visiteurs. 

Nous avons donc une séquence chronologique avec des indicateurs sur le 1er lancement, quelques jours plus tard, et sur du long terme, alignés avec les objectifs de revenu du produit. 

Google Analytics 

L’application connectée à ce tableau est un site marchand. Les revenus sont générés par des achats ponctuels. Convertir des visiteurs en clients est donc la priorité. 

Liste des objectifs configurés

4 Objectifs sont configurés. Parmi eux : 

  • Finaliser un paiement est l’indicateur direct pour décompter les clients 
  • Pour finaliser, il est nécessaire de s’enregistrer. C’est une étape avec potentiellement un abandon. 
  • Tous les paiements passent d’abord par l’initiation du règlement. 
  • Décompte des personnes affichant plus de 10 pages sur une session. Il s’agit probablement d’un indicateur en forte corrélation avec l’initiation d’un paiement. 

Ici aussi nous remontons dans la chronologie avec des indicateurs de plus en plus en amont. 

Méthode

  1. Partir de l’indicateur en rapport le plus direct avec la valeur du produit. 
  2. Puis remonter dans la chronologie pour définir des indicateurs plus réactifs. 
  3. Sélectionner entre 5 et 10 indicateurs répartis entre la première utilisation et la conversion finale. 

Entonnoirs (Funnels)

Une fois les grands indicateurs définis, il s’agit d’observer plus en détail à quelle étape les utilisateurs décrochent pour cibler les améliorations et les évolutions. 

Firebase

Cet entonnoir affiche plus en détail la conversion de visiteur en utilisateur. Il permet d’identifier les frictions potentielles pour terminer un niveau du jeu. 

Un entonnoir de conversion sur un niveau complété

Notez que Firebase n’offre que des entonnoirs ouverts. Cela signifie que les utilisateurs à une étape n’ont pas forcément observé l’étape précédente. 

Cela reste cependant une approximation suffisante pour optimiser cette portion de la conversion. 

Ici, nous voyons clairement qu’une grande partie des utilisateurs qui lancent l’application pour la première fois ne commencent pas de niveau. Une portion beaucoup moins importante commence un niveau mais ne le finit pas. 

Amener plus de nouveaux utilisateurs à commencer un niveau est une bonne piste d’exploration. 

Google Analytics

Cet entonnoir affiche en détail les étapes précédant l’acte d’achat. 

Entonnoir de conversion sur un achat complété

Ceci est en entonnoir fermé. Ça signifie que les utilisateurs à une étape donnée ont tous observé l’étape précédente. 

Le taux d’abandon le plus fort est sur la dernière étape avec 19 % de conversion sur l’achat. 

Amener plus de personnes qui ont choisi leur mode de facturation et de livraison à payer est donc une piste d’exploration. 

Méthode

  1. Sélectionner l’indicateur que vous souhaitez optimiser.
  2. Détailler les étapes en amont de cette conversion. 
  3. Configurer un entonnoir pour identifier les étapes de décrochage à optimiser. 

Comportement 

Une fois les indicateurs et leurs étapes définis, il s’agit d’ajouter quelques indicateurs d’usage (event) qui pourront être utilisés sur une étude future. Ce que vous ne mesurez pas maintenant est perdu. 

Firebase 

Chaque étape du jeu est mesurée. 

Liste des évenements

Les étapes de succès sur les différents parcours, incluant les invitations.

Les événements d’échec sont également mesurés (échec de niveau, réinitialisation de niveau). 

Sous cette forme, une analyse est difficile. Ces événements trouveront leur place dans un entonnoir ou pour définir une audience (dessous).

Google Analytics

Seuls 6 événements sont configurés ici.

Liste des actions des événements configurés

Les ”Event actions” sont utilisées. Uniquement 2 catégories sont définies. 

C’est une bonne pratique puisque les systèmes récents (Firebase Analytics ou Google Tag Manager) ne supportent aussi que des couples action / valeur. 

Les labels sont utilisés pour identifier l’objet de l’action (un article dans la plupart des cas) 

Ici aussi, nous observons des événements pouvant dégrader les conversions (Remove from cart). 

Méthode

  1. Ajouter un événement sur chaque action possible pour l’utilisateur. 
  2. Mesurer aussi des événements “négatifs”, c’est-à-dire pouvant provoquer un recul par rapport à l’objectif 
  3. Rester simple : une dimension (action) et une valeur (objet de l’action). 

Audience

Une fois tous nos indicateurs mise en place, nous allons diviser l’audience en groupes plus petits partageant des événements en commun pour préciser les analyses.

Firebase

Ici, l’audience est divisée selon une courbe d’apprentissage.

Les audiences configurées

Les utilisateurs experts ont complétés tous les niveaux.

Chaque groupe précédent a découvert un peu moins de l’application. 

Cela divise l’audience totale progressivement jusqu’au groupe expert avec la plus haute rétention, et donc générant le plus de revenus publicitaires. 

Un groupe sur les plantages est en place pour mesurer l’impact négatif sur les conversions. 

Google Analytics

Google Analytics permet de configurer des audiences de plusieurs façons.

Il est possible de configurer des segments. Ils ne sont pas partageables largement. Nous ne pouvons pas les afficher ici. 

Il est aussi possible de configurer des dimensions ou des variables personnalisées. Nous avons ici une dimension “user category”.

La dimension personnalisée « User Category »

Ici, la décomposition se fait sur un type de persona : les employés (de Google ?) ou des distributeurs. 

Méthode

  1. Diviser votre audience sur une courbe d’apprentissage pour s’assurer que chaque groupe transfère sur une groupe de plus haute valeur. 
  2. Diviser votre audience selon vos personas avec des dimensions personnalisées pour identifier quel groupe tire le plus de valeur de votre produit. 
  3. Définir une audience sur des événements négatifs pour définir à quel point ils baissent la valeur de votre produit. 

Expérimentation

Une fois votre audience cible et les frictions identifiées, il s’agit d’expérimenter des modifications ou des évolutions et vérifier une augmentation de la valeur. 

Firebase

Le test AB consiste à comparer la performance d’une ancienne version de l’application avec de nouvelles versions sur la même plage de temps et sur des groupes d’utilisateurs significatifs.

C’est la méthode la plus simple pour s’assurer qu’une modification est utile. 

La première expérimentation cible l’activation en augmentant le démarrage d’un niveau.

Détail d’une expérimentation

Comme évoqué plus haut, Google cherche à augmenter la proportion d’utilisateur qui démarre un niveau. Cela doit se faire sans les faire fuir ensuite. On observe donc un objectif secondaire pour augmenter la réalisation de 5 niveaux.

Chaque expérimentation contient de la même façon un objectif principal et des objectifs secondaires.  Cela permet d’éviter qu’un gain d’un côté engendre une perte de l’autre. 

Google Analytics

“Optimize” permet de faire l’équivalent sur Google Analytics. 

Les tests ne sont cependant pas accessibles sur ce compte de démo 😭. 

Google Optimize sur Google Analytics

Méthode

  1. Choisir un indicateur clé à augmenter suite à une modification ou à une évolution
  2. Choisir un ou deux indicateurs secondaires qui pourrait baisser suite à cette expérimentation. Prendre des indicateurs à plus long terme. 
  3. Expérimenter systématiquement les nouvelles versions.

Conclusion

Bien que chaque produit et chaque système statistique soient différents, vous devriez pouvoir configurer ceci partout : 

  1. Conversion : mesurez un indicateur directement lié à vos revenus, et 3 indicateurs intermédiaires répartis dans le temps pour suivre la progression.  
  2. Entonnoir : créez un entonnoir pour un indicateur à améliorer, et 3 indicateurs précédents pour identifier les expérimentations à mener. Commencer par les indicateurs en amont (le début d’entonnoir) pour plus d’effet sur la conversion finale. 
  3. Comportement : ajoutez systématiquement des indicateurs sur les actions des utilisateurs et les événements détériorant l’expérience. Soyez prêt pour les investigations futures. 
  4. Audience : segmentez sur les personas pour bien identifier l’audience cible. Focalisez vos analyses. 
  5. Expérimentation : utilisez systématiquement des tests AB pour vérifier qu’une évolution augmente bien la valeur du produit. Apprenez des résultats pour affiner les prochaines expérimentations. 

Cela vous aidera à mieux identifier les parties de votre produit à améliorer, à augmenter régulièrement sa valeur et donc à rendre votre produit économiquement viable beaucoup plus rapidement. 

Si vous souhaitez l’aide d’experts pour vous aider à le prendre en main, faites appel à nous ! Nous offrons des ateliers aux incubateurs, donnons des formations d’équipe et renforçons les équipes produit en place.

Share This
%d blogueurs aiment cette page :