ANALYSE DES DONNÉES

Les mauvaises données vous freinent-elles ?

Traiter et analyser les données des utilisateurs est essentiel pour la viabilité des entreprises de médias et d’édition numérique.

Président et CEO de la FIPP, James Hewes déclare que « les données sont désormais au cœur des modèles économiques des éditeurs de presse. Sans données numériques, il est impossible pour les agences de presse de comprendre leur audience. »

S’il est clair que les éditeurs souhaitent mettre la main sur autant de données clients que possible, toutes les métriques n’offrent pas la même valeur. Certaines peuvent même vous empêcher de dépasser vos objectifs de revenus, et vous faire perdre du temps et de l’argent si vous y accordez trop d’attention.

Les éditeurs numériques qui réussissent sont ceux capables de fixer les bonnes priorités et de suivre des données pertinentes pour prendre des décisions éclairées. Ils renforcent ainsi leurs relations avec les lecteurs, ce qui génère de solides sources de revenus.

C’est pourquoi il devient crucial de discerner quelles sont réellement les « bonnes données ». Dans ce guide, découvrez les différents types de données, les pièges à éviter et les clés qui permettront à vos équipes de suivre les métriques qui font progresser les revenus.

Métriques utiles à suivre dans la publication

Les métriques les plus importantes à suivre sont de loin celles qui concernent les performances. Ces données fournissent des informations qui aident les éditeurs numériques à définir une orientation stratégique et à déterminer ce qu’ils doivent changer et comment.

Les métriques de performances facilitent le suivi d’objectifs majeurs sans avoir à analyser de grandes quantités de données. Pour ce faire, elles mettent en évidence les variations positives ou négatives par rapport aux normes de comportement. Une fois que vous maîtrisez le comportement standard d’un utilisateur, vous n’avez plus besoin d’analyser de grandes quantités de données le concernant. Au lieu de cela, vous pouvez simplement surveiller les écarts par rapport à la moyenne qui pourraient indiquer la nécessité de changer de stratégie.

Quelques données de performances utiles dans la publication numérique :

Engagement mensuel : le nombre de fois qu’un utilisateur interagit chaque mois avec votre contenu est une métrique importante, car elle fournit un aperçu des tendances de son comportement. Si l’engagement diminue, c’est le signe que le contenu ne correspond plus aux préférences de l’utilisateur et que quelque chose doit être fait pour l’inciter à revenir.

Les métriques de performances facilitent le suivi d’objectifs majeurs sans avoir à analyser de grandes quantités de données. Pour ce faire, elles mettent en évidence les variations positives ou négatives par rapport aux normes de comportement. Une fois que vous maîtrisez le comportement standard d’un utilisateur, vous n’avez plus besoin d’analyser de grandes quantités de données le concernant. Au lieu de cela, vous pouvez simplement surveiller les écarts par rapport à la moyenne qui pourraient indiquer la nécessité de changer de stratégie.

Taux de rétention et taux d’attrition : le suivi du taux de rétention et du taux d’attrition permet aux éditeurs d’évaluer leur niveau de service auprès des clients. Les fluctuations de l’un ou l’autre de ces taux peuvent informer les éditeurs si des changements particuliers ont été bien accueillis par leur public ou non. Si un éditeur constate une hausse du taux d’attrition après une modification particulière apportée à une formule d’abonnement, il peut clairement en déduire qu’il s’agit d’une mauvaise décision.

En plus de suivre les écarts par rapport à la norme, il peut être utile d’examiner les schémas qui conduisent au désabonnement des utilisateurs. Si les données suggèrent qu’il y a une baisse progressive de l’engagement et une baisse de la fidélisation globale des abonnés après trois mois, les éditeurs peuvent tester différentes stratégies au sein du parcours d’abonnement pour réduire les désabonnements à l’avenir. Ils peuvent par exemple créer une campagne de réengagement à ce stade du parcours.

Pour obtenir une aide supplémentaire sur le suivi et l’analyse du taux d’attrition des abonnés, lisez notre article intitulé « Comment réduire les désabonnements ».

Valeur vie client (CLV) : examiner les historiques d’achat, la durée moyenne des abonnements et les transactions ponctuelles au cours d’une période donnée peut aider les éditeurs à évaluer la valeur que les clients retirent de leur service.

Plus les clients perçoivent de la valeur, plus la CLV est susceptible d’augmenter. De faibles CLV peuvent suggérer le besoin pour un éditeur d’envisager de nouvelles offres ou options de tarification afin de mieux aligner la valeur perçue sur le service.

Métriques à éviter

Maintenant que nous avons examiné certaines des métriques clés que les éditeurs numériques peuvent suivre pour améliorer leurs revenus, penchons-nous sur certaines métriques à ignorer du fait qu’elles peuvent ralentir une entreprise et lui faire perdre un temps précieux.

Vanity metrics (métriques de vanité) : il s’agit de données de faible valeur qui se concentrent principalement sur l’image de la marque, mais n’aident pas réellement l’entreprise à avancer dans l’atteinte d’objectifs concrets. Par exemple, le nombre total de pages vues par utilisateur et par mois. Le nombre total de pages vues est généralement considéré comme une vanity metric, car il ne fournit pas le contexte requis pour que les chiffres soient significatifs. Se contenter d’examiner le nombre total de pages vues ne suffit pas à prendre en compte tous les autres facteurs contextuels pouvant avoir un impact sur cette métrique, comme l’endroit d’où un utilisateur est référé (directement vers le site, via les réseaux sociaux ou via une campagne publicitaire en cours). De nombreux spécialistes du marketing se retrouvent occupés à suivre ces métriques sans vraiment savoir quoi en déduire et comment utiliser ces données.

Ce n’est pas que cette métrique en elle-même soit toujours inutile, mais si un éditeur ne parvient pas à l’utiliser dans le contexte approprié pour atteindre un objectif spécifique, les chiffres n’ont pas la substance nécessaire pour prendre une décision valable.

Deep data (données approfondies) : les deep data se situent souvent à l’opposé des vanity metrics et comportent leurs propres défis. En général, les deep data impliquent une collecte de données à grande échelle et de haute qualité pour des objectifs très spécifiques. Hélas, ces gros volumes de données s’accompagnent de nombreuses analyses. Certains types de données sur les paywalls intelligents, par exemple, nécessitent tellement de contexte qu’il est difficile de rendre les chiffres exploitables. Une entreprise doit embaucher un responsable produit ou un data scientist à temps plein pour analyser et identifier les opportunités d’informations exploitables.

Dans les cas où il est crucial d’examiner de grands ensembles de données, il peut être utile de déterminer d’abord si la maintenance et l’expertise supplémentaires sont essentielles pour votre entreprise.
Pour gérer des deep data à grande échelle, de nombreux grands éditeurs numériques s’appuient sur des plateformes d’expérience d’abonnement pour faciliter la capture des données. Ces données sont enrichies à l’aide d’intégrations à un CRM ou une CDP, ce qui permet aux éditeurs de déterminer des étapes claires et réalisables sans avoir à se plonger manuellement dans un large éventail de sources.

« De nombreux éditeurs regroupent les données de leurs lecteurs dans 10 à 15 catégories différentes, et ont du mal à créer une vue unique de leurs clients à partir de toutes ces données. Ils tentent par divers moyens de rassembler toutes ces données sous forme numérique et d’utiliser la bonne technologie à cet effet. » James Hewes, FIPP

Obtenir plus des données

S’il est utile de comprendre les types de métriques qui peuvent avoir un réel impact sur les objectifs commerciaux, s’armer des bonnes données n’est qu’un aspect d’une utilisation efficace. Pour vraiment profiter des avantages uniques qu’offrent les données first-party, les éditeurs doivent également prendre en compte les éléments suivants :

Analyser les données rapidement : si une réclamation client survient pendant une période d’essai, cela peut prendre quelques jours pour prendre des mesures avant que ce client ne soit perdu à jamais. C’est pourquoi les données doivent être accessibles en temps réel. Lorsque vous analysez de nombreuses données provenant de différentes sources et que vous avez besoin de diverses expertises, une latence élevée pose souvent problème. Les outils d’expérience d’abonnement garantissent que tous les ensembles de données sont complets et font apparaître des informations significatives sur les données pour les équipes techniques et non techniques, leur permettant de répondre aux questions et de pouvoir agir et réagir.

Favoriser la collaboration : si un abonné rencontre un problème hors ligne et que des efforts sont déployés sur le site pour encourager un achat, cela peut entraîner une expérience décousue pour ce dernier. Il doit y avoir un alignement et une communication claire entre les fonctions. Un parcours d’abonnement fort implique plusieurs départements – service client, marketing et ventes – qui nécessitent d’accéder aux mêmes données via une interface partagée.

Comprendre les compromis techniques : analyser de manière trop approfondie des données étendues a un prix. Déterminez si cette analyse est absolument indispensable et s’il existe des outils alternatifs pour automatiser le processus.

En accédant aux bonnes données et en disposant de l’infrastructure permettant de les analyser et de les exploiter rapidement, les éditeurs peuvent renforcer leurs relations avec leurs lecteurs et augmenter leurs sources de revenus.

Pour obtenir une aide supplémentaire sur l’utilisation de vos données, téléchargez notre eGuide intitulé « Comment les éditeurs numériques qui réussissent obtiennent des résultats significatifs en exploitant leurs données ».

Gardez vos clients à vie

Quatre types de données que les éditeurs devraient exploiter au maximum

Tous les types de données n’ont pas la même valeur, et les éditeurs capables de définir les bonnes priorités et les bons objectifs avec les bons types de données seront les mieux placés pour renforcer à la fois les relations avec leurs lecteurs et leurs sources de revenus.

Optez pour le succès récurrent

Les entreprises s’appuient sur Zuora pour accompagner leur croissance. Parce que votre succès est aussi le nôtre, nous avons à cœur de répondre à vos plus grands défis. Notre technologie s’adapte à votre modèle économique, quel qu’il soit : par abonnement, à la consommation, à l’usage, hybride, … A nos côtés, monétisez l’intégralité de vos services.

Demander un essai gratuit

Découvrez le produit et testez Zuora gratuitement

Envie de mener le changement?

Intégrez notre équipe internationale dédiée à la métamorphose des entreprises leaders à l’échelle globale.

Les mauvaises données vous freinent-elles ?

Continuez votre découverte

Vue d'ensemble des passerelles de paiement
Adopter l'avenir des modèles de tarification de la consommation
Pourquoi un modèle basé sur la consommation est essentiel pour monétiser l'IA pour le SaaS
Maîtrisez les paiements électroniques et les fuites de revenus pour fidéliser vos abonnés quel que soit le contexte économique