5 Min. Read

Une recette contre les écarts

Avatar Asaf Shamir May 31, 2016

Recherchez ‘Écart’ dans le dictionnaire et vous obtiendrez le résultat suivant: Un manque de compatibilité ou de similitude entre deux ou plusieurs faits. Comment deux ou plusieurs faits peuvent-ils être incompatibles? Ce sont des faits. Ils sont tous les deux vrais. Voilà le problème avec les écarts de données.

Si vous êtes familier avec le marketing numérique, vous vous tirez sans doute les cheveux en essayant de comprendre pourquoi différentes plateformes affichent des nombres différents, en particulier en matière de conversions.

Click To Tweet

Afin de vous aider à éviter un sort semblable, je ferai de mon mieux dans l’article suivant pour vous aider à comprendre les raisons de ces écarts et ce qui doit être fait pour les résoudre et les traiter.

Différents fuseaux horaires

C’est probablement l’idée la plus facile à saisir. Différentes plates-formes utilisent des fuseaux horaires différents. Si les données que vous regardez sont coupées en tranches d’heures ou de jours, des écarts sont susceptibles de se produire. En effet, les données suivies par une plate-forme se «rependraient» d’une heure/journée précédente/suivante à l’autre. Supposons par exemple que vous soyez à la recherche des conversions sur un seul système configuré pour enregistrer des horodatages basés sur un fuseau horaire GMT lors d’une journée spécifique. L’autre système est lui configuré sur un fuseau horaire PST. Dans ce cas, les résultats qui sont suivis entre 0:00-6:59 GMT seront indiqués entre 17:00 pm-11:59pm PST – le jour précédent!

Si vous ne pouvez pas mettre en correspondance différentes plates-formes afin d’utiliser les mêmes fuseaux horaires, il sera intéressant d’utiliser un laps de temps plus large (mais pas trop large) pour réduire au minimum l’écart, de sorte que la différence horaire entre les fuseaux devienne négligeable – je recommande deux semaines.

Terminologie

Différentes plates-formes utilisent des termes différents. Les “Engagements” sont généralement appelés clics par publicités (ad clicks) ou vues/impressions. Cependant, une plate-forme peut compter des engagements lorsqu’une autre compte les gens qui sont engagés sur une publicité (c-a-d. la portée).

Conversions est un autre exemple intéressant. Quelle est la définition exacte d’une conversion ? Dans l’écosystème des applications, nous parlons d’une Installation d’Application. Alors que certaines plates-formes peuvent compter chaque téléchargement d’application comme une installation, d’autres vont enregistrer une installation lorsque l’application téléchargée a été lancé pour la première fois.

Nous avons un autre exemple avec l’in-app event comme un achat sur l’application, un tutoriel/un niveau achevé ou tout autre IPC que vous suivez. Il est essentiel de savoir comment et quand ces IPC sont suivis par les différents outils que vous utilisez. Avec une plate-forme, vous pourrez par exemple suivre un achat sur l’application une fois qu’il est réalisé par un utilisateur. Cependant, une autre plate-forme ne comptera un achat sur l’application que lorsqu’un reçu pour l’achat a été validé.

Par conséquent, il est vraiment important d’aligner vos définitions d’IPC, ou tout au moins de comprendre exactement ce que chacune signifie. Lorsque vous aurez fait cela, vos numéros seront alignés et vous aurez les pommes rouges dans le même panier et les pommes vertes dans un autre.

Différence de suivi / méthodes d’attribution

En tant que marqueteur d’une nouvelle ère, vous êtes certainement occupé à attribuer les actions digitales à d’autres actions précédentes afin d’optimiser vos campagnes. Malheureusement, les différents services / plates-formes définissent non seulement les actions différemment, mais ils peuvent également attribuer les actions de manière différente.

Une plateforme peut par exemple baser son attribution sur le dernier engagement, tandis qu’une autre plateforme aura comme référence le premier engagement. Un fournisseur peut attribuer des achats in-app basés sur la première fois où un utilisateur est engagé avec une publicité avant même qu’il ou elle ne réalise un achat, tandis qu’un autre fournisseur l’attribuera lors d’un événement d’installation d’une application.

Tendance

Dans l’espace de marketing mobile, certaines entreprises proposent des solutions multiples ou des solutions complètes. Elles achètent les médias, mesurent les campagnes et les optimisent. En tant que tel, l’activité de base via laquelle elles réalisent la majeure partie de leur chiffre d’affaires consiste à acheter et à vendre des médias. La mesure n’est qu’un élément secondaire à leur stratégie. Dans un tel cas, les conflits d’intérêts peuvent survenir car ils mesurent essentiellement leur propre succès.

Cohortes / catégories

Cohorts by definition are users bundled together and treated as a group. As a marketer, your job is to look at cohorts and see how well they’ve performed based on a metric of your choice. The problem is that platforms could have different filters and grouping mechanisms so the odds of you creating the exact same cohort in two different platforms, and then applying the same exact metric are more or less the odds of you bumping into a unicorn (a real one) that was struck by lightning. Twice.

Et c’est exactement le problème lorsque vous créez vos cohortes et les comparez: vos données sont tellement digérées qu’au lieu de comparer des pommes avec des pommes, vous comparez pratiquement le cidre à la compote de pommes.

Gardez votre calme et focalisez-vous sur les données brutes

Que pouvez-vous faire pour éviter les écarts? La meilleure façon d’avancer est de regrouper vos propres pommes. Si vous souhaitez effectuer une comparaison correcte, vous devrez briser vos données agrégées / digérées en catégories de données brutes. Idéalement, vous devrez créer une liste d’événements horodatés avec un identificateur de clé unique qui soit commun aux deux (ou plus) plates-formes que vous soupçonner de produire un écart. S’il existe une différence, la comparaison des listes vous permettra d’identifier les événements ayant été enregistrés sur une plate-forme, mais qui étaient manquant sur l’autre (le delta).

Avec ces données à votre disposition, vous aurez désormais la possibilité de résoudre le problème en constituant des échantillons de points de données et en les analysant. Si vos points de données delta manquent dans un système en raison de différences dans le suivi de l’application mobile ou d’autres méthodes de suivi, vous aurez trouvé la solution à votre problème.

Si différentes méthodes de suivi n’expliquent pas l’absence de points de données delta, on peut supposer que la question est de nature technique. Vous devrez alors mener une enquête dans ce sens. Vous serez en mesure d’utiliser ces données brutes comme preuve que les événements ont été suivis / n’ont pas été suivis et les fournir aux équipes techniques des parties en question pour une enquête plus approfondie. Here are a few suggested rules of thumb:

  1. La comparaison des différentes tables de données digérées ne constitue pas une preuve valable d’un écart. Vos ressources techniques ne seront pas en mesure de faire quoi que ce soit à ce sujet.
  2. Seules les données brutes sont comparables – mais assurez-vous de disposer de suffisamment de données et qu’elles puissent être reproductibles pour éviter toute anomalies/ cas dûs au hasard.
  3. La tolérance est recommandée pour écart de 10%.
Click To Tweet
Toujours regarder le bon côté

Les écarts sont naturels et sont en fait une bonne chose. Lorsque vous étudiez un écart, vous trouvez soit un problème technique ou vous gagnez davantage de connaissances sur votre outil de mesure – la façon dont il mesure vos données et son niveau de précision et de fiabilité.

Mieux important, vous disposerez de la recette parfaite pour éviter de perdre vos cheveux…