Le suivi automatique est [toujours] mauvais !

Il y a de nombreuses années, j'assistais à une conférence sur l'analyse numérique et j'ai visité le stand d'un nouveau fournisseur de marketing qui proposait une option «sans marquage» pour l'analyse du marketing numérique. J'étais intrigué parce que j'avais passé une grande partie de ma carrière professionnelle à écrire sur l'architecture et le balisage des solutions d'analyse numérique. Après avoir entendu leur pitch, j'ai pu voir l'attrait de ce qu'ils offraient. Imaginez être capable de « suivre automatiquement » toutes les données dont vous pourriez avoir besoin de la part de vos clients sans avoir à consacrer du temps à l'architecture de la solution, à la conception ou à demander aux développeurs de créer une couche de données et de définir des événements et des propriétés d'analyse. Qui ne voudrait pas ça ?

Mais en y réfléchissant, j'ai commencé à réaliser à quel point ce serait une idée terrible ! Au début de l'analyse numérique, il était courant de collecter des données en "grattant DOM" des pages Web. Le scraping DOM vous a permis de saisir des données dans des balises HTML et de les coller dans des variables d'analyse. Cette méthode était rapide, mais aussi extrêmement fragile. Le scraping DOM a rapidement été remplacé par des couches de données et des systèmes de gestion des balises. Cette dernière a pris plus de temps, mais était beaucoup moins fragile (pour un bon historique de cette transition, lisez ceci). L'utilisation d'approches de suivi automatique pour le marquage est un pas en arrière par rapport à l'époque du scraping DOM et ramène une grande partie de sa fragilité.

Mais toutes les quelques années, il y a une pression renouvelée pour amener les organisations à reconsidérer les solutions de suivi automatique ou de « sans marquage » et beaucoup de ceux qui n'étaient pas là pour faire l'expérience de ses défauts tombent dans le piège et répètent les erreurs du passé. À moins que vous ne construisiez une propriété numérique qui ne sera utilisée que pendant quelques semaines ou quelques mois, je ne vois aucune situation dans laquelle je conseillerais à une organisation d'utiliser une approche de suivi automatique pour l'analyse numérique. Voici un petit résumé des raisons pour éviter ces solutions :

• Trop de données – Les produits de suivi automatique collectent intrinsèquement trop de données et rendent difficile la recherche des données significatives dont vous avez besoin pour réussir.
• Mauvaises données – Les produits de suivi automatique facilitent la collecte de données, mais une grande partie de ces données deviennent des données mauvaises ou inutilisables sans que quelqu'un ait besoin de nettoyer leurs définitions d'événements et leurs règles de correspondance CSS chaque fois que les développeurs apportent des modifications aux sites Web ou aux applications. Un simple changement de nom par un développeur peut perturber certains de vos indicateurs clés jusqu'à ce que le nouveau nom soit corrigé/rationalisé. J'ai appris qu'il est difficile d'adopter l'analyse numérique même si vous faites un excellent travail pour vous assurer que les données que vous collectez sont exactes. Imaginez essayer de réussir si vos points de données critiques sont incorrects pendant des périodes de temps jusqu'à ce qu'ils soient corrigés. Dans de nombreuses organisations, les gens cherchent des excuses pour « faire confiance à leur instinct » au lieu d'utiliser des données, et la mauvaise qualité des données peut leur donner une excuse pour ignorer les données d'analyse numérique.
• Ne fait pas gagner de temps – Comme le dit l'un de nos co-fondateurs, Jeffrey Wang : « Le suivi automatique n'élimine pas le travail. Cela déplace le travail vers un processus moins évolutif. Le suivi automatique fait gagner du temps à ceux qui auraient autrement dû réfléchir à ce qu'ils veulent suivre sur les sites Web/applications, mais cela demande plus de travail aux analystes, aux ressources de qualité des données ou aux chefs de produit qui doivent être obsédés par le balisage. Donc, si les membres de votre organisation font pression pour une solution de suivi automatique, il est possible que la motivation soit que cela leur fera gagner du temps. Ou il se peut qu'ils ne pensent pas que l'organisation utilise les données pour obtenir de meilleurs résultats de toute façon, alors ils veulent simplement le chemin de la moindre résistance.
• Problèmes de sécurité/confidentialité - Les produits de suivi automatique peuvent capturer accidentellement des données sensibles ou privées qui ne sont pas destinées à être collectées (n'hésitez pas à Google "mots de passe de suivi automatique" pour plus d'informations). Ceci est de plus en plus dangereux car de nouvelles directives telles que GDPR et CCPA imposent des amendes aux organisations pour le traitement abusif des données personnelles.

Bon nombre de ces préoccupations ont été soulignées il y a des années par Jeffrey Wang, l'un de nos co-fondateurs d'Amplitude, lorsqu'il a expliqué pourquoi Amplitude n'avait délibérément pas ajouté le suivi automatique à notre produit. Même les organisations avec lesquelles Amplitude est en concurrence ont convenu que le suivi automatique est une mauvaise stratégie.

Les niveaux de données

J'ai récemment eu le plaisir d'écouter un appel de mon collègue John Cutler à propos du suivi automatique. Lors de l'appel, il y avait un prospect qui comparait Amplitude à un concurrent et l'une des grandes différences était le suivi automatique, qui, selon le prospect, pourrait les aider. John a expliqué qu'il existe essentiellement trois niveaux de données en matière d'analyse numérique :

• Niveau 0 – Ce sont les points de données les plus critiques pour votre organisation. Ils ne changeront jamais à moins que votre organisation ne fasse un pivot massif dans un nouveau domaine ou un nouveau modèle commercial. Par exemple, un produit de gestion de campagne B2B aurait presque certainement un événement créé par la campagne avec un ensemble de propriétés assez stables.
• Niveau 1 – Ce sont des points de données qui seront utiles à moyen terme. Ils sont probablement utiles pour l'année ou les deux prochaines années, mais il est possible qu'ils changent à mesure que le site Web/l'application change. Poursuivant l'exemple B2B, cela peut inclure le suivi des démarrages et des achèvements de la vidéo d'intégration. À l'heure actuelle, le flux de création de campagne montre des vidéos aux nouveaux clients, mais dans un an, les vidéos pourraient être supprimées s'il n'est pas prouvé qu'elles augmentent les taux de création de campagne.
• Niveau 2 – Ce sont des points de données qui sont plus transitoires et souvent très détaillés. Ceux-ci peuvent n'exister que pendant quelques semaines ou quelques mois. Un exemple de cela pourrait être le suivi des clics sur un lien spécifique, une bascule ou un bouton sur le formulaire. À l'heure actuelle, c'est intéressant pour quelqu'un, mais cela n'ajoute pas beaucoup de valeur et disparaîtra probablement dans quelques semaines, ou le marquage de celui-ci peut s'arrêter une fois que l'apprentissage qu'il a fourni est compris et ne changera probablement pas de façon spectaculaire.

Pour la plupart des organisations, il y aura relativement peu d'événements et de propriétés de niveau 0, beaucoup plus d'éléments de niveau 1 et il peut y avoir des centaines d'éléments de niveau 2. La plupart de votre temps devrait être consacré aux éléments de niveau 0 et de niveau 1. Les éléments de niveau 2 devraient se produire naturellement en intégrant le balisage dans le processus de développement. La raison pour laquelle ce concept est si intéressant est que la plupart des arguments en faveur des solutions de suivi automatique sont basés sur la quantité de travail nécessaire pour mettre en œuvre de manière proactive le marquage analytique. Mais une fois que vous réalisez que vous pouvez répondre à 80 % de vos besoins d'analyse en étiquetant un nombre relativement restreint de points de données, l'argument du gain de temps (qui est faux de toute façon) s'évapore tout simplement.

Dans la discussion de John, il a dessiné ce grand diagramme comparant l'effort et la valeur du suivi automatique par rapport à une mise en œuvre de marquage proactive plus traditionnelle. Comme vous pouvez le voir, la solution de suivi automatique commence par plus de valeur avec moins d'effort, mais se transforme rapidement en une valeur progressivement moindre par quantité d'effort. Alors que l'approche traditionnelle demande un peu plus d'efforts au départ et plus de valeur par effort au fil du temps.

Je plaide depuis longtemps pour que les organisations identifient les questions commerciales auxquelles elles souhaitent répondre et mappent ces questions commerciales à une architecture de solution avant que le balisage n'ait lieu. Je pense qu'il vaut la peine de prendre le temps d'identifier les données que vous prévoyez de collecter et pourquoi au lieu de suivre les données et d'essayer ensuite de comprendre comment elles peuvent être utilisées. Comme la plupart des choses dans la vie, vous en retirez ce que vous y mettez. Ne tombez donc pas dans le piège des solutions de suivi automatique et reconnaissez que le succès dans l'analyse numérique est un marathon, pas un sprint.

Et si j'oubliais quelque chose ?

En plus des gains de temps supposés, un autre argument que j'entends en faveur du suivi automatique concerne l'omission ou l'oubli des données requises. Cela donne généralement quelque chose comme ceci : "Je ne peux pas anticiper toutes les données dont j'aurai besoin via la collecte des exigences, j'ai donc besoin d'une solution de suivi automatique pour collecter toutes mes données au cas où il y aurait une question commerciale qui surgit que je n'avais pas anticipé au départ… »

Bien sûr, il y aura des cas dans lesquels quelque chose se produit et il vous manque des données que vous souhaiteriez devoir prendre une décision commerciale. Peu importe à quel point vous savez rassembler les besoins de votre entreprise, vous ne pouvez pas anticiper tous les événements et toutes les propriétés qui seront nécessaires. Mais si vous repensez aux éléments de niveau 0, niveau 1 et niveau 2 discutés ci-dessus, j'ai trouvé très rare que quelque chose qui a été manqué soit un élément de niveau 0, qui représente les points de données les plus critiques pour votre organisation. Les éléments de niveau 0 devraient être assez évidents pour votre organisation. Vous avez peut-être manqué certains éléments de niveau 1, mais il est peu probable que vous ne puissiez pas ajouter de nouveaux éléments de niveau 1 et attendre quelques semaines pour obtenir suffisamment de données pour répondre à votre question commerciale. Si une question était si importante qu'elle nécessitait une réponse dans les 24 heures, elle aurait dû être posée lors de la collecte des exigences. Les éléments de niveau 2 devraient être encore moins importants dans le grand schéma des choses. Il est probable que de nombreux éléments qui vous manquent soient des éléments de niveau 2 car ils ne sont pas critiques ou représentent de nouvelles choses qui n'étaient pas présentes lors de la collecte des exigences. Dans la plupart des cas, vous pouvez ajouter de nouvelles balises et attendre quelques jours ou semaines pour obtenir ces données manquantes.

Culture

La dernière chose que j'aimerais mentionner au sujet du suivi automatique est le domaine de la culture d'entreprise. Comme c'est souvent le cas, les décisions technologiques en disent long sur la culture d'une organisation et sur les équipes au sein de l'organisation. Lorsque je vois des équipes d'analyse qui envisagent des solutions de suivi automatique, voici certaines des pensées qui tourbillonnent dans ma tête :

• Pourquoi leur est-il si difficile de planifier leur mise en œuvre à l'avance ? Parfois, le désir d'une solution de suivi automatique masque le fait que l'équipe d'analyse ne sait pas vraiment ce dont l'entreprise a besoin. Peut-être ont-ils besoin de passer plus de temps avec leurs parties prenantes internes au lieu de rechercher un produit qui leur permettra de tout suivre au cas où.
• Pourquoi leur est-il si difficile d'obtenir des ressources de mise en œuvre ? Si une équipe d'analyse fait du bon travail, elle doit être perçue comme essentielle et stratégique pour l'organisation. Une analyse bien faite aide les organisations à gagner de l'argent ou à économiser de l'argent, alors pourquoi une organisation ne consacrerait-elle pas de ressources aux efforts de mise en œuvre ? Peut-être que la solution de suivi automatique permet à l'équipe d'analyse d'éviter plus facilement le fait que l'organisation n'apprécie pas son travail.
• Un nouveau produit d'analyse résoudra-t-il leurs problèmes ? Parfois, passer d'une solution d'analyse à une autre semble être un excellent moyen de faire table rase et de repartir à zéro, mais si votre organisation a des problèmes culturels inhérents qui ont causé l'échec de la solution actuelle, il peut être conseillé de résoudre ces problèmes avant d'essayer. un nouveau vendeur. Ne pas le faire peut entraîner la répétition des mêmes problèmes avec un nouvel outil.

Dernières pensées

Bien que j'espère que ce message est finalement inutile en raison du fait que les organisations ont appris leur leçon sur les produits de suivi automatique, il est parfois important de se rappeler des choses que nous avons apprises dans le passé afin que l'histoire ne se répète pas. Si votre organisation subit des pressions pour rechercher une solution de suivi automatique, je vous invite à prendre en compte les problèmes potentiels soulevés ci-dessus, les différents niveaux de données, les avantages de la planification initiale et les aspects culturels sous-jacents qui pourraient motiver la décision. .