Pourquoi contrôler la qualité de votre plan de taggage ?

by Charles Thumerelle 6 février 2020 783 Views

Vous avez déjà entendu parlé de « data driven » ? Plus que la mode du moment, c’est une philosophie qui consiste à dire que le ressenti et les à priori ne doivent pas être l’unique source d’orientation dans une entreprise. Ce sont les données qui doivent être au centre de l’outil d’analyse et de prise de décision. Data driven, c’est aussi un super buzz-word pour faire vibrer les responsables e-commerce.

Sauf que tout ça n’a de sens que si les données sont fiables.

Il s’avère que ce n’est malheureusement pas vraiment le cas. A cause de ces données non crédibles, les dirigeants ont appris à ne plus se fier aveuglément aux données qu’ils reçoivent. Résultat, ils remettent en question les métriques qui étaient pourtant prévues initialement pour prendre des décisions fiables et surtout rapides.

La cause de ce demi-échec ? Les données sont issues d’outils. Une partie de ces outils (web analytics, tags media, …) récupèrent des données issues de la navigation des internautes et sont donc installés sur le site web. Sauf que le site est vivant, il évolue et le plan de taggage prévu et recetté dans son jeune âge n’est plus maintenu et a souffert des différentes mises en production au grand regret des data analystes. Des événements ont disparu, des pages ne sont plus traquées, ou pire, mal traquées… (pour en savoir plus sur les origines de la bad data, nous vous conseillons cet article)

Rappel du plan de taggage

Ce plan de taggage est un document qui reprend l’ensemble des tags normalement présents sur le site, ainsi que les conditions de leur déclenchement et les paramètres associés. Il en va de même concernant l’installation de gestionnaires de tags.

Et les conclusions peuvent être graves: perte de revenus, contamination des tableaux de bord, diminution du ROI des actions, données CRM décalées par rapport à la réalité…

Les attributions de budget marketing deviennent décalées par rapport à la performance réelle des campagnes, avec toutes les conséquences que ça peut impliquer. Ces mauvaises données ont un impact à long terme. Même si elles sont corrigées, elles rendent inexploitables les analyses de la période concernée, mais aussi les comparaisons à n-1 de l’année suivante. Une fois collectées, ces data gangrenées restent dans les outils, souvent impossibles à corriger.

Comment remédier à ce manque de fiabilité ?

Très peu d’acteurs sont immunisés contre ces problèmes. La seule solution : vérifier que les outils continuent de fonctionner comme à leur premier jour et remontent encore et toujours des données fiables.

Pour ce faire, il est nécessaire de vérifier périodiquement que les éléments de tracking mis en place sur le site internet continuent de faire leur travail. Il faut donc recetter régulièrement l’implémentation des différents tags et surtout du dataLayer.

Rappel du datalayer

Le datalayer est un objet virtuel présent sur les pages disposant d’un gestionnaire de tags et qui reprend toutes les informations nécessaires pour déclencher correctement les tags. Il contient par exemple des données sur la page en cours (le type de page, son univers, …) ou du produit consulté (son nom, prix, caractéristiques…). Le gestionnaire de tag utilise alors ces data pour alimenter les tags (analytics, média, …)

Le datalayer est donc la source sur laquelle se base toute la collecte de données.

Si ce datalayer contient de mauvaises données, alors c’est toute la chaîne qui est affectée. L’outil d’analytics va remonter des informations erronées, tout comme les autres outils qui se basent sur cette source unique.

Contrôler régulièrement son plan de taggage est l’unique solution permettant de s’assurer que les données stratégiques amènent la valeur attendue. Ces contrôles peuvent être faits à la main, de façon périodique ou de façon plus efficace avec un outil comme seenaptic qui va vérifier l’intégralité du plan de marquage, sur l’ensemble du site en quelques secondes. Les problèmes de data seront alors détectés, souvent même en amont des mises en production, et corrigés avant qu’ils aient pu fausser les analyses stratégiques.