FAQ sur Adobe Analytics

Que sont les déclencheurs de remarketing dans Adobe Analytics ?

Les déclencheurs de remarketing dans Adobe Analytics permettent aux spécialistes marketing d’identifier, de définir et de suivre en continu les comportements significatifs des consommateurs et des consommatrices. Le système peut ensuite initier des actions ciblées, comme l’envoi d’e-mails personnalisés, pour réengager ces visiteurs. Cette approche transforme l’observation passive des données en opportunités concrètes de réactivation, devenant ainsi le levier essentiel d’une stratégie marketing dynamique et réactive. Il s’agit fondamentalement de transformer les signaux digitaux observés en interactions pertinentes, proposées à la clientèle au moment où celle-ci est la plus réceptive.

En quoi les déclencheurs de remarketing d’Adobe Analytics dépassent-ils les cas classiques tels que l’abandon de panier ?

L’abandon de panier est un exemple classique et bien maîtrisé de déclencheur marketing. C’est un point de départ pertinent, mais dans une approche véritablement orientée données, le remarketing peut aller bien plus loin. Adobe Analytics permet de configurer des déclencheurs qui s’appuient sur l’ensemble des données disponibles en temps réel, et non plus sur des évènements isolés. Cette exploitation complète des données constitue un facteur de différenciation clé. Dans ce contexte, les déclencheurs dits fondamentaux ne représentent qu’une infime partie des possibilités qui s’ouvrent à vous. Adobe Analytics propose, en effet, une approche plus complète, plus fine et donc bien plus performante du remarketing. Là où de nombreux outils d’e-mailing ou de gestion des campagnes se limitent à des déclencheurs basiques, cette solution permet de construire une stratégie de remarketing cross-canal véritablement efficace.

Quelles actions peuvent déclencher une campagne de remarketing dans Adobe Analytics ?

La flexibilité d’Adobe Analytics permet de configurer des déclencheurs de remarketing à partir d’une grande variété d’actions réalisées par la clientèle. Ces scénarios peuvent inclure des situations de e-commerce courantes comme l’abandon de panier, y compris lorsque des articles ont été volontairement retirés du panier. Mais les possibilités vont bien au-delà : une inscription à la newsletter, l’abonnement à un e-mail, une demande de carte bancaire, une adhésion à un programme de fidélité ou encore toute autre action personnalisée peuvent également servir de point de départ à une campagne. Cette diversité souligne l’adaptabilité de la plateforme. Elle permet aux entreprises d’aligner leurs efforts de remarketing sur des objectifs de conversion variés, en s’adaptant aux différents points de contact du parcours client, et pas uniquement à la logique transactionnelle.

Comment Adobe Analytics s’intègre-t-il à Adobe Campaign pour le remarketing ?

Adobe Analytics s’intègre efficacement avec Adobe Campaign, , permettant une mise en œuvre rapide des stratégies de remarketing. Une fois connectés, les deux solutions fonctionnent ensemble pour permettre aux spécialistes marketing d’agir presque immédiatement après un évènement déclencheur, ce qui garantit que les messages de remarketing sont envoyés au moment optimal. Cette intégration étroite est essentielle pour transformer les insights en actions.

La capacité du système à surveiller un large éventail de comportements client clés et à initier des communications automatisées entre plateformes, notamment en temps réel avec Adobe Campaign, représente un changement fondamental. Cela permet, en effet, au marketing de se détacher des tactiques de remarketing réactives et par lots pour évoluer vers un modèle d’engagement proactif, hautement contextuel et personnalisé à grande échelle. Cette approche permet aux entreprises d’automatiser leurs parcours de conversion ou de maturation, déclenchés par une multitude de signaux clients, pour aboutir à des interactions plus significatives.

Comment Adobe Analytics et AEM Sites fonctionnent-ils ensemble ?

Adobe Analytics et AEM Sites sont conçus pour fonctionner en synergie grâce à une intégration native, assurant un échange continu et bidirectionnel de données. Les informations issues d’Analytics concernant le comportement de la clientèle et les performances du contenu sont transmises à AEM, tandis que celles sur le contenu diffusé sont disponibles dans Analytics. Cet échange réciproque vise à créer une source unique de vérité pour les données client et le contenu avec lequel ils interagissent. Cette vision unifiée est fondamentale car elle élimine les cloisonnements traditionnels qui existent souvent entre la compréhension du comportement de la clientèle (le domaine d’Analytics) et la diffusion d’expériences de contenu personnalisées (le rôle d’AEM). Cela crée ainsi un système en boucle fermée où les insights orientent le contenu, et les performances de ce dernier affinent la connaissance client.

Quels sont les avantages de l’intégration d’Analytics avec AEM ?

L’intégration d’Adobe Analytics avec AEM Sites offre plusieurs avantages significatifs pour les entreprises : mise en place de workflows communs à plusieurs systèmes qui optimisent les opérations entre l’analyse et la gestion de contenu ; personnalisation avancée grâce à l’automatisation par l’intelligence artificielle (IA), offrant des variations pratiquement illimitées d’assets adaptés à chaque profil d’audience ; création de contenu dynamique qui s’adapte en temps réel aux actions, comportements et besoins de la clientèle ; création et diffusion d’expériences cross-canal via une architecture de système de gestion de contenu (CMS) headless.

Qu’est-ce que la détection des anomalies dans Adobe Analytics ?

La détection des anomalies dans Adobe Analytics est une fonctionnalité qui utilise des techniques de modélisation statistique et de machine learning pour identifier automatiquement des écarts inattendus ou statistiquement significatifs dans les données. Conçue pour analyser de vastes volumes d’informations, elle permet de repérer rapidement les facteurs qui ont un impact réel sur l’activité, tout en automatisant un processus traditionnellement long et souvent manuel. En faisant remonter de manière proactive les changements critiques qui passeraient autrement inaperçus, elle permet aux analystes et aux équipes marketing de concentrer leurs efforts là où ils sont réellement nécessaires.

Comment la détection des anomalies aide-t-elle à identifier des évènements importants dans les données ?

La détection d’anomalies permet d’identifier les pics ou les baisses imprévus dans le trafic ou dans d’autres indicateurs clés, en les présentant sous forme de visualisations claires. Ces anomalies peuvent signaler de nombreux évènements majeurs : des résultats positifs, comme une campagne marketing qui dépasse les attentes ou des problèmes critiques, tels que des bugs sur le site web, des erreurs de balisage ou des activités malveillantes comme de l’espionnage industriel. Qu’il s’agisse d’une évolution favorable ou d’un dysfonctionnement, l’essentiel est de la détecter rapidement. La valeur première de cette fonctionnalité réside dans la réactivité qu’elle permet : repérer plus vite les opportunités à saisir, mais aussi les menaces à neutraliser, ce qui donne aux équipes les moyens d’agir plus tôt et plus efficacement.

Comment utiliser l’analyse de contribution avec la détection d’anomalies ?

Il est essentiel de comprendre la cause profonde d’une anomalie pour prendre des mesures suite à sa détection. La fonctionnalité d’analyse de contribution fonctionne conjointement avec la détection d’anomalies pour répondre à ce besoin. Elle permet de passer de la simple constatation d’un écart à l’identification des causes sous-jacentes et met en lumière les facteurs qui ont causé l’anomalie. Cette capacité de diagnostic est essentielle pour élaborer des réponses efficaces, qu’il s’agisse de corriger un problème ou de déployer à plus grande échelle une initiative réussie.

La détection d’anomalies peut-elle prendre en compte les évènements saisonniers ?

Oui, lorsque la détection d’anomalies est utilisée dans Analysis Workspace, elle peut prendre en compte les évènements saisonniers prévisibles, tels que des périodes de vente importantes comme le Black Friday, des pics d’activité liés aux voyages tels que les vacances de printemps, ainsi que d’autres jours fériés. Cette fonctionnalité est essentielle car elle permet au système de différencier les véritables anomalies des fluctuations attendues dans les données, réduisant ainsi la probabilité de faux positifs, assurant des alertes plus significatives, et s’affranchissant des processus manuels chronophages traditionnellement utilisés par les analystes.

Que sont les entrepôts de données et les flux de données dans Adobe Analytics ?

Adobe Analytics offre des capacités d’entrepôt de données pour le stockage étendu des données client, ainsi que des options de retraitement des données et de reporting avancé. Il est conçu pour gérer de larges volumes de données et des requêtes analytiques complexes.

Les flux de données sont axés sur la diffusion de données brutes par lots. Ils peuvent être programmés à une fréquence quotidienne ou horaire, fournissant ainsi une extraction régulière et automatisée des données non traitées. Ces deux composants remplissent des fonctions distinctes mais complémentaires : l’entrepôt de données répond aux besoins de stockage à long terme et d’analyse approfondie, tandis que les flux de données facilitent l’intégration des données dans d’autres systèmes.

Comment les données brutes d’Adobe Analytics peuvent-elles être utilisées ?

Les données brutes issues d’Adobe Analytics peuvent être exportées et intégrées dans des systèmes de remarketing, utilisées pour réaliser une modélisation d’attribution complexe ou employées pour développer des scores de propension pour l’analyse prédictive. Elles sont également souvent exportées à des fins d’archivage ou d’analyse à plus long terme qui peuvent dépasser les capacités standards de l’interface de création de rapports. Cela souligne le principe que la valeur des données d’Adobe Analytics s’étend au-delà de ses outils de visualisation natifs, leur permettant d’alimenter d’autres systèmes indispensables et des modèles analytiques avancés.

Quelles sont les capacités de l’entrepôt de données ?

L’entrepôt de données est conçu pour offrir une évolutivité et des performances optimales. Il permet de traiter un nombre illimité de lignes de données dans une seule requête pour des rapports individuels programmés et téléchargés. Cette fonctionnalité est particulièrement utile pour les analyses approfondies de jeux de données volumineux. Elle permet également l’exportation et le stockage de quantités massives de données sans exiger d’effort considérable.

Comment les flux de données simplifient-ils la diffusion de données ?

Les flux de données sont conçus pour diffuser des données brutes provenant de divers canaux digitaux, tels que des sites web, des applications mobiles ou d’autres sources en ligne, directement dans le lac de données ou l’espace de stockage choisi par l’entreprise. Les utilisateurs et les utilisatrices disposent d’un large contrôle sur ces flux : configuration de nouveaux flux, gestion et modification des flux existants selon les besoins. Des outils complets de gestion permettent de suivre l’état de chaque flux, de vérifier la bonne diffusion et de relancer un traitement si nécessaire, le tout depuis une interface centralisée. Cela fournit un mécanisme fiable, facile à prendre en main et automatisé pour extraire les données brutes d’Adobe Analytics et les intégrer à d’autres systèmes, ce qui favorise une stratégie data plus large et plus cohérente.

Que sont les alertes intelligentes dans Adobe Analytics ?

Les alertes intelligentes dans Adobe Analytics permettent de créer et de gérer les notifications basées sur des anomalies de données ou des seuils spécifiques de mesure. Parmi les fonctionnalités essentielles de la plateforme figure la possibilité de créer des alertes cumulatives, qui regroupent les informations concernant plusieurs métriques dans une seule notification. Le système surveille activement les données et informe rapidement les personnes lorsque quelque chose d’inhabituel se produit, comme un écart significatif par rapport aux tendances habituelles ou lorsqu’un seuil prédéfini est atteint, par exemple ces alertes sont conçues pour aider les équipes à rester au fait des changements majeurs qui s’opèrent dans les données sans avoir besoin de surveiller constamment les tableaux de bord, ce qui rend ainsi la supervision des données plus efficace et moins chronophage.

Comment les alertes intelligentes fonctionnent-elles avec la détection d’anomalies ?

Les alertes intelligentes sont conçues pour s’intégrer parfaitement avec la fonctionnalité de détection d’anomalies. Cela signifie qu’elles peuvent être déclenchées selon des seuils d’anomalies identifiés par des algorithmes de machine learning, au moment le plus adéquat. Elles ne reposent pas uniquement sur des seuils fixes : elles peuvent être activées par des écarts statistiquement significatifs que le système a identifiés comme inhabituels ou inattendus, ce qui rend les alertes plus pertinentes et exploitables.

Quels types de déclencheurs d’alerte peuvent être configurés ?

Une flexibilité considérable est offerte pour la configuration des conditions de déclenchement des alertes. Celles-ci peuvent être définies selon des seuils d’anomalie détectés automatiquement par le système, des variations de pourcentage spécifiques pour un indicateur donné, ou du franchissement à la hausse ou à la baisse d’une valeur spécifique. Cette adaptabilité permet de définir avec précision ce qu’est un « évènement important » en fonction des indicateurs clés de performance (KPI) et du contexte propre à chaque entreprise, alignant ainsi le système d’alerte sur les priorités métier.

Comment les alertes sont-elles gérées et diffusées ?

Adobe Analytics fournit des outils efficaces pour gérer les alertes. Les utilisateurs et utilisatrices peuvent prévisualiser la fréquence à laquelle une alerte est susceptible de se déclencher en fonction de données historiques et des paramètres actuels. Cela permet d’affiner les critères pour éviter la lassitude liée aux notifications trop fréquentes. Lorsqu’une condition d’alerte est remplie, des messages peuvent être envoyés par e-mail ou SMS. Ils comprennent souvent des liens vers des analyses générées automatiquement, apportant un contexte immédiat et facilitant la compréhension plus rapide de l’évènement qui a déclenché l’alerte. L’utilisation de canaux de communication classiques garantit une information transmise en temps réel, tandis que les accès directs à l’analyse accélèrent le diagnostic et la prise de décisions.

Que sont les alertes cumulatives ?

Les alertes cumulatives simplifient la gestion des notifications en permettant de surveiller plusieurs indicateurs dans un seul message consolidé, plutôt que de devoir créer et gérer de nombreuses alertes distinctes pour des KPI liés. De plus, les alertes peuvent être affinées à l’aide de filtres par segments d’audience ou appareils spécifiques, ce qui ajoute un niveau de précision supplémentaire. En regroupant les informations pertinentes et en limitant le bruit, elles garantissent des notifications plus pertinentes, mieux ciblées et adaptées à chaque périmètre métier.

L’introduction des alertes intelligentes, particulièrement lorsqu’elles sont intégrées avec la fonctionnalité de détection des anomalies, marque une véritable évolution dans la façon dont les personnes interagissent avec leurs données. Elles n’ont plus besoin de rechercher manuellement des insights ou des problèmes au sein de grands jeux de données complexes, car le système agit comme un veilleur actif. Il attire de manière proactive leur attention sur les évènements critiques et les écarts via des canaux comme les e-mails ou les SMS, avec des liens vers des analyses générées automatiquement. Cette approche favorise une réaction plus immédiate, engagée et proactive aux signaux basés sur les données.

Qu’est-ce que la fonctionnalité Live Stream dans Adobe Analytics ?

Live Stream est une fonctionnalité d’Adobe Analytics qui fournit un flux continu en temps réel de données non traitées à un niveau très granulaire. Ces dernières sont disponibles en quelques secondes, généralement entre 30 et 90 secondes, après leur collecte sur les canaux digitaux. Cet accès quasi instantané est essentiel pour les cas d’usage qui exigent une action immédiate ou nécessitent que les données soient intégrées à d’autres systèmes en temps réel. Le terme « non traitées » signifie que les données sont délivrées dans leur forme la plus détaillée, sans agrégation ni transformation par les processus classiques de reporting.

Quels sont les cas d’usage des données en temps réel avec Live Stream ?

Le flux en direct de données en temps réel peut s’appliquer à divers cas d’usage à forte valeur ajoutée. Parmi eux, on retrouve l’alimentation de tableaux de bord de trafic en temps réel pour une visibilité opérationnelle immédiate, l’intégration de données dans des moteurs de recommandation et des algorithmes de personnalisation pour des stratégies dynamiques de reciblage ou de remarketing, le suivi en temps réel de l’impact des campagnes marketing en cours, et la personnalisation des offres et du contenu pour la clientèle au moment précis de son interaction. Ces exemples mettent en évidence la polyvalence de Live stream, allant de la surveillance opérationnelle de haut niveau aux interactions client immédiates et personnalisées.

Live Stream s’intègre-t-il à d’autres produits Adobe Experience Cloud ?

Oui, les données issues de Live Stream sont conçues pour être compatibles et intégrées avec les autres solutions Adobe Experience Cloud. Le flux comprend des évènements provenant d’autres solutions de l’écosystème Adobe, telles qu’Adobe Target (pour la personnalisation et les tests A/B) ou Adobe Advertising Cloud (pour la gestion des campagnes publicitaires). Cette intégration enrichit le flux de données en temps réel avec des insights et des données d’interaction provenant de divers points de contact gérés par Adobe Experience Cloud. Cela permet ainsi aux équipes d’obtenir une vue en temps réel plus globale de l’activité client pouvant être utilisée pour une activation immédiate et des workflows entre solutions.

Quelles sont les capacités offertes par l’analyse vidéo ?

La solution d’analyse vidéo d’Adobe Analytics fournit, quasiment en temps réel, des données détaillées concernant la consommation vidéo, y compris des informations telles que la durée du contenu ainsi que les moments de lecture et d’interruption. Il est ainsi possible de croiser différents types de mesures pour mieux comprendre les habitudes de visionnage et en tirer des insights exploitables, afin, par exemple, d’augmenter l’engagement en proposant des recommandations hautement personnalisées. L’un des principaux atouts de cette fonctionnalité est sa capacité à mesurer les performances vidéo sur plusieurs plateformes. Elle s’étend même au suivi de la consommation hors ligne et offre une compréhension détaillée des usages, ce qui est inestimable pour toute entreprise qui s’appuyant fortement sur ce média pour la communication, le marketing ou la génération de revenus.

Quelles plateformes peuvent être mesurées avec l’analyse vidéo ?

Les capacités d’analyse vidéo d’Adobe Analytics s’étendent à un large éventail de plateformes de visionnage : téléphones mobiles, tablettes, appareils OTT (over-the-top) comme les smart TV et les boîtiers de streaming, décodeurs traditionnels et consoles de jeux. Il est important de noter que l’analyse vidéo prend également en charge la mesure du contenu hors ligne. Cette approche complète permet aux entreprises d’obtenir une vue d’ensemble unifiée de la consommation vidéo à travers les différentes façons dont les audiences accèdent au contenu aujourd’hui.

Quelles mesures vidéo clés peuvent être collectées ?

Au-delà du simple nombre de vues, l’analyse vidéo permet de collecter un ensemble complet de mesures clés qui fournissent des insights plus approfondis sur l’engagement de la clientèle et les performances du contenu :

• Nombre de spectateurs et de spectatrices par minute : cet indicateur est particulièrement utile pour évaluer l’engagement de l’audience tout au long des évènements vidéo en direct.
• Mesures de qualité d’expérience : elles permettent de garantir une expérience de diffusion vidéo fluide et non intrusive pour l’audience en surveillant des aspects tels que la mise en mémoire tampon ou les erreurs techniques.
• Suivi du contenu téléchargé pour un visionnage hors ligne : il mesure l’engagement avec le contenu vidéo téléchargé pour un visionnage hors ligne.
• Tendances vidéo en temps réel : identifiez le contenu vidéo le plus populaire auprès du public.
• Analyse de la publicité vidéo : elle aide à comprendre comment la diffusion des annonces impacte les spectateurs et les spectatrices et garantit que les messages publicitaires personnalisés appropriés sont bien délivrés au bon moment. Ces mesures offrent une compréhension nuancée de la portée du contenu vidéo, de la qualité de l’expérience, des performances techniques et de l’efficacité de la monétisation.

L’analyse vidéo prend-elle en charge le suivi du contenu hors ligne et l’analyse de la publicité vidéo ?

Oui, l’analyse vidéo dans Adobe Analytics prend explicitement en charge le suivi du contenu téléchargé pour une consultation hors ligne ainsi que l’analyse de la publicité vidéo. La fonctionnalité de suivi hors ligne permet aux entreprises de comprendre l’interaction client avec le contenu même lorsqu’il n’est pas diffusé en direct. La fonctionnalité d’analyse de la publicité vidéo aide à évaluer l’impact des annonces sur le public et à optimiser leur diffusion pour garantir des messages personnalisés, pertinents et efficaces. Ces fonctionnalités répondent aux enjeux clés de toute stratégie vidéo : l’adaptabilité aux usages nomades et la performance de la monétisation via les formats publicitaires.

Qu’est-ce que la fonctionnalité Federated Analytics pour la vidéo ?

Federated Analytics est une fonctionnalité liée à l’analyse vidéo qui permet le partage et la réception de données d’analyse vidéo provenant des plateformes de diffusion partenaires. L’objectif est de fournir une vue plus globale de la consommation vidéo et de mieux comprendre la portée totale de l’audience, tous supports et canaux confondus. Cette approche est particulièrement importante pour les créateurs et les créatrices de contenu ainsi que pour les groupes médias qui distribuent leur contenu vidéo via plusieurs plateformes ou services tiers, car cela leur permet de consolider les données d’audience pour en obtenir une image complète.

En fournissant des insights détaillés sur les habitudes de visionnage, en identifiant les vidéos tendance en temps réel et en permettant l’analyse des performances publicitaires, cette solution permet aux groupes médias, aux équipes créatives et aux spécialistes marketing de prendre des décisions plus éclairées, fondées sur des données concrètes concernant les stratégies de création de contenu, les programmations et les approches publicitaires vidéo. Par exemple, saisir l’influence de la diffusion publicitaire sur l’expérience de l’audience et proposer des messages personnalisés peut augmenter les performances de monétisation et accroître la fidélisation.

Comment Adobe Analytics prend-il en charge l’analyse des assistants vocaux ?

Adobe Analytics permet aux entreprises d’offrir des expériences client plus personnalisées et engageantes via des interfaces vocales, en capturant et en analysant systématiquement les données d’interaction vocale. Cette fonctionnalité s’étend à toutes les principales plateformes d’assistants vocaux. Les insights obtenus aident les organisations à optimiser le développement de leurs applications vocales, à augmenter l’interaction client et à mieux comprendre le rôle des interactions vocales dans le parcours client global. À mesure que ce type d’interaction devient plus répandu, ces analyses dédiées sont essentielles pour que les marques cernent le comportement de la clientèle, identifient les points problématiques et affinent leurs stratégies.

Quelles indicateurs suivre pour analyser les interactions vocales ?

Pour offrir une compréhension nuancée des interactions vocales, Adobe Analytics permet de collecter des données clés spécifiques aux interactions vocales. En voici les principales :

• Fréquence d’utilisation : mesure la régularité avec laquelle les personnes interagissent avec l’application vocale.
• Intention : analyse ce que l’utilisateur ou l’utilisatrice cherche à accomplir avec sa commande vocale.
• Authentification de l’utilisateur ou l’utilisatrice : indique si une authentification est requise pendant la session vocale et comment elle est effectuée.
• Créneaux : correspondent aux éléments d’information nécessaires pour répondre à une requête.
• Paramètres : comprennent des détails supplémentaires fournis par la personne concernant sa demande.
• Durée de session : mesure la durée des sessions d’interaction vocale. Ces mesures permettent d’évaluer le comportement des utilisateurs et des utilisatrices, le taux de réussite des requêtes, les points de friction et le niveau d’engagement global avec les interfaces vocales.

Comment les données vocales s’intègrent-elles dans une vue omnicanal ?

Les données provenant des applications d’assistant vocal peuvent être consultées parallèlement aux données de tous les autres canaux (site web, application mobile, e-mail, etc.) pour offrir une vue d’ensemble unifiée des interactions client tout au long du parcours avec la marque. De plus, des capacités d’analyse puissantes telles que la détection d’anomalies et la segmentation illimitée en temps réel peuvent être appliquées à ces données vocales consolidées, tout comme elles le sont aux données issues d’autres sources. Cette intégration est essentielle pour comprendre comment les interactions vocales complètent ou influencent les autres points de contact et pour appliquer des méthodologies d’analyse homogènes à l’ensemble de l’expérience client.

Capturer des mesures détaillées telles que l’intention, l’authentification utilisateur, les créneaux, les paramètres et la durée de session fait évoluer l’analyse vocale bien au-delà des simples décomptes d’utilisation ou des journaux de commandes. Ce niveau de détail offre une compréhension beaucoup plus approfondie de ce que la clientèle attend des commandes vocales, de la façon dont elle interagit avec le flux conversationnel de l’application, et des éventuels blocages ou abandons en cours d’interaction. Ces insights sont essentiels pour optimiser les parcours vocaux, améliorer la pertinence et la précision des services basés sur la voix, et en fin de compte, renforcer la satisfaction client.

Qu’est-ce que l’analyse des cohortes dans Adobe Analytics ?

L’analyse des cohortes est une méthode analytique qui permet de comprendre comment des groupes de personnes partageant des caractéristiques ou des expériences communes (appelés cohortes) se comportent sur des périodes prolongées. Elle implique généralement une « mesure d’inclusion », qui définit les critères pour qu’un utilisateur ou une utilisatrice fasse partie d’une cohorte (par exemple, les personnes qui ont installé une application au cours d’un mois spécifique), et une « mesure de retour », qui suit un comportement ou un résultat particulier pour cette cohorte au cours des périodes suivantes (par exemple, le nombre mensuel de sessions ou les taux d’achat). Cette technique va au-delà des vues statiques et instantanées du comportement des utilisateurs et des utilisatrices pour révéler des modèles dynamiques de fidélisation, d’engagement et de conversion tout au long de leur cycle de vie.

Quels sont les principaux cas d’usage de l’analyse des cohortes ?

L’analyse des cohortes est un outil polyvalent applicable à diverses problématiques métier. Voici quelques cas d’usage courants :

• Engagement sur les applications : analyse de la manière dont les personnes qui installent une application mobile continuent à l’utiliser au fil du temps, en identifiant des modèles tels que l’adoption initiale, la baisse de l’utilisation ou l’engagement soutenu sur le long terme.
• Conversion des abonnements : suivi du pourcentage de personnes qui passent d’un abonnement ou d’un essai gratuit à une version payante au cours des mois suivant leur inscription initiale.
• Segments de cohortes complexes : définition de groupes de cohortes particuliers à l’aide de plusieurs mesures et segments pour les critères d’inclusion et de retour, afin de repérer les segments de clientèle moins performants qui peuvent faire l’objet de campagnes spécifiques ou d’actions correctives pour améliorer leurs résultats.
• Adoption des versions d’application : comparaison des taux d’interaction, de fidélisation et d’attrition entre les différentes versions d’une application mobile pour comprendre l’impact des mises à jour et identifier les variantes qui favorisent l’usage ou au contraire, le découragent.
• Adhérence des campagnes : évaluation de l’efficacité de diverses campagnes marketing dans l’acquisition et la fidélisation de la clientèle au fil du temps en comparant côte à côte les cohortes de campagnes à l’aide de la fonctionnalité de cohorte à dimension personnalisée.
• Impact d’un lancement de produit : paramètre de table de latence utilisé pour évaluer l’impact du lancement d’un nouveau produit sur le comportement et le chiffre d’affaires d’un segment client spécifique en analysant les comportements avant et après le lancement.
• Identification des utilisateurs et des utilisatrices les plus fidèles (adhérence individuelle) : repérage de la clientèle régulière sur une base mensuelle à l’aide du paramètre de calcul glissant et, inversement, identification de la clientèle qui s’est détournée ou qui ne manifeste pas de comportement d’achat répété. Ces cas d’usage illustrent à quel point l’analyse des cohortes est un levier stratégique puissant, aussi bien pour le pilotage du cycle de vie client que pour l’optimisation produit et l’évaluation de la performance marketing.

Adobe Analytics est-il conforme au RGPD ?

Adobe Analytics est conforme au RGPD. Toutefois, la conformité repose sur une responsabilité partagée. Bien qu’Adobe fournisse des outils et des fonctionnalités répondant aux exigences du RGPD, l’organisation utilisant Adobe Analytics doit prendre des mesures concrètes pour configurer la plateforme et mettre en œuvre des pratiques appropriées de gouvernance des données afin de garantir que son usage est conforme. Cela signifie que la plateforme offre en elle-même des capacités de mise en conformité, mais qu’il incombe à l’utilisateur ou à l’utilisatrice de les implémenter et de les gérer correctement.

Quelles sont les étapes nécessaires pour garantir la conformité au RGPD lors de l’utilisation d’Adobe Analytics ?

Pour garantir sa conformité au RGPD, l’organisation utilisatrice doit prendre plusieurs mesures actives. Les réponses des spécialistes de la communauté Adobe renvoient vers plusieurs ressources officielles qui détaillent les bonnes pratiques à suivre :

• https://experienceleague.adobe.com/fr/docs/experience-platform/privacy/regulations/overview
• https://business.adobe.com/fr/products/analytics/general-data-protection-regulation.html
• https://business.adobe.com/fr/privacy/general-data-protection-regulation.html

Ces documents détaillent notamment les mesures nécessaires telles que la mise en œuvre de politiques de gouvernance des données, la configuration correcte des paramètres de confidentialité dans Adobe Analytics, la gestion efficace du consentement des utilisateurs et des utilisatrices, et la mise en place de processus pour traiter les demandes d’accès, de rectification ou de suppression des données (DSAR) comme l’exige le RGPD. La conformité n’est pas automatique. Elle nécessite une configuration rigoureuse et une adhésion continue aux principes du RGPD en s’appuyant sur les fonctionnalités de gouvernance des données de la plateforme.

Quelles sont les exigences en matière d’administration et d’accès pour Analysis Workspace ?

Les autorisations utilisateur standards d’Adobe Analytics régissent l’accès à Analysis Workspace et à ses fonctionnalités. Cela inclut les autorisations d’accès à des rapports spécifiques et à leurs composants (comme les segments, les mesures et les dimensions). Ces droits contrôlent également la conservation, la création, le partage et la planification des projets. Les utilisateurs et les utilisatrices doivent se référer à la documentation sur les exigences d’administration pour des informations détaillées. Ces contrôles garantissent la sécurité des données et permettent aux organisations de gérer qui peut accéder et interagir avec différents jeux de données et projets d’analyse.

L’utilisation d’Analysis Workspace affectera-t-elle la collecte de données ?

L’utilisation d’Analysis Workspace n’affectera en aucune façon la collecte de données. Il s’agit d’un outil de reporting et de visualisation qui fonctionne uniquement sur les données déjà collectées. Les utilisateurs et les utilisatrices peuvent explorer librement les données en glissant-déposant des composants (dimensions, mesures, segments, visualisations) dans un projet, sans altérer les données de base ni le processus de collecte. Si une personne effectue une modification involontaire dans un projet, elle peut utiliser la fonction d’annulation pour revenir à l’action précédente.

En tant qu’utilisateur ou utilisatrice en lecture seule, quelles actions puis-je effectuer dans Analysis Workspace ?

Lorsqu’un projet Analysis Workspace est partagé avec un utilisateur ou une utilisatrice en mode lecture seule, toutes les fonctionnalités d’édition au sein du projet sont complètement désactivées pour cette personne. Elle peut uniquement interagir avec des éléments prédéfinis, comme modifier les options dans les menus déroulants que le créateur ou la créatrice du projet a spécifiquement configurés. Ces options permettent d’appliquer des filtres aux tableaux et graphiques. Cela garantit que les rapports peuvent être partagés, consultés et exploités de manière limitée sans risque de modification de la structure ou des composants du projet.