Les 4 concepts statistiques que tout spécialiste du marketing en ligne devrait connaître

L'analyse est une partie importante du marketing en ligne et il est donc essentiel de savoir comment bien interpréter les chiffres. 

Dans cet article, on vous parle des quatre concepts statistiques qu’il faut connaître dans l’industrie marketing, mais il y a cinq grandes activités nécessaires pour réussir l’analyse de données : 

1. Se poser les bonnes questions
2. Savoir explorer les données (Assurez-vous d'avoir les outils d'analyse en place, tel que Google Analytics)
3. Avoir la capacité de comprendre les données en faisant une analyse quantitative
4. Interpréter les données et en extraire de la valeur
5. Communiquer les résultats

Ensuite, il faut avoir la capacité à visualiser et à communiquer des données. Cette étape est davantage au niveau de la relation client. Un bon travail ne vaut rien si vous ne pouvez pas le communiquer efficacement à vos clients.

Voici les principes qui vous aideront à mieux gérer ces deux aspects de votre travail:

Vous avez probablement déjà entendu parler du principe de Pareto. Vous le connaissez peut-être sous le nom de règle 80/20. Cette règle stipule, selon Wikipedia, que "pour de nombreux événements, environ 80 % des effets proviennent de 20 % des causes".

Le principe porte le nom de l'économiste italien Vilfredo Pareto, qui a découvert que 20 % des plants de pois de son jardin contenaient 80 % des pois et que 80 % des terres italiennes appartenaient à 20 % de la population.

Le principe de Pareto est fréquent, et en le connaissant, vous pourrez en tirer profit. Si vous pouvez déterminer quels sont les 20 % de votre temps qui produisent 80 % des résultats de votre entreprise, vous pouvez consacrer plus de temps à ces activités et moins de temps aux autres. Quels sont les 20% de produits qui rapportent 80% de vos ventes? Ou qui sont les 20 % de clients qui vous apportent 80 % de vos revenus?

Comment appliquer la loi de Pareto au marketing web ?

Vous devez restructurer un compte AdWords, mais vous n'avez pas le temps de faire une restructuration complète ? Vous pouvez commencer par identifier les 20 % de mots-clés qui génèrent actuellement le plus de ventes et partir de là.

Ou peut-être avez-vous besoin d'augmenter les taux de conversion en optimisant les pages d'atterrissage d'un site web qui en compte des centaines ? Là encore, vous constaterez probablement qu'environ 20 % des pages d'atterrissage génèrent 80 % des conversions. Alors, pourquoi ne pas commencer par là ?

Le principe de Pareto est une heuristique simple qui est souvent utile dans le marketing en ligne.

La loi des grands nombres nous dit que si vous répétez assez souvent une expérience aléatoire, la moyenne des résultats convergera vers la valeur attendue.

Prenez une série de lancers de pièces de monnaie par exemple. Si on fait un lancer pile ou face 10 fois, on est pas trop sûr d’obtenir 5 piles et 5 faces. Maintenant, que se passerait-il si nous changions le nombre de lancers de 10 à 1 000 ? Est-ce que cela changerait quelque chose ? Selon la loi des grands nombres, oui.

Avec 10 lancers, l'idée d'obtenir 80% de faces n'était pas inconnue. Mais pouvez-vous imaginer de lancer une pièce de monnaie 1000 fois et d'obtenir 800 faces ? J'en doute. Et à juste titre. La probabilité que cela se produise est si faible qu'il faudrait 86 zéros pour la taper. Avec 1000 lancers, on s'attendrait à obtenir un nombre de faces et de piles plus proche de l'égalité qu'avec 10 lancers.

Notre exemple de tirage au sort illustre donc très bien ce que nous dit la loi des grands nombres : Plus nous répétons une expérience aléatoire, plus les résultats convergent vers la valeur attendue.

En quoi la loi des grands nombres est-elle pertinente pour le marketing en ligne ?

Disons que vous voulez savoir quelles sont les villes qui ont le plus faible taux de conversion sur votre site web. Vous pouvez consulter le rapport Geo dans Google Analytics et trier par ordre croissant de taux de conversion. Et voilà, vous avez trouvé! Les 10 villes ayant le plus faible taux de conversion. Vous pourriez très bien arriver à une conclusion similaire à celle des statisticiens qui font rapport à la Fondation Gates : les villes à faible taux de conversion sont toutes plutôt petites.

Mais avant de lancer une grande campagne nationale pour accroître la notoriété de la marque dans les petites villes, vous devriez jeter un coup d'œil sur les villes à l'autre bout du tableau. Ces villes à fort taux de conversion sont probablement aussi petites. Les petites villes ne sont donc peut-être pas pires ou meilleures que les grandes villes. Elles sont probablement juste plus variables en raison du nombre réduit de visiteurs.

Il en va de même pour les tests A/B, et c'est pourquoi vous avez besoin d'un certain nombre de données avant de pouvoir vous fier aux résultats d'un test A/B et de l'appeler statistiquement significatif.

Que faire en tant qu’analyste en marketing web ?

En tant qu’analystes, nous ne devons pas faire de généralisations trop hâtives. L'erreur de faire une hypothèse basée sur un petit groupe d'échantillons est parfois appelée la loi des petits nombres.

Dans des cas comme celui-ci, où vous essayez d'identifier les caractéristiques du meilleur ou du pire de quelque chose, il serait sage de toujours vérifier l'autre extrémité du spectre. Parfois, vous constaterez que le haut et le bas partagent les mêmes caractéristiques.

La loi des grands nombres nous dit de faire plus confiance à la valeur des heures avec de nombreuses occurrences qu'à celle des heures avec seulement quelques séances.

Imaginez que vous lisiez un article sur un nouveau médicament qui réduit de 25 % le risque de contracter une maladie dangereuse. Au premier abord, cela peut sembler très prometteur. Supposons que 20 personnes sur 1 000 contractent la maladie sans ce médicament. En prenant le médicament, ce nombre est réduit à 15 personnes sur 1000. Bien qu'il s'agisse effectivement d'une baisse relative de 25%, nous devrions également considérer la réduction absolue.

En chiffres absolus, le nouveau médicament n'a fait que réduire le nombre de personnes atteintes de la maladie de 20 sur 1000 à 15 sur 1000. Ainsi, s'il est vrai que 25% de personnes en moins contractent la maladie, il est également vrai que le risque réel de contracter la maladie n'est inférieur que de 0,5 point de pourcentage (réduit de 2,0% à 1,5%). En fonction des effets secondaires potentiels, le nouveau médicament peut ne plus sembler aussi prometteur. Il y a une distinction importante à faire ici. La variation en pourcentage ne doit pas être confondue avec une variation en points de pourcentage.

Lorsque les chiffres changent, les gens peuvent indiquer l'ampleur de ce changement en termes relatifs ou absolus.

• Changement relatif - De quel pourcentage (plus ou moins important) le nombre a-t-il changé par rapport au nombre initial ?
• Changement absolu - Quelle est la différence entre le nombre initial et le nouveau nombre ?

En quoi cela est-il pertinent dans le domaine du marketing en ligne ?

Si quelqu'un vous a dit que le taux de conversion de votre site web avait été réduit de 2 %, vous devez être sûr de ce que ce chiffre implique. Votre réaction devrait être considérablement différente si la personne voulait dire que le taux de conversion a été réduit de 4 % à 2 % (une baisse de 2 pour cent) que s'il s'agissait seulement d'une réduction de 4 % à 3,92 % (une baisse de 2 points de pourcentage).

Lorsque nous parlons de changements, nous devons nous assurer que chacun sait ce que les chiffres signifient. S'agit-il de chiffres relatifs ou absolus ? Utilisons-nous des pourcentages ou des points de pourcentage ?

Nous devons également nous méfier des chiffres relatifs lorsque le point de départ est un très petit nombre. Si votre campagne Google Ads génère 50% de conversions en moins, vous ne paniquerez pas s'il s'agit d'une baisse de 2 conversions à 1, mais si c'est une baisse de 2000 à 1000 conversions, vous pouvez envisager de paniquer. Une baisse de 1 conversion n'est probablement qu'une fluctuation aléatoire, tandis qu'une baisse de 1000 conversions peut être causée par un problème grave.

Dans l'exemple ci-dessus, vous pouvez voir exactement comment les pourcentages peuvent induire en erreur lorsque les chiffres absolus sont bas. Alors que le nombre d'objectifs atteints a diminué de 50 % et le taux de conversion de 63 %, la variation réelle des objectifs atteints n'est que de 1. Ce n'est pas vraiment quelque chose qui vous ferait paniquer.

Cela montre seulement comment les pourcentages peuvent être trompeurs lorsque les chiffres absolus sont omis. Source citée pour ce concept. 

C’est un paradoxe qui a d’autres noms et de nombreuses applications dans la vie quotidienne. Le paradoxe de Simpson est un phénomène qui fait qu’une tendance apparaît dans différents groupes de données, mais disparaît ou s'inverse lorsque ces groupes sont combinés (citation de Towardsdatascience.com). Concrètement, cela veut dire qu’un restaurant peut être meilleur et pire que ses compétiteurs, que faire de l’exercice peut augmenter et faire baisser le risque de maladie, et que les mêmes données peuvent prouver tout...et son contraire.

Comment est-ce qu’un restaurant peut être plus recommandé par les hommes et les femmes, mais finir moins recommandé quand on regarde le total des deux ? Le problème ici c’est qu’on ignore la taille de l'échantillon (le nombre total des gens qui ont répondu à la question). Au restaurant Chez Carlo's, les réponses des hommes sont beaucoup plus nombreuses que celles des femmes, alors que l'inverse est vrai pour le restaurant Sophia's. Comme les hommes ont tendance à approuver les restaurants à un taux inférieur (d’après le tableau que l’on voit ci-dessus), il en résulte une note moyenne plus faible pour Carlo's lorsque les données sont combinées, ce qui constitue un paradoxe.

En quoi cela est-il pertinent dans l’analyse du marketing en ligne ?

Disons que vous voulez comparer les performances de deux pages d'accueil de votre site web. En examinant les taux de conversion, vous concluez que la page A est meilleure que la page B puisque la page A a un taux de conversion de 4,39 % contre seulement 3,49 % pour la page B. Mais si nous segmentons les deux pages d'atterrissage en fonction des sources de trafic, par exemple, on peut observer que même si la page A a un taux de conversion total plus élevé, la page B a un impact plus important pour chaque source de trafic individuelle. La page A n'est pas meilleure ; il se trouve juste qu'elle tire une plus grande partie de son trafic des sources de trafic à taux de conversion élevé que la page B. C'est le paradoxe de Simpson - tout comme l'exemple des chiffres d'admission dans les universités.

Alors, que faire lors de tests aléatoires ?

Tout d'abord, nous devons nous assurer de procéder à des tests aléatoires appropriés. Si les chiffres ci-dessus provenaient d'un véritable test A/B de deux pages d'atterrissage, il serait clairement défectueux puisque les sources de trafic sont considérées faussées. Alors le conseil à tirer de ce paradoxe : toujours segmenter nos données. Comme l'a écrit Avinash Kaushik dans un article de blogue : "Il n'y a pas d'indicateur de performance clé si perspicace en soi, même dans une tendance ou contre une prévision, qu'on ne puisse pas le rendre plus percutant en appliquant la segmentation".

Si vous effectuez des tests, n'oubliez pas d'annoter les événements dans Google Analytics. Cela vous aidera à analyser les données.

La connaissance des statistiques ne fera que gagner en importance dans le marketing web et, en vous formant, vous pourrez vous assurer de rester en tête dans un monde où l'on a accès à des données de plus en plus intéressantes. Et grâce à la combinaison de compétences statistiques et de marketing en ligne, vous posséderez certaines des compétences les plus attrayantes du moment.