Dans mon petit tour d’horizon des outils de webanalytics je commence par Webtrekk car je reviens juste d’une formation de deux jours à Berlin où les équipes Webtrekk ont pu me présenter leur outil. Nous verrons dans l’ordre, un petit historique de Webtrekk (l’outil sort d’où?) et son positionnement , nous nous pencherons ensuite sur les possibilités techniques du taggage avant de nous intéresser à l’interface. Ensuite, nous verrons, les plus, les moins de l’outil. J’ai également la joie de vous annoncer que je suis consultant certifié webtrekk (Alix aussi d’ailleurs 
).
Bref, rentrons dans le vif du sujet.
1 – Historique et positionnement
Webtrekk a été fondé en 2003 par Christian Sauer et Norman Wahnschaff. Visiblement c’est la rencontre de ce businessman avec ce docteur en informatique qui a permis la création de Webtrekk. L’entreprise compte actuellement environ 30 salariés (constaté de mes yeux) et est basée à Berlin Est, dans des locaux plutôt sympas. L’entreprise dispose de deux produits phare Q3 et Q3 Light. J’aurais du mal à vous en dire plus sur l’historique.
L’entreprise a un positionnement intéressant. En effet, elle est clairement challenger sur le marché européen. Sur le marché allemand, elle a une bonne place sans pour autant être considérée comme l’acteur historique. Plus large qu’un outil de web analytics, Webtrekk se veut Data Warehouse pour les entreprises (concrètement on peut importer tout ce que l’on veut, ils s’occupent des calculs) tout en étant un outil de web analytics haut niveau avec un positionnement prix qui se situe dans le marché.
2 – Implémentation de l’outil et technique
Sur l’implémentation je dois avouer que l’outil est assez complet. Je passe sur les fonctionnalités que tout le monde a (Catégorisation de page, tracking de liens sortants, téléchargement, tracking de campagnes marketing…) pour m’attarder sur les quelques points de détails qui font la vraie valeur ajoutée de l’outil par rapport à la concurrence. D’abord il a une politique de taggage de produit beaucoup plus détaillée que ses petits homologues européens. Ce qui permet de mettre très facilement en parallèle les “Produits vues” vs “Produits ajoutés au panier” vs “Produits achetés”. Simple, efficace.
Autre point qui attire l’attention, la possibilité de faire très facilement du 1st party tracking ou du 3rd party tracking. Délicat comme usage mais très utile pour le multidomaines tracking ou le tracking de marques blanches.
La possibilité de fixer un point de référence pour le heatmap. Ca parait bête comme détail mais ça permet de minimiser les marges d’erreurs comme sur des outils plus classiques. Poussé à l’extrême je pense que ça doit pouvoir pixeliser les bannières et connaitre les bannières internes à forte VA. Bref en détournant l’usage du pixel on doit pouvoir sortir des rapports assez poussés sur l’ergonomie.
Enfin, la possibilité de définir un customerID, même si j’aurais aimé que cette fonctionnalité aille un poil plus loin (linking des sessions customerID avec les sessions passées du même uniqueID).
Vous me direz, “pourquoi s’intéresser à des points de détails techniques comme ceux-là”? Tout simplement parce que l’outil est vraiment puissant pourvu que vous maîtrisiez la technique. Pour autant, l’outil m’a fait bonne impression dans la mesure où si vous oubliez de tagguer un élément ou si vous pensez mal votre implémentation, vous aurez toujours moyen de récupérer l’information d’une manière ou d’une autre. Souvent, nous tombons sur des plans de taggage mal pensés qui ne permettent par de récupérer de la donnée exploitable, là, vous avez toujours moyen d’étudier quelque chose et c’est sans doute dû au mode de stockage des informations…. (teasing pour le paragraphe suivant)
En fait (et l’argument est matraqué par les équipes Webtrekk) l’outil est pensé selon la logique du cube. En effet l’information est stockée de telle sorte que les éléments ne sont pas dépendants les uns des autres. En outre, chaque rapport fournit par Webtrekk est calculé sur les données brutes, c’est à dire qu’à chaque calcul de rapport, les serveurs reprennent l’intégralité des clics pour voir s’ils correspondent au cas de figure afin de répondre à votre problématique (Je schématise). Il n’y a pas de calculs intermédiaires qui vont, dans certains cas de figure, échantillonner les résultats. En fait l’idée qu’il faut retenir, c’est que l’outil va vite et l’outil n’échantillonne pas les résultats contrairement aux gros outils du marché. Enfin, l’architecture permet de faire du temps réel sur l’affichage des données. Fondamentalement il s’agit d’une belle bête à un prix abordable. Certains disent qu’il s’agit d’un des meilleur rapport qualité prix du marché. D’autre disent qu’il s’agit d’un outil de geek pour les geeks. Moi je dis qu’avec un excellent webanalyste et cet outil, il n’y a pas vraiment de limite à l’analyse.
3 – L’interface
C’est là que j’ai été le plus réticent au début. En fait, au 1er abord, l’interface est plutôt revêche et les terminologies par forcement super intuitives. Il y a des rapports, dans ces rapports il y a des analyses, des marques pages, des revenants etc… J’avoue que je n’ai pas mieux à proposer pour le moment mais l’intuitivité mériterait d’être un peu repensée. En revanche, dès que vous avez touché l’interface deux jours, plus trop de problèmes pour s’y retrouver.
Comme pour la technique, je passe sur les éléments que l’on retrouve chez les concurrents (Sources de trafic, pages vues, ecommerce etc…). En revanche, zoom sur certains types de rapport que j’ai sur-kiffé (n’ayons pas peur des mots).
Déjà la possibilité de mettre sur le même tableau les “Produits vues” vs “Produits ajoutés au panier” vs “Produits achetés”. J’avoue que l’idée est très intéressante.
La possibilité de définir si le tunnel de conversion doit être entendu au niveau du visiteur, de la visite ou de l’enchaînement des pages vues. Typiquement l’évolution dans le tunnel de conversion n’est pas forcement une suite linéaire d’évènements. (Je regrette en revanche que le tunnel de conversion ne puisse être définit sur autre chose que sur des pages vues.)
Enfin, le rapport SEO qui permet d’aller loin dans l’analyse en donnant le positionnement des mots clés, les pages indexées et les backlinks. Pour moi qui ai fait du SEO, c’est un petit module bien sympa, même si visiblement il nécessite encore qq petites améliorations. C’est surtout très bien pensé car ça va au delà du onsite alors même que ces données sont cruciales pour l’optimisation.
Ce dernier point rejoint clairement la volonté de webtrekk d’être un data warehouse pour les entreprises. Outre les données web qu’il a l’ambition d’aller chercher lui même pour les intégrer à l’analyse, il est possible d’importer des données externes qui n’ont rien à voir avec votre site. Cela permet de mettre en corrélation plusieurs éléments qui n’ont pas forcement vocation à se croiser. L’exemple de webtrekk est de dire qu’il est possible d’intégrer la météo. Plus largement j’y verrais la possibilité d’insérer les datas publiques ou privées des concurrents pour pouvoir benchmarker ses propres résultats dans l’outil de webanalytics.
4 – Les plus et les moins
Les plus :
- Rapide (au regard de la quantité de données traitées)
- Exhaustif et précis (pas de sampling)
- Possibilités quasi illimités
- Super logique
Les moins :
- L’interface revêche
- Bon niveau de connaissance analytics requis (vous allez me dire c’est évident, mais si vous souhaitez profiter de toutes les fonctionnalités à fond, il vous faut un web analyste vraiment bon)
5 – Conclusion
Outil canon, abordable. En revanche, si vous pensez l’outil de web analytics comme un outil de surveillance, vous pouvez passer votre chemin, l’outil est trop puissant pour vous. Les possibilités sont telles que l’outil est vraiment dessiné pour un travail d’analyse en profondeur. En résumé, ça vaut le coup/coût d’investir dans cet outil car il y a moyen d’aller très loin dans l’analyse sans être obligé d’ensuite rajouter des modules vendus à part pour étudier ce que vous voulez ou éviter le sampling.