5 étapes pour l'analyse du statut de super-héros entre comptes

Cet article fait partie de la série de blogs de conférenciers Hero Conf Los Angeles. Andrew Miller rejoindra plus de 50 experts PPC pour partager leur expertise en recherche payante et en réseaux sociaux lors du plus grand événement entièrement PPC au monde, du 18 au 20 avril à Los Angeles, en Californie. Vous aimez ce que vous lisez ? En savoir plus sur Hero Conf.

Les professionnels du PPC savent comment utiliser les données pour prendre de meilleures décisions et optimiser les campagnes pour de meilleurs résultats. Mais de nombreuses agences et grands annonceurs répartissent leurs campagnes sur plusieurs comptes et l'analyse de toutes ces données peut conduire à la grandeur si elles sont bien faites… ou à des migraines si elles sont mal faites.

Suivez ces cinq étapes pour vous assurer que votre analyse mène au statut de héros.

Étape 1 : Agréger les données

En fonction de vos structures de campagne et de vos stratégies d'analyse, vous consommerez et stockerez probablement des données provenant de plusieurs sources (plateformes PPC, Google Analytics, votre CRM, etc.). Bien sûr, vous pouvez extraire manuellement les données de chaque source, les déposer dans Excel ou Tableau et commencer à analyser, mais ce processus ne s'adapte pas. Chaque rapport ou optimisation nécessiterait de répéter la même corvée. Cela vieillit très vite.

Planifiez à l'avance et travaillez avec un développeur pour exploiter les performances de campagne et les données de conversion de l'API de chaque plate-forme. L'approche la moins technique consiste à extraire les données manuellement et à les télécharger dans une base de données, mais il est beaucoup plus facile, à long terme, d'automatiser autant que possible. Nous extrayons quotidiennement les données de l'API de chaque plate-forme et les stockons dans une base de données SQL avec des tables pour chaque PPC et plate-forme d'analyse.

À ce stade de votre parcours, votre tâche la plus importante est de définir vos structures de données. Quels champs devez-vous stocker et comment voulez-vous lier vos tables de données les unes aux autres ? En gros, de quelles données avez-vous besoin pour faire votre travail ? Planifier cela à l'avance vous évitera bien des maux de tête plus tard lorsque vous découvrirez que vous n'avez pas toutes les données dont vous avez besoin pour effectuer votre analyse.

N'oubliez pas de penser à l'avance aux outils d'analyse que vous prévoyez d'utiliser (plus à ce sujet à l'étape 4). Assurez-vous que vos structures de données et bases de données permettent des connexions externes sécurisées et sont correctement structurées pour avoir un sens dans un environnement externe.

Dans notre cas, étant donné que nous sommes une agence, nous nous assurons que chaque ligne de chaque table comporte un champ « ID client » afin que nous puissions joindre les données au niveau du client. Cela nous permet de mélanger les données et de créer des rapports pour chaque client.

Étape 2 : Normaliser les données

Nous avons tous entendu l'expression « Entrée des ordures, sortie des ordures ». L'analyse des données sur plusieurs comptes ne fait pas exception. Il est impératif que les données de vos comptes soient normalisées, ou rendues plus cohérentes, pour permettre des comparaisons pommes à pommes.

Pour vraiment comparer et établir des tendances avec précision, vous devez penser « méta », comme dans les métadonnées. Les métadonnées sont simplement des données sur des données. Considérez les libellés AdWords comme des métadonnées. Par exemple, les mots clés de vos campagnes AdWords peuvent être de marque ou sans marque. Les clients de l'agence peuvent appartenir à une ou plusieurs catégories d'industrie.

Essayez de stocker autant de métadonnées que possible dans votre base de données pour permettre des comparaisons et des analyses plus cohérentes. Par exemple, vous pouvez comparer assez rapidement les effets de la suppression par AdWords des annonces du côté droit sur des mots clés non liés à la marque pour tous les clients du secteur de la santé si vos structures de données le permettent. Un autre de mes types d'analyses inter-comptes préférés consiste à comparer les données avant et après le lancement des nouveaux clients en fonction du jour où nous lançons leurs nouvelles campagnes. Il devient très facile de développer des études de cas et de repérer les anomalies lorsque nous pouvons tracer un graphique des performances sur 30, 60 et 90 jours et les comparer aux résultats d'une agence précédente.

Prenez le temps de développer une stratégie de marquage robuste et cohérente afin que votre analyse ne soit pas entachée de données inutiles.

Étape 3 : Démocratiser les données

Nous ne pouvons pas supposer que tous nos utilisateurs finaux seront compétents dans l'écriture de requêtes mySQL. Nous ne pouvons pas non plus créer des tableaux de bord ou des applications qui peuvent éventuellement prédire toutes les façons dont nos analystes pourraient vouloir trancher et découper les données.

Au lieu d'essayer de former tout le monde aux requêtes de base de données, adoptez une approche plus démocratique pour libérer les données. Rendez vos structures de données et vos exemples d'ensembles de données disponibles dans des formats plus courants tels qu'Excel ou Google Sheets. De cette façon, n'importe qui peut voir quelles données sont disponibles et imaginer des façons de les utiliser.

Les non-développeurs peuvent toujours formuler des questions qu'un analyste de données peut traduire en une requête de base de données. Par exemple, un gestionnaire de compte m'a récemment posé la question : « Comment le CPC et le CPA du client X se comparent-ils à ceux d'autres clients du même secteur ? » L'extraction de ces données de référence de notre base de données n'a pris que quelques minutes, économisant des heures d'extraction manuelle de données et de tableaux croisés dynamiques.

Bref, ne verrouillez pas vos données ! Libérez-le afin que davantage de personnes puissent trouver des moyens de l'utiliser.

Étape 4 : Analyser les données

La plupart des gens du PPC passent simplement à cette étape. Cela peut fonctionner à court terme ou pour une analyse ad hoc, mais sachez que sauter les étapes 1 à 3 pourrait conduire à des résultats non concluants, à des données troubles ou à des décisions basées sur des données inexactes. Prenez le temps de bien faire les choses pour que les futures analyses soient plus rapides et plus perspicaces.

Maintenant que vous disposez de plusieurs comptes de données au même endroit, il est temps de commencer à analyser. C'est là que la magie opère ! L'analyse peut conduire à des idées et à des idées d'optimisation.

Développer une hypothèse

Commencez par développer et tester des hypothèses sur vos données. Ne vous contentez pas de patauger dans des montagnes de données en espérant trouver un joyau. Entrez avec une carte et une idée de ce que vous recherchez.

Sélectionnez les bons outils pour le travail

Tout d'abord, trouvez les outils nécessaires pour faire le travail correctement. Un utilisateur plus averti peut être en mesure d'écrire ses propres requêtes SQL et d'exporter les données vers Excel ou Google Sheets, mais d'autres utilisateurs peuvent bénéficier d'un outil de business intelligence tel que Tableau ou Google Data Studio pour une analyse plus rapide.

Commencer la segmentation et le filtrage

Ensuite, profitez des données et métadonnées que vous avez configurées à l'étape 2. Vous n'avez pas sauté l'étape 2, n'est-ce pas ? Ces facettes vous permettent de segmenter encore plus vos données pour trouver des pépites d'informations qui peuvent conduire à des insights.

Tout comme dans Google Analytics, essayez d'activer et de désactiver différents segments pour rechercher des anomalies ou des valeurs aberrantes. C'est là que des structures de données propres et cohérentes sont utiles. Assurez-vous que vous contrôlez les variables qui pourraient fausser les résultats entre plusieurs comptes PPC. Certains comptes utilisent-ils des méthodologies de marquage différentes pour les mots clés de marque et non liés à la marque ? Tous vos comptes utilisent-ils les mêmes fuseaux horaires et formats de devise ?

Établir des repères et des tendances

Une fois que vous avez trouvé les bonnes données, il devient facile de comparer les performances entre comptes pour repérer les tendances ou les anomalies. Dans cette perspective macro, vous pouvez facilement rechercher des comptes sur ou sous-performants, surveiller les changements quotidiens/hebdomadaires/mensuels/trimestriels et identifier de manière proactive quand vous êtes en retard pour atteindre vos objectifs KPI.

Si vous êtes vraiment avancé (ou avez une excellente équipe de BI), les outils de détection de modèles ou d'analyse statistique peuvent faire le gros du travail ici. Vous voulez l'emmener à 11 ? Investissez dans l'apprentissage automatique pour repérer et escalader les valeurs aberrantes pour une analyse plus approfondie.

Étape 5 : Exploiter les opportunités

Enfin, une fois tout le travail acharné terminé, vous pouvez jouer au héros. Avec les bonnes données, hypothèses, outils et temps, vous serez en mesure d'analyser rapidement et facilement les données de performance des campagnes sur plusieurs comptes PPC.

Comparer et agir sur les données de plusieurs comptes est fondamentalement la même chose que de travailler sur un seul compte, à l'exception d'avoir plus de variables à contrôler et plus de dimensions potentielles pour la segmentation.

Quelle que soit la manière dont vous décidez de mettre en place votre analyse croisée, prenez le temps de planifier à l'avance. L'effort initial pour planifier à l'avance se traduira par de nombreuses heures de gain de temps et une précision accrue sur la route.