Breve histoire-digital-analytics-par-brice-bottegal

0
j
BRÈVE HISTOIRE DU
DIGITAL ANALYTICS
Retour historique sur la discipline, les principaux événements qui ont
marqué son évolution et prévision des prochaines grandes tendances
Par Brice Bottégal
A Time Traveller’s Dream par Michael Vincent Manalo

© 2016 Brice Bottégal – @bricebottegal - bricebottegal.com 1
Sommaire
Préambule.....................................................................................................................................................2
A propos de l’auteur......................................................................................................................................2
Le digital analytics, une activité cruciale pour les annonceurs .....................................................................3
Définition du digital analytics........................................................................................................................4
Présentation du marché du digital analytics.................................................................................................5
Evolution du digital analytics de 1993 à aujourd’hui ....................................................................................6
1993 : début de l’analyse Web grâce à l’analyse des logs.............................................................................7
7.1 Schéma simplifié du fonctionnement de la récolte des données via les logs...........................................8
1997 : première utilisation de la méthode de récolte des données par tag JavaScript ..............................10
8.1 Introduction............................................................................................................................................10
8.2 Définition et fonctionnement des tags JavaScript..................................................................................10
8.3 Schéma simplifié du fonctionnement de la récolte des données via les tags ........................................11
Les solutions majeures de digital analytics .................................................................................................15
9.1 Les valeurs ajoutées des solutions payantes ..........................................................................................16
9.2 Le coût des solutions payantes...............................................................................................................17
Exemples de rapport...................................................................................................................................18
Évolution des solutions majeures de digital analytics de 1993 à nos jours.................................................20
Positionnement des solutions majeures de digital analytics ......................................................................22
Les communautés qui gravitent autour du digital analytics .......................................................................24
2010 : Lancement des Tag Management System (TMS) .............................................................................27
14.1 Définition et fonctionnement d’un TMS.................................................................................................27
14.2 Avant et après l’arrivée des TMS............................................................................................................28
14.3 Fonctionnalités avancées des TMS.........................................................................................................29
14.4 Les solutions majeures de TMS ..............................................................................................................31
14.5 Evolution des principales solutions de TMS de 2007 à aujourd’hui .......................................................31
2012 : Création de la directive européenne sur les cookies .......................................................................32
15.1 Introduction............................................................................................................................................32
15.2 Que dit la loi exactement ?.....................................................................................................................33
15.3 Subtilités à connaitre..............................................................................................................................33
15.4 Comment se mettre en conformité avec la loi ? ....................................................................................34
15.5 Les solutions pour se mettre en conformité avec la loi..........................................................................35
La révolution technologique à lancer..........................................................................................................36
16.1 Introduction............................................................................................................................................36
16.2 Présentation ...........................................................................................................................................36
16.3 Les grands événements de l’évolution des technologies de stockage ...................................................37
Les prochaines grandes tendances .............................................................................................................38

Préambule
Comme le disait Nicolas Machiavel, penseur humaniste italien du XVIème siècle, il est
nécessaire de connaitre le passé pour bien comprendre le présent et construire l’avenir.
L’objectif de cette étude est de faire un retour historique sur la discipline, les principaux
événements qui ont marqué son évolution et de tenter de prédire les prochaines tendances.
Elle s’adresse à la fois aux débutants et aux confirmés ayant des connaissances techniques
ou non qui souhaitent améliorer leur culture digital analytics en (re)découvrant son histoire.
Cette étude est une amélioration et une mise à jour de l’article « Histoire du Web analytics »
disponible sur le blog : bricebottegal.com qui a été lu plus de 10.000 fois. Le blog a été mis à
jour avec le contenu de cette étude, n’hésitez pas à y partager vos retours.
A propos de l’auteur
Brice Bottégal a débuté sa carrière chez Hub’Sales, une agence
spécialisée dans le conseil en digital analytics, en tant que consultant
digital analytics. Il a pris ensuite la responsabilité de l’avant-vente et a
participé au lancement de la solution d’assurance qualité Hub’Scan. Suite
au rachat de Hub’Sales par le groupe Business & Decision, Brice Bottégal
a rejoint l’éditeur TagCommander en tant que product manager.
TagCommander édite une des solutions majeures de Tag Management
System mais aussi une solution de data management et une solution de
suivi et pilotage de l’acquisition de trafic. Brice Bottégal est également
professeur de digital analytics à l’école HETIC depuis 6 ans.

Le digital analytics, une activité cruciale pour les annonceurs
Les annonceurs ont compris que leur présence digitale était devenue indispensable dans le
marketing et la commercialisation de leurs produits / services et qu’elle ne « cannibalisait »
pas leur présence traditionnelle.
Ils ont aussi compris que leur présence digitale n’existait pas que grâce à l’acquisition de trafic
mais essentiellement grâce à sa monétisation et donc aux visiteurs que les annonceurs
réussissent à convertir en client, en inscrit, ou encore en internaute engagé.
Cependant, aujourd’hui, les prospects / clients utilisent une multitude d’appareils (PC,
téléphones, tablettes, TV etc.) pour se connecter à de nombreux supports (sites Web, sites
mobiles, applications etc.) via un nombre croissant de canaux de communication online (liens
sponsorisés, emailing, display etc.). A cela s’ajoute les supports offlines (presse écrite, TV,
radio etc.) avec lesquels les annonceurs doivent jongler en harmonie.
L’ensemble forme un écosystème complexe qui rend difficile le marketing et la
commercialisation des produits / services des annonceurs :

Heureusement, une des spécificités des supports et canaux de communication online (par
rapport aux supports et canaux de communication offline) est qu’ils sont entièrement
mesurables et donc pilotables à la performance.
L’objectif majeur de tous les annonceurs aujourd’hui est de comprendre leur écosystème pour
savoir le piloter, l’optimiser de manière semi-automatisée et fournir à leur prospect / client
l’expérience la plus personnalisée possible.
Le digital analytics est une des composantes permettant d’atteindre cet objectif.
Définition du digital analytics
Le digital analytics c’est la mesure, le suivi et l’analyse du comportement des visiteurs dans le
but d’augmenter les performances des annonceurs.
C’est une discipline transversale à ces trois domaines du digital marketing :
La discipline est basée sur l’utilisation d’une ou plusieurs solution(s) de mesure d’audience qui
récolte des données sur les visiteurs et génère des rapports à analyser.

Présentation du marché du digital analytics
Le marché du digital analytics en Europe et en Amérique du nord est mature.
On y distingue principalement 3 types d’acteur : les annonceurs, les agences et les éditeurs.
Les annonceurs sont conscients de la valeur ajoutée que leur apporte le digital analytics et
cela quel que soit leur(s) modèle(s) économique(s). Ils sont maintenant quasiment tous
équipés d’une ou plusieurs solutions.
De nombreuses agences généralistes ou spécialisées se sont lancées dans le domaine du
conseil en digital analytics et accompagnent de plus en plus d’annonceurs.
L’accompagnement va généralement de l’aide au choix de la solution jusqu’à l’analyse des
données et la rédaction de recommandations d’optimisation. Certaines agences font
également de l’achat média, c’est-à-dire qu’il achète pour leur client annonceur des espaces
pour diffuser leur publicité, des liens sponsorisés etc. Le but est de faire venir des visiteurs
qualifiés sur le site Web de l’annonceur. Ils sont alors généralement rémunérés en prélevant
un pourcentage du budget média investi. Dans la plupart des cas, pour être neutre et tiers de
confiance, les agences ne mêlent pas activité de conseil en digital analytics et achat média.
Les agences ont fortement contribué à l’évolution rapide de la maturité du marché grâce à leur
compétence et à l’expérience acquise par l’accompagnement de l’ensemble de leur client.
En parallèle, les éditeurs de solution jouent aussi un rôle important dans l’évolution de la
maturité du marché. Ils sont en effet chargés de répondre et d’anticiper les besoins des
annonceurs via la mise à disposition de fonctionnalité adaptée et facile à prendre en main.
Généralement, un annonceur travaille avec une ou plusieurs agence(s) qui se charge pour lui
de gérer ses relations avec le ou les éditeurs (Criteo, Google par exemple pour l’achat média,
Adobe Analytics pour le digital analytics etc.).
Il est aussi possible que l’annonceur ait des ressources compétentes en interne pour gérer lui-
même les relations avec son ou ses éditeur(s).

Evolution du digital analytics de 1993 à aujourd’hui

L’évolution du digital analytics est étroitement liée aux évolutions du Web.
Trois évolutions majeures du Web ont bouleversé le digital analytics : deux évolutions
technologiques, l’arrivée du langage JavaScript et des nouvelles technologies de stockage et
une évolution légale : la directive européenne sur les cookies.
L’arrivée du langage JavaScript a révolutionné la discipline en permettant de collecter de
nouvelles données de façon plus précise (voir le chapitre « 1997 : première utilisation de la
méthode de récolte des données par tag JavaScript »).
La démocratisation des nouvelles technologies de stockage a rendu possible de nouveaux
usages comme l’accès et l’utilisation des données en temps réel à des fins d’optimisation des
performances digitales tant au niveau de l’acquisition de trafic que de la personnalisation (voir
le chapitre « La révolution technologique à lancer »).
L’application de la directive européenne sur les cookies dans les pays de l’union européenne
a obligé les annonceurs à demander le consentement de leur visiteur avant l’utilisation de
solution de suivi de leur comportement. Les annonceurs doivent maintenant trouver un juste
milieu entre le fait d’être en accord la loi et le fait de toujours collecter plus de données (voir le
chapitre « 2012 : création de la directive européenne sur les cookies »).
Dans le domaine du digital analytics, suite à la création du marché par la solution webtrends,
deux événements majeurs ont marqué l’évolution de la discipline : la sortie de la solution de
mesure d’audience gratuite Google Analytics et la sortie des premiers Tag Management
System (TMS). Ces deux événements ont modifié le marché. La solution Google Analytics a
largement contribué au développement de la discipline. Elle est connue de tous et rare sont
les annonceurs à ne pas l’avoir déjà utilisée. Les solutions de TMS sont maintenant
incontournables et facilitent tous les jours la vie des équipes marketing (voir les chapitres
suivant sur « Les solutions majeures de digital analytics » et « 2010 : lancement des Tag
Management System (TMS) »).
1993 : début de l’analyse Web grâce à l’analyse des logs
Le digital analytics est né grâce au protocole http qui a la particularité d’enregistrer chaque
échange entre le visiteur et le site Web dans un fichier log. C’est grâce à ces données que
l’analyse du comportement des visiteurs a pu débuter.
Un protocole est un ensemble de règles définies pour un type de communication. Si on veut
trouver une analogie dans la vie courante, le protocole utilisé pour parler avec une autre
personne pourrait être le langage. Il y aurait alors un protocole français, anglais ou encore
français canadien. Le protocole http est le protocole que nous utilisons tous les jours pour
afficher les pages Web des sites que nous visitons.

Nous l’utilisons inconsciemment en le renseignant dans la barre d’adresse de notre navigateur
Web, lorsque nous souhaitons visiter un site :
Emplacement du protocole HTTP et du WWW dans une adresse Web classique
Vous connaissez surement d’autres protocoles comme le protocole https, qui est une version
sécurisée du protocole http de plus en plus utilisée ou encore le protocole ftp par exemple.
Le protocole http a été inventé en 1990 par Tim Berners-Lee avec les url et le langage HTML
pour créer le World Wide Web (qui est la signification de l’acronyme WWW visible dans la
majorité des adresses web également).
7.1 Schéma simplifié du fonctionnement de la récolte des données via les logs
Voici un extrait de fichier log :
Extrait d'un fichier log
Le premier travail des solutions de mesure d’audience fonctionnant à partir de l’analyse des
logs est d’attribuer chacune des demandes (chaque ligne du fichier log correspond à une
demande, aussi appelée « hit », de la part du navigateur Web) au bon visiteur. Cela permet
ensuite de reconstituer les visites de chacun d’eux sur la base de leur adresse IP.

Au début du Web (de 1990 à 1996), les pages étaient des pages statiques composées quasi-
exclusivement de texte et de lien. Un hit était donc équivalent à l’affichage d’une page. Petit à
petit, les pages se sont beaucoup enrichies avec l’arrivée d’images, de vidéos, d’animations
grâce à des technologies comme l’AJAX ou le HTML5. Étant donné que chaque hit correspond
à l’appel d’un élément de la page, le nombre de hits a augmenté de façon exponentielle ce qui
a rendu difficile la reconstitution des visites par les solutions de digital analytics via l’analyse
des logs. De plus, la mesure des interactions avec les contenus dynamiques (lecture d’une
vidéo etc.) était quant à elle impossible étant donné que ces interactions n’entrainent, par
défaut, aucune écriture dans les logs.
D’autres nouveautés externes à l’évolution des sites Web ont vu le jour et ont dégradé la
qualité des données récoltées via l’analyse des logs : l’apparition des moteurs de recherche
et de leur robot, les serveurs proxys permettant de surfer anonymement, l’attribution
d’adresses IP dynamiques par les Fournisseurs d’Accès à Internet (FAI) et les techniques de
mise en cache des contenus intégrées au système de gestion de contenu (CMS).
L’évolution des pages et du Web en général ont rendu inutilisable l’analyse des logs.
Aussi, les services marketing se sont vite appropriés le Web du fait de sa valeur ajoutée. Pour
ces services, l’analyse des fichiers logs s’est révélée être une méthode trop technique pour
être facilement utilisable.
La mesure d’audience via l’analyse des logs était donc devenue inadaptée.
Les éditeurs de solution de digital analytics ont dû faire évoluer leur méthode de récolte des
données avec l’évolution du Web.
Aujourd’hui, la récolte des données via l’analyse des logs n’est quasiment plus utilisée. La
solution Urchin de Google, l’une des dernières basée sur l’analyse des logs, rachetée en 2005
pour créer Google Analytics, n’est plus vendue ni supportée depuis le 28 mars 2012.

1997 : première utilisation de la méthode de récolte des données par tag
JavaScript
8.1 Introduction
Deux ans après la création du langage JavaScript (JS) les éditeurs de solution de digital
analytics ont créé la méthode de récolte des données via l’utilisation de tag JavaScript.
8.2 Définition et fonctionnement des tags JavaScript
Un tag est un bout de code JavaScript.
Voici un exemple de tag de la solution Google Analytics :
Exemple de tag de la solution Google Analytics
Google Analytics a été pris en exemple car c’est la solution la plus répandue
Le tag des solutions digital analytics doit être inséré sur toutes les pages du site Web.
Le tag est exécuté par le navigateur au chargement de la page, il récolte des données sur le
visiteur et sur sa visite : des informations concernant la page en cours de visualisation, le
navigateur utilisé, la zone géographique, la résolution d’écran, etc. Il envoie ces données à un
serveur distant, ou local dans de rares cas, suivant la solution de mesure d’audience utilisée.
La solution associe ensuite, dès réception, ces données à la bonne visite et au bon visiteur.
Elle les stocke et les restitue enfin sous forme graphique à l’utilisateur en temps réel ou avec
un délai maximum de 24h.

8.3 Schéma simplifié du fonctionnement de la récolte des données via les tags
Les tags de la majeure partie des solutions sont constitués de deux éléments :
- L’initialisation des différentes variables et l’appel des fonctions
- Une librairie JavaScript contenant l’ensemble des définitions des différentes fonctions
appelées dans le tag pour obtenir et envoyer les données
Reprenons l’exemple du tag Google Analytics présenté plus haut :
Exemple de tag de la solution Google Analytics
Les lignes 1 et 10 correspondent à l’ouverture et à la fermeture de la balise JavaScript
indiquant au navigateur que le code qui suivra devra être interprété comme du code
JavaScript.

Les lignes 7 et 8 permettent respectivement de définir le numéro de la propriété Google
Analytics (il existe en général une propriété par site Web) et d’envoyer l’information qu’une
page a été vue. En complément de la page vue, Google Analytics enverra d’autres
informations sur l’internaute et sa visite aux serveurs de Google Analytics (ex. : résolution
d’écran, navigateur etc.).
Les lignes 2 à 5 permettent entres autres d’appeler la librairie JavaScript contenant les
définitions de l’ensemble des fonctions disponibles.
Voici un extrait du contenu de la librairie JavaScript de Google Analytics :
Extrait du contenu de la librairie JavaScript de Google Analytics
La définition de la fonction appelée plus haut est surlignée (voir la librairie JavaScript Google
Analytics complète). Cette librairie, pour diminuer son poids (environ 25Ko) et donc son temps
de chargement, a été volontairement minifiée (suppression des sauts de ligne, de l’indentation
etc.) et obfusquée (remplacement du nom des variables par des lettres etc.) par Google. Elle
est donc telle quelle difficilement lisible.
Si vous voulez la rendre plus lisible en supprimant la minification, vous pouvez utiliser par
exemple le service en ligne jsbeautifier. Sur ce site, il vous suffit, de copier-coller le contenu
de la librairie JavaScript puis de cliquer sur le bouton « Beautify JavaScript or HTML ».
Chez certains éditeurs comme Google, la librairie est commune à tous les utilisateurs de la
solution et est hébergée sur les serveurs de l’éditeur. Dans la solution Adobe Analytics par
exemple, la librairie est hébergée sur les serveurs de l’annonceur et peut donc être spécifique
à chaque annonceur. Le choix entre hébergement local ou distant de la librairie, s’il est permis
par la solution, dépend des besoins de l’annonceur.
Chaque solution de mesure d’audience dispose de son propre tag incluant sa propre librairie.
Le tag doit être placé en général juste au-dessus de la balise </body> ou de la balise </head>.
Les valeurs prises par chacune des variables inclues dans le tag sont généralement
contextuelles. Elles peuvent dépendre de la page en cours de visite (la catégorie de contenu
etc.), de la visite (niveau d’engagement etc.) ou du visiteur (sexe, âge etc.). La valeur de
chaque variable et les données envoyées sont donc différentes d’une page à l’autre.

Une fois les données récoltées par le tag, il ne reste plus qu’à les envoyer aux serveurs de la
solution de mesure d’audience. L’exécution de la fonction d’envoi (pour Google Analytics, la
fonction « send ») contenue dans le tag transmet l’ensemble des données récoltées sur le
visiteur et sur sa visite. Ces données sont récoltées via différentes sources : la première, celle
présentée ci-dessus, par l’intermédiaire des variables présentes dans le tag, la seconde par
l’intermédiaire des cookies (fichiers textes propres au navigateur Web) qui permettent de
stocker des informations spécifiques sur le visiteur, et enfin la troisième par l’intermédiaire du
navigateur qui détient un certain nombre d’information sur le visiteur (résolution d’écran,
navigateur utilisé etc.).
Les données sont transmises via une requête composée de plusieurs paramètres contenant
chacun une ou plusieurs données sur le visiteur et sur sa visite.
La requête est envoyée en utilisant la méthode d’envoi GET (en utilisant le protocole HTTP ou
HTTPS en fonction du protocole utilisé par la page Web où est exécuté le tag).
Voici un extrait de requête faite par la solution Google Analytics :
Extrait de requête de la solution Google Analytics (visualisée grâce à la console du navigateur Google Chrome)
On constate par exemple que le paramètre tid prend la valeur du numéro de compte Google
Analytics défini dans le tag (voir le code du tag plus haut).
Il est possible de visualiser les requêtes effectuées vers l’ensemble des solutions en utilisant
le debugger du navigateur (exemples : sur Firefox, le plugin Firebug est souvent utilisé et sur
Chrome, le Chrome Developer Tools). Les données sur le visiteur et sur sa visite sont en
général envoyées grâce à la méthode GET sous forme de paramètre via l’appel d’une image
transparente d’1×1 pixel. Une fois reçues par les serveurs de la solution de mesure d’audience,
les données sont enregistrées et traitées.
Capture d’écran de Chrome Developer Tools (raccourci : CTRL + MAJ + i)

Les noms des paramètres utilisés par les solutions dans les requêtes qui sont envoyées à
leurs serveurs sont différents des noms des variables utilisées dans le tag à cause de la limite
de taille des requêtes envoyées. Cette limite est variable d’un navigateur à l’autre mais est en
moyenne de 3000 caractères (pour les requêtes réalisées en utilisant la méthode GET). Si la
requête envoyée dépasse cette limite, elle est coupée par le navigateur et le serveur de la
solution ne reçoit alors qu’une partie des données. C’est pour cela que les noms des
paramètres utilisés par les solutions dans leurs requêtes sont souvent très courts.
Cette différence entre noms des paramètres des requêtes et variables utilisées dans le tag
rend fastidieux la vérification des données envoyées.
C’est la raison pour laquelle les solutions fournissent en général un tableau descriptif de
chaque paramètre permettant de s’assurer de la valeur de chacun d’entre eux (exemple :
tableau descriptif des paramètres Google Analytics).
Si l’implémentation de la solution a bien été réalisée, une requête est faite par page vue étant
donné que le tag de la solution aura été soigneusement inséré sur toutes les pages. Si
l’annonceur souhaite mesurer un ou plusieurs éléments précis contenus dans la page (ex. : le
nombre de téléchargement d’un fichier, le nombre de lecture d’une vidéo etc.), autant de
requêtes supplémentaires qu’il y a d’éléments précis mesurés seront envoyées aux serveurs
de la solution.
La méthode de récolte des données via l’utilisation des tags JavaScript permet de quasiment
tout mesurer, des transactions e-commerce jusqu’au nombre de clics effectués sur n’importe
quel élément de la page.
La mesure du nombre de visiteur unique reste cependant approximative et devrait plutôt être
appelée navigateur unique (terme utilisé dans la solution ComScore Digital Analytix, racheté
par Adobe en novembre 2015). En effet, les solutions créent et utilisent un cookie (propre au
navigateur du visiteur et stocké dans celui-ci) pour identifier spécifiquement chaque visiteur. Il
suffit alors qu’un visiteur se rende sur le même site avec deux navigateurs différents (en ayant
préalablement supprimé ses cookies s’il s’est déjà rendu sur le site) pour que la solution de
digital analytics utilisée comptabilise 2 nouveaux visiteurs uniques au lieu d’un seul.

Les solutions majeures de digital analytics
Les solutions de digital analytics gratuites et payantes
Toutes ces solutions fonctionnent en SaaS (Software As A Service). On s’y connecte donc
comme on se connecte à son webmail par exemple.
Certains éditeurs comme webtrends ou IBM proposent des versions installées (dite “On-
Premise”) de leur solution pour répondre aux besoins de certains annonceurs mais les
demandes dans ce sens tendent à diminuer.
Suite au lancement de sa solution payante Google Analytics Premium, Google est devenu le
seul éditeur à proposer à la fois une solution payante et une solution gratuite performante. La
stratégie de proposer une solution gratuite dans un premier temps puis une solution payante
permet à Google aujourd’hui de disposer d’un nombre très important d’utilisateurs de sa
solution et donc de prospect. Google peut ainsi accompagner les annonceurs tout au long de
l’évolution de leur maturité en leur permettant de passer de la version gratuite à la version
payante en douceur, à la fois pour les équipes métiers et techniques.
Les annonceurs matures ayant des besoins avancés utilisent les solutions payantes et les
annonceurs débutants se tournent plutôt, dans un premier temps, vers Google Analytics.
Il n’y a pas de meilleure solution de digital analytics mais plutôt une solution plus adaptée que
les autres pour répondre à un besoin donné. Une expression de besoin organisée, claire et
exhaustive est donc cruciale pour garantir le choix de la bonne solution.
Aussi, le principal facteur de réussite de la mise en place d’une stratégie digital analytics
efficace repose beaucoup plus sur les personnes internes / externes utilisant la solution plutôt
que sur la solution elle-même.

Il faut donc prévoir dans l’enveloppe budgétaire initiale « l’après », c’est-à-dire la suite de la
mise en place de la solution : qui va l’utiliser ? Qui va analyser les données et faire des
recommandations ? Qui va mettre en place ces recommandations et mesurer les résultats ?
Trop souvent encore, les annonceurs sont équipés d’une ou plusieurs solutions performantes
mais n’utilisent que 50% de leurs capacités faute de temps et de budget pour recruter un digital
analyste ou pour faire appel à une agence pour les accompagner.
9.1 Les valeurs ajoutées des solutions payantes
Les solutions payantes se différencient des solutions gratuites pour 5 raisons principales :
 Une garantie contractuelle de support (jusqu’à 24h/24h, 7 j. / 7 j. en langue locale)
 Une garantie contractuelle de disponibilité des serveurs de collecte de données et de
rapport (en général à plus de 99%) et de performance (temps de traitement des
requêtes jusqu’à l’affichage dans les rapports)
 Une garantie contractuelle de la propriété des données
 Un service conseil et commercial attitré
 Des fonctionnalités avancées inclues dans une suite de produits complémentaires pour
répondre aux besoins des annonceurs tout au long de l’évolution de leur maturité

9.2 Le coût des solutions payantes
Le coût des solutions payantes est basé en général sur l’achat d’une licence annuelle
comprenant un pack de requêtes.
En fonction des besoins de l’annonceur, des produits complémentaires au produit de base
peuvent être souscrits. Un cout annuel fixe et / ou variable supplémentaire sera alors à prévoir.
Les licences sont généralement souscrites pour une durée de 1 an.
Il y a, si la solution est correctement implémentée, au moins une requête faite par page vue.
Si l’annonceur mesure grâce à sa solution le nombre de clic sur les liens sortant, les liens de
téléchargement de fichier etc., on peut atteindre sur certaines pages vues 4 à 5 requêtes par
exemple. Voici une base de calcul à adapter pour estimer son nombre de requêtes par an :
(Nombre de pages vues sur l’année N-1) + (pourcentage de croissance prévisionnelle de
pages vues sur l’année N) + (25% des pages vues prévisionnelles sur l’année N * 3).
La dernière parenthèse comprend l’ajout de l’estimation des pages vues entrainant plus d’une
requête (ici on estime que 25% des pages vues prévisionnelles sur l’année N comporteront 3
requêtes).
Exemple pour un site ayant 1.000.000 de pages vues sur son année N-1 et prévoyant une
croissance de 10% de son nombre de pages vues sur l’année N :
( 1.000.000 + (10% de 1.000.000) ) + (25% de 1.000.000 * 3) = 1.850.000 requêtes.
Attention à ne pas sous-estimer son nombre de requête car si le pack de requête acheté est
dépassé, un surcoût, au prix unitaire d’une requête, est facturé. Le coût unitaire d’une requête
dépend des solutions et du pack de requête acheté (plus le pack de requête acheté est
important, plus le coût unitaire d’une requête est faible).
Globalement, les prix peuvent aller d’environ 5.000 € / an pour un site à faible trafic (inférieur
à 500.000 pages vues par mois) jusqu’à 50.000 € / an pour un site à trafic moyen (plusieurs
millions de pages vues par mois).

Exemples de rapport
Voici trois exemples de rapport : le premier lié à l’acquisition de trafic, le second à la navigation
et le troisième à la conversion. Ils sont tous issus de Google Analytics à titre d’exemple. Des
rapports similaires sont disponibles dans les autres solutions de digital analytics.
Voici les différents rapports :
Exemple de rapport Google Analytics sur la performance de l'acquisition de trafic
Exemple de rapport Google Analytics des flux de navigation des internautes

Exemple de rapport Google Analytics de l'entonnoir de conversion

Évolution des solutions majeures de digital analytics de 1993 à nos jours

Le marché du digital analytics a été créé par la société webtrends en 1993.
Entre 1996 et 2000, 6 acteurs suivent le pas et lancent leur solution de digital analytics :
WebSideStory, Omniture, Unica, Coremetrics, NedStat et XiTi.
Le marché a ensuite évolué modérément jusqu’en mars 2005. A cette date, Google fait son
entrée et donne le rythme en rachetant Urchin software en mars 2005 et en lançant Google
Analytics en novembre 2005, soit seulement 8 mois plus tard.
La seule notoriété de la marque Google constitue un avantage important pour l’adoption de
leur solution Google Analytics, qui est en plus gratuite et dont les fonctionnalités évoluent
rapidement. Cette concurrence est bénéfique à la fois pour les annonceurs, car elle pousse
l’ensemble des éditeurs de solution digital analytics à faire évoluer leur produit plus
rapidement, mais aussi pour les autres éditeurs car la maturité du marché évolue plus vite et
donc le nombre de prospect potentiel augmente. Google a sorti Google Analytics Premium,
une version de Google Analytics plus puissante et payante en septembre 2011. Depuis cette
date, Google étend peu à peu ses parts de marché sur les grands comptes.
Une vague importante de rachats a débuté avec celui d’Omniture par Adobe en septembre
2009. Le marché s’est ensuite concentré avec le rachat de Coremetrics et Unica par IBM et
de Nedstat par ComScore. Grâce à ce dernier, ComScore, reconnu pour sa mesure via les
panels, a complété son offre avec la mesure digitale ce qui lui confèrait un positionnement
unique et intéressant vis-à-vis de ses concurrents. La concentration du marché a continué en
novembre 2015 avec le rachat de la solution ComScore digital analytics par Adobe (la solution
ComScore digital analytics aura existé 3 ans et demi).
Grâce à ces rachats, Adobe et IBM ont constitué les premières briques de ce qu’ils appellent
aujourd’hui leur suite de solutions de digital analytics : Adobe Marketing Cloud et IBM
Enterprise Marketing Management (EMM).
L’évolution a été marquée également par la fin brutale des solutions de digital analytics de
Microsoft en mars 2009 (la solution aura existé 3 ans) puis de Yahoo! en juin 2012 (la solution
aura existé 5 ans) à cause d’une vague de suppression des activités non génératrices de
revenu dans les deux cas (ces deux solutions étaient gratuites).
Trois solutions restent indépendantes aujourd’hui sur le marché : webtrends, AT Internet et
Webtrekk. Ces solutions tirent leur épingle du jeu : webtrends avec sa volonté d’innovation,
AT Internet est leader sur le marché Français et Webtrekk est leader sur le marché Allemand.
A noter également, l’initiative open-source de Piwik avec deux offres, une offre basique lancée
en mars 2008 et une offre professionnelle lancée en septembre 2013.

Positionnement des solutions majeures de digital analytics
Les 7 solutions majeures
Etude « Magic quadrant », catégorie « Digital Marketing Analytics » par le cabinet Gartner (septembre 2015)

On retrouve dans cette étude les solutions Adobe, Google, IBM, comScore et webtrends. Les
solutions non présentes sont les solutions AT Internet et Webtrekk. Seules les solutions de
digital analytics fournissant une suite de solutions éprouvée sont présentes dans cette
analyse. Cette suite de solution a pour objectif de répondre à l’ensemble des besoins des
annonceurs, de la collecte de données jusqu’à l’analyse et l’optimisation.
Google est leader dans cette étude. Grâce à la sortie de sa solution payante Google Analytics
Premium et aux autres produits de sa suite (dont Doubleclick, Adwords, Retargeting etc.),
Google a la suite de solution la plus complète du marché.
Adobe est également leader dans cette étude. Adobe, suite au rachat d’Omniture, a créé la
suite Adobe Marketing Cloud comprenant toutes les solutions de la suite d’Omniture. Cette
suite de solution a ensuite été étoffée avec le rachat de la solution Française Neolane pour
renforcer la suite sur le suivi et l’optimisation de l’acquisition de trafic. Neolane est devenu le
produit Adobe Campaign au sein de la suite Adobe Marketing Cloud. Par ailleurs, la solution
de mesure Adobe Analytics et la solution de testing et personnalisation Adobe Target de la
suite Adobe Marketing Cloud sont intégrables dans les solutions Dreamweaver, Flash, et
Flash Builder de la suite Adobe Creative grâce à des extensions.
IBM est challenger dans cette étude. IBM, suite aux rachats des solutions Coremetrics et Unica
entres autres, a créé la suite Entreprise Marketing Management (EMM) qui fait partie
dorénavant de l’offre « IBM’s Smarter Commerce » composée, entre autre, du framework e-
commerce WebSphere Commerce.
ComScore est visionnaire dans cette étude. ComScore Digital Analytix, suite à son rachat en
novembre 2015 par Adobe, devrait contribuer à l’amélioration du classement d’Adobe dans la
prochaine version de l’étude tant sur la capacité à délivrer que sur l’exhaustivité de sa suite.
webtrends est un acteur de niche dans cette étude au même titre que d’autres acteurs
spécialisés dans des domaines précis (comme Visual IQ par exemple dans le domaine de
l’attribution). En effet, webtrends ne dispose que d’une solution de digital analytics et d’une
solution de testing et de personnalisation alors que les autres éditeurs disposent de solution
d’optimisation de l’acquisition de trafic par exemple.
En résumé, Google et Adobe sont leaders, IBM est challenger et webtrends est un acteur de
niche comme les éditeurs AT Internet et Webtrekk qui ne sont pas présents dans cette étude.

Les communautés qui gravitent autour du digital analytics
Le digital analytics en Amérique du nord et en Europe était, à ses débuts, une discipline
confidentielle et peu pratiquée. C’était difficile pour les premiers pratiquants de trouver des
ressources et de partager leur expérience. Le niveau de maturité progressait donc lentement.
Cela en a poussé certains à se réunir sous forme de communauté. La première initiative a été
lancée aux Etats-Unis avec la Web Analytics Association (WAA) en 2003 (renommée depuis
en Digital Analytics Association).
Elle a été créée par Jim Sterne, Andrew Edwards et Bryan Eisenberg (de gauche à droite) :
Elle s’articule autour de plusieurs pôles :
 Evangélisation
 Education
 Evènement
 Internationalisation de la discipline
 Gestion des membres / sponsoring
 Recherche
 Définition de standards
Elle a de multiples objectifs dans chacun de ses pôles, l’objectif transverse est d’évangéliser
la discipline en présentant sa valeur sous forme de cas concrets.
Elle est surtout active aux Etats-Unis même si elle est présente également en Europe.
Ensuite, Eric Peterson, un consultant reconnu en digital analytics aux Etats Unis, a lancé en
2004 le premier forum dédié au digital analytics. Le forum est soutenu et modéré par la Digital
Analytics Association. Il a été très actif de 2005 à 2011 (jusqu’à 661 messages en avril 2008).
Etant donné que la maturité du marché a évolué, il l’est moins aujourd’hui, même s’il y a
toujours environ 30 messages soumis par mois. On y trouve des offres d’emploi, des questions
pratiques liées à des sujets d’implémentation ou de changement de solution, etc.

En 2007, Eric Peterson a continué à faire progresser la discipline en lançant les WAW : « Web
Analytics Wednesday ». Les WAW sont des événements digital analytics gratuits permettant
aux personnes intéressées par le digital analytics de se rencontrer et d’échanger. De
nombreux événements ont été organisés aux États-Unis mais aussi en Australie, en France,
en Pologne, etc. Aujourd’hui, les WAW sont moins populaires même si des événements ont
toujours lieu aux États-Unis et en Angleterre notamment.
Enfin, en 2009, pour aider les personnes intéressées par le digital analytics à se lancer et à
acquérir de l’expérience, Eric Peterson, toujours, avec le soutien de deux autres consultants
en digital analytics reconnus (John Lovett et Aurélie Pols) a lancé « Analysis Exchange ».
L’objectif de « Analysis Exchange » est d’aider les associations et les organisations à but non
lucratif à progresser en digital analytics gratuitement avec l’aide d’une personne souhaitant se
faire une expérience (un étudiant par exemple) sous la direction d’un mentor expérimenté. En
2014, soit 5 ans après le lancement, plus de 400 organismes en avaient profité.
En Europe, deux initiatives majeures ont été lancées : les measure bowling et camp.
L’idée des « measure bowling » est de réunir les personnes intéressées par le digital analytics
autour d’une partie de bowling afin de s’amuser et d’échanger.
Les measure bowling ont été lancés sur la base d’un échange sur Twitter :

L’idée a été convertie en événement grâce à Peter O'Neill (à gauche) et Nicolas Malo (à droite).
Des measure bowling sont maintenant organisés partout en Europe… Tous à la même date !
Peu après le premier measure bowling à Londres a été organisé le premier Measure camp,
toujours à Londres, en septembre 2012 par Peter O'Neill.
Les measure camp sont des « unconference », c’est-à-dire que le contenu est créé par les
participants eux-mêmes au début de l’événement avec une volonté de partage et d’échange.
Chaque participant peut ensuite se rendre dans la salle où est traité le sujet qu’il souhaite. Les
« unconference » existaient déjà dans beaucoup de domaine dont le développement Web
sous forme de bar camp (le premier bar camp a eu lieu en 2005).
Le concept s’est exporté à Paris avec l’organisation du premier measure camp en juin 2015.
A noter également qu’au fur et à mesure du temps, de nombreuses ressources ont été créées
que ce soit sous forme de livres ou d’articles de blog. On peut citer, entre autres, les livres et
articles de Avinash Kaushik (le premier livre s’intitule : « Web Analytics: An Hour A Day » et le
second s’intitule « Web Analytics 2.0 »), les livres et articles de Bryan Eisenberg (livres « Call
to action », « Waiting for Your Cat to Bark? » et « Always Be Testing »), de Jim Stern (livres
« Social media metrics » et « The Devil's Data Dictionary ») et le modèle de maturité analytics
créé par Stéphane Hamel : « Online Analytics Maturity Model ».
Voici les sites pour suivre l’actualité des événements cités :
- Digital Analytics Association : http://www.digitalanalyticsassociation.org/
- Forum dédié au digital analytics : lien
- Site de « Analysis Exchange » : http://www.webanalyticsdemystified.com/ae/
- Measure Bowling : http://www.measurebowling.org/
- Measure Camp Londres : http://www.measurecamp.org/
- Measure Camp Paris : http://paris.measurecamp.org/

2010 : Lancement des Tag Management System (TMS)
14.1 Définition et fonctionnement d’un TMS
Les solutions de Tag Management System sont nées sur la base d’une frustration. Une
frustration des équipes marketing pour gérer rapidement et facilement leurs solutions et une
frustration des équipes techniques dont ce n’est pas le métier de gérer des solutions (ils ont
déjà beaucoup à faire avec la gestion des sites entres autres).
Un TMS est un conteneur regroupant l’ensemble des solutions de l’annonceur et les règles de
déclenchement associées. Le conteneur peut être mis en place sur un site Web ou une
application mobile et est administrable par l’annonceur via une interface Web.
Voici un schéma présentant le fonctionnement global d’un TMS :
Les tags des solutions sont alimentés par une source de donnée unique et normalisée appelée
le datalayer (littéralement « couche de données »). Le datalayer est un objet JavaScript
contenant l’ensemble des variables utiles au fonctionnement des tags.
En plus des tags, le conteneur contient l’intelligence des TMS : les règles de déclenchement.
Les règles de déclenchement sont définies au sein de l’interface d’administration du
conteneur. Elles permettent de déclencher un ou plusieurs tags en fonction du type de page
visité (home page, catégorie, produit etc.) ou encore en fonction du visiteur (son navigateur,
son statut : prospect / client etc.). Les règles de déclenchement peuvent se baser sur les
variables du datalayer mais aussi sur la valeur d’un cookie ou sur l’url de la page par exemple.

14.2 Avant et après l’arrivée des TMS
Avant l’arrivée des TMS, les équipes marketing devaient passer par leur direction informatique
ou leur prestataire technique pour ajouter / modifier / supprimer une solution (les délais
pouvaient varier de 1 à 6 mois en fonction du rythme de mise à jour du site de l’annonceur).
Cela induisait la réalisation d’un projet traditionnel long, couteux et source d’erreur du fait du
manque de savoir-faire de la direction informatique ou des prestataires techniques sur ce sujet.
Les initiatives des équipes marketing étaient par conséquent bridées et cela se ressentait sur
les performances des campagnes d’acquisition et du site en général. Beaucoup d’illustrations
concrètes de l’impact négatif de ce manque de réactivité existent. On peut citer notamment
l’impossibilité de lancer une campagne car le tag permettant de mesurer ses résultats ne
pouvait pas être mis en place avant le lancement ou encore l’impossibilité de tester une
solution car son temps de mise en place était trop long par rapport au besoin.
Aujourd’hui les TMS sont devenus une commodité, au même titre que les solutions de digital
analytics, la majorité des annonceurs en sont équipés. Cela leur permet de mettre en place et
gérer leur solution de manière quasi-autonome et rapide et ainsi de répondre à leur besoin
d’agilité (délais de 1 heure à 1 semaine en fonction de la complexité des solutions à ajouter).
Beaucoup de nouveaux usages ont été démocratisés via les fonctionnalités offertes par les
TMS comme la mise en concurrence de plusieurs solutions par l’intermédiaire d’un A/B test,
la capacité de définir facilement un niveau d’engagement des visiteurs ou encore la possibilité
de retraiter / nettoyer certaines données avant de les envoyer à une solution.

14.3 Fonctionnalités avancées des TMS
Certains TMS ont été plus loin que les autres en fournissant des fonctionnalités avancées
telles que la déduplication sur la base de la customer journey du visiteur, le suivi des
performances des tags, l’assurance qualité des données envoyées ou encore la possibilité de
se mettre en conformité avec les contraintes légales de chaque pays.
Voici, par exemple, une présentation de l’intérêt de la déduplication :
4 tags de prestataire sont appelés sur la page de conversion pour la conversion 1234.
Quel(s) prestataire(s) l’annonceur doit-il rémunérer pour la conversion 1234 ?

La déduplication permet de rémunérer uniquement les prestataires d’acquisition de trafic à la
performance qui ont réellement contribué à la vente selon les règles définies par l’annonceur.
Les règles de déduplication définies sont basées sur la customer journey des visiteurs et
permettent de déclencher ou non le tag du prestataire. Si le tag du prestataire ne se déclenche
pas car la règle de déduplication associée ne le permet pas, alors celui-ci n’enregistrera pas
la conversion. Il ne demandera donc pas d’être rémunéré pour celle-ci.
La customer journey regroupe les points de contact entre chaque visiteur et l’annonceur :
Voici quelques exemples de règles de déduplication :
- Je déclenche le tag de mon prestataire de retargeting 1 (et donc je le rémunère) si le
point de contact lié est présent dans la customer journey quelle que soit sa position
- Je déclenche le tag de mon prestataire d’affiliation A si le point de contact lié est
présent en dernière position dans la customer journey
- Je déclenche le tag de mon prestataire d’affiliation B si le point de contact lié est
présent en première position dans la customer journey
Imaginons que ces règles soient mises en place et que la customer journey du visiteur soit
celle ci-dessus. Dans ce cas, seul le tag du prestataire de retargeting 1 se déclenchera et seul
le prestataire de retargeting 1 sera donc rémunéré pour la conversion 1234.
Sans déduplication, les annonceurs payent souvent plusieurs fois pour la même conversion.
Les annonceurs ont deux possibilités pour dédupliquer. Ils peuvent se servir de leur solution
de TMS pour automatiser la déduplication ou alors réaliser la déduplication manuellement.
Pour réaliser la déduplication manuellement, les annonceurs doivent prendre une solution de
référence qui est en général leur solution de digital analytics. Si leur solution de digital analytics
leur indique que la vente 1234 a été remportée par le canal Affiliation avec le prestataire A
alors l’annonceur dédupliquera manuellement en enlevant la conversion 1234 des conversions
revendiquées par les autres prestataires. Il y a deux inconvénients majeurs à la déduplication
manuelle : le premier est que c’est un travail long et fastidieux, le second est que la vision de
l’attribution de la conversion donnée par les solutions de digital analytics est souvent une vision
« dernière position » / « last click » uniquement sans même prendre en compte la visualisation
des bannières (post-impression / « post-view »).

14.4 Les solutions majeures de TMS
Voici les solutions majeures de TMS existantes aujourd’hui :
A noter que la solution d’Adobe, Adobe Dynamic Tag Management, n’est fournie gratuitement
que si l’annonceur dispose d’au moins une des solutions de la suite Adobe Marketing Cloud.
14.5 Evolution des principales solutions de TMS de 2007 à aujourd’hui
Voici un retour historique sur l’évolution de la discipline :

2012 : Création de la directive européenne sur les cookies
15.1 Introduction
Les cookies sont des fichiers textes stockés dans le navigateur du visiteur. Ils contiennent des
informations sur le visiteur qui sont utiles aux sites visités pour se rappeler de l’identifiant et
du mot de passe du visiteur par exemple ou encore pour lui afficher des publicités ciblées.
Afin de garantir à ses citoyens un meilleur niveau de protection de leurs données personnelles,
l’Union Européenne (UE) a mis en œuvre une directive obligeant les sites à demander aux
internautes la permission de déposer des cookies sur leur navigateur.
Cette directive doit être adaptée et appliquée par tous les pays membres de l’UE.
En France, par exemple, elle a pris le nom de la loi “Paquet télécom” et a été mise en
application le 24 août 2011. Cette loi a fait polémique dès sa sortie car les annonceurs et les
éditeurs ont tout de suite vue l’impact négatif qu’elle pourrait avoir sur leur activité. En effet, si
les internautes décidaient massivement de refuser les cookies, beaucoup de solutions ne
seraient plus capables de fonctionner et les annonceurs n’auraient plus de données à
analyser. Certains éditeurs seraient obligés de modifier le fonctionnement de leur solution avec
une forte probabilité de le dégrader. Côté annonceur, pour un site média par exemple qui se
rémunère en grande partie grâce à la publicité, si les cookies étaient désactivés, la majeure
partie des solutions de diffusion des publicités ne fonctionnerait plus ou aurait un
fonctionnement dégradé. Le chiffre d’affaire généré par les publicités pourrait donc baisser.
La France et les autres pays de l’union Européenne ont laissé du temps au marché pour
s’adapter. Par exemple, les premiers contrôles en France ont été effectués en octobre 2014
(soit 3 ans après la mise en application de la loi).
Des solutions existent aujourd’hui pour se mettre en conformité avec la loi.

15.2 Que dit la loi exactement ?
La directive européenne peut avoir été adaptée différemment en fonction des pays de l’UE.
En France et en Italie par exemple, les visiteurs doivent être informés clairement des finalités
et doivent pouvoir choisir de ne pas avoir de cookie de déposé lorsqu'ils visitent un site.
Les sites ont donc l'obligation de solliciter, au préalable de tout dépôt de cookie, le
consentement de leurs visiteurs.
Cette demande de consentement s'applique sur la majorité des cookies, qu’ils collectent des
données à caractère personnel ou non.
Exemple de cookies devant faire l’objet d’une demande de consentement :
 Les cookies des solutions d’acquisition de trafic (retargeting, liens sponsorisés etc.)
 Les cookies des solutions de digital analytics
 Etc.
Seuls les cookies liés au fonctionnement du site sont exemptés du recueil du consentement
des visiteurs (exemple : panier d’achat, identifiant de session, whishlist etc.).
Voici un exemple de demande de consentement recommandé par la France (via la CNIL) :
L’enjeu pour les annonceurs est de trouver un juste milieu entre collecter toujours autant de
données pour aider à la prise de décision tout en étant conformes à la loi sur les cookies.
15.3 Subtilités à connaitre
 Le terme « cookie » est à prendre au sens large, ce terme recouvre également :
o Le finger printing (méthode d’identification sans cookie)
o Tous types d’identifiant (utilisés par les systèmes d’exploitation mobile par ex.)
o Les cookies utilisés dans les animations Flash
 Le message d’information affiché doit informer clairement les visiteurs de la finalité des
cookies qui seront déposés s’ils donnent leur consentement. De plus, il est conseillé
de créer une page dédiée, type « Mentions légales », expliquant de manière plus
détaillée ce qu’est un cookie, son fonctionnement, etc. et de placer un lien vers cette
page dans le message d’information
 Les visiteurs doivent pouvoir modifier à tout moment leur consentement
 Le consentement des visiteurs doit être redemandé tous les 13 mois
En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de [ Cookies ou autres
traceurs ] pour vous proposer [Par exemple, des publicités ciblées adaptées à vos centres
d’intérêts] et [ Par exemple, réaliser des statistiques de visites].
En savoir plus

 Les visiteurs soumis à une demande de consentement qui ne répondent ni
« J’accepte » ou « Je refuse » et qui poursuivent leur navigation sont considérés
comme des visiteurs ayant accepté. Par conséquent, la demande de consentement
devra apparaitre sur la première page de leur visite mais plus sur les pages suivantes
(sauf si le visiteur se rend suite à son arrivée sur le site sur la page de mentions légales,
dans ce cas, le message d’information devra toujours être affiché)
 Le classement par catégorie des solutions est conseillé mais pas obligatoire. Il permet
aux visiteurs non pas de choisir d’accepter ou de refuser toutes les solutions, mais de
choisir d’accepter ou de refuser une ou plusieurs catégories de solutions. C’est
bénéfique à la fois pour le visiteur car cela lui permet de donner un consentement fin
et personnalisé, et à la fois pour l’annonceur car cela lui permet d’obtenir le
consentement pour des solutions qu’il n’aurait probablement pas obtenu si le visiteur
avait simplement répondu « Je refuse »
 La loi s’applique sur tous les supports : sites Web et mobile et applications
 Il n’est pas autorisé de simplement orienter le visiteur vers une page décrivant
comment, dans chaque navigateur, supprimer ses cookies
15.4 Comment se mettre en conformité avec la loi ?
Pour se mettre en conformité avec la loi, il faut demander le consentement des visiteurs
préalablement au dépôt de cookie et mettre en application ce consentement.
La mise en application de ce consentement est généralement faite par une solution dédiée
créée par un éditeur ou une solution développée par l’annonceur.
Elle peut être faite de deux manières :
1. Mise en application immédiate : si l’internaute refuse le dépôt de cookie pour
l’ensemble ou une partie des solutions alors ces solutions seront désactivées et aucun
dépôt de cookie ne sera fait
2. Mise en application à posteriori : si le visiteur refuse le dépôt de cookie sur l’ensemble
ou une partie des solutions, cela n’aura aucun impact direct sur celles-ci. Le dépôt de
cookie sera fait. Cependant, la solution utilisée pour demander le consentement des
visiteurs demandera aux solutions pour lesquelles le visiteur a refusé de donner son
consentement de ne pas utiliser / supprimer les données enregistrées.

15.5 Les solutions pour se mettre en conformité avec la loi
Les solutions leader pour se mettre en conformité avec la loi sont les solutions de TMS.
La majorité des TMS fournit cette fonctionnalité nativement ou sous forme d’option.
Les TMS peuvent désactiver immédiatement les solutions pour lesquelles le visiteur a refusé
de donner son consentement. Ce qui fait qu’aucun cookie n’est déposé par celle-ci.
Voici un schéma présentant comment les tags sont désactivés en fonction du consentement :
Voici un schéma présentant la mise en application a posteriori du consentement :
(*) Le « comportement » de l’étape « Réponse ou comportement » signifie par exemple la poursuite de la visite du
visiteur sans avoir donné de consentement (du coup le consentement est implicite)

La révolution technologique à lancer
16.1 Introduction
La brique de base des solutions de digital analytics, la collecte de données, repose souvent
sur des technologies anciennes datant du début des années 1990. Les solutions de digital
analytics doivent franchir le pas et migrer vers de nouvelles technologies pour parvenir à
répondre aux nouveaux besoins des annonceurs.
16.2 Présentation
La révolution technologique a été lancée (in)volontairement par Google entre 2003 et 2004
avec la sortie de son étude MapReduce et du système d’organisation de fichier associé :
GoogleFS (Google File System). MapReduce est un modèle de programmation permettant de
distribuer intelligemment la charge de collecte et de calcul d’un grand nombre de données sur
des grappes de serveur (« cluster » en anglais).
Doug Cutting, qui travaille alors pour la fondation Apache Software (connue principalement
pour l’édition du serveur Web Apache), sur le projet Nutch (crawler de page Web) s’est
intéressé à cette étude dès sa sortie. En effet, il rencontrait à ce moment les mêmes problèmes
de traitement de grand volume de données (plusieurs PetaOctets de données, 1 PetaOctet
est égal à 1.000.000 de GigaOctets). En 2006, Doug Cutting rejoint l’équipe de Yahoo! pour
créer une version open-source de MapReduce. Le projet aboutira au lancement de Hadoop et
du système de fichier associé HDFS (Hadoop File System).
Devant la croissance exponentielle de la quantité de données récoltées, Facebook a rencontré
au fur et à mesure les mêmes problèmes de stockage que Google et s’est intéressé dès sa
sortie à Hadoop. Hadoop était utilisé en interne chez Facebook principalement par des profils
techniques pour deux raisons : l’interrogation des données était complexe et requérait des
compétences techniques, et les résultats fournis n’étaient pas fournis en temps réel mais au
bout de plusieurs heures (en fonction des données à récupérer et de la quantité de données
collectées). Pour favoriser l’utilisation des données en interne, Facebook a alors décidé de
rendre ses données plus accessibles en créant un langage d’interrogation simple similaire au
langage SQL (Structured Query Langage). Ce projet fut déployé et utilisé en interne en 2007
puis mis à disposition en open source en 2008 sous le nom de Hive et du langage
d’interrogation associé HiveQL (Hive Query Langage). La mise à disposition en open source
a favorisé son adoption et son développement grâce à la communauté de développeurs.
Yahoo est aujourd’hui la société qui utilise le plus grand cluster Hadoop au monde avec 455
PetaOctets en 2014 (en Europe, c’est Criteo qui revendique utiliser le plus grand cluster).
Il reste alors un problème à résoudre : le temps trop important de récupération des données.

Google, en 2010, montre de nouveau la voie en sortant une étude sur Dremel.
Dremel permet d’interroger une grande quantité de données et d’avoir une réponse en quasi
temps réel. Cette technologie est utilisée en interne chez Google depuis 2006 pour analyser
les données collectées par les différentes applications (Google Maps etc.). Dremel est une
technologie complémentaire à MapReduce. Depuis 2012, Google propose cette technologie
sous forme d’un service Web : Google BigQuery qui permet de stocker et d’interroger un grand
nombre de données facilement et rapidement.
En 2011, Twitter, également confronté aux mêmes enjeux de stockage, rachète une société
prometteuse dans le domaine, Backtype et publie en open source ensuite Storm. Storm permet
aussi de stocker et d’interroger facilement en temps réel un grand nombre de données.
Hadoop, Hive, Storm ne sont que des exemples d’un grand nombre de solution open source
disponible pour répondre au besoin de stockage et d’interrogation simple et si possible rapide
d’une grande quantité de données. Comme toujours, il n’y a pas de meilleures technologies,
mais une technologie plus adaptée qu’une autre à un besoin donné.
L’essentiel est donc de bien connaître ses besoins en terme de quantité de stockage,
d’interrogation et de temps de réponse pour choisir la technologie la plus adaptée.
16.3 Les grands événements de l’évolution des technologies de stockage
Voici un retour historique sur les grands événements de l’évolution des technologies de stockage :

Les prochaines grandes tendances
La maturité et les besoins des annonceurs ont évolué.
Ils ne veulent maintenant plus simplement des rapports personnalisés ou non de suivi de leur
performance Web. Ils veulent que leur solution leur offre une vue plus fine de leur
investissement média avec une vue complète sur la customer journey de leurs visiteurs tout
en ayant la possibilité d’appliquer des modèles d’attribution différents. Ils veulent que leur
solution leur permette de mesurer les complémentarités entre le online et le offline. Enfin, ils
veulent avoir la possibilité de prendre des actions d’optimisation, idéalement semi-
automatiquement, pour optimiser les objectifs de leur site / application.
Les solutions de digital analytics doivent évoluer du statut de solution de mesure et de suivi
du comportement des visiteurs au statut de solution d’optimisation des performances digitales.
Cette évolution peut être effectuée en se constituant, via le rachat d’autres solutions ou en
nouant des partenariats, une plateforme permettant de répondre au besoin de collecte de
données, de suivi, jusqu’au besoin de personnalisation des campagnes et du site / application.
Cela tout en s’assurant d’être neutre et tiers de confiance en ne gérant pas l’achat média ou
en ayant une activité d’achat média indépendante de l’activité de mesure et d’optimisation.
Cette évolution, déjà difficile, a en plus des prérequis technologiques (voir chapitre ci-dessus).
La majeure partie des solutions ont un programme de migration technologique enclenché ou
partiellement terminé pour permettre à leurs utilisateurs de bénéficier des avantages des
nouvelles technologies.
A cela s’ajoute la concurrence, toujours plus féroce entre les solutions existantes, et l’arrivée
de nouveaux concurrents, plus agiles, résolument tournés vers l’optimisation et ayant un socle
technologique reposant déjà sur les nouveaux standards.
Seules les solutions de digital analytics qui se sont orientées vers ces nouveaux besoins seront
sereines, conserveront et feront évoluer leur part de marché d’ici à 2018.
Nous devrions assister aussi de 2016 à 2018 à l’émergence d’une nouvelle forme de collecte
de données : le server-side. Le server-side, après la collecte de données via l’analyse des logs
puis via les tags JavaScript, sera la troisième génération de collecte de données. L’idée est
de ne plus envoyer plusieurs fois les mêmes données à plusieurs solutions mais de n’envoyer
les données qu’une seule fois à sa solution de TMS qui se chargera de les envoyer ensuite à
l’ensemble des solutions souhaitées. Les solutions auxquelles sont envoyées les données
restent bien sûr administrables via une interface Web par l’annonceur. Les points forts du
server-side, par rapport à la méthode de récolte des données via les tags JavaScript, sont la
réduction drastique des temps de chargement des pages ainsi qu’une meilleure fiabilité et
maitrise des données envoyées. L’adoption du server-side est ralentie par le manque de
compatibilité des solutions avec ce mode de fonctionnement. Cependant, de plus en plus
d’annonceurs sont conscients des avantages et poussent pour que l’ensemble des solutions
qu’ils utilisent deviennent compatibles.

Au sujet de l’encadrement de la collecte de données, l’invalidation du mécanisme « Safe
Harbor » devra être suivi de prêt. La décision de la Cour de Justice de l’Union Européenne a
été rendue le 06 Octobre 2015. Cette décision invalide le mécanisme « Safe Habor »
permettant le transfert de données vers les entreprises domiciliées aux Etats-Unis. Par
conséquent, il ne sera plus possible d’envoyer des données de visiteur de l’union Européenne
vers les Etats-Unis dès le mois de février 2016. Le mécanisme « Safe Harbor » a été invalidé
car le niveau de sécurité des données hébergées aux Etats-Unis n’est plus jugé assez
important. En France par exemple, la CNIL (l’autorité de l’état chargée du respect de la vie
privée) examine actuellement avec ses homologues au sein du G29 les conséquences
juridiques et opérationnelles de cet arrêt.
Au-delà du digital analytics, certains types de solutions sont à suivre particulièrement :
- Data Management Platform (DMP) : BlueKai, Krux, Lotame, Exalate etc.
- Tag Management System (TMS) : Tealium, Ensighten, Signal, TagCommander etc.
- Personnalisation et testing : Optimizely, Qubit, A/B Tasty etc.
- Visualisation de données : Tableau, Qlik, Tibco Spotfire etc.
Voici un schéma présentant certaines hypothèses d’évolution :

Le marché des TMS est un marché assez mature, les solutions de TMS sont déjà en train de
remonter dans la chaine de valeur sur la collecte et la segmentation de données en allant sur
le marché des DMP ou en mêlant une approche DMP avec une couche d’activation de
données sous forme de testing et de personnalisation comme Qubit.
Le marché des DMP est naissant, les solutions de DMP sont pour l’instant uniquement dans
une phase de croissance de leur part sur les différents marchés même si le marché commence
à s’organiser en grandes familles (DMP orientée Publisher etc.).
Les solutions de testing et personnalisation sont elles aussi en phase de croissance de leur
part de marché. Une hypothèse d’évolution serait qu’elles collectent de plus en plus de
données en remontant vers le domaine des DMP pour parfaire leur capacité de
personnalisation et de testing.
Le marché des solutions de visualisation de données est mature. Deux acteurs sortent
systématiquement du lot : Tableau et Qlik même s’il existe une multitude d’autres acteurs. Une
hypothèse d’évolution serait qu’elles aillent plus loin que la visualisation de données en gérant
elles-mêmes la collecte et en intégrant de l’intelligence dans leurs solutions. Elles se
rapprocheraient alors du marché des DMP.
Le marché du digital analytics est mature, l’ensemble des solutions tentent, en créant ou en
rachetant des solutions, de composer une suite de produit composée au moins d’un produit
dans ces grands domaines : DMP, TMS, Testing et personnalisation et visualisation de
données. Cela pour aller vers l’optimisation des performances digitales. Comme toujours, la
majorité de ces marchés vont se concentrer : DMP, TMS (poursuite) et personnalisation et
testing. Le marché du digital analytics et de la visualisation de données sont assez structurés
et matures pour continuer tel qu’ils sont aujourd’hui.
A noter également que les solutions de CRM et BI (SalesForce ou SAS par exemple) vont
surement se rapprocher du monde du digital analytics en rachetant un ou plusieurs acteurs de
ces domaines. Pour l’instant, seulement Oracle y a mis un pied en rachetant la DMP BlueKai
en février 2014 pour un montant estimé à $400 millions afin de faire converger CRM et DMP.
Sources :
- Les éditeurs de solution de digital analytics, DMP, TMS, personnalisation et testing
- Présentation de snowplow sur les nouvelles technologies de stockage de données
- Présentation de Hive par l’équipe ingénierie de Facebook
- Article « Google’s Dremel makes big data look small »
- Stackoverflow (pour les questions techniques)
- Article « The history of Hadoop: From 4 nodes to the future of data »
- Site de la CNIL (Commission National Informatique et Liberté)
- Site de la digital analytics association, du measure camp et du measure bowling
- Site Analysis exchange
- Wikipedia

Breve histoire-digital-analytics-par-brice-bottegal

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Breve histoire-digital-analytics-par-brice-bottegal

Similar a Breve histoire-digital-analytics-par-brice-bottegal (20)

Más de FrenchWeb.fr

Más de FrenchWeb.fr (20)

Breve histoire-digital-analytics-par-brice-bottegal