Analyse de Produit vs Analyse Intégrée

L'analyse des produits fait référence à l'utilisation de techniques d'analyse de données pour obtenir des informations sur l'utilisation, les performances et le comportement des utilisateurs d'un Produit SaaS (Software as a Service).

L'analytique intégrée fait référence à l'intégration de fonctionnalités analytiques directement dans les applications SaaS ou les processus métier, permettant aux utilisateurs d'accéder à des informations sur leurs propres données sans quitter l'environnement applicatif.

Analyse des produits

Les outils SaaS Product Analytics fonctionnent en collectant, traitant et analysant les données générées par les interactions des utilisateurs avec une application logicielle ou une plateforme.

1. Le processus commence par l'instrumentation de l'application logicielle ou de la plate-forme à l'aide d'un code de suivi ou de kits de développement logiciel (SDK).
2. Ce code est intégré au frontend, au backend ou aux deux de l'application, selon le type de données à capturer.
3. Le code de suivi collecte différents types d'événements et de données utilisateur, tels que les clics, les pages vues, l'utilisation des fonctionnalités, les attributs utilisateur et les événements personnalisés définis par les développeurs de l'application.
4. Une fois le code de suivi déployé, il commence à capturer des données chaque fois que les utilisateurs interagissent avec l'application.
5. Les données sont généralement envoyées de manière asynchrone aux serveurs de l'outil d'analyse via des requêtes HTTP ou d'autres protocoles de communication.

Les données peuvent inclure des informations telles que des horodatages, des identifiants d'utilisateur, des identifiants de session, des types d'appareils, des systèmes d'exploitation, des types de navigateurs et toute autre métadonnée pertinente. Comment est-ce utilisé ?

Comprendre le comportement des utilisateurs

Qu'il s'agisse de hiérarchiser les fonctionnalités des produits, d'optimiser les stratégies marketing ou d'affiner l'expérience utilisateur, l'analyse des produits aide les fournisseurs de solutions SaaS à prendre des décisions sur la base de preuves empiriques plutôt que d'hypothèses subjectives. Les domaines de mesure courants sont les suivants :

• Adoption par les utilisateurs : le nombre d'utilisateurs qui se sont inscrits au produit et la fréquence à laquelle ils l'utilisent.
• Engagement des utilisateurs : indicateurs tels que le temps passé dans l'application, le nombre de sessions et la fréquence des connexions.
• Utilisation des fonctionnalités : quelles fonctionnalités du produit sont utilisées le plus fréquemment et lesquelles sont sous-utilisées.
• Fidélisation et désabonnement : combien d'utilisateurs continuent à utiliser le produit au fil du temps (rétention) par rapport au nombre d'utilisateurs qui annulent leur abonnement (désabonnement).
• Taux de conversion : pourcentage d'utilisateurs qui prennent les mesures souhaitées, telles que la mise à niveau vers un forfait payant ou l'exécution d'un flux de travail spécifique au sein du produit.
• Satisfaction des clients : commentaires recueillis par le biais d'enquêtes ou d'autres moyens pour évaluer la satisfaction des utilisateurs à l'égard du produit.

Développement de produits agile

Grâce aux tests A/B, à l'analyse de cohorte et à l'optimisation des entonnoirs, les fournisseurs de solutions peuvent affiner leurs produits de manière itérative, résoudre les problèmes et améliorer la facilité d'utilisation.

Engagement, fidélisation et différenciation centrés sur l'utilisateur :

En analysant le comportement et les commentaires des utilisateurs, les entreprises peuvent adapter des stratégies pour améliorer l'engagement, réduire le taux de désabonnement et favoriser des relations durables avec leur clientèle.

Analytique intégrée

Que votre solution SaaS soit axée sur : l'enseignement et l'apprentissage en ligne ; l'énergie et les services publics ; la finance et la banque ; la santé ; les assurances ; la vente au détail et le commerce électronique ; les télécommunications ; le transport et la logistique ou d'autres secteurs desservis par les solutions SaaS B2B ; les informations analytiques figureront parmi les 3 principaux critères pour sélectionner une solution plutôt qu'une autre.

Explorons ces deux termes « intégré » et « analytique » dans le contexte de la manière dont les fournisseurs de solutions SaaS B2B souhaitent les utiliser pour apporter de la valeur à leurs clients :

Embarqué

L'intégration (analytique) peut être considérée à trois niveaux de technologie : (i) les données ; (ii) la logique ; et (iii) l'expérience utilisateur.

DONNÉES intégrées

Les sources de données peuvent être humaines. Lorsque les utilisateurs interagissent avec votre application, ils saisissent des données. Il peut y avoir, souvent, des capteurs IoT collectant des données lorsque les machines exécutent des tâches automatisées, par exemple en surveillant les conditions environnementales ou en surveillant les changements d'état résultant de règles métier ou de la logique de l'application. Les données peuvent provenir d'autres applications ou de sources de données tierces telles que des données de référence.

Comment ces données sont-elles stockées ?

Le premier défi, peut-être le plus important, est que les données peuvent être stockées dans différents formats, dans différentes sources de données opérationnelles telles que des SGBDR interrogés en langage SQL (Structured Query Language), des référentiels de données sans SQL, des fichiers et des systèmes de fichiers ainsi que d'autres sources de données (souvent connectées à un service Web REST).

ETL

Il doit y avoir un moyen, normalement un processus d'extraction, de transformation et de chargement (ETL), automatisé et continu (la collecte de données ne s'arrête normalement pas), de fusionner ces différentes sources de données en un seul format, mis à jour, rationalisé et modélisé dynamiquement. De cette façon, une valeur analytique réaliste et crédible peut être dérivée sans charger les systèmes opérationnels. Cela représente probablement 60 à 80 % du temps et des efforts.

Diligence technologique

Il existe différentes manières de stocker cette vue analytique des données et le choix d'une technologie appropriée à cet effet nécessite une certaine diligence.

Un choix évident serait un SGBDR. L'avantage de ceci est que La technologie est presque certainement utilisé dans votre entreprise ainsi que chez vos clients aujourd'hui.

Les référentiels de données en mémoire constituent un autre choix pour les applications axées sur l'analyse. Elles sont généralement associées à une syntaxe de requête optimisée pour les analyses.

Rapports ou analyses ?

SQL fonctionne bien pour les requêtes simples, idéalement pour les algorithmes nécessitant peu de parcours des données ou une utilisation optimale des clés étrangères, ce qui entraîne des structures tabulaires plates... parfois visualisées comme rapports.

Les analyses ne sont souvent pas comme ça. Les expériences utilisateur analytiques peuvent être des combinaisons de tableaux interactifs et d'autres visualisations fonctionnant de manière dynamique ensemble pour explorer les chiffres qui se trouvent derrière les chiffres, pourquoi, derrière quoi et explorer les causes profondes des anomalies... et pas seulement des tables plates.

Utiliser une méthode de requête qui peut exploiter modèles dimensionnels en mémoire, signifie que l'infrastructure de données est conçue pour répondre en temps réel aux trajets analytiques, ce qui peut s'avérer difficile pour les SGBDR orientés SQL.

LOGIQUE embarquée

Une fois qu'un référentiel de données analytiques a été sélectionné comme « version unique de la vérité » à des fins analytiques, il faut réfléchir à la production de réponses « réelles » ou « véridiques » aux requêtes qui « s'additionnent ». Cela inclut les calculs, les scores, les KPI, les filtres et les agrégations qui reflètent les règles commerciales, comprises et acceptées, contextuellement, par les clients finaux :

Filtres et agrégations

Même avec de simples filtres et agrégations comme une « somme » ou un « décompte », il est surprenant de constater à quelle vitesse cela se transforme en « discussion » ou même en débat... « Comment et quoi ? » ou « résumer quoi et comment ? ».

Des données manquantes ou inexactes donneront des résultats faussés, ce qui nuira à la confiance des clients. Peut-être que le filtrage dans un sens donne un résultat, tandis qu'un filtre similaire dans un autre donne un résultat terriblement différent.

C'est pourquoi des définitions vérifiées (telles que « coût », « profit » ou « client » ?... par exemple), qui décrit la façon dont les éléments sont comptés et agrégés, sont importants pour la crédibilité de la solution et la satisfaction du client.

Règles de gestion et seuils de gestion par exception

Qu'arrive-t-il lorsqu'un client achète quelque chose ? Cette personne ou cette entreprise est-elle classée, comptabilisée et mesurée différemment ? Les processus sont-ils modifiés pour que ce client le fidélise et fasse des achats récurrents ?

Les processus métier et les règles régissent ces processus et doivent également être pris en compte dans les analyses. Nous signalons le statut des personnes et des choses afin qu'il puisse être mesuré et analysé.

Les seuils de gestion par exception sont utiles à cet effet. Par exemple :

• Si les revenus élevés sont « bons », nous devrions avoir une définition des revenus et définir un seuil (probablement numérique) au-dessus duquel les revenus sont « bons » afin que les clients puissent voir comment, pourquoi et où cela se produit et capitaliser davantage.
• Si de faibles profits sont « mauvais », nous devrions avoir une définition du profit (un pourcentage du chiffre d'affaires calculé comment ?) et définissez un seuil (probablement numérique) en dessous duquel les marges bénéficiaires sont « mauvaises » et nécessitent probablement une attention particulière.

Navigation

Avec les tableaux de bord, les utilisateurs souhaitent naturellement commencer à naviguer pour explorer les chiffres qui se trouvent derrière le tableau de bord. C'est l'un des avantages de l'utilisation d'un modèle dimensionnel. Au lieu de coder chaque interaction analytique, les dimensions et les mesures peuvent être utilisées pour exposer les chemins de navigation sans qu'il soit nécessaire de tout coder.

Sécurité

Associer la navigation dimensionnelle à la sécurité permet d'obtenir une sécurité « au niveau des cellules » robuste, granulaire et facile à gérer... en d'autres termes, de déterminer automatiquement quels utilisateurs ont accès à quelle mesure dans quelles dimensions.

Il ne devrait pas être nécessaire de dupliquer la gestion des utilisateurs ni aucune raison de dupliquer le régime de sécurité que vous avez déjà intégré à votre SaaS. Le scénario attendu serait un script de traduction, ou « poignée de main », dans lequel l'application hôte envoie des paramètres de sécurité à la volée pour chaque utilisateur de manière dynamique et le modèle exclut tout ce que l'utilisateur ne devrait pas être en mesure de voir en fonction de ses rôles et de ses autorisations.

Calculs, indicateurs de performance clés, scores

Il existe des calculs simples tels que l'addition des lignes de commande, ou peut-être des critères de référence du secteur (tels que le CAC, le NPS, le LTV, l'évaluation...), mais ils peuvent devenir plus sophistiqués et parfois cette sophistication permet de différencier votre client.

Des variables dynamiques sophistiquées peuvent prendre la forme de variables dynamiques, peut-être basées sur les performances opérationnelles (par exemple, ce qui se vend bien/mal), ou sur l'utilisation de formules ou de modèles statistiques (prédiction basée sur une régression par exemple).

Vous pouvez aller encore plus loin et développer vos propres algorithmes prédictifs et autres algorithmes, ainsi que des ensembles de résultats de processus dans vos analyses intégrées.

UX intégrée

Bien qu'elles soient souvent au centre des préoccupations des équipes de développement et de produits SaaS, la visualisation analytique et l'expérience utilisateur constituent les parties relativement simples de l'équation. Voici des visualisations (parfois appelées « widgets » ou « gadgets »), le plus souvent :

• Tableaux
• Graphiques
• Manomètres
• Cartes
• Visualisations personnalisées
• Filtres
  

sont rendus individuellement, en multiples ou en combinaison dans le cadre de votre expérience utilisateur.

Il est courant que les gens utilisent le mot « tableaux de bord » comme si les analyses se composaient uniquement de tableaux de bord. Cependant, les visualisations analytiques, prises individuellement ou en combinaison, apportent généralement de la valeur, non seulement en tant que tableaux de bord, mais aussi en tant qu'immergées de manière contextuelle et omniprésente dans votre solution SaaS :

• Pour une solution SaaS de gestion de flotte, dans un véhicule, un navire, un avion, un conteneur, un connaissement ou une expédition
• Pour une solution SaaS de gestion des effectifs, pour un employé individuel, un lieu ou une ressource telle qu'une pièce ou un bureau (distant/virtuel)
• Pour une solution SaaS de gestion immobilière, dans une unité de bâtiment ou un actif sous gestion tel qu'un ascenseur, une chaudière ou un climatiseur
• Pour une solution SaaS de santé, dans un lit, un patient, un professionnel de santé ou un équipement tel qu'un scanner
• Pour une solution SaaS d'approvisionnement, dans un bon de commande, un fournisseur, un article ou un SKU
  

‍

L'idée selon laquelle l'analytique se limite à des tableaux de bord ne tient pas compte de la valeur de l'analyse intégrée. Les analyses doivent être présentes partout où elles apportent une valeur ajoutée... potentiellement à tous les niveaux de détail, y compris au niveau des enregistrements individuels.

Avec les analyses intégrées, vous vous attendez à des visualisations prêtes à l'emploi. Des visualisations tierces peuvent être intégrées ou vous pouvez concevoir vos propres visualisations uniques personnalisées (généralement en javascript), telles que des plans d'étage, des diagrammes de flux de travail de machines ou de processus.

Vous disposerez d'une méthode pour fournir des données et des paramètres variables (filtres) vers/depuis ces visualisations afin de refléter les données visualisées dans le contexte du processus ou d'une partie de l'application et en fonction de l'identité de l'utilisateur.

Il y aura également des thèmes, généralement au-delà du seul CSS, ainsi qu'un moyen de définir le comportement de la visualisation... par exemple, ce qui se passe lorsque vous cliquez sur la tranche d'un graphique à secteurs... peut-être que cela permet de créer un filtre ou d'effectuer une exploration vers le bas pour obtenir une perspective plus détaillée.

<iframe><div>Ces expériences utilisateur analytiques, comprenant des visualisations uniques ou multiples, sont généralement insérées dans des pages Web en utilisant HTML ou.

Analytique

3 phases vers l'analyse intégrée

La première étape pour les fournisseurs de solutions SaaS consiste à développer une API permettant aux clients d'exporter des données depuis l'application SaaS. C'est dommage, car cela empêche les fournisseurs de solutions d'apporter une valeur ajoutée au client, généralement par le biais d'une IP axée sur l'analyse.

L'option suivante consiste à utiliser des bibliothèques de visualisation JavaScript. Ils permettent de créer des expériences utilisateur analytiques frontales attrayantes, mais cela ne résout pas vraiment le problème... à savoir la complexité, l'intégrité des données et les performances des requêtes.

Par la suite, un fournisseur de solutions SaaS pourrait envisager d'intégrer un outil de BI, mais deux défis sont les suivants : (i) Les outils BI sont idéaux pour les analystes de données et les data scientists dans un scénario autonome, ils sont moins adaptés pour disparaître dans des applications où l'utilisateur n'est pas un analyste de données ou un data scientist ; (ii) leurs licences et leurs prix sont souvent difficiles pour les modèles de licence SaaS.

L'idée de l'analytique intégrée est de réunir le meilleur de toutes les approches (exportations, visualisation et expériences utilisateur dynamiques/interactives) sur une seule plateforme.

Analyser ou faire avancer les choses ?

Lorsque vous utilisez le mot « analyse », l'hypothèse peut être l'objectif principal de l'analyse. Les fournisseurs de solutions commencent par fournir des fonctionnalités similaires à celles de la BI dans leur produit SaaS. Cela implique souvent de se concentrer sur le libre-service et sur des analyses ad hoc.

Bien que l'analyse puisse intéresser les non-analystes, la principale question à laquelle il faut répondre est la suivante : « Que faire de cette analyse ? » ou « Quelles mesures tirer de cette analyse ? »

Pour les analyses intégrées, cela nécessite une intégration étroite avec le SaaS hôte, non seulement pour accéder aux parties de l'application où les actions peuvent être exécutées, mais aussi potentiellement à grande échelle (actions multiples), en cliquant sur un bouton, où chaque exécution d'action est paramétrée individuellement.

Conclusion

L'analyse des produits et l'analyse intégrée sont deux fonctionnalités importantes qui apportent de la valeur aux fournisseurs de solutions SaaS, mais elles ne sont pas du tout identiques.

Product Analytics vous aidera à surveiller votre utilisation du SaaS et l'engagement envers les produits en interne, tandis que Embedded Analytics apportera la valeur de votre SaaS en tant que fonctionnalités analytiques à vos clients.

Assurons-nous de bien comprendre chacun d'eux avant d'explorer la valeur qu'ils peuvent apporter, peut-être de concert.

Consultez notre Analytique intégrée page pour voir comment nous procédons à l'intégration.