C’est probablement le cas dans bien des domaines où les statistiques sont utilisées : Elles servent surtout à étudier des événements passés, à faire un bilan, une rétroaction, etc. Bref, à mesurer si ce qu’on a fait était dans le bull’s eye ou non.
Malheureusement, quand on joue avec le passé, l’inconvénient est qu’on ne peut pas revenir en arrière. Avec les statistiques Web, c’est fréquent d’entendre « ha, ça n’a pas été mesuré. Il aurait fallu le prévoir au départ ». Le fournisseur n’a pas tort sur le fond, le client est en maudit.
Le fournisseur
Dans le monde du Web anal (Web analytique dans le jargon des initiés), le fournisseur veut bien faire les choses. Donc il voudra planifier soigneusement sa collecte de données pour pouvoir analyser les bons nombres et tirer les bonnes conclusions.
Le client
Du point de vue du client, il n’a aucune idée de ce qu’il voudra savoir. Il est trop occupé à gérer son entreprise et a le Web anal au bas de sa liste. Au mieux, il nous dira que c’est notre boulot de le savoir. Donc idéalement, il faut collecter tout et n’importe quoi et on fouillera dans la montagne de données selon les besoins du moment.
Quelle est la bonne manière de faire?
Le fournisseur a une méthode structurée, rigoureuse et formelle. Mais ce n’est pas très convivial pour le client qui préfère poser des questions à la volée sans se soucier de ce que ça implique. Planifier et structurer l’étude de la performance Web est coûteux. Plus que de tout ramasser et faire du forage de données par la suite. Du moins à court terme.
C’est un peu comme les bombardements lors de la Deuxième Guerre. On Bombarde chaque pied carré de la ville pour espérer frapper l’usine. Aujourd’hui, l’approche est plus aux frappes de précision. Une bombe, un objectif atteint. Ça se fait aussi dans le Web anal.
Bref, il faut traiter le Web comme n’importe quel projet d’affaires. On connaît les objectifs alors on devrait connaître la façon exacte de mesurer le succès. Sachant ça, il sera facile pour le fournisseur de bien planifier sa collecte de données. Comme disait l’autre : Aidez-nous à vous aider!
