Maîtriser le parcours d’analyse web à TELUS

Même si TELUS Digital a connu une croissance exponentielle en passant d’une équipe de 20 à une équipe de 450, le principe fondamental, soit de ne jurer que par les données, est toujours demeuré le même :

Principe 2.0 : accorder la priorité aux données plutôt qu’aux opinions

Les meilleures décisions sont celles qui sont prises en fonction des commentaires des clients et des membres de l’équipe. Nous créons des produits au moyen de résultats mesurables et prenons des décisions en fonction de données plutôt que de seulement nous fier à la personne qui parle le plus fort.

En raison de la croissance de TELUS Digital et TELUS, l’équipe Données et renseignements a fait face à un défi : comment démocratiser les données pour que les membres de l’équipe puissent y accéder et les traiter rapidement, facilement et régulièrement par eux-mêmes? Et une autre question s’est posée avec cette nouvelle capacité : comment les membres de l’équipe pouvaient-ils apporter des changements significatifs pour les clients? Il est avantageux d’avoir une équipe attitrée, mais nous courons le risque de travailler et d’utiliser les applications de façon cloisonnée.

« Auparavant, nous utilisions des systèmes fonctionnant en vase clos et il était difficile d’harmoniser la prise de décisions avec les renseignements. Nous devions tout consolider. Nous voulions mettre en place des processus permettant d’amplifier les expériences numériques, la personnalisation et la prise de décisions fondées de A à Z sur des données. » – Dinesh, directeur général, Analyse

Dans ce billet, j’expliquerai comment, au cours des deux dernières années, notre équipe a tiré profit d’outils de la suite Adobe pour créer un processus visant à mettre des renseignements exploitables à la disposition de tous les membres de l’équipe TELUS. Je vous parlerai de ce que nous avons appris lorsque nous sommes passés d’une équipe de deux développeurs spécialisés en analyse (débordés par l’ampleur du rattrapage à faire sur le travail en retard) à une équipe de huit (qui continue de prendre de l’expansion).

Démocratiser les données ou la valeur

TELUS a utilisé des outils comme Domo pour démocratiser les données à l’échelle de l’entreprise. Par exemple, lorsqu’un client accède à une page, les données sont d’abord envoyées à Adobe Analytics, puis sont transmises à Domo. Domo est un outil intéressant et convivial qui nous a permis de fournir
ces renseignements à différents membres de l’équipe TELUS qui ne sont pas des experts de l’analyse.

Cependant, les équipes ne pouvaient pas profiter de l’immense potentiel offert par les autres outils d’Adobe axés sur les actions. Domo permet de visualiser les données, mais des outils comme Adobe Workspace, Adobe Target et Audience Manager étaient requis pour bien comprendre et répondre aux divers besoins de nos clients. Autrement dit, quand les membres de l’équipe auraient accès aux données, comment est-ce qu’ils les utiliseraient? Voici l’un des obstacles auxquels nous avons fait face : les équipes ne comprenaient pas vraiment le processus d’analyse, les ensembles de données étaient donc cloisonnés et il était difficile d’y accéder.

Mise en place d’un bon processus

Avant de pouvoir traiter les renseignements dans des outils comme Adobe Target ou Audience Manager, il fallait mettre en place un processus clair pouvant être suivi par les équipes et rédiger de bons documents de soutien. David et moi avons rapidement conçu un modèle dataLayer qui pouvait nous aider à créer une ligne directrice nous permettant de faire évoluer les processus. Nous avons commencé par six lots de données à surveiller. Heureusement pour moi, David avait déjà commencé avec quelques conseillers d’Adobe.

Cela signifie que pour chaque page du site telus.com, notre outil de gestion des balises devait au moins recueillir les données de surface. En intégrant ces données à nos trousses de démarrage, nous pouvions à la fois simplifier l’expérience des développeurs et bâtir la fondation de notre processus de mise en œuvre.

Nous avions un modèle clair et concis en tête. Nous nous sommes tournés vers les conseillers d’Adobe, qui nous ont recommandé DTM (Dynamic Tag Manager) plutôt qu’Ensighten pour sa fonctionnalité de changement dataElement (regroupement des données de l’objet dataLayer nous permettant de détecter des changements).

Mise en œuvre du plan

Notre équipe savait bien qu’il y avait de nombreuses façons de mettre en place, de surveiller et de développer les fonctions d’analyse dans une entreprise. La mise en place des objets dataLayer était un investissement, et l’une de nos équipes était prête à s’en occuper. Pendant huit mois, nous avons ajouté des objets dataLayer à la totalité des nouvelles pages. De plus, nous avons traité autant que possible les pages déjà en ligne. En tout, des balises ont été ajoutées à 85 % des pages du site telus.com. Les principaux secteurs de l’entreprise étaient satisfaits des données recueillies.

« Notre façon de recueillir des données a changé. Tout le monde suit un modèle plus global. Nous avons pu donner suffisamment de liberté à l’équipe de mise en œuvre pour qu’elle crée des fonctions de surveillance personnalisées pour diverses applications, tout en respectant un cadre qui permet aux analystes de créer des rapports généraux. » – Steve Choi, directeur, Renseignements

Au même moment, Fernando, un autre membre de l’équipe, a établi les assises de l’outil Adobe Audience Manager, notre plateforme de gestion des données, qui a augmenté les besoins de données numériques au sein des équipes de ^marketing et de science des données. Cela a permis de préparer le terrain pour le regroupement de nos données (hors ligne à en ligne), une étape essentielle au transfert dans Adobe Target des segments sur le désabonnement créés par l’équipe Science
des données.

De plus en plus d’équipes se sont intéressées aux avantages d’outils comme Adobe Target et Audience, mais chacune d’entre elles avait des besoins particuliers. Pour nous, cela signifiait qu’il fallait instaurer un processus de conception des données nécessitant une intervention humaine plus importante.

Nous devions rencontrer individuellement les équipes pour savoir quelles données devaient être surveillées et connaître les IRC, puis transformer leurs besoins en modèles JSON. Ensuite, nous devions remettre ces modèles aux développeurs, qui passeraient du temps à recueillir les données dans les applications pour être en mesure de les fournir dans le format demandé. Au même moment, nous devions nous assurer de restructurer les données et de les soumettre à Adobe aux fins de programmation. Il devenait évident que l’équipe Données et renseignements devait prendre de l’expansion.

Le perfectionnement au moyen du mentorat

Au cours des neuf mois suivants, nous avons mis en place le programme JADE (Junior Analytics Developer Experience) pour faire croître notre équipe. Le programme vise le recrutement de personnes intéressées par les aspects techniques en les jumelant à un analyste ou à un développeur spécialisé en analyse chevronné.

Le programme JADE nous a permis de créer un espace où les professionnels qui le désirent peuvent explorer une carrière en analyse tout en profitant du soutien d’un mentor. L’intensification des activités n’est pas facile. Cependant, si vous donnez les bons outils et processus à des personnes consciencieuses, vous pourrez créer une structure de soutien décentralisée dans votre équipe.

Si le programme JADE vous intéresse, vous pouvez lire le témoignage de ^Karen, participante à ce programme de mentorat interne.

La fin est une illusion : l’excellence n’est pas une destination, c’est un processus

Tout au long du processus, nous avons appris que ce n’est pas seulement la démocratisation des données qui importe, qu’il faut aussi avoir les bons outils pour créer des renseignements exploitables. L’équipe Données et renseignements de TELUS continue de croître. Nous peaufinons encore la façon dont nous pouvons renforcer nos processus d’analyse et automatiser davantage des tâches dans cet écosystème.

Nous avons également fait beaucoup de travail pour rendre la structure d’analyse efficace. L’an dernier, Google a fait du temps de chargement des pages un facteur important de l’optimisation pour les moteurs de recherche. Nous sommes passés de l’outil de base DTM à Adobe Launch et avons obtenu 15 points de plus dans l’outil libre d’évaluation de la performance ^Lighthouse. Si cela vous intéresse, vous pouvez lire le billet « ^{Comment TELUS a transféré 50 % de son trafic web vers la solution Launch d’Adobe en une semaine} ».

De plus, nous venons de lancer notre solution côté serveur Adobe Target, que l’on appelle à l’interne l’API (interface de programmation d’applications) de personnalisation. Vous en saurez plus à ce sujet à l’occasion du sommet de 2019 d’Adobe ainsi que dans un billet de blogue de Gonzalo, qui vous expliquera comment nous avons regroupé les données, le contenu et la segmentation pour améliorer l’expérience client.

TELUS Digital continue de prendre de l’expansion et l’équipe amplifie la stratégie numérique à TELUS. Nous devons donc collaborer avec des membres de l’équipe à l’échelle de l’entreprise pour leur donner les moyens de recueillir et d’utiliser efficacement les données en vue de prendre des décisions éclairées dans l’intérêt de nos clients.

Vous pensez avoir ce qu’il faut pour faire partie de l’#équipeTELUS? Postulez dès maintenant en mentionnant cet article dans votre candidature. Cliquez ici pour poser votre candidature

Ingénieur de données à TELUS le jour, blogueur la nuit – suivez le blogue d’Ajay : ^{http://www.ajayajaal.com}