Économie Numérique - HEC Montréal

Décrire les états du monde et leurs évolutions est un défi qui dépasse souvent l’ambition. Tout semble soumis au changement. Pendant un moment, un fait, une étude et un résultat se vérifient. Un instant plus tard, la réalité change et il nous faut de nouveau calibrer. Qu’en est-il alors de cette étude si elle doit se faire dans le monde virtuel ? Le domaine de l’analyse statistique en économie numérique est encore nouveau. Une vie d’étude est encore suffisante pour en comprendre les rouages. Ça ne rend toutefois pas la chose facile.

Tous imparfaits, le sujet, les outils de mesure et les observateurs entrent dans un processus dont on ne sait trop quoi attendre.

- Le sujet

Internet a pris 4 ans à rejoindre 50 millions d’utilisateurs lorsque la radio en a pris 38 et la télévision, 13 (1). Dans les 10 dernières années, le nombre d’utilisateurs est passé de 50 millions à 1.2 milliard (2). Ce nombre devrait augmenter à 1.8 milliard en 2010 (3). Finalement, les utilisateurs viennent de partout représentent des réalités démographiques très opposées. (4). Bref, la faune est vaste et variée. Des clivages culturels appellent à des différences comportementales, même sur le web ! Mais l’intention comme l’habitude est originale à tout engagement virtuel. Cette diversité indubitable paraît alors difficile à cerner. Les choses ont-elles changées ?

Les outils d’analyse

L’essor d’internet a poussé du même coups les instruments de mesure. Passant de la simple feuille de contrôle web (Web Log), aux balises web (Web Beacons), au marquage Java (Java Script) et au reniflage (Packet sniffing), les outils se sont raffinés et combinés pour former un nouveau langage, littéralement. Les années 2000 ont rapidement amenées des entreprises comme WebTrends ou Coremetrics à proposer des solutions d’analyse permettant aux propriétaires de site web d’en connaître davantage sur leurs visiteurs. Certaines d’entre elles offrent aujourd’hui ces solutions gratuitement .

La visite virtuelle propose aussi de nouveaux obstacles en comparaison à une visite conventionnelle plus “physique”. Le mode d’interaction est moins évident et l’observation plus difficile mais la méthode d’archivage des informations glanées est beaucoup mieux organisée. Elle se plie à une alchimie impressionnante et les vieilles variables sont maintenant accouplées pour former de nouvelles mesures. Ainsi voyons-nous des moyennes de pages vues ou de temps passé sur le site, des nombres de pages/visiteur et de visiteurs uniques absolus. Mais tous ces critères, en bout de ligne, n’en disent pas plus que ce qu’ils sont. Un nombre de pages vues est un nombre de pages vues !

Les observateurs

Les mains entre lesquelles tombent toutes ces données ont des intentions directrices bien différentes. Des gouvernements veulent améliorer leurs sites webs en augmentant les ressources disponibles et en les rendant plus pertinents. Des commerçants en ligne veulent mousser l’expérience-utilisateur en transformant les fonctions offertes pour les rendre plus aguichantes. Pour certains, il s’agit de lire le contenu et de cliquer sur les publicités. Pour d’autres, il faudra remplir un formulaire, s’inscrire à une infolettre ou passer une commande. Toutes ces intentions changent, ultimement, l’interprétation des données d’analyse disponibles. Mais ces interprétations se font à double sens. Il faut aussi prendre en compte l’intention du visiteur, comprendre les raisons qui l’ont amené ici et surtout, si elles ont été comblées.

C’est ainsi, comme le propose Avinash Kaushik, qu’il faut reprendre du début pour se libérer de cette « paralysie par l’analyse » (6) . Il faut déterminer pourquoi nous nous donnons la peine de fouiller toutes ces données et ce que nous espérons y trouver. Ensuite, il faut se souvenir que de l’autre côté de l’instrument se trouve une personne aux questionnements semblables et que c’est ce à quoi s’adressent nos propres réflexions.

L’auteur souligne deux moments(7) auxquels il faut redonner de l’importance. Dans ces deux moments se trouveraient les germes d’une analyse fructueuse. Il rappelle d’abord que le début de l’analyse doit commencer par une liste d’objectifs que nous devons dresser et prioriser. Le traitement de données doit ensuite s’effectuer mais seulement selon une sélection stricte des données-clés que nous mesurerons et dont nous tenterons de vérifier les effets sur nos objectifs pré-établis. Par la suite, une interaction s’installe. Celle-ci permet de raffiner nos objectifs autant que nos lectures de données. Et enfin, cette interaction doit mener vers une évolution constante de nos systèmes. Évolution qui semble de loin préférable à des révolutions espacées. Dans ce processus, il faut aussi laisser un peu de côté les données quantitatives et améliorer notre cueillette des données qualitatives. Des commentaires, des témoignages, des suggestions, des évaluations, des sondages, tout ce qui nous permet d’atteindre à l’intention de l’utilisateur que nous visons. C’est lui que nous devons rejoindre. Quoi de mieux que lui poser des questions ? C’est ce à quoi des outils comme iPerceptions et Foresee peuvent nous aider.

Bref, il faudrait apprendre à interroger nos outils comme beaucoup interrogent le I Ching. En cernant clairement notre question et en réflechissant comment une réponse éventuelle s’inscrit dans le questionnement des autres.

(1) www.isoc.org/internet/history/
(2) www.internetworldstats.com
(3) Computer Industry Almanac
(4) CIA World Factbook
Etats-Unis – 203.82 millions
Chine – 111 millions
Japon – 86.3 millions
India – 50.6 millions
Allemagne – 48.72 millions
Grande-Bretagne – 37.8 millions
Corée du Sud – 33.9 millions
France – 26.21 millions
Russie – 23.70 millions
Canada – 20.9 millions
(5) Google Analytics, Omniture et bientôt Microsoft Gatineau
(6) Avinash Kaushik, Web Analytics An Hour Day, p. 7
(7) Avinash Kaushik resitue ces deux moments dans un ensemble appelé la “Trinité” qu’il présente pour imager sa conception de l’analyse statistique.