Analyse des données Customer Journey Analytics avec la conversation des collègues
Le Module de conversation des collaborateurs de l’entreprise Adobe CX peut effectuer une analyse avancée des données, auparavant uniquement possible dans Analysis Workspace. Le Module de conversation avec les collègues accède aux données à partir de vos vues de données Customer Journey Analytics, ce qui vous permet d’explorer ces données et d’obtenir des réponses aux invites en langage naturel.
Vous pouvez utiliser le Module de conversation des collègues de deux manières, selon le niveau d’analyse dont vous avez besoin :
- Réponses rapides - Posez une question directe en langage simple et obtenez une réponse immédiate. Les utilisateurs professionnels utilisent souvent le Module de conversation des collaborateurs de cette manière, et les analystes l’utilisent également lorsqu’ils ont besoin d’une réponse rapide pour une partie prenante.
- Travail de réflexion approfondi - Discutez longuement et à plusieurs reprises avec le Module de conversation des collègues pour examiner un problème d’entreprise, en exclure les causes et formuler une recommandation. Les analystes utilisent généralement cette approche pour explorer les données en profondeur avant de formuler une recommandation.
Avant de commencer, découvrez l’interface et les options de configuration de la conversation avec un collègue, puis assurez-vous que ce dernier est connecté à Customer Journey Analytics et à la vue de données appropriée.
Prise en main du chat des collègues
Accès aux données et autorisations
La conversation avec un collègue hérite des autorisations de Customer Journey Analytics. Vous pouvez accéder uniquement aux vues de données, dimensions, mesures et segments disponibles dans Analysis Workspace.
Options d’interface et de configuration
Avant d’utiliser la discussion avec des collègues avec vos données Customer Journey Analytics, apprenez à vous connecter et à gérer les options de configuration pour les fonctionnalités suivantes :
- Entrées de conversation
- Conversations
- Places de marché
- Serveurs MCP
- Mémoire
- Plug-ins
- Compétences
- Et en plus
Pour plus d’informations, consultez le Guide de l’interface utilisateur de conversation des collègues.
Bonnes pratiques lors de l’analyse des données avec le chat des collègues
Bonnes pratiques au niveau de l’organisation
-
Désignez un analyste de votre entreprise comme champion Collègue.
-
Créez une bibliothèque d’invites et de compétences validées en corrélation avec les données et les composants disponibles pour les utilisateurs.
-
Créez une ou plusieurs compétences qui demandent au Module de conversation des collaborateurs de n’utiliser que les composants que vous souhaitez utiliser dans les analyses. Cela permet au Chat des collègues de fournir aux utilisateurs de votre organisation les données les plus pertinentes.
-
Éduquez les utilisateurs sur quand demander une réponse rapide au Chat des collègues et quand l’utiliser pour un travail de réflexion approfondie.
Bonnes pratiques au niveau de l’utilisateur
-
Utilisez le mode Plan.
Ce mode est particulièrement utile pour les tâches complexes, mais peut également donner de meilleurs résultats pour les tâches simples, car il permet à Coworker de poser des questions de suivi avant d’agir. Pour plus d’informations, voir Mode Plan.
-
Lors de la création d’une invite, soyez aussi précis que possible :
- Nommez les dimensions, mesures et périodes à analyser.
- Référencez les composants de la vue de données en fonction de leur nom exact.
- Spécifiez les segments, audiences, canaux ou appareils que vous souhaitez inclure, exclure ou comparer.
- Indiquez si vous souhaitez un type de visualisation spécifique, tel qu’un funnel, un tableau de tendance ou un tableau de cohortes.
- Demandez les étapes suivantes recommandées si vous souhaitez que le Chat des collègues vous suggère des questions de suivi.
- Demandez un horizon de prévision, tel que « 30 prochains jours », lors de la projection des mesures.
- Mentionnez toute hypothèse que vous avez déjà, afin que le Chat des collègues puisse la valider ou l’exclure.
- Demandez les dimensions correspondantes si vous souhaitez obtenir la répartition d’une modification de mesure.
- Spécifiez l’audience pour un résumé, tel que la direction ou l’équipe marketing, et demandez une présentation de diaporama si vous prévoyez de présenter les résultats.
- Nommez la suite de rapports et la vue de données spécifiques que vous souhaitez comparer lors de la validation des données.
- Commencez par effectuer une analyse, puis demandez à Chat de vos collègues de l’enregistrer en tant que compétence, en lui donnant un nom clair et descriptif et en notant la fréquence à laquelle vous prévoyez de le réutiliser.
-
Ajoutez des instructions standard à la mémoire du Chat de vos collègues. Par exemple, si vous utilisez toujours les données des mêmes vues de données, ajoutez-les à la mémoire.
Vérifier que la conversation avec un collègue est connectée à Customer Journey Analytics
Dans la conversation avec un collègue, vérifiez que celui-ci est connecté à Customer Journey Analytics :
-
Sélectionnez l’icône MCP dans le rail de gauche, puis assurez-vous que cja-mcp est disponible dans la liste des serveurs MCP connectés.
-
(Conditionnel) Si cja-mcp n’est pas encore connecté, sélectionnez Ajouter le serveur MCP, spécifiez cja dans le champ Nom du serveur et sélectionnez-le lorsqu’il apparaît, puis sélectionnez Ajouter le serveur.
Se connecter à la vue de données appropriée
Une vue de données est un conteneur dans Customer Journey Analytics qui détermine la manière dont les données sont interprétées.
Vous pouvez avoir accès à différentes vues de données dans Customer Journey Analytics, chacune contenant des dimensions et des mesures différentes que Coworker peut utiliser lors de l’analyse des données.
Choix des vues de données à utiliser
Indiquez à votre collègue les types de questions auxquelles vous souhaitez obtenir une réponse et demandez-lui à quelles vues de données vous avez accès pour obtenir ces informations. Vous pouvez également définir votre vue de données comme préférence en mémoire.
Vous:
J’aimerais savoir où les clients décrochent sur le parcours des clients. À quelles vues de données dans Customer Journey Analytics ai-je accès pour pouvoir répondre à cette question ?
Réponse du Chat des collègues :
Vous avez accès à trois vues de données. La vue de données Customer lifecycle contient les dimensions et mesures suivantes, qui seraient les mieux adaptées pour répondre à votre question.
Vous:
Très bien, utilisons cette vue de données.
Réponse du Chat des collègues :
D’accord, j’utiliserai la vue de données Customer lifecycle pour répondre aux questions futures de cette session de conversation.
Ajout d’une préférence de vue de données en mémoire
Le Chat Coworker contient une fonctionnalité de mémoire qui vous permet de lui donner accès à des informations qui s’étendent sur toutes les conversations. Il est recommandé d’ajouter vos vues de données préférées en tant que préférences dans la mémoire du collègue.
-
Dans le volet de navigation de gauche de la discussion entre collègues, sélectionnez l’icône Mémoire .
-
Sur la page Mémoire, dans la section Préférences stockées, spécifiez une ou plusieurs vues de données que vous souhaitez que Chat des collaborateurs utilise dans vos conversations.
Analyser dans Customer Journey Analytics
Une fois que Coworker a créé une visualisation, vous pouvez l’ouvrir dans Analysis Workspace pour une analyse plus approfondie et un contrôle granulaire. La visualisation s’ouvre dans un nouveau projet Analysis Workspace dans Customer Journey Analytics.
Pour ouvrir une visualisation dans un nouveau projet Analysis Workspace :
-
Sélectionnez Analyser dans CJA en regard de toute visualisation créée dans Coworker.
-
Avec la visualisation ouverte dans Customer Journey Analytics, vous pouvez utiliser l’interface de navigateur glisser-déposer d’Analysis Workspace pour apporter des modifications, concevoir plus précisément votre analyse, créer une audience, et bien plus encore. Vous pouvez même partager votre projet Workspace avec toute personne de votre choix.
Pour plus d’informations sur Analysis Workspace, consultez Présentation d’Analysis Workspace.
Cas d’utilisation de Customer Journey Analytics
Vous pouvez consulter les cas d’utilisation de Customer Journey Analytics et les exemples d’invites que les utilisateurs utilisent dans le chat des collaborateurs en entreprise d’Adobe CX, des réponses rapides aux investigations approfondies du travail. Chaque invite est créée pour être copiée, adaptée à vos propres données et contexte et affinée par la conversation.
Pour plus d’informations, voir Cas d’utilisation.
Compétences Analytics
Les compétences suivantes sont disponibles pour analyser les données Customer Journey Analytics.
Interroger et analyser des données
Cette compétence (cja) vous permet d’interroger Customer Journey Analytics en temps réel et d’analyser les résultats sans créer vous-même la requête dans Analysis Workspace.
Autorisations nécessaires
- Accès en affichage à la vue de données sur laquelle vous souhaitez effectuer une requête
Cas d’utilisation clés
- « Afficher les pages vues au cours des 30 derniers jours »
- « Répertorier les segments principaux dans la vue de données principale »
- « Comparer les revenus par canal, mois après mois »
- « À quoi ressemble la conversion entre appareils mobiles et ordinateurs de bureau ce trimestre ? »
- « Me guider dans le funnel de passage en caisse »
- « Afficher le funnel de conversion du PDP à l’achat »
- « Prévision des sessions pour les 30 prochains jours »
- « Sommes-nous sur la bonne voie pour atteindre notre objectif de revenus ? »
Dans la portée
- Requête en temps réel des mesures, dimensions, segments et vues de données
- Comparaison côte à côte entre les canaux, les périodes ou les segments
- Funnel à plusieurs étapes et analyse des abandons
- Prévision des mesures basée sur les tendances historiques
Hors de portée
- Création ou modification de composants de vue de données
- Données en dehors des vues de données auxquelles vous avez accès
- Modélisation prédictive au-delà des prévisions métriques
Analyse des causes premières
Cette compétence (cja-root-cause-analysis) permet de déterminer pourquoi une mesure a été modifiée au lieu de simplement signaler qu’elle a été modifiée.
Autorisations nécessaires
- Accès en affichage à la vue de données en cours d’analyse
Cas d’utilisation clés
- « Pourquoi les conversions ont-elles diminué la semaine dernière ? »
- « Qu’est-ce qui a provoqué la hausse des recettes le 15 janvier ? »
Dans la portée
- Recherche d’une modification dans une mesure connue sur une période connue
- Affichage des dimensions et des segments qui ont contribué à la modification
Hors de portée
- Détection des anomalies dont vous n’avez pas parlé (aucune alerte automatisée ou en temps réel)
- Analyse de la cause première pour les mesures en dehors d’une vue de données à laquelle vous avez accès
Résumés de gestion et résumés des performances
Cette compétence (cja-executive-summary) produit des résumés prêts à l’emploi de vos données Customer Journey Analytics.
Autorisations nécessaires
- Afficher l’accès à la ou aux vues de données couvertes par le résumé
Cas d’utilisation clés
- « Donnez-moi un résumé du mois dernier »
- « Créer un plan de diaporama à partir des données de ce trimestre »
Dans la portée
- Récapitulatif des performances sur une période spécifiée
- Générer des recommandations prescriptives basées sur les données
- Présentation du contenu d’un diaporama ou d’une lecture aux parties prenantes
Hors de portée
- Création de la présentation ou du fichier de présentation final
- Résumés qui couvrent des vues de données auxquelles vous n’avez pas accès
Validation des données avec Adobe Analytics
Cette compétence (aa-cja-validation) compare, audite et réconcilie les données entre Adobe Analytics et Customer Journey Analytics.
Autorisations nécessaires
- Accès en affichage à la suite de rapports Adobe Analytics et à la vue de données Customer Journey Analytics comparée
Cas d’utilisation clés
Comparer, auditer et réconcilier les données entre Adobe Analytics et Customer Journey Analytics.
Pour plus d’informations, consultez Validation des données avec un collègue lors de la mise à niveau d’Adobe Analytics vers Customer Journey Analytics.
- « Comparer ma suite de rapports Adobe Analytics à ma vue de données Customer Journey Analytics »
- « Validation des pages vues entre Adobe Analytics et Customer Journey Analytics »
Dans la portée
- Comparaison des valeurs de mesure entre une suite de rapports et une vue de données
- Signaler les incohérences entre les deux sources de données
Hors de portée
- Résolution de la cause sous-jacente d’une incohérence des données
- Validation de sources de données autres que Adobe Analytics et Customer Journey Analytics
Création de compétences personnalisées
Cette compétence (cja-skill-creator) transforme une analyse que vous avez déjà exécutée en une compétence réutilisable qui persiste entre les sessions.
Autorisations nécessaires
- Gestion des compétences
Cas d’utilisation clés
- « Transformer cette analyse hebdomadaire des recettes en une compétence réutilisable »
- « Enregistrer cette compétence en tant que rapport funnel mensuel »
Dans la portée
- Convertir une analyse terminée en une compétence nommée et réutilisable
- Mise à disposition d’une compétence enregistrée lors de vos futures sessions de conversation
Hors de portée
- Partager automatiquement une compétence enregistrée avec d’autres utilisateurs (les bibliothèques de compétences au niveau de l’organisation nécessitent une configuration administrateur)
- Modifier les références de compétence des composants de la vue de données
Exemple : Rechercher l’endroit où les clients repartent
Vous pouvez demander à Coworker Chat d’utiliser vos données pour analyser n’importe quelle question commerciale.
Par exemple, en tant que responsable marketing, marchandiseur ou responsable de croissance, vous pouvez vouloir comprendre où les clients abandonnent le chemin de l’achat, pourquoi ils l’ont fait et ce qui peut être fait pour augmenter les taux de conversion.
Les types de questions que vous pouvez poser
Vous n’avez pas besoin de savoir ce qu’est une « visualisation des abandons » ou quelle mesure est utilisée dans quel emplacement. Décrivez plutôt le résultat qui vous tient à cœur en langage clair :
- « Où perdons-nous des gens sur le chemin de l’achat ? »
- « Quel est mon funnel de conversion complet, de la consultation du produit au passage en caisse ? »
- « Quels canaux marketing présentent le plus de fuites entre le panier et l’achat ? »
- « L’abandon de panier est-il pire sur mobile ou poste de travail ? »
- « Les utilisateurs des réseaux sociaux payants se convertissent-ils différemment des utilisateurs des e-mails ? »
La conversation
1. Commencez par la question commerciale
Vous:
Où perdons-nous des gens sur le chemin de l’achat ?
Réponse du Chat des collègues :
Notez que le Module de conversation des collègues sélectionne la visualisation appropriée, séquence les points de contact et ajoute même les étapes suivantes recommandées.
Voici une question funnel : laissez-moi exécuter le funnel de conversion pour voir où se produit le déchargement sur le chemin d’accès à l’achat.
C’est là que vous perdez des gens :
La grande découverte : acheter un panier est votre plus grande fuite
28 463 personnes ajoutent des articles à leur panier, mais ne terminent jamais l’achat. Il s’agit d’un taux de décrochage de 83,6 % du panier à l’achat, soit de loin le point de défaillance le plus important.
Qu’est-ce que cela vous apprend sur les priorités
Étapes suivantes recommandées :
- Ventilez les abandons de panier par canal marketing : certains canaux génèrent-ils un trafic de faible intention qui s’ajoute au panier mais n’achète jamais ?
- Examiner l’abandon de panier par type d’appareil : le passage en caisse mobile détruit-il les conversions ?
- Identifier les produits les plus abandonnés : problème de prix ? Surprise d’expédition ?
Dans laquelle de celles-ci voudriez-vous que je creuse ensuite ? La répartition des canaux vous indiquerait directement quelles actions marketing vous amènent « quasi-acheteurs » par rapport aux acheteurs réels.
2. Forer dans la fuite
Vous:
D’accord, répartissons par canal marketing
Réponse du Chat des collègues :
Tableau Funnel
Il existe une dimension Canal marketing personnalisée. Permettez-moi d’extraire le funnel par cela, puis de calculer les taux de conversion par canal et d’identifier où chaque canal fuit.
Le verdict : la fuite n’est pas spécifique à un canal
C’est une découverte très révélatrice. Voici la répartition funnel par canal :
Principaux points à retenir :
- Le taux de chute du panier à l’achat est uniformément mauvais sur tous les canaux (83 à 84 %). Cela signifie que le problème n’est pas lié à la qualité du trafic - chaque canal convertit les utilisateurs en panier à des taux similaires. La fuite se trouve dans votre expérience de passage en caisse elle-même, pas dans votre marketing.
- Aucun canal n’est significativement meilleur ou pire lors de la conversion. Les taux de conversion globaux se regroupent étroitement entre 3,8 % et 4,2 %, et le chiffre d’affaires par session est presque identique (495 à 512 $).
- Là où l’impact sur le volume est le plus important : le référencement payant perd le plus de monde en termes absolus (9 015 abandons de panier), suivi du référencement organique (6 449 perdus). Il s’agit des opportunités les plus importantes en termes de valeur monétaire, car elles génèrent le plus de trafic.
Qu’est-ce que cela vous indique stratégiquement
Les canaux marketing font leur travail : ils attirent tous les utilisateurs et les ajoutent au panier à des taux similaires. Le problème se situe en aval du marketing : votre caisse et votre flux de paiement sont là où l’argent fuit.
Prochaines investigations recommandées :
- Ventilez les abandons de panier mobile par catégorie de produits — est-ce pire pour les articles à prix élevé (qui suggèrent des problèmes de fiducie de paiement mobile) ?
- Identifiez les canaux marketing qui génèrent le trafic mobile le plus important. Dépensez-vous des dollars de médias achetés pour envoyer des utilisateurs vers un funnel mobile endommagé ?
- Vérifier s’il y a un signal de section de page ou de site — Peut-on voir quelles pages de passage en caisse les utilisateurs mobiles consultent en dernier avant d’abandonner ?
Quel angle souhaitez-vous explorer ensuite ?
3. Poursuivre l’enquête
Vous:
Intéressant. Essayons de ventiler par type d’appareil.
Réponse du Chat des collègues :
Trouvé : passage en caisse mobile rompu
Le funnel est identique sur tous les appareils jusqu’au passage en caisse, puis le mobile tombe dans le précipice :
Le pistolet fumant
L’expérience de navigation et d’ajout au panier est correcte sur mobile (taux de navigation identique de ~45 %, taux d’ajout au panier de ~55 %). Les gens sont tout aussi intéressés et engagés. Cependant, un élément du flux de passage en caisse mobile tue les conversions.
L’opportunité de chiffre d’affaires
Si le passage en caisse mobile était converti au même taux que le poste de travail, vous gagneriez environ 1 991 achats supplémentaires, soit une augmentation de 35 % du volume total d’achats résultant de la correction d’une expérience.
Que se passe-t-il probablement
Le modèle de données (engagement égal, passage en caisse catastrophique) est un signal classique pour :
- friction du formulaire de paiement sur de petits écrans (problèmes de remplissage automatique, mise en page du formulaire)
- Coûts inattendus révélés au passage en caisse (frais d’expédition, taxes) provoquant un choc autocollant
- Passage en caisse des invités non disponible pour un mur de connexion sur mobile
- Problèmes de chargement de page ou de délai d’expiration lors du traitement des paiements sur mobile
Étapes suivantes recommandées :
- Ventilez les abandons de panier mobile par catégorie de produits — est-ce pire pour les articles à prix élevé (qui suggèrent des problèmes de fiducie de paiement mobile) ?
- Identifiez les canaux marketing qui génèrent le trafic mobile le plus important. Dépensez-vous des dollars de médias achetés pour envoyer des utilisateurs vers un funnel mobile endommagé ?
- Vérifiez si la conversion de passage en caisse de la campagne « Holiday_flash_sale » est meilleure : les campagnes pilotées par l’urgence peuvent surmonter le conflit de passage en caisse.
Quelles sont les données que vous souhaitez explorer ou celles-ci sont-elles suffisantes pour être transmises à votre équipe d’expérience utilisateur et de passage en caisse ?
4. Transformez-la en décision
Vous:
Alors que dois-je faire ?
Réponse du Chat des collègues :
D’après ce que montrent les données, voici ce sur quoi je me concentrerais :
- Corrigez le passage en caisse mobile, il ne s’agit pas d’un problème de canal. Chaque canal convertit les utilisateurs en panier à un taux similaire et sain, de sorte que les dépenses publicitaires fonctionnent à tous les niveaux. Le chiffre d’affaires est perdu spécifiquement dans le flux de passage en caisse mobile, où se trouve le correctif.
- Commencez par le paiement et la friction de formulaire. Il s’agit des raisons les plus courantes pour lesquelles les acheteurs mobiles à forte intention abandonnent un panier. Offrir des options de porte-monnaie mobile et raccourcir le formulaire sont généralement les gains les plus rapides.
- Vérifier à nouveau après le correctif. Une fois que le passage en caisse a changé d’expédition, vérifiez si le taux de panier à l’achat de Mobile évolue vers le taux de poste de travail de 23,2 %.
Voulez-vous que j’enregistre ceci en tant que projet afin que vous puissiez le suivre, ou définir une alerte si le panier mobile tombe en dessous d’un seuil ?
Ce qui s’est passé
Dans quatre questions en langage clair, Coworker nous a aidés :
- Créez un funnel de conversion à plusieurs étapes et signalez la fuite la plus importante, du panier à l’achat
- Excluez le canal marketing comme cause : chaque canal a fuité à un taux presque identique
- Isolez le vrai problème au passage en caisse mobile et quantifiez le correctif à un effet élévateur de 35 % dans les achats
- Partez avec un correctif spécifique à prioriser : le paiement mobile et la friction de formulaire. Il est comparé au taux de conversion de 23,2 % des ordinateurs de bureau