Les rapports de fin de campagne sont sortis et analysés, il est temps d’en faire un résumé aux différentes équipes. Et plus les données sont nombreuses, plus il est difficile de les représenter de manière claire. Voici quelques points qui pourraient vous aider à faire un choix rapide :
POUR COMMENCER, BARRES OU CAMEMBERTS ?
Ces deux représentations étant les plus communément utilisées, il est facile de tomber dans le piège et de les utiliser par défaut. Grâce aux diagrammes en camembert, on comprend rapidement la répartition de l’ensemble des données ; mais il est plus difficile visuellement de comparer les différentes parts entre elles. Qu’il s’agisse des « camemberts » ou d’un autre dérivé de diagramme circulaire comme les « donuts », l’excès de couleurs et la juxtaposition des aires peuvent rapidement induire en erreur : les diagrammes en bâtons sont donc à privilégier pour souligner les disparités dans la répartition.
Sur cet exemple : les parts du canal Paid Social et du Direct, sont-elles de même taille ? Sur le graphique en colonne de droite, il est plus facile de s’en apercevoir. D’après la recherche en visualisation de données de William S. Cleveland, Robert McGill, nous aurions plus de difficultés lors de la perception des graphiques avec des aires, des volumes et des couleurs(1) : ces trois moyens sont donc à utiliser avec précaution. En revanche, les graphiques contenant des points sur une échelle commune ou ceux comparant des différentes longueurs sont perçus le plus efficacement.
Comparer les valeurs et les tendances
Pour ces mêmes raisons de perception, les barres et les colonnes montrent le mieux les disparités en cas de comparaison de deux séries. Cependant, s’il s’agit d’une comparaison de deux périodes et si la notion de l’évolution dans le temps est importante, les courbes seront plus parlantes que les barres pour visualiser une tendance :
Ajouter un point ou une ligne de référence pour simplifier l’interprétation
Quand il s’agit d’un mapping, comme un nuage de points ou un graphique en bulles, on peut rapidement être désorienté par la quantité d’informations présentées. Diviser l’espace en segments en ajoutant une moyenne permet d’associer rapidement les performances aux séries :
Taille de bulle = trafic
Sur ce graphique en bulles, les moyennes aident à situer les canaux les plus et les moins engageants, mais permettent aussi de trancher visuellement les performances des canaux Affiliés et SEM. Attention cependant à ne pas surcharger la représentation : en cas de données trop nombreuses, baser le graphique sur un échantillon ou opérer par catégorie de données peut être une solution.
Mettre en avant le plus important
Si un objectif a été défini pour une campagne, il sera intéressant de savoir s’il a été atteint, mais aussi de connaitre l’écart par rapport à cet objectif. Par exemple, le graphique de gauche permet de distinguer rapidement les canaux qui sont rentables de ceux qui ne le sont pas, alors que le graphique de droite permet de comprendre l’ampleur d’une perte ou d’un gain :
Si un KPI a été défini pour la campagne, mettre en valeur ce KPI peut être plus impactant et valorisant que soigner la répartition des données. Ainsi, même s’il agit de représenter un indicateur de performance secondaire, il pourrait être intéressant d’interpréter les performances en termes de gain ou de perte réelle ou potentielle du chiffre d’affaires :
Sur le graphique de droite, on est en mesure d’interpréter très rapidement visuellement le résultat par rapport à la moyenne du marché grâce à la ligne de référence. Indiquer un objectif ou une moyenne en plus des résultats en volume ou en valeur permet de gagner en rapidité lors de la lecture et de l’explication des graphiques. Une analyse complémentaire de l’écart existant en termes d’opportunité saisie ou à saisir apporte une valeur ajoutée à la visualisation de données.
Transformer les tableaux de synthèse en entonnoirs de conversion
Un entonnoir permet de comprendre les phases du processus d’achat en visualisant rapidement l’évolution du parcours de l’utilisateur, mais aussi en déterminant visuellement l’étape où les utilisateurs décrochent. Sur l’exemple ci-dessous, on représente les données du tableau à l’aide d’un histogramme, en indiquant les taux correspondants entre chaque étape de l’entonnoir :
Une visualisation claire accompagnée d’un titre parlant est plus efficace qu’un jeu de données accompagné de commentaires. Que ce soit fait sur des fichiers de données Excel ou sur une solution de suivi en ligne contenant des tableaux de bord, faire parler ses métriques-clés en les représentant en graphiques permet de gagner significativement du temps lors de l’interprétation des résultats en période d’analyse.
Source :
(1). Graphical Perception and Graphical Methods for Analyzing Scientific Data, William S. Cleveland, Robert McGill, 1985.
