L’intelligence artificielle (IA) touche les pratiques de tracking et d’analytics en offrant des solutions innovantes pour automatiser, affiner et enrichir la collecte et l’analyse des données. Grâce aux LLMs (ChatGPT en tête), les professionnels du marketing, les analystes de données et les consultants peuvent désormais optimiser leurs processus sans dépendre systématiquement des développeurs.
Mais attention cependant, l’IA ne remplace en aucun cas les développeurs et un checking systématique doit être effectué sur l’ensemble des actions. Voici cependant une liste d’usages effectués dans nos différents process tracking et analytics.
La création de listeners pour automatiser la détection d'événements
Avant l’avènement de l’intelligence artificielle, le suivi des interactions utilisateur sur un site web nécessitait l’intervention d’un développeur pour implémenter des scripts spécifiques. Aujourd’hui, l’IA permet de générer automatiquement des scripts (qu’on appelle aussi listeners) pour détecter des événements tels que les soumissions de formulaires, les clics ou les défilements de page.
Par exemple, ChatGPT peut aider à créer un script JavaScript qui écoute la soumission d’un formulaire et enregistre les données saisies par l’utilisateur. Cette automatisation facilite la mise en place de suivis précis sans compétences techniques avancées.
Si un test systématique doit être effectué, ChatGPT est en règle générale assez performant pour créer des scripts qui correspondent à nos attentes.
La création de variables pour personnaliser le tracking sans accéder au code
Pour rappel, une variable désigne une donnée spécifique collectée sur un utilisateur ou une session, comme la source de trafic, le type d'appareil, la durée de visite ou encore les pages consultées.
Avec l’IA, il est possible de créer des variables personnalisées sans écrire de code complexe. Par exemple, ChatGPT peut générer des expressions régulières ou des scripts pour extraire des données spécifiques à partir d’une URL ou d’un élément de page. Vous avez ensuite la possibilité d’entrer ces variables dans GTM (en server-side ou client-side) pour tracker les données de votre choix. Si ce n’est pas toujours exact, ChatGPT sera en mesure de vous guider sur l’implémentation de ces variables dans l’outil.
Créer des templates pour standardiser et réutiliser les configurations
L’IA facilite également la création de templates pour les variables et les tags, pour standardiser les configurations de tracking. Chez TrackAnalyse, nous avons généré des templates pour chaque configuration techniques que nous souhaitons travailler (balises de remarketing, normalisation des user_data pour les suivis avancés de conversions, restructuration de données e-commerce…)
Cette standardisation nous est particulièrement utile pour unifier nos process et travailler à partir de templates qui ont fait leurs preuves, que nous adaptons forcément à chacun de nos clients par la suite.
Créer et corriger de documentations techniques
La documentation technique est souvent négligée, alors qu’elle joue un rôle clé pour assurer une bonne compréhension et une mise à jour fluide des configurations de tracking. Grâce à l’IA, il est désormais possible d’automatiser une partie de ce processus.
Par exemple, en fournissant à ChatGPT un script JavaScript ou une configuration GTM, vous pouvez générer une documentation structurée qui détaille :
- le rôle de chaque balise,
- les variables impliquées,
- les déclencheurs associés,
- et les objectifs business liés.
Cela permet non seulement de gagner du temps, mais aussi de réduire les erreurs humaines, souvent causées par des oublis ou des interprétations différentes d’un membre d’équipe à l’autre.
Audit et analyse des données : détecter les anomalies et optimiser les performances
Ici, je vais être plus tempéré. L’IA est certes un outil puissant pour l’audit et l’analyse des données collectées. Elle peut par exemple analyser un grand nombre de données si vous lui transmettez des fichiers suffisamment bien construits. En analysant les données de comportement des utilisateurs, l’IA peut détecter des anomalies telles qu’une baisse soudaine du taux de conversion ou une augmentation inhabituelle du taux de rebond.
Mais attention, l’analyse des données, bien que facilitée par la capacité de l’intelligence artificielle doit systématiquement faire l’objet d’une vérification humaine.
Analyse prédictive : anticiper (et analyser) les comportements futurs est-il possible avec l’IA ?
L’analyse prédictive consiste à utiliser les données historiques pour identifier des tendances et modéliser les comportements futurs des utilisateurs. Concrètement, il s’agit de croiser des variables existantes (fréquence de visite, source de trafic, historique d’achats, temps passé sur certaines pages…) pour anticiper des actions probables : un achat, une inscription, ou à l’inverse, une sortie du tunnel de conversion.
Avec l’IA, cette analyse est simplifiée, même si ces prédictions restent des estimations. Par exemple, vous pouvez demander à un outil comme ChatGPT de vous aider à structurer un modèle simple pour estimer la probabilité qu’un utilisateur revienne sur votre site ou complète un achat en fonction de son comportement passé.
Attention ici, ces données seront moins précises que l’analyse de données traditionnelle.
Faut-il automatiser l’utilisation de l’IA dans les process & analytics ?
L’intelligence artificielle touche forcément le monde du tracking et de l’analytics. Si elle est globalement viable pour l’implémentation de scripts ou variables, il faudra systématiquement vérifier vos implémentations.
Sur la partie analytics, l’IA permet de faire ressortir des tendances sur de gros volumes de données. Mais cette webanalyse devra également systématiquement être vérifiée humainement. Si les LLMs permettent de gagner du temps et sont intéressantes pour “dégrossir”, rien ne vaut (encore) l’expertise métier.
