Comment Trove gagne plus de 3 000 heures de développement par an grâce à Product Analytics de Contentsquare

Principaux insights

L'entreprise

Trove est une plateforme technologique et opérationnelle qui aide les marques à créer et gérer leurs propres programmes de revente et de reprise. Des boutiques de revente sous leur marque aux initiatives de reprise, en passant par les réparations et le recyclage durable, Trove fournit à ses partenaires les outils et l'expertise opérationnelle nécessaires pour prolonger la durée de vie de leurs produits (faisant ainsi du commerce circulaire non seulement un engagement en matière de développement durable, mais un véritable levier de croissance).

Rocco Giordano, Sr. Product Manager, et McCall James, Senior Data Analyst, sont chargés de fournir les insights comportementaux et les rapports de funnel nécessaires à plus de 40 marques partenaires pour gérer leurs programmes.

Le défi

À mesure que le réseau de partenaires de Trove s'est développé et que son offre de produits s'est élargie, les limites du suivi manuel des événements sont devenues de plus en plus évidentes.

Une petite équipe data était censée fournir des analyses détaillées et précises pour un portefeuille diversifié et en pleine expansion, comprenant des programmes de reprise en magasin, des boutiques de revente en ligne, des services de réparation et la gestion des retours. Sans méthode évolutive de collecte de données comportementales, ce modèle était tout simplement inadapté.

Parmi les principaux défis :

• Les développeurs intègrent manuellement le suivi des événements dans les produits digitaux, ce qui représente environ 252 heures de travail par an pour une équipe d'ingénierie de six personnes

• Les data scientists passent leur temps à demander et à attendre des événements étiquetés plutôt qu'à analyser des données

• L'onboarding des nouveaux partenaires peut prendre jusqu'à deux mois (et se fait un partenaire à la fois)

• Un pipeline de données fragmenté qui rendait les comparaisons entre partenaires et entre plateformes peu fiables

• La lenteur du traitement des demandes d'analyse limite la capacité de l'équipe à soutenir la prise de décision axée sur les données au sein de l'entreprise

Le problème s'est aggravé avec la croissance de Trove. De nouveaux types de partenaires ont émergé : certains se chargeaient uniquement des retours, d'autres menaient des projets pilotes de reprise et d'autres encore géraient des programmes complets. Chacun d'eux a accentué la charge de travail d'une équipe déjà sous-dimensionnée.

La solution

Trove utilise Product Analytics de Contentsquare optimisé par Heap depuis sept ans, au point d'en faire un élément fondamental du fonctionnement de l'équipe data. L'outil lui apporte une plateforme unique et unifiée qui capture automatiquement les données comportementales dans tous les environnements Trove, permettant ainsi aux partenaires d'avoir une visibilité complète sur leurs programmes.

"Quelle que soit la plateforme de reprise choisie par un partenaire pour sa mise en œuvre, nous disposons d'un ensemble d'événements cohérent pour créer nos funnels et nos rapports. Le fait que Heap by Contentsquare centralise le suivi de tous ces événements et leur intégration dans notre base de données s'est avéré extrêmement utile (sinon, nous aurions dû intégrer manuellement tous ces événements dans notre code source, ce qui aurait engendré un travail d'ingénierie et de maintenance considérable)."

Rocco Giordano

Sr. Product Manager

Comment Contentsquare a aidé Trove

1. Suppression du taggage manuel des événements grâce à Smart Capture

Avec Smart Capture, Product Analytics capture automatiquement les interactions des utilisateurs et utilisatrices sur l'ensemble des produits digitaux de Trove (pas besoin de configuration manuelle).

"Smart Capture nous a vraiment été d'une grande aide, notamment lorsque nous n'arrivions pas à suivre le rythme des nouveaux développements ou des mises en production. Grâce à la capture rétroactive des données, nous ne risquons pas de perdre deux mois de données."

McCall James

Senior Data Analyst

Pour une petite équipe data, cela a été une véritable révolution. Lorsqu'une nouvelle page, un bouton ou une fonctionnalité est mis en ligne, les données sont capturées automatiquement et a posteriori, ce qui signifie que l'équipe ne manque jamais de données comportementales, même lorsqu'elle ne peut pas réagir immédiatement à une nouvelle mise en production.

La fonctionnalité Smart Capture de Contentsquare collecte chaque interaction sur votre application ou site web dès le début

Lors du lancement par Trove d'un nouveau module de réparation pour ses partenaires européens, Smart Capture a permis à l'équipe de données de respecter son calendrier de reporting habituel sans avoir à configurer les événements en urgence avant la mise en production du projet pilote. Toutes les données étaient disponibles au moment voulu.

2. Réduction du délai d'onboarding des partenaires de plusieurs mois à quelques jours

Avant Product Analytics, l'onboarding d'un nouveau partenaire de marque à l'environnement analytique de Trove était un processus long et complexe, nécessitant jusqu'à deux mois pour chaque partenaire. Grâce à la capture automatique des événements, l'intégration d'un nouveau partenaire se résume désormais à la création d'un projet et à son activation.

L'équipe data peut désormais intégrer plusieurs partenaires en même temps, un changement qui a permis à Trove d'atteindre son objectif interne de réduction drastique du délai d'onboarding. Pour une entreprise soucieuse de développer son portefeuille de partenaires, il s'agissait d'un avantage considérable.

"C'est aussi simple que de créer un nouvel environnement au sein d'un projet et de l'activer : tous les événements sont automatiquement traités. Nous n'avons aucun travail supplémentaire à effectuer. Cela a largement simplifié les choses et nettement réduit le nombre de tâches qui passent inaperçues."

McCall James

Senior Data Analyst

3. Découverte d'insights de données à grande échelle

L'une des applications les plus stratégiques et précieuses de Product Analytics chez Trove a été l'utilisation de Funnel Analysis pour améliorer l'expérience de reprise pour les consommateurs. Contrairement au e-commerce traditionnel, il existe très peu d'études sectorielles sur les facteurs de succès d'un processus de reprise (les marques qui gèrent ces programmes naviguent donc en grande partie à vue et les équipes capables de répondre à ces questions bénéficient d'un avantage concurrentiel certain).

L'équipe produit de Trove a utilisé les données d'événements de Product Analytics pour identifier précisément les points d'abandon de l'utilisateur et pour tester différentes implémentations afin de trouver le juste équilibre entre la collecte d'informations suffisantes sur les articles et le maintien d'une expérience fluide.

Ce type de développement produit itératif et axé sur les données n'aurait pas été possible avec un taggage manuel. Demander aux développeurs de créer chaque nouveau scénario de test pour chaque nouveau flux est tout simplement irréalisable pour une équipe de quatre personnes.

"Nous avons utilisé Heap de Contentsquare pour tester différentes hypothèses, analyser les données et améliorer le produit. L'ancienne méthode de taggage manuel n'aurait pas été possible : il aurait fallu demander aux développeurs de créer tous ces flux manuellement pour suivre les différents scénarios de test, ce qui n'est tout simplement pas viable à grande échelle."

Rocco Giordano

Sr. Product Manager

Un autre exemple illustrant parfaitement ce concept est le widget de merchandising que Trove a conçu pour sa marque partenaire, un important retailer de vêtements de plein air. Ce widget apparaissait sous forme de vignette sur le site marchand principal du partenaire, incitant les clients à consulter le même article en tant qu'article d'occasion, proposé à la revente.

En utilisant les événements pré-existants de Product Analytics et en segmentant simplement les données par terme UTM (distinguant les utilisateurs et utilisatrices arrivés sur le site de revente via le widget de celles et ceux y étant arrivés de façon organique), Trove a pu effectuer une comparaison directe des performances de session entre les deux groupes. Aucun nouveau taggage n'a été nécessaire.

L'équipe pouvait observer précisément le comportement des utilisateurs et utilisatrices ayant cliqué sur le widget sur le site de revente, par rapport aux visiteurs habituels. Cela a permis à la marque partenaire de disposer d'une image claire et étayée par des données de l'efficacité de l'intégration sur l'engagement des utilisateurs lors de la revente.

4. Renforcement de l'accès à l'analyse en libre-service dans toute l'entreprise

La simplicité d'utilisation de Product Analytics a étendu sa valeur bien au-delà des équipes data et produit. Chez Trove, les senior partner managers et autres profils non liés aux données peuvent accéder directement à l'interface : ils peuvent ainsi créer rapidement des rapports, filtrer par partenaire et obtenir des réponses à des questions ponctuelles, sans avoir à ouvrir de ticket.

Cette couche libre-service réduit la pression sur la bande passante de l'équipe data et lui permet de se concentrer sur des tâches à plus fort impact, comme la création de nouveaux rapports pour les lancements de produits ou la refonte des modèles de données.

McCall James a découvert Trove sans aucune expérience préalable de la plateforme. En quelques semaines, elle était parfaitement opérationnelle, preuve du caractère intuitif et convivial de Product Analytics.

"Lorsque je suis arrivé chez Trove, je n'avais jamais utilisé Heap de Contentsquare auparavant. Grâce à la possibilité d'arriver sans aucune connaissance préalable et à une formation minimale, j'ai trouvé très facile de me familiariser avec l'outil et de faire tout ce dont j'avais besoin, avec une expérience minimale."

McCall James

Senior Data Analyst

Les résultats

Product Analytics a eu un impact important sur les opérations de Trove, améliorant l'efficacité de l'ingénierie et réduisant la charge de travail de l'équipe data :

• Environ 3 000 heures de travail équivalent temps plein gagnées chaque année en éliminant le taggage manuel des événements pour six développeurs et trois data scientists

• Une amélioration de 4 à 12 % en glissement annuel de la capacité de traitement des requêtes analytiques, permettant ainsi à l'équipe de se concentrer sur des tâches stratégiques à plus forte valeur ajoutée

• L'onboarding des partenaires est passé de plusieurs mois à quelques jours., permettant ainsi à Trove d'étendre son portefeuille de partenaires sans augmenter ses effectifs

• Une équipe data de quatre personnes dessert désormais plus de 40 marques partenaires avec des rapports cohérents, fiables et multiplateformes

Pour Trove, la valeur ajoutée dépasse largement le simple gain de temps. Product Analytics a transformé les capacités d'une petite équipe et a conféré à l'entreprise un véritable avantage concurrentiel dans un secteur où les données comportementales relatives aux programmes de revente et de reprise restent encore rares.

"Le plus grand avantage, c'est de pouvoir disposer d'une plateforme fiable et stable qui fonctionne, tout simplement. Elle répond parfaitement aux besoins de nos partenaires et ne nécessite pas beaucoup de maintenance de notre part. C'est un atout considérable lorsqu'on cherche à développer son réseau de partenaires avec une équipe relativement agile."

Rocco Giordano

Sr. Product Manager

Quelle est la prochaine étape ?

Alors que Trove élargit son champ d'action à la gestion des retours (l'un des plus grands défis auxquels sont confrontées les marques e-commerce aujourd'hui), l'équipe explore activement des intégrations plus poussées entre Product Analytics et le logiciel opérationnel de Trove.

L'objectif est de suivre les interactions entre les employés au sein des workflows de warehouse et de traitement, afin d'aider les managers d'atelier à identifier les points de blocage du personnel et les gains d'efficacité possibles.

L'équipe enquête aussi sur la fonctionnalité Session Replay de Contentsquare, avec pour objectif de d'étendre l'adoption de Contentsquare à l'ensemble de l'entreprise. La feuille de route repose sur un principe simple : l'utilisation de la plateforme évolue au même rythme que Trove.

"Quel que soit le programme partenaire et les fonctionnalités de Trove qu'il utilise, nous pouvons le prendre en charge grâce à Contentsquare. L'avenir est en constante évolution (et Contentsquare nous permet de répondre aux besoins de cette évolution)."

McCall James

Senior Data Analyst