En web analyse, le bruit désigne la part des variations observées dans les données qui ne reflète pas le phénomène étudié et provient du hasard, d’un trafic parasite ou d’erreurs de collecte.
Le terme vient de la théorie de l’information et du traitement du signal. Le signal y est l’information utile, le bruit tout ce qui la brouille. Appliqué à la mesure d’un site, le signal correspond par exemple à l’effet réel d’une campagne ou à une évolution de la demande. Le bruit regroupe les écarts qui ne disent rien de ces phénomènes.
Le bruit au sens strict tient aux petits volumes : un taux de conversion calculé sur quelques dizaines de visites varie fortement d’un jour à l’autre sans cause particulière. Deux autres sources perturbent la mesure. Le trafic parasite regroupe les visites qui ne sont pas le fait du public visé : robots, référents fictifs, visites internes ou de test. Il recoupe la pollution d’audience. Les erreurs de collecte viennent du dispositif lui-même, par exemple un marqueur déclenché deux fois. Irrégulières, ces perturbations ajoutent du bruit ; constantes, elles créent un biais. Les variations régulières, comme l’effet du jour de la semaine ou d’une saison, ne sont pas du bruit : ce sont des composantes prévisibles, que l’analyse des séries temporelles isole.
Le bruit se distingue du biais. Le bruit disperse les mesures autour de la valeur réelle et s’atténue quand le volume augmente. Le biais les décale dans un sens constant et ne disparaît pas avec le volume. En communication, le mot désigne aussi tout ce qui perturbe la transmission d’un message entre un émetteur et son public. Cette fiche traite de l’acception propre à l’analyse des données, mobilisée dans les tableaux de bord, les tests et les alertes.
Un rapport hebdomadaire qui commente chaque hausse ou baisse de quelques points invite à réagir à des variations sans cause. Les équipes modifient une page, coupent une campagne ou célèbrent une progression qui disparaîtra la semaine suivante. À notre avis, le premier enjeu n’est pas de supprimer le bruit, impossible à éliminer, mais de savoir le reconnaître avant de décider. Le risque augmente avec la finesse du découpage. Plus un rapport segmente par page, par source et par appareil, plus chaque case repose sur un petit volume, et plus les écarts aléatoires s’y multiplient.
Une partie du trafic parasite se traite par configuration. L’aide de Google Analytics indique que le trafic des robots connus y est exclu automatiquement, à partir de recherches internes et de la liste internationale des robots tenue par l’Interactive Advertising Bureau. Cette exclusion ne peut pas être désactivée, et le volume exclu n’est pas visible. Les robots inconnus restent donc dans les données.
Nous recommandons de comparer chaque variation à la variabilité habituelle de l’indicateur, et non à la seule semaine précédente. Calculez sur plusieurs semaines l’écart habituel entre deux périodes. Une variation qui reste dans cette fourchette ne mérite pas de commentaire. Pour les petits volumes, agrégez sur une période plus longue ou regroupez des pages de même nature. Comparez des jours équivalents. Dans un test A/B, fixez la taille de l’échantillon avant le lancement et n’arrêtez pas le test au premier écart favorable.
Dans un tableau de bord, une bande de variation normale tracée autour de la courbe aide les lecteurs non spécialistes à faire ce tri sans calcul.
Advalians audite votre performance marketing et définit des indicateurs de suivi et des tableaux de bord lisibles, pour arbitrer sur des données utiles.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
Le bruit disperse les mesures au hasard autour de la valeur réelle ; le biais les décale toujours dans le même sens. Une semaine à faible trafic qui affiche un taux de conversion anormal relève du bruit. Un marqueur absent des pages mobiles, qui sous-estime en permanence ce trafic, relève du biais.
Le test est simple : augmentez la période ou le volume. Si l’écart se réduit, c’était du bruit. S’il persiste, cherchez une cause systématique dans la collecte, le filtrage ou la définition de l’indicateur, et corrigez-la à la source.
Procédez par règles écrites, appliquées en amont plutôt qu’en retouchant les rapports. Excluez d’abord les visites internes et les environnements de test. Repérez ensuite les sources suspectes : référents inconnus, visites sans engagement ni durée, pics nocturnes sans campagne. Filtrez-les par une règle documentée et datée.
Conservez toujours une vue brute non filtrée, pour vérifier qu’un filtre n’écarte pas du trafic réel. Réexaminez les règles chaque trimestre, car les sources parasites changent. Évaluez aussi la qualité de trafic par source pour cibler les contrôles.
Quand l’écart dépasse nettement la variabilité habituelle de l’indicateur sur des périodes comparables. Calculez, sur huit à douze semaines, la moyenne et l’écart type de la variation hebdomadaire. Un écart de plus de deux écarts types mérite une analyse ; en deçà, il relève souvent du hasard.
Ce seuil est un repère de pilotage, non une règle statistique universelle. Il suppose des données sans tendance ni saisonnalité marquée. Pour une décision importante, comme la conclusion d’un test, utilisez un test statistique adapté et un échantillon fixé à l’avance.
Le principal risque est d’écarter du trafic réel et de fausser les tendances. Un filtre trop large sur les adresses réseau peut exclure des clients qui travaillent dans un grand groupe. Un filtre sur la durée de visite peut supprimer des visiteurs pressés mais légitimes.
Testez chaque filtre sur une vue de contrôle avant de l’appliquer. Mesurez la part du trafic qu’il retire : si elle dépasse ce que vous attendiez, examinez un échantillon des visites écartées. Datez chaque filtre, car il crée une rupture dans les séries historiques.
Oui pour les indicateurs à faible volume ou très variables d’un jour à l’autre ; non pour ceux qui doivent signaler un incident. Une moyenne mobile sur sept jours neutralise l’effet du jour de la semaine et rend la tendance lisible.
Gardez la courbe brute à côté de la courbe lissée sur les indicateurs de collecte, comme le nombre de sessions : une chute brutale doit rester visible le jour même. Précisez dans le dashboard la méthode de lissage retenue, pour que chaque lecteur sache ce qu’il regarde.
Augmenter le budget ne résoudra pas un problème de performance structurel. Au contraire,..
Le scénario est classique : le Marketing demande du budget pour « construire..
Longtemps perçu comme le département des « belles images » ou des dépenses..
