Lab  /  En production

NovaBiome

Une seule vue de tous les chiffres marketing. Au départ, il s’agissait de tout voir au même endroit, et c’est devenu une leçon : une équipe s’accorde rarement sur le sens de ses chiffres.

StatutA tourné en productionClientUne marque de compléments alimentaires vendue en directCe que j’ai faitDesign, données et développement, en soloTypeMission client

D’où ça vient

Une seule vue de tous les chiffres, pour mieux planifier.

Beaucoup d’équipes marketing fonctionnent ainsi aujourd’hui. Les campagnes sont planifiées dans Asana. Plusieurs agences et des marketeurs internes gèrent chacun leurs propres canaux : la boutique, l’e-mail, les abonnements, le social payant, le search. Chacun fait son reporting depuis son propre outil, avec ses propres définitions.

À moins que l’entreprise ne paie un outil comme Triple Whale, personne n’a de vue d’ensemble sur ce qui se passe vraiment. Sans elle, décider quelle campagne lancer ensuite, et savoir si la dernière a marché, relève de la devinette.

Tous les chiffres au même endroit, assez frais pour planifier.

C’était le premier objectif, et il paraissait simple. NovaBiome est un nom fictif : le système du client tournait sur sa propre infrastructure, et la démo publique en est une copie anonymisée, avec des chiffres inventés.

Ce que j’ai appris

Le plus dur, c’était de s’accorder sur ce que les chiffres veulent dire.

Construire le tableau de bord m’a montré à quel point tout dépend des données sous-jacentes, et de la façon dont l’équipe comprend ses propres indicateurs.

La direction générale vit au rythme d’un calendrier fiscal. Le marketing suit souvent le calendrier classique, mais ses objectifs sont fixés en semaines fiscales. Alors comment tu tiens ton tableur ? En général, à la main. Quelqu’un ouvre Shopify, Klaviyo, Meta et les rapports des agences, rassemble les chiffres de la semaine et les compare aux objectifs hebdomadaires tirés des objectifs annuels, onglet après onglet. Chaque étape est une occasion de se tromper.

Et puis il y a le back-office. Un vieux système NetSuite compte une vente quand elle est expédiée. Shopify la compte quand elle est commandée. Sur une semaine, les unités différaient de 17 %. Les deux chiffres étaient justes. Ils répondent à des questions différentes, et sur un trimestre l’écart se réduit à moins de 1 %.

Le plus souvent, ces conversations n’ont pas lieu, et les réponses ne sont pas arrêtées à l’échelle de l’entreprise.

Une grande partie du travail a donc consisté à m’asseoir avec le client, à nous accorder sur le calcul de chaque indicateur, et à l’écrire noir sur blanc. Le taux de renouvellement en est un bon exemple. La première version disait 91 %. La définition du client, qui ne compte un client comme perdu que lorsqu’il n’a plus aucun abonnement, donne environ 60 %. C’est le code qui a changé, pas le client.

Même mot, chiffre différentQuelques-unes des définitions sur lesquelles il a fallu s’accorder avant de publier le moindre chiffre.

Le chiffreUne réponseUne autre réponseCe qu’on a retenu
Une semaineLa semaine calendaire dans laquelle travaille le marketingLa semaine fiscale dans laquelle les objectifs sont fixés, la semaine 1 commençant le 1er octobreLes semaines fiscales, du dimanche au samedi, toujours affichées avec leurs dates
Unités venduesLa boutique compte une vente au moment de la commandeLe système comptable la compte à l’expédition. 17 % d’écart sur une semaineLa date de commande, parce que les décisions marketing reposent dessus. Moins de 1 % d’écart sur un trimestre, et l’écart est écrit noir sur blanc
Taux de renouvellementLa première version disait 91 %Le client disait environ 60 %Un client n’est perdu que lorsqu’il ne lui reste aucun abonnement. Une résiliation suivie d’une reprise le même jour ne compte pas
SessionsLes analytics web affichaient 67 % de plusLes analytics de la boutiqueLes analytics de la boutique, humains uniquement, parce que c’est déjà ce que l’équipe rapporte

Ce que j’ai construit

Nettoyer, expliquer, puis laisser l’IA aider.

  1. Premièrement, nettoyer et unifier les données. Shopify, Klaviyo, Recharge et LoyaltyLion lus directement, les pubs et le social via Windsor.ai, le tout dans une seule base de données. Quand un connecteur ne pouvait pas suivre la définition du client, je suis allée chercher les données directement dans l’API source. Une synchro ratée apparaît comme manquante, jamais comme un zéro.
  2. Deuxièmement, dire ce qu’est chaque chose, en langage clair. Pendant mes années dans le logiciel, j’ai vu ça mal fait bien trop souvent. Chaque chiffre du tableau de bord dit d’où il vient et comment il est calculé. Une section d’aide explique chaque indicateur, et ce qui le fait passer au vert, à l’orange ou au rouge : à 95 % ou plus de là où il devrait en être à ce stade, il est vert ; sous 75 %, il est rouge. L’objectif : aucune ambiguïté, quelle que soit la source d’un chiffre.
  3. Troisièmement, laisser l’IA rédiger, et une personne décider. Claude rédige le rapport hebdomadaire pour la direction, un court point sur la page d’accueil, et une note chaque jour où le chiffre d’affaires bouge de plus de 15 %. Le rapport passe par un écran d’édition avant que quiconque le voie.
  4. Ensuite, des agents qui agissent. Le but de tout ça était de laisser des agents décider quelles campagnes prioriser et répartir le travail sous forme de tâches, avec une étape d’approbation. Cette partie est conçue, pas construite. Il fallait d’abord des données propres, sur lesquelles tout le monde est d’accord.

Ce que chaque chiffre dit de lui-mêmeLa fiche des unités, telle que le client la lit au survol. Chaque chiffre du tableau de bord a la sienne.

Unités vendues

D’où ça vient
Shopify, lu directement.
Comment c’est calculé
Chaque unité de chaque commande, nette des remboursements. Un pack de 3 compte pour trois, un pack de 6 pour six. Comptées à la date de commande.
Bon à savoir
La finance compte les unités à la date d’expédition, donc une même semaine peut différer d’environ 15 %. Sur un trimestre, l’écart se réduit à moins de 1 %.

Comment tout s’articule

Chaque source, une seule base, un rythme hebdomadaire.

Des vues pour le chiffre d’affaires, les abonnements, l’acquisition avec un tableau de cohortes sur la valeur client à un an, les médias payants, les flows e-mail, les unités, la fidélité, le social, les objectifs, les rapports et les alertes. Quatorze tâches planifiées rafraîchissent les données, la plupart toutes les six heures, chacune isolée pour qu’une source lente ne puisse pas bloquer les autres. Quatre tâches hebdomadaires sont trop lourdes pour une fonction serverless, alors elles tournent de bout en bout sur un petit serveur dédié.

Construit avec :

  • Next.js 16, TypeScript, Tailwind 4, Recharts, le tableau de bord et tous les graphiques
  • Supabase Postgres, là où arrive chaque source
  • Vercel et Vercel cron, l’hébergement et quatorze synchronisations planifiées
  • Un petit serveur Hetzner, quatre lourdes tâches hebdomadaires qui durent plus longtemps qu’une fonction serverless
  • Les API Shopify, Klaviyo, Recharge et LoyaltyLion, boutique, e-mail, abonnements et fidélité, lus directement
  • Windsor.ai, Meta, Google Ads, Instagram et Facebook
  • Claude Sonnet, le brouillon du rapport hebdomadaire, le point hebdomadaire et les notes quotidiennes

Comment fonctionne NovaBiomeDe chaque application source jusqu’au tableau de bord et au rapport du lundi.

ShopifyKlaviyoRechargeLoyaltyLionWindsor.aiPubs et socialVercel cron14 tâches, toutes les 6 hPetit serveur4 tâches hebdo lourdesSupabaseUne seule baseTableau de bordChaque vue, chaque semaineClaude rédigeTitre, pucesRevue humaineToujoursRapport PDFPour la direction

Fais défiler sur le côté pour voir tout le schéma.

Ce que le client ouvre chaque semaine

En toute honnêteté

Je construisais Triple Whale, sans le savoir.

Ça montre à quel point il est extraordinaire, aujourd’hui, qu’une seule personne puisse construire ce qui était probablement le MVP de Triple Whale.

Quand j’ai commencé, je ne connaissais pas Triple Whale. Le temps que je tombe dessus, j’avais construit une bonne partie de ce que faisait son produit à ses débuts : une vue unique sur la boutique, l’e-mail, les abonnements et les pubs, la valeur vie client par cohorte, et un point hebdomadaire sur ce qui a changé.

Ce n’est pas la même chose. Les outils de cette catégorie se vendent environ 250 à 1 500 $ par mois, avec de la modélisation d’attribution et de nombreuses marques sur une même plateforme. Je suis une seule personne, et j’ai construit pour un seul client. Mais ça m’a pris environ six semaines.

Ce que ça coûte

Les connecteurs coûtent plus cher que l’intelligence.

L’intelligence, c’était la partie bon marché. Presque tout le coût de fonctionnement vient du connecteur qui récupère les données des pubs et du social, et le modèle qui écrit dessus coûte moins cher en un an que le connecteur en une semaine.

Sur quoi ça tourneCoût
Windsor.ai, pour les pubs et le social99 $ par mois, la plus grosse ligne
Claude, pour le rapport hebdomadaire, le point hebdomadaire et les notes quotidiennesmoins de 20 $ par an
Supabase, pour la base de donnéesoffre gratuite
Vercel et le petit serveurdes abonnements que j’avais déjà

Coût de Claude calculé à partir du nombre de tokens par exécution : environ 7,5 centimes pour un rapport ou un point hebdomadaire, environ 2,5 centimes pour une note quotidienne.

Ce à quoi je réfléchis encore

A-t-on encore besoin du tableau de bord ?

Si des agents peuvent travailler directement dans les données, et agir dans les outils qu’une équipe utilise déjà, les tableaux de bord ont-ils encore leur place ?

Je pense que ça dépend de la maturité de l’équipe. Les gens ont besoin de voir ce qui se passe, et de vérifier ce qu’un agent a fait et pourquoi. Je suis moi-même très visuelle. J’ai besoin de voir les choses. Mais c’est un débat plus large, et c’est avec ce projet que j’ai commencé à l’avoir.

Comment je l’ai construit

Le flou en entrée, un système prêt à être exploité en sortie.

Paxel, de YC, a lu mes sessions Claude Code sur ce projet. Son verdict : « Tu pilotes Claude dans une architecture de tableau de bord confuse, tu refuses les raccourcis, et tu transformes le flou produit en systèmes prêts à être exploités. » Il a relevé ma façon de repérer les dérives d’implémentation de l’IA avant qu’elles ne se figent dans l’architecture, de garder la source de vérité au plus près du travail, et de mettre le process par écrit pour que chaque session parte d’une meilleure base.

Le système du client a tourné en production sur sa propre infrastructure. NovaBiome en est une copie avec une couche de démo par-dessus : marque fictive, produits fictifs, chiffres inventés. Ce rapport nomme le client, donc il reste privé.

300
commits
18
jours avec des commits
15
pull requests fusionnées
38
heures dans les sessions lues par Paxel

Parle-moi

Tu te noies sous les rapports d’agences et les tableaux de bord qui se contredisent ? Je commence par les définitions.

Réserver un appel gratuitcassandra@instinctai.io

Instinct AI LLC, Wyoming