Un guide pratique de Analyse du commerce électronique

L'analyse du commerce électronique est utile lorsqu'elle relie le comportement du magasin aux décisions en matière de revenus. Cela devient bruyant lorsque chaque clic, pixel et caractéristique client est collecté simplement parce qu'un outil peut le collecter.

Un magasin respectueux de la vie privée peut toujours répondre aux questions importantes : d'où viennent les acheteurs, quels produits suscitent l'intérêt, où s'arrête le paiement, quelles campagnes sont rentables et quelles pages doivent être améliorées.

Les mesures qui comptent le plus

Taux de conversion

Le taux de conversion est la part de visiteurs ou de sessions qui effectuent un achat. Suivez-le par source de trafic, campagne, catégorie d'appareil, page de destination et catégorie de produit.

Ne comparez pas les taux de conversion sans contexte. Le trafic de recherche payant avec une forte intention d'achat peut se convertir très différemment du trafic de blog. La conversion sur mobile peut être inférieure, car les utilisateurs effectuent des recherches sur des téléphones et achètent plus tard sur un ordinateur.

Revenu par visiteur

Le revenu par visiteur combine la qualité du trafic, le taux de conversion et la valeur des commandes. C’est plus utile que le taux de conversion seul.

Formule:

revenue per visitor = total revenue / visitors

Si le taux de conversion diminue mais que la valeur moyenne des commandes augmente suffisamment, les revenus par visiteur peuvent encore s'améliorer. Cela permet d’éviter d’optimiser uniquement pour les achats bon marché.

Valeur moyenne des commandes

La valeur moyenne des commandes indique combien les clients dépensent par transaction.

Formule:

average order value = revenue / orders

Utilisez AOV pour évaluer les offres groupées, les seuils de livraison gratuite, les recommandations de produits et le merchandising. Soyez prudent avec les campagnes de remise : une remise peut augmenter la conversion tout en réduisant la marge.

Abandon de panier et de paiement

Suivez l'entonnoir :

• Vue du produit
• Ajouter au panier
• Voir le panier
• Début du paiement
• Étape d'expédition
• Étape de paiement
• Achat

Un taux d'abandon de panier élevé peut indiquer des frais d'expédition inattendus, une création forcée de compte, des méthodes de paiement limitées, un paiement lent, une mauvaise UX mobile ou des problèmes de confiance. Vous n'avez pas besoin d'identifier l'acheteur individuel pour voir où l'entonnoir fuit.

Performances du produit

Mesure:

• Vues détaillées du produit
• Tarif d'ajout au panier
• Tarif d'achat
• Revenu
• Remboursements ou retours, si disponibles
• Termes de recherche qui mènent à des pages de produits

Pour des raisons de vie privée, évitez d'envoyer des événements au niveau du produit à des plateformes publicitaires, sauf si vous disposez d'un consentement valide et d'une raison claire. Les analyses globales des magasins sont généralement suffisantes pour prendre des décisions en matière de merchandising.

Métriques d'acquisition

Les équipes de commerce électronique dépensent trop lorsqu'elles font confiance aux tableaux de bord des plateformes publicitaires sans mesures indépendantes.

Utilisez UTMs pour chaque campagne. La documentation du générateur URL de Google explique les paramètres standard tels que utm_source, utm_medium, utm_campaign, utm_id et utm_content (Google Analytics URL builder). Ces paramètres fonctionnent dans les analyses axées sur la vie privée, car ils sont transmis dans l’URL de destination.

Piste:

• Sessions par source et campagne
• Taux de conversion par campagne
• Revenus par campagne
• Revenu par visiteur par campagne
• Conversions assistées là où vos analyses les prennent en charge
• Revenus des nouveaux clients ou des clients récurrents, si votre plateforme de commerce le permet

Pour les publicités payantes, combinez les analyses avec les données de dépenses de la plateforme pour estimer le retour :

ROAS = attributed revenue / ad spend

Ne prétendez pas que l’attribution est parfaite. Les fonctionnalités de vie privée du navigateur, le rejet du consentement, les achats multi-appareils et les achats différés créent tous des lacunes. Utilisez l’attribution comme preuve directionnelle, et non comme vérité absolue.

Conception de mesures respectueuse de la vie privée

Un magasin n’a pas besoin de suivre les acheteurs sur le Web pour améliorer ses ventes.

Une configuration Lean peut utiliser :

• Analyses de pages et d'événements propriétaires
• Événements de produit et d’entonnoir agrégés
• UTMs pour la source de la campagne
• Commandez IDs stocké dans le backend de commerce, pas dans les profils d'analyse
• Pays ou région au lieu de l'emplacement exact
• Rétention courte pour les événements bruts
• Pixels publicitaires soumis au consentement uniquement lorsque cela est nécessaire

Éviter:

• Envoi d'adresses e-mail ou de numéros de téléphone à Analytics
• Enregistrement des sessions de paiement par défaut
• Chargement des pixels de reciblage avant consentement
• Stockage des adresses brutes IP plus longtemps que nécessaire
• Combiner des événements analytiques avec des profils enrichis par les courtiers

La pile d'analyse de commerce électronique la plus puissante sépare les données de commande opérationnelle des données de comportement du site Web. La plateforme de votre magasin a besoin des informations client pour exécuter une commande. Les analyses de votre site Web ne le font généralement pas.

Comment prioriser les améliorations

Utilisez des métriques pour trouver le problème ayant le plus grand impact :

• Nombre élevé de vues de produits, faible ajout au panier : améliorez la clarté des prix, les images, les avis, les tailles ou la disponibilité.
• Ajout au panier élevé, démarrage de paiement faible : examinez l'UX du panier, les estimations d'expédition, les distractions liées aux coupons et les signaux de confiance.
• Démarrage de paiement élevé, achat faible : testez les méthodes de paiement, les erreurs de formulaire, la validation de l'adresse et la convivialité mobile.
• Trafic élevé, faibles revenus par visiteur : examinez l'intention de la campagne et la correspondance des messages de la page de destination.
• Conversion élevée, AOV faible : offres groupées de tests, seuils et recommandations de produits.

Apportez une modification à la fois lorsque cela est possible et annotez la date de sortie dans vos analyses.

Liste de contrôle des événements de commerce électronique

Commencez par un ensemble d'événements compact : produit consulté, panier démarré, paiement lancé, échec du paiement, achat terminé, coupon appliqué et remboursement demandé. Utilisez des propriétés sûres telles que la catégorie de produit, la fourchette de prix, la devise, la campagne, la classe d'appareil et le pays.

N'envoyez pas de noms, d'e-mails, d'adresses exactes, de détails de paiement, de notes de commande, de paiement URLs avec des jetons ou de commande complète IDs à l'analyse du site Web. Conservez la vérité sur les revenus dans la plateforme de commerce et utilisez l'analyse pour expliquer les tendances en matière d'acquisition, de contenu et d'entonnoir de conversion.

L'essentiel

L'analyse du commerce électronique devrait faciliter les décisions en magasin. Concentrez-vous sur la conversion, les revenus par visiteur, la valeur moyenne des commandes, la baisse de l'entonnoir, les performances du produit et la qualité de l'acquisition. Vous pouvez mesurer tout cela avec une approche axée sur la vie privée, qui respecte les acheteurs et évite le suivi inutile par des tiers.

Un ensemble d'événements respectueux de la vie privée

Un magasin pratique peut commencer avec un ensemble d'événements compact : product_viewed, cart_started, checkout_started, payment_failed, purchase_completed, coupon_applied et refund_requested. Les propriétés utiles incluent la catégorie de produit, la fourchette de prix, la devise, la campagne, la classe d'appareil et le pays. Évitez d'envoyer des noms, des adresses e-mail, des adresses de livraison exactes, des numéros de téléphone, des détails de paiement ou des notes de commande à Web Analytics.

Gardez le système de commande comme source de vérité pour les revenus. Les analyses peuvent signaler les tendances et l'état de l'entonnoir, mais les remboursements, les taxes, les remises, les contrôles anti-fraude et l'état d'exécution appartiennent aux systèmes commerciaux ou financiers. Cette séparation réduit les risques liés à la vie privée et empêche également les spécialistes du marketing de prendre des décisions à partir de chiffres de revenus incomplets.

Questions fréquentes

Pourquoi ne pas comparer directement le taux de conversion entre les canaux ?

Les sources de trafic n'apportent pas la même intention d'achat, donc un chiffre global masque de vraies différences. Les visiteurs venus de la recherche payante arrivent souvent prêts à acheter, alors que les lecteurs du blog sont encore en phase de recherche, donc un taux de conversion plus bas sur le blog n'est pas forcément un problème. Les visiteurs mobiles convertissent aussi différemment, beaucoup consultent le site sur téléphone puis finalisent l'achat plus tard sur ordinateur. Comparez le taux de conversion par source, campagne, appareil et page d'atterrissage plutôt qu'un seul chiffre moyen.

Que m'apprend le revenu par visiteur que le taux de conversion ne montre pas ?

Le revenu par visiteur combine la qualité du trafic, le taux de conversion et la valeur des commandes en un seul chiffre, il capture donc l'ensemble du tableau que le taux de conversion seul ne montre pas. La formule est le revenu total divisé par le nombre de visiteurs. Cela évite à une équipe d'optimiser uniquement pour des achats à bas prix afin de faire grimper le taux de conversion.

Le revenu par visiteur peut-il augmenter même si le taux de conversion baisse ?

Le revenu par visiteur peut augmenter si la valeur moyenne des commandes augmente assez pour compenser les achats en moins. Une campagne qui apporte moins de commandes mais plus importantes peut quand même faire progresser le revenu par visiteur alors que le taux de conversion recule. C'est pourquoi les deux mesures doivent se lire ensemble plutôt que séparément.

Comment calculer la valeur moyenne des commandes ?

La valeur moyenne des commandes est égale au revenu divisé par le nombre de commandes. Servez-vous en pour juger si les offres groupées, les seuils de livraison gratuite et les recommandations de produits fonctionnent. Surveillez de près les campagnes de remise, car une remise peut augmenter la conversion tout en réduisant la marge.

Qu'est-ce qui provoque généralement l'abandon de panier ou de paiement ?

Les causes les plus fréquentes sont des frais de livraison inattendus, une création de compte imposée, des moyens de paiement limités, un paiement lent, une mauvaise expérience mobile et des doutes sur la confiance. Suivre le tunnel depuis la vue produit jusqu'à l'achat montre précisément où les acheteurs abandonnent. Rien de tout cela n'exige d'identifier l'acheteur individuel, il suffit de voir où le tunnel fuit.

Quelles mesures produit comptent pour les décisions de merchandising ?

Suivez les vues de fiche produit, le taux d'ajout au panier, le taux d'achat, le revenu, les retours ou remboursements quand ils sont disponibles, et les termes de recherche qui amènent les acheteurs sur les pages produit. L'analyse agrégée de la boutique suffit généralement pour les décisions de merchandising. Évitez d'envoyer des événements au niveau produit aux plateformes publicitaires sauf en cas de consentement valide et de raison claire.

À quoi servent les paramètres UTM si j'ai déjà un outil d'analyse ?

Les UTM identifient la source, le support, la campagne, l'ID et le contenu directement dans l'URL de destination, ils fonctionnent donc même avec une analyse respectueuse de la vie privée qui ne repose pas sur un suivi entre sites. La documentation du générateur d'URL de Google couvre les paramètres standards. Étiqueter chaque campagne est ce qui permet de mesurer les sessions, le taux de conversion et le revenu par source, plutôt que de se fier au tableau de bord d'une plateforme publicitaire.

L'attribution en e-commerce est-elle fiable ?

Pas totalement. Les fonctions de confidentialité du navigateur, le refus du consentement, les achats entre appareils et les achats différés créent tous des écarts entre ce qui s'est réellement passé et ce qui est attribué. Considérez le ROAS et le revenu attribué comme des indices directionnels pour décider, pas comme une comptabilité exacte de chaque vente.

Quelles données ne doivent jamais être envoyées à l'analyse du site ?

Les noms, adresses e-mail, adresses de livraison exactes, numéros de téléphone, détails de paiement, notes de commande, URLs de paiement avec jetons et ID de commande complets n'ont pas leur place dans l'analyse du site. Restez sur des propriétés sûres comme la catégorie de produit, la tranche de prix, la devise, la campagne, le type d'appareil et le pays. La vérité sur le revenu, les remboursements, les taxes et les contrôles de fraude relèvent du système commerce ou finance, pas de l'outil d'analyse.

Pourquoi séparer les données de commande des données de comportement du site ?

Une plateforme de boutique a besoin des coordonnées du client pour honorer une commande, mais l'analyse du site n'en a généralement pas besoin pour expliquer l'acquisition, le contenu et les tendances du tunnel. Séparer les deux systèmes réduit le risque pour la vie privée et évite de mélanger données opérationnelles et données comportementales. Cela empêche aussi les marketeurs de décider à partir de chiffres de revenu incomplets, puisque le système de commande reste la seule source de vérité pour le revenu.