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 souvent 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 souvent 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.