Les choix de configuration derrière chaque analyse de funnel

Qu'est-ce que l'analyse de funnel ?

En web et product analytics, l'analyse de funnel est la méthode qui consiste à définir une séquence ordonnée d'étapes, à nommer une première étape qui marque l'entrée et une dernière qui marque l'achèvement, puis à compter combien d'utilisateurs distincts atteignent chaque étape dans un délai fixé. La méthode transforme un flux d'événements indifférenciés en une forme, parce que chaque étape contient un sous-ensemble de la précédente. Rien dans les données d'événements brutes ne décide de cette forme: c'est un analyste qui le fait, en écrivant la liste des étapes, la règle d'entrée et le délai.

Qu'est-ce qui fait d'un funnel un funnel ?

Un funnel, ou entonnoir, a besoin de trois choses qu'un simple rapport d'événements n'a pas: une liste ordonnée d'étapes, un point d'entrée défini et une fenêtre de conversion. L'ordre permet à l'outil de soustraire une étape de la suivante, l'entrée fixe le dénominateur par lequel divise chaque pourcentage ultérieur, et la fenêtre décide du moment où un utilisateur non arrivé au bout compte comme perdu plutôt qu'en cours. Un décompte d'événements d'achat n'a aucune de ces trois choses, ce qui explique qu'il puisse monter la semaine même où un funnel se dégrade.

Ingrédient	Ce qu'il fixe	Ce qui casse sans lui
Liste ordonnée d'étapes	Quel événement suit lequel	Les étapes ne peuvent pas être soustraites, donc il n'y a pas de chute
Étape d'entrée	Le dénominateur de chaque étape suivante	Les pourcentages n'ont aucune base commune
Fenêtre de conversion	Quand un utilisateur non arrivé au bout est compté comme perdu	Les utilisateurs récents tirent le chiffre vers le bas indéfiniment
Unité de comptage	Si une ligne est un utilisateur ou une session	Les dénominateurs entre étapes cessent d'être comparables

Écrivez ces quatre règles dans le nom même du funnel. Un funnel appelé "Checkout, périmètre utilisateur, ordre strict, 24h" survit à une passation, et un funnel appelé "Checkout v2" non.

Comment l'ordre des étapes change-t-il les chiffres ?

L'ordre décide si des événements qui arrivent dans le désordre ou avec d'autres événements entre eux comptent quand même comme une conversion, et chaque réglage produit un chiffre différent à partir de données brutes identiques. La documentation des funnels de PostHog liste trois modes: sequential, où "l'étape B doit se produire après l'étape A, mais n'importe quel nombre d'événements peut se produire entre A et B"; strict order, où "l'étape B doit se produire directement après l'étape A sans aucun événement entre les deux"; et any order, où "les étapes peuvent être complétées dans n'importe quelle séquence". La documentation des funnels avancés de Mixpanel trace la même ligne avec deux réglages: "les funnels Specific Order exigent que l'utilisateur complète chacune des étapes du funnel dans l'ordre défini", tandis qu'un bouton Any Order laisse les utilisateurs "compléter les étapes non ancrées du funnel dans n'importe quelle séquence et convertir quand même".

Prenez une semaine d'événements: 10,000 utilisateurs ont atteint l'étape 1. Parmi eux, 4,000 ont atteint l'étape 2 à un moment ultérieur, et 2,600 des 4,000 l'ont atteinte sans aucun autre événement suivi entre les deux. 700 utilisateurs de plus ont fait l'étape 2 avant l'étape 1.

Règle d'ordre	Utilisateurs comptés comme convertissant de l'étape 1 à l'étape 2	Conversion rapportée
Ordre strict (strict order)	2,600	26.00%
Séquentiel (sequential), écarts autorisés	4,000	40.00%
Ordre libre (any order)	4,700	47.00%

Mêmes événements, même semaine, 21 points d'écart. La page d'aide sur l'exploration de funnel de GA4 chez Google ajoute un quatrième levier par-dessus l'ordre, puisqu'un funnel ouvert (open funnel) veut dire que "les utilisateurs peuvent entrer dans le funnel à n'importe quelle étape" tandis qu'un funnel fermé (closed funnel) veut dire que "les utilisateurs doivent entrer dans le funnel à la première étape". Choisissez la règle qui correspond au produit, puis arrêtez d'en changer, parce qu'un changement d'ordre et un vrai changement de conversion se ressemblent à l'identique dans un graphique de tendance.

Que fait la fenêtre de conversion ?

La fenêtre de conversion est le temps dont un utilisateur dispose pour finir le parcours après y être entré, et la raccourcir baisse la conversion rapportée sans toucher au produit. La documentation des funnels avancés de Mixpanel indique que par défaut "tous les clients ont 7 jours pour compléter un funnel à partir de l'horodatage auquel ils réalisent l'événement de l'étape 1", et que "la durée maximale que vous pouvez choisir pour la fenêtre de conversion est de 366 jours, ou l'équivalent (12 mois, 52 semaines, etc.). Pour les fenêtres de conversion basées sur les sessions, le maximum est de 12 sessions."

Reprenez les mêmes 4,000 convertisseurs en séquentiel. Si 2,900 d'entre eux ont fini en moins d'1 heure et 3,600 en moins de 24 heures, le funnel rapporte trois résultats différents à partir d'un seul jeu de données:

Fenêtre de conversion	Convertisseurs	Conversion rapportée
1 heure	2,900	29.00%
24 heures	3,600	36.00%
7 jours	4,000	40.00%

Accordez la fenêtre à la décision que l'utilisateur est en train de prendre: un checkout terminé d'une traite n'a pas besoin de 7 jours, un plan payant qu'un acheteur porte à son manager, si. Le même arbitrage gouverne une fenêtre d'attribution, où une fenêtre plus longue crédite plus de conversions et brouille la cause.

Un funnel doit-il compter des utilisateurs ou des sessions ?

Les funnels au périmètre utilisateur comptent chaque personne une fois quel que soit le nombre de visites que le parcours couvre, et les funnels au périmètre session comptent chaque visite séparément, donc les deux rapportent des dénominateurs différents pour le même trafic. La documentation des funnels avancés de Mixpanel décrit ainsi la méthode Uniques: "les utilisateurs entreront dans le funnel la première fois qu'ils enregistrent l'étape 1 dans la période sélectionnée".

Supposez que ces 10,000 utilisateurs aient produit 13,500 sessions contenant l'étape 1, et que 3,100 des 4,000 convertisseurs aient fini à l'intérieur de la session où ils avaient commencé. La conversion au périmètre session vaut 3,100 / 13,500, soit 22.96%, contre 40.00% au périmètre utilisateur. Choisissez le périmètre session quand le parcours est conçu pour se terminer d'une traite, et le périmètre utilisateur quand il s'étale sur plusieurs visites, puis lisez ce qu'est une session avant de supposer que la frontière de session d'un outil correspond à la vôtre.

Une semaine, six réglages, six chiffres

Par session22,96%

Ordre strict26,00%

Fenêtre de 1 heure29,00%

Fenêtre de 24 heures36,00%

Ordre séquentiel40,00%

Ordre libre47,00%

Quand l'analyse de funnel est-elle le mauvais outil ?

L'analyse de funnel est le mauvais outil dès que le parcours n'a pas d'ordre fixe, parce que toute la sortie de la méthode dépend d'un ordre que les utilisateurs ne suivent pas. Un dashboard où les gens utilisent cinq fonctionnalités dans l'ordre que leur semaine impose, et un achat B2B avec quatre personnes qui entrent par quatre canaux, échouent au même test: aucune liste d'étapes unique ne décrit comment la plupart des utilisateurs se déplacent. Forcer un funnel sur ces parcours trace la supposition de l'analyste sur l'ordre plutôt que le produit.

Trois signaux disent d'arrêter. Le réglage ordre libre convertit bien plus d'utilisateurs que le réglage séquentiel, ce qui veut dire que la population ne se déplace pas dans l'ordre annoncé. La plupart des entrants apparaissent à l'étape 3, ce qui veut dire que l'étape d'entrée n'est pas l'entrée. Le parcours n'a aucun événement d'achèvement qu'un utilisateur pourrait terminer, ce qui veut dire qu'il n'y a pas de dernière étape par laquelle diviser. Utilisez l'analyse du parcours client et l'analyse de cohortes dans ces cas-là.

Comment l'analyse de funnel se place-t-elle à côté des autres questions de funnel ?

L'analyse de funnel est la méthode, et les pages voisines couvrent ce que vous faites une fois la méthode en place. Lire la forme obtenue et repérer où les utilisateurs partent revient au funnel de conversion, l'arithmétique de la perte par étape et de bout en bout revient au taux de drop-off, construire et segmenter le rapport lui-même revient au reporting de funnel, et le côté acquisition revient à l'optimisation du funnel marketing.

Que se passe-t-il après qu'une analyse de funnel a nommé une mauvaise étape ?

Un funnel nomme l'étape qui perd des utilisateurs, et un replay de cette étape en nomme la cause. Flowsery enregistre chaque session utilisateur et détecte automatiquement les rage clicks, les dead clicks, les erreurs JavaScript, les drop-off et les parcours cassés, puis regroupe les sessions similaires en un seul problème et classe les problèmes selon le nombre d'utilisateurs touchés. Son analyse de funnel tourne sur le même flux d'événements que les enregistrements, si bien que l'étape et les sessions derrière elle viennent d'un seul jeu de données au lieu de deux outils avec deux définitions.

Chaque problème arrive dans Slack, Linear ou Jira avec le replay et les étapes de reproduction attachées, et mentionner @flowsery dans Slack ouvre un brouillon de pull request dans le dépôt GitHub de l'équipe. Flowsery se connecte aussi aux replays PostHog ou Amplitude déjà enregistrés, sans réinstrumentation.

Questions fréquentes

Qu'est-ce que l'analyse de funnel en termes simples ?

L'analyse de funnel compte combien de personnes atteignent chaque étape d'un parcours que vous avez défini à l'avance, dans l'ordre que vous avez défini. La méthode a besoin d'une liste ordonnée d'étapes, d'une première étape qui marque l'entrée et d'un délai pour terminer. Tout ce qu'un funnel rapporte sort de ces trois décisions plus les événements eux-mêmes.

Pourquoi deux outils rapportent-ils des chiffres différents pour le même funnel ?

Les règles d'ordre, les fenêtres de conversion et les unités de comptage diffèrent d'un outil à l'autre, et chacune change le dénominateur. Une semaine d'événements dans l'exemple ci-dessus rapporte 26.00% en ordre strict, 40.00% en ordre séquentiel et 47.00% en ordre libre. Comparez les deux définitions champ par champ avant de décider qu'un des outils a tort.

Quelle fenêtre de conversion un funnel doit-il utiliser ?

Réglez la fenêtre sur le temps le plus long dont un utilisateur qui convertit a besoin pour cette décision précise, puis laissez-la fixe. Le défaut de Mixpanel est de 7 jours à partir de l'événement de l'étape 1, avec un maximum de 366 jours. Une fenêtre plus courte rapporte une conversion plus basse pour le même comportement, donc un changement de fenêtre et un changement produit sont indiscernables dans une courbe de tendance.

Quelle est la différence entre un funnel strict et un funnel ouvert ?

L'ordre strict contrôle ce qui peut se produire entre deux étapes, tandis qu'ouvert contre fermé contrôle où un utilisateur a le droit d'entrer. Le mode strict order de PostHog exige l'étape B directement après l'étape A sans aucun événement entre les deux. Le funnel ouvert de GA4 chez Google laisse les utilisateurs entrer à n'importe quelle étape, et un funnel fermé exige l'entrée à la première étape.

Combien d'étapes un funnel doit-il avoir ?

Utilisez une étape par changement d'état significatif dans le parcours, pas une par clic. Ajouter des étapes répartit la même perte sur plus de transitions, ce qui baisse chaque pourcentage par étape tout en laissant la conversion de bout en bout inchangée. C'est pour cela que des chiffres de bout en bout issus de funnels avec des nombres d'étapes différents ne peuvent pas être comparés.

L'analyse de funnel marche-t-elle pour des produits sans ordre fixe ?

Non. La méthode rapporte une séquence, donc un parcours sans séquence produit un graphique de l'ordre supposé par l'analyste plutôt que du comportement des utilisateurs. Quand le réglage ordre libre convertit bien plus d'utilisateurs que le réglage séquentiel, ou que la plupart des entrants apparaissent à une étape intermédiaire, passez plutôt à l'analyse de parcours ou de cohortes.

Comment le nom d'un funnel doit-il décrire sa configuration ?

Le nom d'un funnel doit porter la règle d'entrée, le mode de séquence, la fenêtre de conversion et l'unité de comptage, car ce sont ces quatre choix qui déterminent le chiffre rapporté. Un nom comme "Checkout, user-scoped, strict order, 24h" survit à une passation d'équipe, alors que "Checkout v2" cache chaque réglage qui a produit le résultat. Inscrivez ces éléments dans le nom plutôt que de les laisser dans un panneau de configuration que personne ne vérifie avant de comparer des chiffres d'une semaine à l'autre.

Quelle est la différence entre un funnel par utilisateur et un funnel par session ?

Un funnel par utilisateur compte chaque personne une seule fois, quel que soit le nombre de visites que couvre le parcours, tandis qu'un funnel par session compte chaque visite comme une tentative distincte. Sur une semaine de données, la même conversion s'élevait à 40,00 % par utilisateur et à 22,96 % par session, parce qu'un funnel par session divise par un nombre de sessions bien plus grand que le nombre d'utilisateurs uniques. Choisissez la portée session pour un parcours censé se terminer en une seule visite, et la portée utilisateur pour un parcours qui s'étend sur plusieurs visites.

Quand faut-il remplacer l'analyse de funnel par une analyse de parcours ou de cohortes ?

Changez d'outil quand le réglage sans ordre imposé convertit bien plus d'utilisateurs que le réglage séquentiel, car cet écart signifie que la population ne suit pas l'ordre supposé par le funnel. Le même signal apparaît quand la majorité des entrants se présente à une étape intermédiaire plutôt qu'à la première étape définie, ou quand le parcours n'a aucun événement de fin pouvant servir de dernière étape. Chacun de ces trois signaux montre que le graphique reflète l'ordre supposé par l'analyste plutôt que le comportement réel des utilisateurs, et l'analyse de parcours ou de cohortes convient alors mieux.

Que se passe-t-il après qu'une analyse de funnel a repéré une étape problématique ?

L'enregistrement de sessions de Flowsery capture chaque session utilisateur et détecte automatiquement les rage clicks, les dead clicks, les erreurs JavaScript, les abandons et les parcours cassés, puis regroupe les sessions correspondantes en un seul issue et classe les issues selon le nombre d'utilisateurs concernés. Son analyse de funnel s'appuie sur le même flux d'événements que les enregistrements, si bien que l'étape qui perd des utilisateurs et les sessions qui l'expliquent viennent d'un seul jeu de données. Chaque issue arrive dans Slack, Linear ou Jira avec l'enregistrement et les étapes de reproduction joints, et mentionner @flowsery dans Slack ouvre un brouillon de pull request dans le dépôt GitHub de l'équipe.