SwitasContactez-nous

Analyse d'entonnoir (funnel analysis)

L'analyse d'entonnoir (funnel analysis) est la méthode qui consiste à examiner comment les utilisateurs progressent dans une séquence d'étapes définie vers un objectif précis, comme un achat, une inscription ou un abonnement, afin d'identifier où la plus grande proportion d'utilisateurs se désengage avant d'atteindre cet objectif. Un entonnoir est généralement visualisé comme une série d'étapes, par exemple visite de la page de destination, consultation d'un produit, ajout au panier, début du paiement et achat, avec le nombre ou le pourcentage d'utilisateurs restants à chaque étape, de sorte que l'ampleur relative de l'abandon entre deux étapes consécutives soit immédiatement visible pour quiconque consulte le rapport, sans avoir à interpréter directement des tableaux d'événements bruts ni à exécuter une requête distincte pour chaque étape. Les entonnoirs peuvent être construits en mode fermé, exigeant que les utilisateurs franchissent chaque étape dans un ordre strict pour être comptés, ou en mode ouvert, permettant aux utilisateurs d'entrer à n'importe quel point de la séquence, et le choix entre les deux modifie sensiblement la manière d'interpréter les pourcentages d'abandon obtenus. Cette méthode est importante parce qu'elle transforme un taux de conversion global unique en véritable outil de diagnostic. Savoir qu'un site convertit à 2 % au total dit très peu sur ce qu'il faut corriger précisément, alors que savoir que 60 % des utilisateurs abandonnent spécifiquement entre l'affichage des frais de livraison et la finalisation du paiement fournit une cible concrète et testable pour le prochain sprint d'une équipe. L'analyse d'entonnoir est donc la technique principale pour passer du constat qu'un problème de conversion existe à la compréhension précise de l'endroit du parcours utilisateur où ce problème prend réellement naissance, première étape nécessaire avant de pouvoir raisonnablement prioriser un changement de design ou de contenu par rapport à une autre idée concurrente. Examiner le même entonnoir sur des périodes successives révèle aussi si une correction précédente a vraiment tenu, car une étape améliorée après une mise en production peut régresser discrètement des mois plus tard à mesure que des changements sans rapport sont livrés ailleurs sur la page. Les entonnoirs sont couramment construits et analysés avec des outils comme les rapports d'exploration d'entonnoir de Google Analytics 4, Mixpanel ou Amplitude, qui exigent tous que chaque étape soit définie au préalable comme un événement suivi, ce qui fait d'un suivi d'événements précis un prérequis absolu à toute analyse d'entonnoir fiable. Les analystes construisent généralement à la fois un entonnoir global et plusieurs versions segmentées, par exemple en séparant les entonnoirs par source de trafic, type d'appareil ou visiteur nouveau ou récurrent, car une étape qui semble performer correctement en agrégé peut masquer un problème grave pour un segment, comme les utilisateurs mobiles, tout en fonctionnant parfaitement pour un autre, comme les utilisateurs d'ordinateur arrivant depuis une recherche de marque avec une forte intention d'achat préexistante. Une erreur fréquente est de définir les étapes de l'entonnoir de façon trop large ou trop peu reliée à l'interface utilisateur réelle, par exemple en traitant un paiement entier à plusieurs champs comme une seule étape plutôt que de le décomposer en informations de livraison, informations de paiement et récapitulatif de commande, ce qui masque précisément le point d'abandon granulaire que l'analyse devait révéler. Un autre écueil courant est d'analyser un entonnoir avec une logique uniquement linéaire et séquentielle alors que le comportement réel des utilisateurs est souvent non linéaire : les visiteurs reviennent en arrière pour comparer des produits, ouvrent plusieurs onglets ou reviennent sur plusieurs sessions et appareils avant de finir par convertir, des schémas qu'un modèle d'entonnoir strictement séquentiel peut gravement déformer s'ils ne sont pas délibérément pris en compte dans l'analyse et la configuration du reporting. Dans le conseil en CRO, l'analyse d'entonnoir est généralement la deuxième étape d'une mission, après un audit du suivi d'événements, et elle alimente directement la priorisation de l'étape à tester en premier, généralement celle dont le taux d'abandon est le plus élevé par rapport à sa valeur récupérable potentielle en termes de revenus. Les consultants associent souvent les données quantitatives d'entonnoir à une recherche qualitative, comme des enregistrements de sessions d'utilisateurs ayant abandonné à une étape précise ou des enquêtes de sortie sur la page demandant pourquoi un visiteur a choisi de ne pas poursuivre, pour passer de l'identification de l'endroit où les utilisateurs partent à la compréhension de la raison de leur départ, ce qui façonne in fine une hypothèse bien ciblée et fondée sur des preuves, qui mérite d'y investir des ressources de test. Présenter les constats d'entonnoir avec la valeur de revenus estimée du comblement d'un écart donné, plutôt que le seul pourcentage d'abandon, tend aussi à rendre les discussions de priorisation avec des parties prenantes non techniques nettement plus concrètes et convaincantes.

Autres termes commençant par F

Construisons la prochaine.

Contactez-nous