Graphiques et courbes sur Google Data Studio

par Florentin | 13, Mai 2020 | Google Universal Analytics

L’une des raisons nous poussant à utiliser la DataViz vient de la capacité de notre cerveau à mémoriser diverses informations. Chez l’être humain, ce processus est fortement basé sur la vision. Une étude publiée par l’université du Québec a montré que le processus d’apprentissage venait à 60% de la mémoire visuelle.
Que cela soit pour votre premier ou votre énième dashboard sur Google DataStudio, vous êtes probablement passés à côté de plusieurs fonctionnalités essentielles de l’outil.
Graphique à bulles, courbes lissées, courbes de tendances, nous vous proposons aujourd’hui un guide détaillant l’utilité des différents types de graphiques et courbes de l’outil Google Data Studio.
Afin que vous profitiez au maximum de ce guide, nous avons créé ce tableau de bord présentant les différents graphiques et courbes de l’outil Google Data Studio. Nous vous invitons à le consulter en même temps que vous avancez dans votre lecture.
Choisissez le bon graphique
Pour cette partie, nous nous sommes basés sur l’excellent livre blanc Cybercité : “Mieux gérer sa big data grâce à la DataViz”. Nous vous le conseillons si vous souhaitez avoir des informations générales liées à la DataViz.
Il existe de nombreux types de graphiques et tableaux de données qui peuvent être utilisés dans vos dashboards. Afin d’éviter de faire des erreurs de choix dans les graphiques, il faut se poser les bonnes questions :
“Est-ce que je dois comparer plusieurs statistiques / sources entre elles ?”
Camembert
Histogramme (empilé, non empilé, horizontal, vertical)
Graphique en aires
Graphique à bulles
Graphique en lignes
Tableau à carte de densité
“Est-ce que je dois mettre en lumière une évolution temporelle ?”
Graphique en lignes
Graphique en aires
Histogramme (empilé, non empilé, horizontal, vertical)
“Est-ce que je dois dégager la composition d’un indicateur ?”
Histogramme (empilé, non empilé, horizontal, vertical)
Camembert
Tableau (avec ou sans carte de densité)
Graphique en aires à 100%
“Est-ce que je dois faire émerger les rapports entre plusieurs éléments ?”
Graphique à bulles
Tableau (avec ou sans carte de densité)
“Est-ce que l’on doit visualiser la progression vers un objectif ?”
Étiquettes
Graphique à puces
Graphique à bulles
“Est-ce que je dois croiser de multiples données ?”
Tableau (avec ou sans carte de densité)
“Est-ce que je dois valoriser des chiffres clés ?”
Étiquettes
Camembert
Très utile dans le monde de la finance et du web, ce graphique est idéal pour montrer au lecteur une idée rapide de la distribution des données. Il est cependant déconseillé d’y admettre de nombreuses valeurs. Bien qu’aidant à comparer rapidement certaines données, le rôle du camembert n’est pas d’aller dans le détail. Son total doit également toujours être égal à 100%. Ajouter un trou au milieu est essentiellement une question liée à l’esthétique et à la lisibilité des données.
Vous avez toutefois la possibilité d’ajouter un graphique Card au milieu pour mettre en avant un indicateur lié aux données du camembert.
Histogramme
Horizontal ou vertical, il permet d’avoir une vision rapide sur les extrêmes, les lacunes, et les valeurs individuelles.
Graphique en lignes
Il affiche forcément des valeurs quantitatives, réparties sur un intervalle temporel continu. Il est parfait pour analyser les évolutions. Il donne une vision d’ensemble pour distinguer facilement les tendances haussières, baissières ou précises, en se concentrant sur un point de données.
Cependant, il supporte mal l’accumulation de lignes et d’étiquettes de données.
Graphique combiné
Il est généralement utilisé pour comparer des données présentant des ordres de grandeur différents tout en étant liés (sessions et taux de rebond par exemple). Google Data Studio permet seulement d’utiliser les lignes et les barres sur ce graphique. Vous ne pourrez donc pas présenter une ligne avec aire.
Graphique en aires
Similaire au graphique en lignes, il ajoute simplement une zone colorée en dessous des courbes. Le graphique en aire permet de mettre en évidence l’évolution d’une donnée par rapport à une autre.
Ils peuvent également être utilisés pour représenter les totaux cumulés à l’aide de nombres ou pourcentages (dans ce cas, des graphiques en aires empilées).
Il permet donc d’évaluer plus simplement les évolutions de tendances entre deux données que le graphique en lignes.
Graphique à bulles
Il permet de croiser 3 variables dans le même graphique et permet de créer rapidement des matrices de décisions. Lorsque le nombre de bulles devient élevé, il est intéressant d’ajouter une courbe de tendance linéaire afin d’évaluer d’un coup d’oeil la performance des indicateurs présentés.
Ce graphique permet d’isoler simplement les clusters de données ainsi que les données hétérogènes. Il est parfait pour de l’analyse concurrentielle et pour visualiser des changements dans le temps.
La lecture de ce type de graphique est loin d’être la plus évidente. Ce graphique peut manquer de précision au premier abord lorsque de nombreuses bulles sont de taille homogène.
Tableau avec carte de densité
Il se distingue pour sa capacité à déceler des tendances de comportement au milieu d’une multitude de données chiffrées et lorsque de nombreuses dimensions se chevauchent.
Afficher une ligne récapitulative en bas de votre tableau permet d’apporter plus de précisions aux différentes données initialement mises en forme avec des couleurs.
Comparez, les taux de sortie, taux de rebond, sessions effectuées sur vos 20 pages web les fréquentées.
Créez une carte de chaleur mettant en évidence les pics de trafic et les heures auxquelles les utilisateurs ont validé leurs commandes. Vous pourrez également ajouter un filtre sur ce tableau pour qu’il n’affiche que les sessions provenant de sources mailing.
Ce simple graphique peut permettre d’analyser 2 données clé de votre activité de multiples manières.
Graphique à puces / Étiquettes
L’étiquette permet d’afficher vos KPIs principaux. Elle est pertinente si présente en faible quantité.
Le graphique à puces est, quant à lui, une version améliorée de l’étiquette. Vous allez pouvoir définir différents paliers de valeurs pour une même donnée. Elle permet de vérifier si vous avez atteint vos objectifs (chiffre d’affaires, inscriptions aux newsletters, créations de compte client…) sur une période. Si vos objectifs diffèrent chaque mois, il faut penser à modifier les valeurs des paliers à la main sur l’outil. Comme les étiquettes, les graphiques à puces sont pertinents lorsqu’ils sont présents en faible quantité.
Graphique à carte proportionnelle (Treemap)
Les cartes proportionnelles montrent la composition d’une dimension. Elles affichent les informations de façon hiérarchique comme un emboîtement de rectangles dont la taille et la couleur varient en fonction de la valeur associée. La taille de chaque rectangle représente une quantité, alors que la couleur peut représenter la valeur d’un nombre ou une catégorie.
Ce graphique peut être utilisé pour évaluer le chiffre d’affaires généré par une catégorie de produits par rapport à une autre.
Il est pertinent tant qu’il est utilisé en tant qu’analyse légère.
Synthèse géographique (Cartographies)
Elle est généralement appréciée car très visuelle. Elle ne permet cependant pas d’en tirer des analyses franches sans l’ajout d’un tableau de données. On la mettra en place si l’aspect géographique de votre activité est une élément clé. On utilisera des jeux de couleurs dégradés afin de dissocier les données homogènes ainsi que les extrêmes plus simplement.
Conclusion
Avant d’achever ce guide, je tenais à préciser que nous avons seulement abordé les cas des graphiques fournis par défaut sur Google Data Studio.
Des dizaines d’autres graphiques sont également disponibles sur “les visualisations de la communauté”. Ces graphiques différents et généralement plus avancés sont donc créés par des indépendants ou des sociétés externes à Google.
Si vous souhaitez enrichir votre vocabulaire Data Studio, rendez-vous ici. Nous rappelons également que nous créons des tableaux de bord au quotidien pour nos clients. Si vous souhaitez voir à quoi ressemble notre travail, ou pour toute autre demande liée à nos services, n’hésitez pas à nous contacter.

L’attribution, une fonctionnalité sous-estimée sur Google Analytics

par Florentin | 29, Avr 2020 | Google Universal Analytics

L’attribution des conversions consiste à identifier les canaux ayant le plus contribué à la conversion finale parmi les canaux d’acquisition empruntés par l’utilisateur au cours de ses visites sur le site web ou l’application mobile. La modélisation de l’attribution est la discipline qui consiste à écrire des règles qui déterminent comment la conversion finale est attribuée.
Google Analytics a, depuis longtemps, dédié un onglet à l’attribution marketing, il s’agit du sous-onglet ‘Entonnoirs multicanaux’ présent dans l’onglet ‘Conversions’. Pour que ces rapports remontent des données, il faut activer le commerce électronique ou définir des objectifs dans l’administration de votre compte analytics.
Depuis quelques mois maintenant, les utilisateurs assidus de Google Analytics auront surement remarqué que de nouvelles fonctionnalités d’attribution sont apparues dans l’interface. Si vous vous demandiez ce qu’il se cache derrière les nouveaux onglets ‘Attribution’, ‘Analyse du ROI’ et ‘Explorateur de modèles’ (tous les trois en bêta), les explications qui suivent devraient vous intéresser.

Tout d’abord, faisons un rappel sur le rapport ‘Outil de comparaison de modèles’ disponible sur Google Analytics pour tous les comptes dès lors que des conversions sont trackées.
Dans ce rapport, vous avez la possibilité d’utiliser des modèles d’attribution créés par Google Analytics :
Dernière interaction: 100% de la conversion est attribué au dernier canal d’acquisition emprunté par l’utilisateur
Dernier clic indirect: 100% de la conversion est attribué au dernier canal d’acquisition emprunté par l’utilisateur, en dehors du canal direct qui n’est pas pris en compte
Dernier clic sur une annonce Google: 100% de la conversion est attribué à la dernière annonce Google cliquée par l’utilisateur
Première interaction: 100% de la conversion est attribué au premier canal d’acquisition emprunté par l’utilisateur
Linéaire: La conversion est attribuée à parts égales entre tous les canaux d’acquisition présents dans le chemin de conversion
Dépréciation dans le temps: Ce modèle accorde du crédit aux sources de trafic les plus proches de la conversion. Par défaut, la demi-vie est de 7 jours. Ainsi, un canal intervenant 7 jours avant la conversion recevra la moitié du crédit accordé au canal de conversion
Basé sur la position: Par défaut, 40% de la conversion est attribué au premier canal d’acquisition, 40% au dernier canal d’acquisition et les 20% restants sont partagés entre les canaux intermédiaires
Le rapport vous permet de choisir le modèle qui vous convient et d’évaluer la performance de vos canaux, de vos sources, de vos supports et de vos campagnes à partir du modèle. Il offre aussi la possibilité de comparer les modèles entre eux en calculant des taux d’évolution entre modèles sur les KPIs de conversion. Les KPIs importants présents dans ce rapport sont le nombre de conversions générées, la valeur de ces conversions, la dépense par canal, le CPA (coût par acquisition) et enfin le ROAS (retour sur les dépenses publicitaires). Bien entendu, ce rapport d’attribution permet de choisir le type de conversions analysées, les transactions ecommerces, les objectifs ou bien les deux. Aussi, la fenêtre d’attribution peut être définie, elle est de 30 jours par défaut et peut aller jusque 90 jours.

L’analyse du ROI permet, comme son nom l’indique, de mesurer le retour sur investissement des canaux d’acquisition en utilisant le modèle basé sur les données (modèle data-driven).
Ce modèle est différent pour chaque entreprise puisqu’il se base sur les données, il est donc personnalisé. Google analyse les chemins de conversion des utilisateurs ayant converti et les compare avec les chemins des utilisateurs n’ayant finalement pas converti. Il trouve les variables communes aux chemins qui convertissent et le modèle attribue finalement plus de crédits aux canaux qu’il considère plus rentables sur le chemin de conversion. Ce rapport est disponible uniquement pour les utilisateurs de Google Analytics 360 (version Premium). Google met donc à disposition ses capacités en machine learning au profit des clients de Google Analytics.

Il est possible de télécharger, sous forme de fichier csv, le modèle complet pour obtenir le détail précis par chemin de conversion des pondérations.

Enfin, l’outil tout sobrement appelé « Attribution » permet de créer un projet d’attribution et de commencer à récolter la donnée dans le but de définir le modèle basé sur les données. Il est possible d’intégrer plusieurs propriétés analytics à un même projet d’attribution.
On y retrouve des rapports bien connus des utilisateurs de Google Analytics avec des informations sur le délai avant conversion, sur les chemins de conversion et leur longueur ainsi que le rapport de comparaison de modèle. Il est possible de choisir à nouveau le type de conversion auquel on souhaite s’intéresser et de modifier la fenêtre d’attribution (30, 60 ou 90 jours). Enfin, pour chacun des rapports présents dans l’outil, vous pouvez switcher d’un modèle d’attribution à un autre et ainsi choisir celui qui correspond le mieux à votre besoin.
Pour le moment, les propriétés Web + app de Google Analytics ne sont pas intégrables à un projet d’attribution et la propriété doit contenir au moins 600 conversions / mois.

Nous vous invitons vivement à utiliser ces fonctionnalités toujours en bêta qui évolueront dans les mois à venir et à faire part de vos retours aux équipes de développement de Google qui prennent en compte ces feedbacks dans l’amélioration continue de leurs produits. Si vous souhaitez vous appuyer sur une expertise pointue sur tous les sujets liés à l’attribution, n’hésitez pas à nous contacter.

COMBINER DES DONNÉES OFFLINE et ONLINE sur GOOGLE DATA STUDIO

par Florentin | 16, Avr 2020 | Google Universal Analytics

Ne vous est-il jamais arrivé de vouloir combiner des données OFFLINE + ONLINE afin de les faire apparaître dans Google Data Studio ?
Et bien avec le plugin Supermetrics pour Google Sheets, rien de plus simple.
Bien-sûr, il existe de nombreuses façons de combiner les données OFF et ONLINE et cette technique exposée plus bas ne représente pas la seule voie à suivre (il existe des imports de données à faire directement dans Google Analytics ou l’export de données GA dans un fichier excel classique… Et bien d’autres techniques).
Cependant, cette technique est plutôt fastidieuse à mettre en place mais est également plus pérenne que de simples exports de données. Surtout qu’elle présente un avantage plutôt sympathique : la visualisation de données se fait directement dans Google Data Studio.
Prenons un cas d’usage qui fera office d’exemple.
1) Entrer des données en « dur » dans un Google Sheets
Voici ci-dessous des données récoltées sur un Sheets, elles sont entrées manuellement par l’utilisateur. Admettons que vous êtes un annonceur et que vous souhaitez comparer des budgets investis sur différentes plateformes, et vous souhaitez mesurer les performances liées à ces budgets.
Vous rentrez donc vos budgets de la semaine, du mois voire de l’année dans votre Sheets.

2) Ajout des données Google Analytics dans le Spreadsheet grâce au plugin Supermetrics
Tout d’abord, installez le plugin Supermetrics pour vous retrouver avec un onglet de ce type dans Sheets :


Une fois le plug-in lancé, vous avez la possibilité de choisir votre source de données (Data Source + Select Views), ensuite il faut sélectionner une plage de dates pour que celle-ci corresponde avec vos données OFFLINE (Select dates) puis dans un troisième temps vous devez sélectionner les données à afficher dans le Spreadsheet (voir ci-dessous)

Voilà, les données (OFFLINE et ONLINE) sont maintenant compilées dans un seul et même document. Il ne reste plus qu’à remonter ce tableau dans Google Data Studio.
Avec Supermetrics, il est également possible d’ajouter des données de comparaison (onglet Select Dates).
3) Remontées dans Google Data Studio
Liez votre source de données Google Sheets à GDS (Google Data Studio).

Prenez soin de bien vérifier que les champs correspondants remontent bien dans votre liste de champs disponibles. Finalement, il ne reste plus qu’à utiliser Google Data Studio comme à son habitude pour afficher les données comme bon vous semble.

Le tour est joué. Bien entendu, Google Data Studio ne permet pas uniquement d’établir des tableaux, il est possible de faire des diagrammes (en barres, circulaires etc…). Il existe de multiples autres possibilités avec cette technique, à vous de vous amuser et découvrir l’ensemble des possibilités qu’offre Supermetrics.
N’hésitez pas à nous envoyer et échanger avec nous sur vos idées et créations liées à cette méthode !

Benchmark Digital Experience de Contentsquare: diagnostic des différents secteurs d’activité au travers des principaux indicateurs analytics

par Florentin | 8, Avr 2020 | Google Universal Analytics

Lorsque nos clients font appel à nous pour répondre à des problématiques de tracking ou d’analyse de données existantes, des interrogations reviennent régulièrement : “mon taux de rebond est-il élevé pour ce type de contenu ?” , “quel est le taux de conversion moyen sur mon marché ? ».
En effet il est important de contextualiser les indicateurs de performance et de trafic lorsqu’on les analyse. Observer la période, les saisonnalités, l’historique, mais également le contexte commercial et l’objectif d’un site internet est primordial pour se prononcer sur le caractère encourageant ou préoccupant d’une performance. En effet un taux de rebond global élevé sur un site transactionnel, tel qu’un site e-commerce de retail, n’a pas la même signification qu’un site de contenu (blog, médias) qui propose de la lecture d’articles, ou encore qu’un site vitrine qui promeut un point de vente physique et dont le but est d’afficher explicitement les horaires d’ouverture ou coordonnées d’un magasin.  
C’est en ce sens qu’il est légitime de s’intéresser aux normes et aux standards des indicateurs de performance globaux, mais également par secteur d’activité. 
Contentsquare, un outil en mode SaaS qui permet de suivre et de mesurer les parcours clients sur les sites web, a récemment publié une étude menée sur plus de 7 milliards de sessions réalisées sur quelques 400 sites web, afin de livrer des tendances sur les indicateurs de performance clé par secteur d’activité et des recommandations pour les sites marchands.
 

Navigation par device

Une des informations clés qui concerne la navigation des utilisateurs est, sans grande surprise, le succès du mobile. Plus que jamais, l’utilisateur est mobile first, et ce à 55% sur l’ensemble des secteurs d’activité (hors tablette). Si on s’intéresse à la part de ce trafic par secteur d’activité, on constate que c’est d’autant plus vrai pour le secteur du luxe, pour lequel 67% des visites se font sur smartphone. En revanche, c’est moins le cas pour les services financiers, pour lesquels on constate une utilisation du mobile de 39% en moyenne.
Par rapport à 2019, l’évolution de l’utilisation du mobile lors de la navigation connaît des hausses variables selon les secteurs. En effet, on observe une hausse de l’utilisation du mobile de 2019 à à 2020 de 21% pour l’alimentaire, de 10% pour l’automobile et 11% pour le secteur de l’énergie.
 

Répartition des nouveaux et anciens utilisateurs

On note que la qualité des visites en terme d’engagement est meilleure chez les utilisateurs qui reviennent, avec en moyenne +30% de chance de convertir lors du parcours, d’où une volonté de développer la fidélisation et la rétention chez les marques.
Sur l’ensemble des secteurs étudiés, la répartition globale du trafic par nouveaux visiteurs contre ceux qui reviennent est respectivement de 55% et 45%.
 

Sources d’acquisition de trafic en ligne

Au global, 65% du trafic des sites web est gagné naturellement, c’est-à-dire que son acquisition ne s’est pas faite grâce à un budget dédié. Néanmoins, la répartition des sources le trafic dépend fortement du secteur d’activité. Pour les services financiers et l’énergie, la part du trafic naturel est d’environ 80%, en effet il y a peu d’acteurs sur ces marchés. Pour le secteur du voyage c’est la moitié du trafic qui est payé, tandis que les secteurs du luxe, de l’habillement et de la beauté tournent autour de 40% du trafic payé.
 

Taux de rebond

Ce dernier permet de prendre le pouls quant à l’attractivité d’un site web. Toutefois c’est presque la moitié des visiteurs qui abandonnent le parcours dès la première page vue sans réaliser d’interaction. Les écarts de taux de rebond par secteur d’activité sont plutôt faibles. Le plus bas concerne le prêt-à-porter avec 42% contre 52% pour l’alimentaire.
À savoir que le taux de rebond dépend également du device avec en moyenne 51% pour le mobile, 45% pour la tablette et 43% pour le desktop.
 

Temps de chargement moyen des pages

Le temps de chargement des pages d’un site web a un impact direct sur l’indicateur vu précédemment : le taux de rebond. Pour le mobile, au-delà de 3 secondes de chargement, c’est 50% des utilisateurs qui quittent le site. La moyenne de temps de chargement des pages est de 2,39 secondes sur l’ensemble des secteurs.
 

Consultation des contenus

En moyenne 69% du contenu des sites web n’est pas vu, tous secteurs confondus. Ce chiffre nous invite à nous interroger quant à la priorisation de la rédaction de contenu sur les sites. Il est primordial d’identifier les parcours les plus récurrents pour se focaliser sur l’enrichissement de contenu des pages les plus vues. 
 

Comportement d’achat et génération de lead

Il faut en moyenne 3 sessions sur un site pour obtenir une conversion. Cela s’explique notamment par des comportements de comparaison des offres et une volonté de s’expertiser des consommateurs. À l’évidence, certains achats nécessitent plus de réflexion que d’autres : on le constate pour le secteur du luxe, de l’énergie et de l’ameublement pour lesquels il faut en moyenne plus de 3 sessions avant de réaliser un achat.
 

Taux de conversion

Le taux de conversion et l’un des indicateurs les plus surveillés par les sites marchands, il est celui qui témoigne de la performance globale du site à transformer les visiteurs en acheteurs. En moyenne sur le desktop il est de 3,5% sur l’ensemble des secteurs d’activité, contre 1,7% sur le mobile.
Tous devices confondus, les taux de conversion moyens par secteur d’activité constatés sont de 1,01% pour le luxe, 2,07% pour le prêt-à-porter et les cosmétiques, 1,85% pour le voyage, 5,08% pour l’alimentaire, 2,21% pour l’automobile, 2,25% pour l’énergie, 1,42% pour l’ameublement et 4,43% pour le secteur des services financiers.
 
Vous voilà désormais averti sur les tendances de comportement de navigation des utilisateurs sur les sites web en 2020. Vous situer par rapport à votre marché vous permet de mieux saisir les enjeux et de prioriser les améliorations. L’équipe Meet Your Data se tient à votre disposition pour vous accompagner dans la mesure du trafic de votre site web et l’analyse des comportements de vos utilisateurs.
 
Retrouvez ici l’étude complète du benchmark réalisé par Contentsquare.

Les effets du Covid-19 sur les divers secteurs d’activité des e-commerçants

par Laurie | 24, Mar 2020 | Google Universal Analytics

Cela ne vous a pas échappé, les débuts de cette nouvelle année 2020 se font dans un contexte particulier. L’épidémie de covid-19 coronavirus touche désormais presque tous les pays du globe. Des mesures de télétravail et de confinement sont appliquées pour limiter la propagation du virus.
C’est donc nos habitudes de consommation et nos rythmes de vie qui en sont bouleversés, il en va de même pour l’économie. En effet, qu’il s’agisse des besoins recrudescents de dispositifs sanitaires visant à limiter la pandémie, tels que des masques de protection ou des gels désinfectants hydro-alcooliques, ou bien de surconsommation de biens alimentaires et de première nécessité dans le but de faire des stocks préventivement ; des changements de comportement et habitude d’achat peuvent être observés. 
Parallèlement, on remarque un autre phénomène qui s’exécute du côté des enseignes : la cessation temporaire des activités de livraison, de distribution voire parfois même de production. Ces décisions sont des partis pris pour assurer la sécurité des employés notamment, mais également pour laisser la priorité sur les ressources et matières premières. 
Dans ce cas, les sites web sont alors ouverts mais communiquent sur la pause de l’activité durant toute la durée des mesures de confinement. C’est le cas par exemple pour Jules, Chausport, ou encore Volcom.

Quels sont les secteurs d’activité pour lesquels cette situation a des effets bénéfiques sur les ventes ? Quels sont ceux pour lesquels les achats des consommateurs sont moindres ou reportés par les consommateurs car moins prioritaires en cette période ?
En tant qu’experts analytics, nous vous proposons un tour d’horizon des différents impacts du Covid-19 que nous voyons sur les secteurs d’activité en ligne chez nos clients et partenaires au travers des évolutions de trafic.
[h2_heading]Évolutions par secteur[/h2_heading]
Dans un premier temps on peut évoquer le secteur des voyages qui est impacté négativement par les effets du covid-19. Il connaît en moyenne une baisse du nombre d’utilisateurs de 50%, de chiffre d’affaires de 60% et du nombre de sessions de 52%. Cela s’explique évidemment par les annulations massives des séjours à l’étranger et par la fermeture des ERP (Etablissements Recevant du Public) en France.
Inévitablement, parmi les effets du confinement et du télétravail des Français, on compte un affaiblissement des activités orientées vers les professionnels. En moyenne, depuis les mesures mises en place, on note sur les sites internet ayant une activité B to B une baisse de fréquentation des utilisateurs de -24% et diminution des sessions de -34%.
Le domaine de l’ameublement de la maison connaît aussi un déclin due au confinement. En effet, c’est un secteur pour lequel la logistique propre à une activité e-commerce est contraignante. Les ralentissements réels ou supposés des prestataires de livraisons n’incitent pas à l’achat de biens qui en outre nécessitent généralement une réflexion et donc un besoin de réassurance.
Le secteur du prêt-à-porter et de l’habillement est également pénalisé par l’épidémie de Coronavirus. Au-delà de la fermeture obligatoire des points de vente pour les enseignes click-and-mortar, les sites web dédiés à la mode connaissent un déclin de leur de fréquentation de l’ordre de -40,6% en moyenne pour le nombre d’utilisateurs et de -39,2% pour le nombre de sessions réalisées.
Toutefois, il est pertinent de relever que les évolutions de taux de conversion sont disparates : certains sites web bénéficient de taux de transformation qui augmentent jusqu’à +18%. Les visiteurs qui persistent à se rendre sur ces sites semblent décidés.
Le sport est un domaine pour lequel les tendances sont hétérogènes. Globalement on note une baisse de la fréquentation des sites web, mais surtout, un changement des habitudes d’achat avec un report vers les équipements qui permettent de pratiquer une activité à domicile : appareil de cardio, accessoires de fitness et de musculation.

Cela n’a rien de surprenant, le climat actuel pousse les consommateurs à réaliser des stocks et provisions de biens alimentaires et de première nécessité par crainte d’une pénurie. Le secteur de la grande distribution a connu depuis l’annonce des mesures de confinement une hausse moyenne de 200% de la fréquentation de ses sites web en terme de nombre d’utilisateurs et de sessions générées.

Outre la grande distribution, un autre secteur tire partie de la situation actuelle, c’est celui du divertissement. Qu’il s’agisse du jeu vidéo ou des activités manuelles et DIY, les sites e-commerce spécialisés dans ce type de produits jouissent d’une hausse nette de leurs ventes et de leur conversion. Cette tendance se manifeste au travers de l’ennui ressenti par un grand nombre de personnes et du besoin de se divertir.
La concentration de la consommation autour des produits de première nécessité se fait au détriment des produits de luxe. On peut voir que les sites e-commerce distribuant ce type de produit connaissent en moyenne une baisse de leur nombre d’utilisateurs de 25% et une diminution du nombre de sessions de 26,5%

[h2_heading]Constatation d’un phénomène inter-pays différé[/h2_heading]

On remarque que parmi les e-commerçants disposant d’un site par pays, les baisses de fréquentation, en termes de nombres d’utilisateurs et de sessions réalisées, sont différées. La diminution des visites sur les sites italiens démarrent 1 semaine avant celle observée sur les sites français, le confinement généralisé ayant été décrété 1 semaine avant chez nos voisins transalpins.

[h2_heading]Nos recommandations[/h2_heading]
Globalement, on note une baisse des sessions pour une grande majorité des secteurs cités précédemment. Cependant, certains connaissent des taux de conversion avec des hausses remarquables malgré la période. Le point commun entre ces derniers ? Ils disposent tous d’une bannière de réassurance visible sur la homepage ou dans le header au dessus de la ligne de flottaison. On peut voir ce type de communication chez H&M, Mango ou Lego par exemple.



Forts de ces observations, nous conseillons donc vivement aux e-commerçants qui veulent réduire l’impact sur leurs activités de communiquer clairement et d’être rassurants vis-à-vis des consommateurs quant au maintien de leur activité, du traitement des commandes et être pédagogues sur les éventuels impacts sur les délais de livraison. Aussi des services exceptionnels comme la livraison offerte ou un rallongement de la période de retour possible permettent d’influer de la confiance chez le consommateur.
Pour plus d’informations ou demande d’audit analytics et suivi de la donnée de vos sites, contactez-nous.
#RestezChezVous