Lors d’une configuration Analytics, l’habitude est de répondre, exactement, aux attentes formulées par l’outil, en termes de commerce électronique.

Dans la majorité des cas, se conformer aux règles, sans les dépasser, correspond aux attentes formulées et permet l’utilisation des données à des fins d’analyses commerciales.

Le commerce électronique avancé offre un certain nombre de possibilités quant à l’analyse et la compréhension des interactions utilisateurs avec les produits et services proposées. Lorsque tous les évènements sont bien programmés, les parcours client détaillés donnent de précieuses informations sur la rentabilité du site Internet.

Cependant, à y regarder de plus près, si les données sont pertinentes, elles ne reflètent que le chiffre d’affaire et non la marge, la rentabilité d’un produit. En effet, une programmation classique d’Analytics ne permet pas un tel calcul.

L’outil n’a pas été conçu pour répondre à cette question, considérant certainement, que, dans la majorité des cas, le chiffre d’affaire était suffisant. C’est d’ailleurs une donnée très prisée des décideurs et directeurs commerciaux.

Voir son chiffre d’affaire augmenter, ne signifie nullement une corrélation avec la marge réalisée, puisque tout dépendra de la rentabilité des produits consommés.

Il peut être important, pour de nombreuses entreprises de pouvoir directement remonter, dans Analytics, les informations de rentabilité. Pouvoir comparer la marge réelle des produits le plus vus, mis en panier et achetés apporte une dimension plus précise et fiable, dans la compréhension du flux commercial.

Si l’outil n’a nullement prévu cette option dans sa configuration recommandée, il n’empêche pas pour autant de la mettre facilement en œuvre. En proposant des dimensions et variables personnalisées, il devient envisageable d’ajouter ces informations et d’appuyer son analyse dessus.

En ajoutant, dans le datalayer du TMS ou dans une programmation en dur du tag d’e-commerce avancé, une variable indiquant le taux de marge de chaque produit, que l’on transforme en variable personnalisée, il devient alors possible de calculer cette marge et l’incorporer dans ses rapports personnalisés.

Dès lors, l’analyse de l’activité commerciale devient bien plus pertinente pour les services commerciaux et la direction d’une entreprise.

Segmenter ses utilisateurs en fonction de ceux qui génèrent le plus de marge, lors de leurs achats, offre une possibilité d’optimisation non négligeable et enrichissante, pour améliorer le parcours client et favoriser l’intérêt pour les produits les plus rentables.

La comparaison de la position des produits le plus vus dans les listes de recherches, versus ceux mis en panier et acheté, peut alors permettre de les réorganiser, d’optimiser leur affichage pour favoriser la lecture des pages produits les plus rentables, et ainsi tenter de convaincre ses clients de préférer les marges les plus élevées.

L’ajout d’outil de CRO, définissant les zones de chaleur du site internet (là où les internautes portent majoritairement leur regard et leur souris, lors de leur navigation), couplé à ces nouvelles informations financières peut également contribuer à la réorganisation générale de la présentation de produits dans les listes de recherches.

Analytics est un outil très pratique, répondant, dans sa configuration par défaut, aux attentes principales du marché, mais qu’il est également possible de l’utiliser pour des analyses très fines de l’activité, de la compréhension de ses visiteurs, leurs spécificités, leurs habitudes.

S’adapter à ses clients, en tenant compte de leurs parcours, tout en les guidant vers une rentabilité accrue semble plus efficace que leur demander, à eux, de s’adapter à son activité.

L’inconvénient, dans l’e-commerce, c’est qu’il faut imaginer son magasin virtuel pour plaire à sa clientèle et non pour faciliter le travail de ses équipes. Une boutique physique qui ne met aucun produit en valeur, vendra moins qu’une autre travaillant ses gondoles, favorisant l’impulsion par une mise en valeur, en condition, du comportement d’achat.

Or, Sur internet, la plupart des entreprises se contentent de listings statiques avec quelques promotions, dans le meilleur des cas. Très peu d’entre-elles cherchent à recréer, dans leur écosystème numérique, le parcours qu’elles offrent en magasin.

Si certains sites, comme Amazon attirent tant de clients, peut-être faut-il se pencher sur l’optimisation qu’il fait de ses produits, ses mises en avant, son analyse des paniers et achats afin de proposer différentes associations de produits favorisant grandement l’achat impulsif.

Les listes de produits sont souvent peu élaborées, les pages ne hiérarchisent pas correctement les informations consultées ou attendues par le client.

Dès lors, les investissements publicitaires deviennent le principal levier de rentabilité, contraignant ces annonceurs à les payer toujours plus chers.

SI l’architecture intérieure d’un magasin participe pleinement au plaisir du consommateur, utiliser toutes les fonctionnalités d’Analytics peut transformer un site Internet, en un espace de consultation agréable où l’internaute se sent choyé, par une navigation claire et guidée, une information pertinente, des mises en avant de produits phares et rentables.

Comment utiliser les variables personnalisées pour calculer le CA par produit acheté.
5 (100%) 1 vote