Analytics

Définition

Dans l’écosystème DTC et e-commerce, Analytics désigne l’ensemble des outils, méthodes et indicateurs qui permettent de collecter, consolider et interpréter les données générées par une boutique en ligne : trafic, comportement de navigation, taux de conversion, panier moyen, coût d’acquisition, rétention, etc.

Concrètement, on parle souvent de web analytics (mesure de l’audience et des parcours) et de business analytics (lecture des ventes, marges, LTV, performance marketing). L’objectif n’est pas de “regarder des chiffres”, mais de prendre de meilleures décisions : quelle page optimiser, quel canal scaler, quel produit pousser, quel segment retargeter.

En DTC, Analytics est la colonne vertébrale de la croissance : sans mesure fiable, on pilote à l’aveugle. C’est particulièrement vrai quand on dépend de paid media (Meta, TikTok, Google), où chaque euro investi doit être justifié par un retour mesurable.

Analogie

Pensez à votre boutique comme à un magasin physique. Analytics, c’est à la fois :

- le compteur de passages devant la vitrine (trafic),

- le vendeur qui observe quels rayons attirent, quels produits sont essayés puis reposés (comportement),

- la caisse qui enregistre ce qui est réellement acheté (conversion, panier moyen),

- et le manager qui compare le coût d’une animation promo avec le chiffre d’affaires généré (ROAS, marge).

Sans Analytics, vous avez une caisse, mais aucune idée de pourquoi certains jours fonctionnent et d’autres non.

Formules clés

Les indicateurs ne sont pas juste “des chiffres”. Ils répondent à des questions business précises.

Taux de conversion (CVR)

\[

CVR = \frac{Nombre\ de\ commandes}{Nombre\ de\ sessions} \times 100

\]

Panier moyen (AOV)

\[

AOV = \frac{Chiffre\ d’affaires}{Nombre\ de\ commandes}

\]

Coût d’acquisition client (CAC)

\[

CAC = \frac{Dépenses\ marketing}{Nombre\ de\ nouveaux\ clients}

\]

ROAS

\[

ROAS = \frac{Chiffre\ d’affaires\ attribué\ aux\ ads}{Dépenses\ publicitaires}

\]

Valeur vie client (LTV) simplifiée

\[

LTV = AOV \times Fréquence\ d’achat \times Durée\ de\ vie\ client

\]

Taux de rétention

\[

Rétention = \frac{Clients\ actifs\ sur\ une\ période}{Clients\ acquis\ au\ début\ de\ la\ période} \times 100

\]

Exemple concret : si vous dépensez 2 500 € en ads, générez 10 000 € de CA attribué et 125 commandes, alors :

- ROAS = 4,0

- AOV = 80 €

- Si 100 nouveaux clients : CAC = 25 €

Ces trois données suffisent déjà à savoir si vous pouvez scaler ou non.

Tableau comparatif : Analytics “vanilla” vs Analytics DTC piloté par la marge

Le MER est d’ailleurs très utilisé en DTC :

\[

MER = \frac{CA\ total}{Dépenses\ marketing\ totales}

\]

Il évite de dépendre d’une attribution plateforme souvent gonflée.

Applications concrètes en DTC

1. Optimiser une landing page produit

Vous voyez dans Analytics :

- 3 200 sessions sur la page produit

- 2,1 % de CVR

- 68 % de drop-off sur la section “livraison”

Action : clarifier les délais et frais de livraison au-dessus du fold. Objectif : passer à 2,8 % de CVR, soit environ +22 commandes pour le même trafic.

2. Arbitrer les canaux d’acquisition

Comparaison sur 30 jours :

- Meta Ads : 12 000 € dépensés, 48 000 € de CA, ROAS 4,0

- TikTok Ads : 8 000 € dépensés, 20 000 € de CA, ROAS 2,5

Mais après analyse de la marge (produit à 60 % de marge brute, 12 % de frais logistiques) :

- Meta : marge contributive positive

- TikTok : proche de l’équilibre, voire négative après retours

Décision : réduire TikTok, réallouer vers Meta et tester des creatives UGC.

3. Améliorer la rétention

Analytics montre :

- Taux de réachat à 60 jours : 14 %

- LTV à 90 jours : 96 €

- CAC : 38 €

Le ratio LTV/CAC est de 2,5, correct mais perfectible. En activant un flow email/SMS post-achat J+7 et J+21, vous visez 18 % de réachat et une LTV à 115 €, soit un ratio 3,0.

4. Détecter une fuite de conversion mobile

Répartition :

- Desktop : CVR 3,4 %

- Mobile : CVR 1,2 %

Avec 70 % du trafic sur mobile, corriger le checkout mobile peut augmenter le CA total de 15 à 25 % sans toucher au budget ads.

Erreurs fréquentes

1. Se fier uniquement aux dashboards des plateformes ads

Meta ou TikTok surestiment souvent les conversions. Toujours croiser avec Shopify et un modèle d’attribution plus robuste.

2. Optimiser le ROAS au lieu de la marge

Un ROAS de 6 sur un produit à faible marge peut être moins rentable qu’un ROAS de 3 sur un produit à forte marge.

3. Négliger la qualité des données

Consentement cookies, tracking server-side, événements dupliqués : sans données propres, les décisions sont faussées.

4. Confondre corrélation et causalité

Une hausse de CA pendant une promo ne prouve pas que la promo a créé la croissance. D’où l’intérêt des tests d’incrémentalité et des holdouts.

5. Trop de KPI, pas assez de décisions

Un bon dashboard DTC tient sur une page : CA, marge, CAC, MER, CVR, AOV, rétention. Le reste est contextuel.

6. Ne pas segmenter

Un CVR global de 2 % peut cacher un CVR de 5 % sur les clients fidèles et de 0,8 % sur le trafic froid. Les moyennes mentent.

Termes liés

- GA4 (Google Analytics 4) : outil de mesure d’audience et d’événements.

- Server-side tracking : collecte côté serveur pour contourner les limitations navigateur.

- Attribution : règles d’attribution des conversions aux canaux.

- MER (Marketing Efficiency Ratio) : CA total / dépenses marketing totales.

- CAC : coût d’acquisition client.

- LTV : valeur vie client.

- AOV : panier moyen.

- CVR : taux de conversion.

- Cohorte : groupe de clients suivis dans le temps.

- Test A/B : comparaison de deux variantes pour mesurer l’impact.

- MMM (Marketing Mix Modeling) : modélisation statistique de la contribution des canaux.

- Data warehouse : entrepôt de données pour croiser les sources (Shopify, ads, CRM).