Dernière-née des fonctionnalités de Google Analytics, l’analyse de cohortes est un nouvel atout de choix à intégrer à votre boite à outil web-marketing. L’analyse de cohorte peut vous permettre de détecter de nouveaux leviers pour faire décoller le trafic de votre site web, notamment en analysant en profondeur l’évolution du comportement des utilisateurs sur votre site.
Les cohortes : qu’est-ce que c’est ?
L’analyse de cohorte peut sembler confuse de prime abord, et pour cause, cette dernière est plutôt inhabituelle dans l’écosystème Google Analytics. Premièrement, l’analyse de cohorte est dynamique, contrairement à la plupart des fonctionnalités de Google Analytics. L’analyse des cohortes se fait de manière continue dans le temps, à la différence de fonctionnalités comme le nombre de sessions, ou de pages vues, que vous vous analysez en général sur une période de temps donnée. Deuxièmement, l’analyse des cohortes seule ne vous permettra pas d’identifier des leviers de croissance évidents : vous devrez nécessairement croiser ces analyses avec d’autres KPI pour optimiser les performances de votre site.
Définition des cohortes de Google Analytics
Voici la définition que Google Analytics donne pour expliquer ce qu’est l’analyse de cohorte :
Qu’est-ce qu’une analyse de cohorte ?
Si cette définition vous semble encore nébuleuse, pas d’inquiétude, prenons plutôt le temps de plonger plus en détail dans cette fonctionnalité en prenant un exemple concret :
Imaginons que vous soyez le responsable d’un magasin de vêtements. Vous décidez de lancer une campagne de promotion en offrant des bons de réduction de 20% à certains clients. L’un de vos clients, Martin, reçoit ce bon de réduction, et en profite pour visiter votre site, consulte vos différents articles, et décide finalement d’acheter un jean. En tant que responsable, vous souhaitez savoir combien de clients comme Martin vont revenir sur votre site suite à l’achat de ce jean ? Combien de temps faut-il attendre pour que ces clients reviennent vous voir ? Vous demandez à l’un de vos collaborateurs d’analyser le comportement de Martin et de tous les clients qui y ressemblent. Vous venez de créer votre première « cohorte ». Quelques mois plus tard, votre collaborateur vous annonce que 70% des clients similaires à Martin ne sont jamais revenus sur votre site, 20% sont revenus mais n’ont rien acheté, et seulement 10% sont revenus pour acheter un nouveau produit.
C’est ici que l’analyse de cohorte commence. Toujours dans notre exemple, imaginons que, sur les 20% de clients similaires à Martin qui sont effectivement revenus sur votre site, une extrême majorité d’entre eux ont ajouté un produit au panier, mais se sont arrêtés à la page « frais de livraison ». Il semble que tous les clients similaires à Martin aient été freinés par vos coûts de livraison, vous devriez donc peut-être lancer une campagne de type « livraison gratuite » auprès de ces clients. Félicitations, vous venez d’analyser votre première cohorte, et d’activer un levier de croissance !
Trois clefs pour comprendre l’analyse de cohorte
Clef 1 : Définir une cohorte
Une cohorte est toujours encadrée à l’intérieur d’une période donnée, durant laquelle un certain groupe d’utilisateur a navigué sur votre site, et/ou commis des actions précises. La première des choses à faire est donc de définir cette période de temps à étudier. Un peu à la manière d’une course, qui a un début et une fin, ce qui nous intéresse à propos de notre cohorte c’est de savoir quel comportement elle a eu durant cette « course » sur votre site. De manière plus concrète, vous pourriez – par exemple – analyser le comportement d’une cohorte durant un événement comme les soldes. Au-delà de la période choisie, et du profil de votre cohorte, vous pouvez bien sûr sectoriser un peu plus en choisissant de ne suivre, par exemple, que les utilisateurs arrivant sur votre site depuis Facebook, Google, ou autre…
Clef 2 : Définir une latence
Maintenant que notre cohorte est définie, en terme de période et de persona, il est l’heure de définir la durée durant laquelle vous allez suivre votre cohorte. Si, par exemple, votre objectif est d’appréhender le comportement de vos utilisateurs qui reviennent un mois après leur première visite : la durée de votre analyse devra donc s’étendre sur un mois. Il n’existe pas de bonne ou mauvaise façon de définir la période sur laquelle vous allez suivre votre cohorte, tout dépend de votre activité, des événements qui sont en cours, de l’industrie dans laquelle vous évoluez… On vous conseille alors de faire ce qui vous semble le plus logique, d’après votre propre expertise.
Clef 3 : Date de fin de votre analyse
Si vous souhaitez analyser une cohorte de visiteurs ayant fait un tour sur votre site entre le 1er et le 7 janvier, avec un mois de latence : vous obtiendrez vos résultats d’analyse le 7 février. Une fois passée cette date, les utilisateurs que vous avez observés ne seront plus considérés comme appartenant à cette cohorte. Soyez précis dans le choix de la date à laquelle doit prendre fin votre analyse de cohorte, sous peine de constater des remontées d’informations incomplètes. Prenons l’exemple ci-dessous pour mieux se rendre compte :
Dans cet exemple, nous avons défini une cohorte et nous cherchons à savoir combien de temps, en moyenne, cette dernière a passé sur notre site. Google Analytics a détecté 1374 utilisateurs correspondant à notre cohorte entre le 27 mai et le 2 juin, puis a continué à analyser le nombre de passages de ce même groupe de gens semaine après semaine. Enfin, dans ce cas précis, l’analyse de cohorte prend fin au 15 juillet.
On constate, par exemple, que les utilisateurs de notre cohorte étant passé sur notre site la semaine du 27 mai au 2 juin sont restés (en moyenne) 2m27 sur notre site lors de cette semaine, puis 16 secondes la semaine suivante, et enfin 6 secondes lors de la troisième semaine d’analyse. Ce qui surprend dans cet exemple, se sont les derniers résultats de « Week 1 » et « Week 2 », respectivement 4 secondes et 1 seconde… Ces chiffres s’expliquent simplement parce que cette capture d’écran a été prise un 9 juillet ! Ce qui signifie que, pour les « Week 1 » et « Week 2 » que nous venons de citer, l’info récupérée ne correspond qu’à 2 jours sur 7 de la semaine, ce qui plombe nécessairement vos statistiques à cet instant précis. Enfin, toujours dans cet exemple, l’analyse de cohorte prend fin au 15 juillet, ce qui veut dire que la case « Week 2 » relative à la semaine « 1er juillet – 7 juillet » restera vide, puisque cette dernière est supposée analyser le comportement des utilisateurs à une date ultérieure à la fin de l’analyse.
Les limites actuelles de l’analyse de cohorte
Si l’analyse de cohorte peut révéler des comportements intéressant à détecter pour orienter vos décisions stratégiques, cette fonctionnalité de Google Analytics présente encore quelques limites. La première d’entre elle est qu’il est difficile, à l’heure actuelle, de déterminer si plusieurs visites proviennent d’un seul et même utilisateur ou pas. Dans l’idéal, il vous faut suivre individuellement chaque utilisateur correspondant à la cohorte en question, et analyser son comportement sur la latence désirée. Ensuite, vous agrégez toutes ces informations individuelles pour obtenir une analyse de cohorte claire et précise.
Un autre problème provient de la terminaison de votre analyse. Google Analytics détermine qu’un utilisateur « revient » sur votre site si ce dernier se reconnecte au moins une fois 30 jours suivant sa première visite. Admettons que nous débutons une analyse de cohorte la semaine du 1er au 7 janvier, et que cette analyse prend fin au 7 février. Si un utilisateur passe sur votre site le 2 janvier, puis revient le 3 février, ce dernier ne sera pas considéré comme un « retour » par Google Analytics, puisque l’utilisateur est revenu 31 jours après sa première visite… C’est un biais d’analyse qu’il ne faut pas négliger, puisque Google Analytics enregistrera une « nouvelle visite », qui n’en est pas vraiment une.
Comment utiliser l’analyse de cohorte pour mon activité ?
Il faut bien comprendre une chose avant de se lancer dans l’analyse de cohorte : les informations que vous récupérerez, et les leviers que vous activerez par la suite, prendront du temps à produire leurs effets. A la différence d’une campagne de remarketing, par exemple, ou les effets sont relativement immédiat, l’analyse de cohorte est centrée sur le comportement et les habitudes des utilisateurs. Ce sont des aspects du marketing plus difficile à cerner. Entre le début d’une période d’étude cohorte, l’analyse à la fin de celle-ci, le lancement d’actions supposées être bénéfiques, et l’analyse de ces actions pour en déterminer l’efficacité réelle : il pourrait bien s’écouler entre 4 et 6 mois avant que vous obteniez des résultats tangibles.
Si ce laps de temps est assez inhabituel en web-marketing, il ne faut pas non plus sous-estimer l’efficacité d’une bonne analyse de cohorte ! De notre point de vu, l’analyse de cohorte peut dégager des informations clefs lorsqu’il s’agit de mesurer le effets d’une campagne promotionnelle de votre activité, ou encore mesurer l’engagement de vos consommateurs sur le long terme.
Conclusion
Dans le e-commerce, il faut aller vite, bien plus que dans le commerce physique traditionnel. Les outils comme Google Analytics permettent d’obtenir des informations quasiment en temps réel qui vont dans ce sens. Cependant, vous ne durerez pas longtemps si vous n’arrivez pas à engager vos consommateurs sur le long terme. A ce titre, l’analyse de cohorte se révèle être un outil clef pour vous plonger dans le comportement de vos utilisateurs, et ainsi dégager des axes de progression qui permettront à votre marque de s’installer durablement. Si l’analyse de cohorte peut décourager, de par sa complexité et le temps nécessaire pour analyser et agir en conséquence, vous ne devriez certainement pas la négliger : une bonne maitrise de cet outil sera votre meilleur allié pour améliorer votre expérience utilisateur.
Google Analytcis est un outil puissant, voici plusieurs lectures pour aller plus loin sur le sujet :
Laisser un commentaire