Cartographier le funnel mode : de l'awareness au réachat

Votre plateforme publicitaire annonce un taux de conversiontaux de conversionLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète → de 2,4 %. Le back office de la boutique dit 1,85 %. La propriété analytics se situe quelque part entre les deux. Personne ne ment : trois outils comptent trois dénominateurs différents, et l'un d'eux attribue un achat à un clic vieux de neuf jours. Tant que le funnelfunnelLe parcours client de la découverte à l'achat, généralement Awareness, Interest, Consideration, Decision, Action, avec des prospects de moins en moins nombreux à chaque étape.Voir la définition complète → n'a pas une liste d'étapes validée, un événement par étape et un dénominateur par taux, chaque réunion de performance devient une réunion sur les données.

Cette leçon cartographie les étapes que traverse un shopper mode, nomme l'événement qui marque chacune d'elles et rattache chaque taux à son dénominateur. Ce que vous avez payé pour le trafic, et ce que valent les acheteurs dans le temps, font l'objet d'autres leçons de ce module.

Le funnel mode, étape par étape

Cinq portes, cinq événements. Chacune fuit, et chacune a un taux qui n'a de sens que rapporté à la bonne base.

*Les noms d'événements suivent la spec ecommerce de Segment, que la plupart des CDP et tag managers reprennent. Des ordres de grandeur sectoriels pour ces taux fin 2025 existent dans des sources publiques comme le Baymard Institute ; c'est dans la leçon benchmarks de ce module que ces chiffres se discutent.*

Regardez la ligne add-to-cart. Rapportée aux sessions, elle affiche 8,5 %. Rapportée aux visiteurs produit, 19 %. Les deux sont appelées « taux d'add-to-cart » dans la nature, et une équipe qui les mélange se félicitera d'une amélioration de 10 points venue d'un changement de mix de trafic. Inscrivez le dénominateur dans le nom de la métrique sur votre dashboard : `atc_rate_per_pdp_viewer`. C'est laid et ça met fin au débat.

Où se situent les fuites

Fuite à l'ajout au panier

Seuls 8 500 des 45 000 visiteurs produit ont ajouté quelque chose. L'hésitation ici porte généralement sur la clarté du prix, les visuels, ou des informations manquantes (matière, taille du mannequin, conditions de retour).

Il existe un piège de comptage propre au prêt-à-porter. Une cliente qui ajoute un M, change d'avis et ajoute un L déclenche deux événements Product Added. Comptez les événements et votre taux d'add-to-cart gonfle de 10 à 15 % sur les catégories à fort enjeu de taille comme le denim. Comptez les paniers distincts contenant au moins une ligne, et le chiffre tient. Même correctif pour le changement de taille dans le mini panier, que certains thèmes déclenchent comme ajout + suppression + ajout.

Fuite au checkout

8 500 paniers, 3 900 checkouts démarrés : environ 54 % perdus avant la page de paiement. Les travaux au long cours de Baymard situent l'abandon de panier en ligne moyen documenté près de 70 % sur l'ensemble de l'ecommerce, mesuré du panier à la commande finalisée plutôt que du panier au démarrage du checkout, d'où l'écart entre les deux chiffres. Les causes habituelles :

• Frais de livraison surprise révélés au checkout
• Création de compte obligatoire
• Absence du moyen de paiement préféré (Klarna, Apple Pay, PayPal)
• Checkout mobile lent

Le tueur propre à la mode : taille et fit

Une part importante de l'abandon en prêt-à-porter relève de l'incertitude sur la taille et le fit. Les shoppers ajoutent deux tailles « pour être sûrs », puis bloquent. D'autres partent chercher un guide des tailles et ne reviennent jamais.

L'anxiété sur le fit réapparaît après l'achat sous forme de retour, raison pour laquelle le funnel ne doit pas s'arrarrL'Annual Recurring Revenue (ARR) est le revenu normalisé et prévisible qu'une entreprise par abonnement attend de ses contrats actifs sur une année.Voir la définition complète →êter à Order Completed. Déclenchez un événement `Order Refunded` ou un événement de retour indexé sur l'ID de commande, le SKU et le motif déclaré, puis calculez la version de la conversion qui compte :

Conversion nette = commandes conservées, pas commandes passées. Si 1 850 commandent et qu'un quart revient, vous en avez gardé environ 1 388. La conversion brute flatte tous les canaux qui vendent des produits à risque de fit.

Correctifs qui valent d'être instrumentés pour pouvoir en lire l'effet : guides des tailles détaillés, quiz de fit-finder, mentions « le mannequin mesure 178 cm et porte une taille M », photos de fit clientes, essayage virtuel. Les réductions de retours annoncées par les prestataires méritent du scepticisme ; déployez l'outil de fit sur la moitié de vos PDP et lisez l'écart vous-même.

🎬 [VIDEO: "How Fashion Brands Reduce Returns" - youtube.com - un panorama pratique des technos de fit et des tactiques de réduction des retours dans l'ecommerce mode]

Les métriques d'engagement qui prédisent l'achat

Avant qu'une personne convertisse, son comportement signale l'intention. Chacun mérite un événement tracké :

• Profondeur de pages produit : trois produits vus ou plus dans une session corrèle fortement avec l'achat.
• Zoom et interactions image : le zoom sur le détail de matière est un proxy du toucher, et ceux qui zooment convertissent davantage.
• Ouvertures du guide des tailles : signal positif d'intention sérieuse, tant que la session ne s'arrête pas là.
• Ajouts en wishlist : fort prédicteur d'un achat ultérieur, surtout avant les périodes de soldes.
• Sessions de visiteurs récurrents : les acheteurs de prêt-à-porter viennent couramment deux à quatre fois avant de commander. La conversion en première session est rare, ce qui explique précisément pourquoi les taux de conversion last-click basés sur la session paraissent bas.

engagement_rate = sessions_with_action / total_sessions

# Exemple
sessions_with_action = 62000   # scroll, zoom, ajout en wishlist, etc.
total_sessions       = 100000
engagement_rate      = 62000 / 100000
# = 0.62  -> 62%

Un engagement qui progresse avec une conversion plate signifie que le haut du funnel fonctionne et que le checkout ou le fit ne fonctionne pas. Diagnostiquez l'écart au lieu d'acheter plus de trafic.

Instrumenter le funnel : un événement, un owner

Un tracking plan est un document, pas un réglage. Il liste chaque événement, ses propriétés, qui en est propriétaire et quel dashboard le consomme. Segment, qui vend la couche de données client dont il est question ici, structure cela autour de deux appels : track pour le comportement et identify pour savoir qui est la personne. Si identify ne se déclenche qu'au checkout, tout ce qui précède la vente reste anonyme et votre taux de réachat est calculé sur les seuls titulaires de compte.

Trois modes de défaillance qui réécrivent discrètement les chiffres :

1. Perte côté client. Bloqueurs de pub, ITP et onglets abandonnés font que les événements d'achat déclenchés par le navigateur sous-comptent la table des commandes, souvent de 5 à 15 %. Faites de l'enregistrement de commande côté serveur la source de vérité pour la ligne achat, réconciliez chaque mois, et traitez tout écart supérieur à quelques pourcents comme un funnel cassé plutôt qu'un problème d'arrondi.
2. Checkout invité. Si la plupart des commandes se passent de création de compte, un taux de réachat indexé sur les IDs clients sous-évaluera fortement. Rapprochez sur l'email hashé, et acceptez qu'un shopper qui achète avec une adresse professionnelle puis une adresse personnelle apparaisse comme deux personnes.
3. Achats hors propriété. Glossier vend via Sephora en Amérique du Nord depuis 2023. Le deuxième achat d'une cliente peut se faire sur une étagère qui ne déclenche aucun de vos événements, donc votre taux de réachat paraît plus faible que la réalité alors que le sell-through wholesale se porte bien. Zara a la même couture en sens inverse : une session en ligne qui se termine par une visite en magasin ou un retrait click-and-collect ressemble à un abandon, sauf si les transactions magasin sont rattachées au profil web.

Les définitions de session comptent aussi. La plupart des outils analytics clôturent une session après 30 minutes d'inactivité, donc un shopper qui navigue sur son téléphone au déjeuner et achète sur son portable le soir génère deux sessions et une commande, sauf si un user ID les recoud. Votre dénominateur gonfle, votre taux de conversion se dégonfle, et aucune campagne n'en est la cause.

Rétention : les 320 qui sont revenus

Sur 1 850 acheteurs, 320 ont racheté dans les 12 mois : un taux de réachat d'environ 17 %. Précisez de quel taux de réachat vous parlez, car trois circulent :

• réacheteurs divisés par les nouveaux acheteurs de la même fenêtre de cohorte (utilisé ci-dessus)
• commandes de réachat divisées par toutes les commandes de la période
• clients avec deux commandes ou plus sur leur vie divisés par tous les clients de l'histoire

Le deuxième flatte les marques avec un petit noyau fidèle ; le troisième ne fait jamais que monter. Choisissez-en un, datez-le, et gardez-le.

Deux autres mesures ont leur place dans le plan. Le délai jusqu'au deuxième achat en prêt-à-porter se situe souvent entre 3 et 6 mois, donc une lecture de cohorte à 90 jours est prématurée. La rétention par cohorte suit les acheteurs de chaque mois comme un groupe : si la cohorte de janvier 2026 tient à 40 % à 3 mois et 15 % à 12 mois, la défaillance est en milieu de cycle de vie (email en sommeil, pas de relance de réachat, pas de réactivation saisonnière) plutôt qu'une question de qualité d'acquisition.

Leviers de rétention concrets en prêt-à-porter

• Relance post-achat sur le fit (« la taille vous a-t-elle convenu ? ») qui réinjecte la donnée de taille dans la PDP
• Notifications de drop indexées sur les catégories déjà achetées
• Alertes retour en stock et baisse de prix sur les articles en wishlist
• Récompenses de fidélité ciblées sur la deuxième et la troisième commande, là où la chute est la plus forte

Assembler le funnel

Lisez l'ensemble comme un diagnostic, pas comme un tableau de scores :

• Session vers vue produit faible ? Les publicités ou les landing pages ne collent pas à l'intention.
• Vue produit vers panier faible ? Visuels, prix ou lacunes d'information.
• Panier vers achat faible ? Friction au checkout ou anxiété sur le fit.
• Premier achat vers réachat faible ? Satisfaction produit, taille, ou marketing de cycle de vie (ou un achat hors propriété que vous n'avez jamais enregistré).

Réparer la plus grosse fuite bat l'achat de trafic supplémentaire. Doubler à 200 000 visites à 1,85 % vous donne une copie plus grande du même problème, plus une facture d'acquisition plus lourde.

Points clés

• Un événement par étape, un dénominateur par taux. L'add-to-cart affiche 8,5 % rapporté aux sessions et 19 % rapporté aux visiteurs produit ; nommez la base dans la métrique.
• Dédupliquez le bruit propre au prêt-à-porter. Les changements de taille déclenchent des événements Product Added répétés et gonflent les métriques de panier sur le denim et la chaussure.
• Réconciliez les événements côté client avec la table des commandes. Les bloqueurs et ITP masquent couramment 5 à 15 % des achats déclenchés par le navigateur.
• Suivez les retours comme une étape du funnel. 1 850 commandes avec un quart retourné, cela fait environ 1 388 clients conservés, et la conversion nette est le chiffre qui survit au contact avec la finance.
• Le taux de réachat dépend de l'identité. Le checkout invité et les étagères wholesale comme Glossier chez Sephora l'écrasent tous les deux ; le retrait en magasin chez une marque comme Zara écrase la conversion en ligne. Recousez les profils ou lisez les chiffres de travers.