4. Google Analytics
DESCRIPTION
CAROLL 1ER FABRICANT DE JOUETS EN BOIS EN FRANCE
4
CA TOTAL
CA
(en ligne)
% CA
(en ligne)
Commande
en ligne
Coût
(en ligne)
Panier
moyen
(achat en
ligne)
1 686 178,57€ 94 426€ 5,6% 1 523 34 522€ 62€
CHIFFRES CLES 2014
5. Google Analytics
DESCRIPTION
CAROLL 1ER FABRICANT DE JOUETS EN BOIS EN FRANCE
5
RAPPORT D’AVRIL 2015
Sources de
trafic
Organic Referral (none) Email CPC
Total
Sessions 7502 2 450 352 1 353 4 251 15 908
Transactions 88 23 5 15 35 166
Panier
Moyen (€)
65 61,70 86,20 82,33 51,97 64
CA (€) 5 720 1 419 431 1 235 1 819 10 624
% CA Total 54% 13% 4% 12% 17% 100%
6. 2015
OBJECTIFS
DOUBLER LES CHIFFRES D’AFFAIRE EN LIGNE D’ICI 3 ANS
CA = 118 032,50€
Google Analytics
1 2016 20172 3
6
HYPOTHESES
+25% vs. 2014
CA = 141 639,00€ CA = 188 852,00€
+50% vs. 2014 +100% vs. 2014
17. Google Analytics
RECOMMANDATIONS
COURT TERME: ATTRIBUTION
17
Changer le modèle d’attribution de conversion = identification de la
campagne à l’origine d’une conversion
• Hypothèse : Mr Rossignol utilise le modèle « Dernier clic » configuré par défaut
dans Google Analytics (la dernière campagne s’attribue 100% de la conversion)
• Proposition : paramétrer le modèle d’attribution « Egal » afin de déterminer de
façon plus pertinente quelle campagne (email, réseaux sociaux, SEO, Adwords) a
été la plus déterminante dans l’acte de conversion
• Définition : Dans le modèle d’attribution Egal chaque campagne s’attribue 33,3%
de la conversion
• Pourquoi : Permettra de savoir par quels canaux le client est passé pour ensuite
déterminer la ou les campagnes à optimiser pour accroître la conversion (visiteur-
>acheteur), ainsi augmenter les ventes et le chiffre d’affaire
•Combien : Augmenter le budget de 10% sur la campagne la
plus performante (et inversement diminuer de 10% le budget de la
campagne la moins efficace
• Quand : Analyser les retombées 1 mois après la mise en place
de ce nouveau modèle
18. Google Analytics
RECOMMANDATIONS
MOYEN TERME: A/B TESTING
18
A/B Testing afin de tester les modifications du site sur le comportement des clients.
• Hypothèse : Les modifications apportées au site Caroll ne sont pas testées sur les internautes
avant d’être lancées définitivement
•Proposition : mettre en place A/B testing avec la solution de Google Analytics
•Définition : Un test A/B consiste à tester deux versions d'une page Web : une version A (la
version contrôle) et une version B (la variation) — avec le trafic en temps réel et à mesurer l'effet
de chaque version sur votre taux de conversion par exemple
•Pourquoi : Le test A/B est une façon simple de tester des modifications d'une page par rapport à
sa conception actuelle et d'identifier ainsi celles qui produisent des résultats positifs. Cette méthode
permet de s'assurer que toute nouvelle conception ou modification d'un élément sur votre page
Web améliore votre taux de conversion avant d'effectuer cette modification dans le code de votre
site.
•Combien : Admettons que la nouvelle version ait suscité une augmentation de 10% du taux de
conversion chez les visiteurs testés nous pouvons également prévoir une augmentation similaire
une fois la nouvelle version mise en place.
•Quand : tout au long de l’activité du site web.
20. Google Analytics
RECOMMANDATIONS
LONG TERME: SEGMENTATION ET RETARGETING
20
• Hypothèse : Monsieur Rossignol n’a jamais analysé son audience via Google Analytics et n’a pas
appliqué de filtres de segments / sous-segments pour comprendre leurs comportements, connaître
leur typologie et rebondir par la suite...
• Proposition : mettre en place un Google Analytics sur le site pour récolter des données de trafic, en
ressortir des typologies d’internautes et créer des segments exploitables.
• Définition : Permet d'isoler et d'analyser des sous-ensembles de votre trafic. Un segment peut
regrouper les utilisateurs par pays, ville, sexe, âge… Il peut être aussi constitué des utilisateurs qui
achètent une certaine gamme de produits ou qui consultent une section spécifique du site.
• Pourquoi : examiner les tendances, habitudes de navigation et consommation des visiteurs. Vérifier
les zones des rebond. Réagir en fonction : adapter le site en fonction des résultats pour améliorer
l’expérience en ligne, générer des audiences de retargeting…
• Combien : un taux de transformation de 20 à 30%
• Quand : 120 jours de récolte + 60 jours d’analyse des données + 30 jours de retargeting et
optimisation + 10 jours d’analyse des retombées = 220 jours (7 mois)
Segmenter la clientèle et le trafic du site pour mieux le comprendre et pour
vendre davantage sur le long terme