Des visites, mais pas de commandes : que vérifier avant de refaire une boutique de vêtements ?

1. Distinguez d'abord trois problèmes différents

Avant de parler de conversion, rapprochez les données de la boutique, du prestataire de paiement et de l'outil d'analyse. Des commandes sont-elles créées ? Lesquelles sont payées, annulées ou remboursées ? Que montre le rapport ? Fixez la période, le fuseau horaire, la devise et le statut de commande retenu.

La création d'une commande, la confirmation d'un paiement et l'enregistrement d'un achat dans l'outil d'analyse sont trois vérifications différentes. C'est particulièrement important pour le paiement à la livraison. Ne changez pas la définition de réussite entre deux périodes.

Conservez quelques exemples précis, avec date et identifiant de commande. Une capture d'un graphique global ne suffit pas à localiser la rupture. Retirez les données personnelles de tout rapport public.

2. Vérifiez que l'analyse enregistre réellement les achats

GA4 prévoit des événements distincts pour les vues de produits, le panier, la commande, les achats et les remboursements. Leur mise en œuvre doit être correcte : les seules pages vues ne suffisent pas. 1

Nous proposons de convenir avec le développeur d'un plan de mesure court. Les noms suivants appartiennent à GA4 ; ce n'est ni du code à copier ni une obligation d'utiliser cet outil.

Google définit les événements ; la dernière colonne est notre proposition de contrôle. 1 Pour un achat, vérifiez transaction_id , les articles, le montant et la devise selon la spécification. 2 Conservez un identifiant stable par commande et vérifiez qu'une nouvelle ouverture de la confirmation ne double pas le résultat.

Ne cherchez pas une égalité absolue entre outils à n'importe quel prix. Shopify décrit notamment l'influence du consentement aux cookies et des bloqueurs sur certains relevés par session. 4 Expliquez les écarts avant de changer la collecte, sans contourner la protection de la vie privée pour améliorer un graphique.

N'envoyez pas à GA4 de noms, d'adresses email, de téléphones ou d'autres données identifiantes, y compris dans les URL et paramètres d'événements. 12 Utilisez des données de test sûres et les fonctions de débogage prévues.

3. Repérez la transition à examiner

Visiteurs, sessions, événements et commandes sont souvent mélangés. Choisissez d'abord l'unité. Shopify distingue explicitement les commandes des sessions avec achat terminé : plusieurs commandes peuvent appartenir à une même session. 3

Prenons 2 000 sessions comparables de boutique . L'entonnoir pédagogique est fermé et séquentiel : chaque étape suivante compte après la précédente, dans la même session, et une session compte une fois par étape. Les événements répétés ne sont pas additionnés. Les achats par un raccourci sont analysés séparément.

Calculez une transition ainsi : sessions de l'étape suivante / sessions de l'étape précédente × 100 % . Pour la part globale, utilisez les 2 000 initiales. Diviser des événements par des personnes ne donne pas la même mesure.

Ici, 120 des 1 200 sessions avec consultation atteignent le panier. Examinez taille, disponibilité, offre et mesure. Sur 80 débuts de commande, 20 aboutissent : vérifiez livraison et paiement. Ces chiffres n'établissent aucune cause à eux seuls.

N'appelez pas les 1 980 autres sessions des « clients perdus ». Nous ignorons combien de personnes souhaitaient acheter immédiatement. Si votre rapport compte des utilisateurs, respectez ses définitions et ses dénominateurs au lieu de reprendre ces chiffres.

4. Comparez le trafic avec la promesse de la boutique

Examinez plusieurs pages d'entrée en suivant une publicité ou une publication précise. Produit, prix, image, taille disponible et conditions concordent-ils ? L'annonce d'une veste mène-t-elle à cette veste, plutôt qu'à une collection qui ne la contient plus ?

Séparez l'examen par appareil, origine, pays de livraison, langue et page d'entrée. Ce sont des angles de travail, pas une obligation de produire des dizaines de rapports. Commencez par le segment qui a changé et comparez-le à une période réellement comparable.

Exemple pédagogique : un article de style attire davantage de visites vers le magazine, tandis que les commandes restent stables. Une baisse de la part d'achats dans cette audience mélangée ne démontre pas une dégradation du paiement. Analysez séparément les visites des pages marchandes.

Avant d'augmenter la publicité, vérifiez aussi la disponibilité de la variante annoncée et la desserte du pays concerné. Un bouton différent ne rend pas utilisable une offre inaccessible à la personne qui arrive.

5. Examinez la fiche vêtement : taille, coupe et disponibilité

Les recherches de Baymard montrent l'utilisation des informations de taille pour choisir un vêtement ; les photos portées apportent du contexte sur la coupe et l'échelle. 7 8 Cela justifie leur examen, sans garantir un pourcentage de ventes supplémentaire.

Notre proposition consiste à répondre aux questions d'achat réelles, plutôt qu'à imposer le même nombre de photographies partout. Utilisez les critères suivants pour une revue interne.

Testez séparément le changement de coloris. Une taille disponible reste-t-elle sélectionnée ? Les bonnes images changent-elles ? Un stock inexistant est-il affiché ? Faites réaliser ce parcours à un collègue sans assistance du concepteur.

Si des mesures manquent, demandez-les à l'équipe produit. N'inventez pas des centimètres pour remplir un tableau. La rareté artificielle et les avis non vérifiés ne remplacent pas une offre claire et exacte.

6. Testez la commande et le paiement jusqu'au bout

Ne vérifiez pas seulement un achat réussi. Commencez dans l'environnement de test autorisé du prestataire. Stripe documente par exemple la simulation de paiements réussis, refusés et authentifiés sans mouvement d'argent réel. 6

Choisissez un produit, une livraison et un moyen de paiement. Après le parcours de base, ajoutez les incidents. La matrice ci-dessous est un plan proposé, pas le compte rendu de tests déjà réalisés.

Le W3C recommande des notifications claires d'erreur et de réussite, accompagnées d'indications de correction. 9 Un contour rouge sans texte ne suffit donc pas pour notre contrôle de réception.

Déterminez quand apparaissent le montant final et les livraisons possibles. Vérifiez aussi le code promotionnel, l'achat sans compte s'il existe et le retour depuis la fenêtre de paiement externe. Un test réussi ne valide pas tous les moyens de paiement ni tous les pays.

7. Vérifiez le parcours mobile, pas seulement un score de vitesse

Ouvrez une fiche, choisissez une taille, affichez le clavier du formulaire et revenez du paiement. Une bannière, un chat ou une barre fixe masque-t-il une action importante ? L'erreur est-elle visible sans parcourir toute la page ? Peut-on agrandir le texte et continuer l'achat ?

Les repères Core Web Vitals sont LCP ≤ 2,5 s, INP ≤ 200 ms et CLS ≤ 0,1 , évalués au 75e percentile en distinguant mobile et ordinateur. 10 Ce ne sont ni des normes de conversion ni des promesses de ventes.

Les données de terrain CrUX ne couvrent pas toutes les pages : des conditions d'inclusion et de volume de données s'appliquent. 11 Leur absence ne signifie pas une mauvaise vitesse. Un test de laboratoire est un constat dans des conditions données, pas l'expérience de toute l'audience.

Priorisez la fiche et la commande concernées plutôt que la seule page d'accueil. Notez appareil, navigateur, connexion et action. « L'interface se bloque au choix de taille » est une tâche plus exploitable que « accélérer le site ».

8. La commande est-elle parvenue à l'équipe ?

Pour les paiements externes, Shopify décrit des situations où le paiement aboutit mais où sa confirmation n'est pas correctement transmise à la boutique. 5 Une commande absente de la liste attendue ne signifie donc pas toujours un abandon.

Nous proposons de suivre la chaîne : enregistrement → confirmation du paiement → statut convenu → tâche pour l'équipe → message au client. Un email ne devrait pas être votre seule preuve d'existence de la commande.

Attribuez la gestion des écarts à un responsable. Comment détectera-t-il un enregistrement sans notification, une confirmation tardive ou un transfert CRM échoué ? Ne modifiez pas manuellement un statut financier sans vérifier les données originales et suivre le processus convenu.

Si la boutique fonctionne par demandes, appliquez la même logique au formulaire. Google prévoit generate_lead pour une demande générée. 13 Un clic vers une messagerie ne prouve pas la réception d'un message. Suivez une demande test jusqu'au collaborateur et mesurez ensuite la vente séparément.

9. Séparez correction d'erreur et test d'hypothèse

Une panne reproductible n'a pas besoin d'attendre un test A/B pour être reconnue. Elle exige en revanche une nouvelle vérification après correction. « Une autre formulation augmentera les ventes » est une hypothèse distincte dont le résultat doit être évalué.

Une tâche doit préciser observation, preuve, comportement attendu, responsable et contrôle. « Améliorer l'UX » ne définit ni le travail ni son acceptation.

10. Évaluez les changements sans inventer une hausse

Supposons que la part des sessions avec achat passe de 1 % à 1,5 %. C'est +0,5 point de pourcentage, soit +50 % relativement à la valeur initiale , et non +50 points. Une arithmétique exacte ne prouve toujours pas que le changement du site en est la cause.

Notez les évolutions simultanées de publicité, prix, assortiment, stock et livraison. Comparez des périodes et segments équivalents. Pour un test A/B, définissez à l'avance la mesure principale, l'affectation, le volume de preuves nécessaire et la règle d'arrêt. N'arrêtez pas au premier résultat favorable.

Avec peu d'achats, privilégiez les erreurs reproductibles et l'observation plutôt que de désigner un gagnant après quelques commandes. Il n'existe pas de règle universelle disant que sept jours suffisent. Si la causalité ne peut être isolée, décrivez une différence observée après modification, avec d'autres influences non départagées.

Surveillez aussi annulations, retours et charge de travail. Une remise ou une promesse de livraison rapide peut modifier le nombre de commandes sans rendre le résultat rentable ou réalisable.

11. Quand une refonte devient pertinente

Nous proposons d'envisager une refonte globale lorsque l'examen révèle des obstacles liés entre navigation, fiche et commande qui ne peuvent raisonnablement être corrigés localement. Étayez la décision par des observations, un parcours proposé et une manière de le tester avant le déploiement complet.

Une refonte ne corrige pas seule des stocks faux, un trafic inadapté ou une confirmation serveur perdue. Si une limite de plateforme intervient, revenez à « Créer une boutique de vêtements en ligne : Tilda, Shopify ou développement sur mesure ? ». Pour le budget, utilisez « Combien coûte une boutique de vêtements en ligne ? Le lancement et la première année ».

Le but est ici différent : identifier le problème avant de choisir une solution coûteuse. Parfois, un formulaire corrigé et des informations exactes suffisent. Parfois, plusieurs parcours doivent être reconstruits. L'examen doit déterminer le périmètre.

13. Par où commencer pour le responsable de boutique

Réunissez la page concernée, la période, l'origine du trafic, la définition d'un achat réussi et quelques exemples anonymisés. Parcourez la commande et notez la première rupture confirmée. Attribuez ensuite une correction ou un test d'hypothèse selon les preuves.

Un diagnostic utile n'est pas une centaine de conseils génériques. Il explique ce qui fonctionne mal, ce qui reste inconnu et ce qui sera vérifié ensuite.

Discutez avec VITON13 d'une revue du parcours client, de la fiche vêtement à la commande confirmée et reçue par l'équipe. Transmettez les accès uniquement par un processus sécurisé convenu, jamais dans des commentaires publics ou le texte de l'article.