Pour améliorer l’expérience client et le chiffre d’affaires, les entreprises doivent comprendre le comportement des clients. L’analyse des cohortes permet d’évaluer l’engagement et la rétention et ainsi de prendre les bonnes décisions : améliorez la création de compte ou créez des campagnes lors des mois de forte affluence, par exemple.

L’analyse des performances numériques est essentielle pour comprendre la façon dont les clients interagissent avec une entreprise et quelles actions peuvent être entreprises pour améliorer leur expérience. Dans cet article, nous allons explorer la façon dont utiliser l’analyse des cohortes pour mieux comprendre le comportement des clients.

Partie 1 : Comparaison des performances numériques entre les premières visites et les visites récurrentes

Contexte

Un client cherche à comprendre les performances numériques au cours des deux dernières années et envisage de développer un programme de fidélité pour stimuler les performances numériques. Tout d’abord, nous pouvons examiner la combinaison actuelle du site entre les nouveaux utilisateurs et les utilisateurs réguliers afin de comprendre le comportement actuel des deux groupes de visiteurs.

Performances numériques actuelles

1. En 2022, 62 % des commandes provenaient de premières visites, contre 38 % des commandes, issues de visites récurrentes (sujettes aux cookies, aux multiples appareils).
2. Le taux de conversion des nouvelles visites est légèrement plus élevé que celui des visites récurrentes pour les deux types de visites (11,6 % contre 11,4 %).
3. Par rapport à 2021, les taux de conversion ont diminué dans les deux segments.

Partie 2 : Analyse des cohortes - Visites renseignées, produit global

Pour comprendre l’attractivité du canal numérique et l’opportunité de générer des clients réguliers, la prochaine question à laquelle répondre est la suivante : quel est le volume de visiteurs qui reviennent sur le site chaque mois en 2022 ?

Présentation de l’analyse des cohortes

L’analyse des cohortes est un outil utile pour comprendre comment les cohortes interagissent avec une marque au fil du temps. Pour commencer, nous avons déterminé les questions auxquelles répondre :

1. Dans une année donnée, quelle est la période moyenne de rétention par mois ?
2. Quel est le volume des visiteurs sur le site qui reviennent chaque mois au cours d’une année donnée ?
3. Quel est l'impact des connexions sur la rétention ?
4. Existe-t-il des produits spécifiques qui ont entraîné une plus grande rétention ?

Configurer la table de cohorte

1. Définir la période sur janvier à décembre 2022

2. Critères d’inclusion :  Visites

3. Critères de retour :  Visites

4. Granularité :  Mois

5. Paramètres :  Calcul variable
   **Permet de calculer la rétention en fonction de la colonne précédente, et non de la colonne incluse. Cela signifie donc qu’un utilisateur est inclus dans chaque mois**

6. Segments :  vous pouvez sélectionner des segments spécifiques pour approfondir cette analyse.

   1. Pages de destination spécifiques
   2. Type d'appareil
   3. Canaux marketing
   4. Etc.

Interpréter les résultats

En 2022

1. Les mois avec les taux de rétention les plus élevés +1 mois comprennent janvier, avril et novembre
2. Les mois avec le plus grand volume comprennent février et mai
3. ~1 000 visiteurs reviennent sur le site tous les mois

En 2021

1. Les mois avec les taux de rétention les plus élevés +1 mois comprennent avril, janvier et mars
2. Les mois avec le plus grand volume comprennent février et mai

Éléments d’action :

Créez un segment basé sur les ~1 000 visiteurs et apprenez-en davantage à leur sujet :

• Où se trouvent-ils ?
• Quels produits achètent-ils tout au long de l'année ?
• Depuis quels magasins achètent-ils ?

Les mois clés mettent en évidence l’opportunité d’augmenter la rétention en fonction du volume :

• Existe-t-il des tactiques spécifiques qui peuvent générer des affinités supplémentaires en février et mai pour tirer parti du volume ?

Analyse répétée des commandes pour comprendre les clients réguliers

• Les taux de rétention +1 mois sont-ils les plus élevés pour les mêmes mois ?
• Les mois de visites les plus élevés sont-ils les mêmes pour les commandes ?

Partie 3 : Ajout de deux mesures à des critères d’inclusion

Comprendre l’impact de la connexion

Puisque ce client cherche à comprendre la valeur d’un programme de fidélité, l’étape suivante de l’analyse consiste à ajouter l’événement de succès de connexion en tant que mesure d’inclusion à la cohorte.

Avertissement : l’analyse des cohortes ne peut pas être utilisée pour les mesures calculées (telles que le taux de conversion) ou les mesures non entières (telle que le chiffre d’affaires). Seules les mesures pouvant être utilisées dans les segments peuvent être utilisées dans une Analyse des cohortes. En outre, elles ne peuvent être incrémentées que de >1 à la fois.

Le site est-il plus susceptible de retenir les utilisateurs qui se connectent ?

Quel serait l’impact si nous pouvions amener plus d’utilisateurs à se connecter ? Est-ce une expérience plus attrayante ?

Configuration du tableau de cohortes

1. Définir la période :  de janvier à décembre 2022
2. Critères d’inclusion :  Visites + événement de succès de connexion
3. Critères de retour :  Visites
4. Granularité :  Mois
5. Paramètres :  Calcul variable
   **Permet de calculer la rétention en fonction de la colonne précédente, et non de la colonne incluse. Cela signifie donc qu’un utilisateur est inclus dans chaque mois**

Interpréter les résultats

En 2022

1. Les mois avec les taux de rétention les plus élevés +1 mois comprennent janvier, avril et novembre (les mêmes mois que le premier tableau de cohortes)
2. Les mois avec le plus grand volume comprennent février, mai et décembre
3. ~2 500 visiteurs reviennent chaque mois **plus que le double**

Éléments d’action :

Exploration de l’expérience utilisateur du site pour demander aux utilisateurs de créer un compte lors du check-out

Partie 4 : Cohorte de dimension personnalisée

Cohorte de dimension personnalisée : créez des cohortes en fonction de la dimension sélectionnée, plutôt qu’en fonction du temps (par défaut). Nombre de clients veulent analyser leurs cohortes en fonction d’autres aspects que le temps. La nouvelle fonctionnalité Cohorte de dimension personnalisée vous fournit la flexibilité de créer des cohortes en fonction des dimensions de votre choix. Utilisez des dimensions telles que le canal marketing, la campagne, le produit, la page, la région ou toute autre dimension dans Adobe Analytics de façon à afficher l’évolution de la rétention en fonction des différentes valeurs de ces dimensions. Le

La définition de segment de cohorte de dimension personnalisée applique la dimension uniquement dans le cadre de la période d’inclusion, et non dans le cadre de la définition du renvoi.

Après avoir choisi l’option Cohorte de dimension personnalisée, vous pouvez faire glisser et déposer n’importe quelle dimension dans la zone de dépôt. Cela vous permet de comparer des éléments de dimension similaires sur la même période. Par exemple, vous pouvez comparer les performances des villes côte à

côte, de produits, de campagnes, etc. Vous verrez vos 14 principaux éléments de dimension. Cependant, vous pouvez utiliser un filtre (accessible en survolant la partie droite de la dimension déposée) pour afficher uniquement les éléments de dimension désirés. Une cohorte de dimension personnalisée ne peut pas être utilisée avec la fonctionnalité de tableau de latence.

Quels produits sont les moteurs de l’attractivité du site ?

Le tableau Cohorte de dimension personnalisée met en évidence les produits qui génèrent des taux de rétention supérieurs à la moyenne. Ce tableau permet d’identifier vos principaux produits afin de piloter des campagnes marketing internes et externes à l’aide de produits dignes d’attention.

En février :  3 produits se distinguent avec des taux de rétention plus élevés

1. Produit 1
2. Produit 2
3. Produit 3

En mars :

1. Produit 1
2. Produit 2
3. Produit 3 : souvent plus performant avec un taux de rétention plus élevé que la rétention moyenne.

Conclusion

L’analyse des cohortes et la cohorte de dimension personnalisée sont de puissants outils pour comprendre le comportement des clients et améliorer les performances numériques. En analysant les taux de rétention, les taux de connexion et l’impact de produits spécifiques, les entreprises peuvent prendre des décisions basées sur les données afin d’améliorer l’expérience client et de stimuler la croissance.