Dans ce post, nous verrons comment suivre l’ abandon de panier à l’ aide de Google Analytics.
En moyenne, environ 75 % des clients qui ajoutent des articles à un panier quittent le site sans effectuer d’achat.
Ce nombre varie ont rapporté les types de sites et peut dépendre de facteurs tels qu’une bonne conception de la caisse et de la longueur et de la complexité du processus d’achat.
Il s’agit de nos dernières informations d’abandon de panier de 2018, et nous pouvons voir que certains secteurs, comme la mode, ont des taux plus bas, tandis que des secteurs comme la finance et les voyages sont au-dessus du taux moyen.
Un certain niveau d’abandon de panier est une réalité, et les clients ont diverses raisons d’abandonner leurs achats. Cela dit, il est important de s’efforcer de maintenir les taux d’abandon aussi bas que possible, de même que d’essayer de récupérer tous les paniers d’abandon.
Pour cela, il est important de suivre l’abandon du panier, de rechercher tout changement et d’étudier les différences entre les différents segments de clientèle, appareils, régions, etc.
Le suivi de l’abandon du panier dans Google Analytics est assez simple. Il y a plusieurs un itinéraire manuel pour le faire, en configurant un entonnoir personnalisé, mais depuis l’année dernière, Google a rendu cela beaucoup plus facile.
Connectez-vous simplement à votre compte Google Analytics et accédez à Conversions > Attitude d’achat sur la gauche.
Vous verrez désormais un rapport comme celui ci-dessous montrant les différentes étapes du parcours client sur site pour la période que vous avez sélectionnée.
Le chiffre d’abandon du panier (ou panier), de même que le chiffre d’abandon de paiement ultérieur, montrant les visiteurs qui sont entrés mais n’ont pas terminé le paiement.
Les nombreux informations d’abandon de panier, y compris les nôtres, comptent le nombre total de paniers abandonnés, que ce soit sur la page du panier ou lors du paiement.
Du point de vue d’un détaillant, la séparation des deux statistiques leur permet d’observer les tendances en matière d’abandon de caisse. Par exemple, si le pourcentage d’abandon lors du paiement est supérieur à la normale, cela peut les alerter d’éventuels problèmes d’utilisation du paiement.
A partir de ces informations globales, l’intérêt est de les regarder de différentes manières en utilisant des segments.
Vous pouvez déjà voir les différences entre les nouveaux visiteurs et les visiteurs connus sous le graphique, mais il y a plus à regarder.
Si vous survolez l’une des flèches rouges du graphique, vous pouvez créer un segment.
Ces segments peuvent être appliqués à d’autres rapports. Par exemple, vous pouvez voir si les abandons sont influencés par l’appareil utilisé.
Vous pouvez appliquer les mêmes segments aux sources de trafic, aux régions, aux informations démographiques, au navigateur utilisé, etc.
Le but ultime est de saisir le attitude des clients sur votre site et d’apporter des améliorations là où vous identifiez d’éventuels problèmes.
Par exemple, si des nombres d’abandons plus élevés que d’habitude au stade du paiement, y a-t-il un problème ici ? Peut-être un champ de formulaire déroutant ou les clients ne voient-ils pas l’option de paiement qu’ils souhaitent ?
Si tel est le cas, vous pouvez effectuer des tests utilisateur pour identifier les problèmes et tester de nouvelles versions de la page afin de réduire les abandons.
Il y a plusieurs de multiples raisons possibles pour des taux d’abandon plus élevés, ou des pics là où ils sont plus élevés. Il se peut que votre site ne fonctionne pas aussi bien dans un navigateur précis, ou que les clients d’un emplacement particulier abandonnent car les frais d’expédition sont élevés.
La clé est d’employer vos informations pour comprendre votre abandon et être conscient de l’apparition de modèles inhabituels.
Il est aussi important de combiner l’analyse avec d’autres méthodes CRO. L’analyse peut vous aider à identifier les zones problématiques, mais une fois que ces zones de friction ont été identifiées, il s’agit alors de saisir le « pourquoi ».
L’analytique peut aider ici, mais il est probable qu’il faille un mélange de méthodes CRO pour vraiment identifier les causes de l’abandon ; les sondages et les commentaires des utilisateurs, de même que les tests d’utilisateurs observés sont parmi les plus efficaces.