Les mesures à long terme comme la valeur du cycle de vie des clients (LTV – Life time value) et le taux de désabonnement sont souvent ignorées dans les processus d’analyse et d’optimisation. Certainement parce qu’il est assez difficile de suivre et mesurer la fidélité à l’aide d’outils courants comme Google Analytics et Optimize.
Elles sont pourtant très instructives lorsqu’elles sont associées à d’autres mesures plus basiques, comme les transactions ou les revenus. Dans cet article, nous faisons le point sur plusieurs manières de suivre le taux de désabonnement et le cycle de vie des clients avec Google Analytics et vous proposons d’autres solutions encore plus utiles…
Selon le logiciel que vous utilisez, il peut y avoir des solutions prêtes à l’emploi. Par exemple, sur Shopify, vous pouvez utiliser Littledata pour envoyer une valeur LTV plus précise dans une interface personnalisée de Google Analytics. Le plus souvent, cependant, il n’y a pas de bonne solution disponible et il est nécessaire de faire de nouveaux développements sur vos configurations existantes dans vos comptes Analytics.
Certains pensent souvent, à tort, que ces mesures de rétention à long terme sont pertinentes uniquement pour quelques types d’entreprises spécifiques. Il est vrai que des indicateurs tels que le taux de désabonnement sont essentiels pour les produits SaaS et les produits d’abonnement, pourtant toute entreprise qui suit attentivement son activité devrait mettre en place ses indicateurs de performance à long terme tel que le taux de fidélité, taux de réachat. Et nous ne parlons pas simplement de les suivre, mais de les analyser et d’optimiser l’activité en tenant compte de ces indicateurs.
Et nous ne sommes pas les seuls ! La Harvard Business Review souligne ainsi : « L’acquisition d’un nouveau client est de cinq à 25 fois plus coûteuse que la fidélisation d’un client existant. C’est logique : vous n’avez pas besoin de consacrer du temps et des ressources à la recherche d’un nouveau client – il faut garder celui que vous avez déjà. »
Donc, si vous vous êtes concentré sur l’acquisition de nouveaux clients et sur des mesures telles que les revenus ou les transactions, cet article est fait pour vous !
Comment mesurer les indicateurs de fidélisation tels que la LTV et le taux de désabonnement ?
Les indicateurs de fidélisation à long terme les plus pertinents pour vous dépendent de votre secteur d’activité, mais les plus courants sont la valeur du cycle de vie des clients (LTV) et le taux de désabonnement. Vous trouverez ci-dessous une liste de KPI de fidélisation populaires. À vous de voir lesquels sont les plus pertinents pour votre entreprise !
Mesures courantes de fidélisation de la clientèle (Source )
Taux de désabonnement
Taux d’attrition du chiffre d’affaires
Taux de croissance des clients existants
Taux d’achat répété
Taux de retour des produits
Jours d’encours de vente
Score de promoteur net
Temps entre les achats
Taux de clients fidèles
Valeur du cycle de vie des clients
Identification de l’utilisateur pour Google Analytics
Presque toutes les mesures de rétention nécessitent une mise en œuvre correcte de l’ID utilisateur.
Cela signifie que vous devez identifier l’utilisateur au fil du temps, même s’il utilise plusieurs appareils ou navigateurs. Heureusement, dans la plupart des cas, les actions telles que la réalisation d’un achat ou la souscription à un abonnement impliquent une certaine forme d’authentification.
S’il est possible de suivre les mesures de rétention avec Google Analytics seul, dans la plupart des cas, vous obtiendrez des résultats bien meilleurs (et plus précis) en le combinant avec d’autres solutions.
Envoi de données de rétention dans Google Analytics
Cette solution consiste à envoyer les données de rétention dans une interface personnalisée de Google Analytics.
Le flux de travail exact dépend du logiciel (CRM, CMS, base de données, etc.) que vous utilisez, mais le processus général ressemble à ceci.
Créez une dimension personnalisée dans Google Analytics (adaptée à l’utilisateur)
1. Créez une dimension personnalisée dans Google Analytics (adaptée à l’utilisateur)
2. Pour les utilisateurs connectés/identifiés, tirez les valeurs des mesures de rétention pertinentes à partir d’une base de données ou d’un autre système (CRM, CMS…)
Voici un exemple avec des données de commande stockées dans BigQuery.
3. Rendez les mesures de rétention disponibles dans la couche de données (Datalayers)
4. Envoyez vos mesures de rétention dans le tableau de bord
Utilisez Google Tag Manager pour envoyer vos mesures de rétention à Google Analytics, en utilisant la dimension personnalisée ou les emplacements/indices de mesure selon la façon dont vous les avez configurés à l’étape 1.
Maintenant que ces données sont disponibles dans Google Analytics, vous pouvez en faire ce que vous voulez ! Voici quelques exemples.
Utilisation de la LTV dans un rapport personnalisé de Google AnalyticsLa LTV dans le rapport de l’explorateur des utilisateurs de Google Analytics
Remarquez la différence entre la LTV que Google Analytics indique par défaut (439 $) et la valeur que nous voyons dans la dimension personnalisée (2 016 $).
Cela s’explique par le fait que Google Analytics ne peut pas suivre l’utilisateur avec autant de précision que votre système backend ou la plateforme de commerce électronique que vous utilisez.
Il en va de même pour les autres mesures de rétention, l’obtention de mesures précises nécessite un travail personnalisé.
Segments personnalisés dans Google Analytics
La liste des cas d’utilisation possibles de ce type de données est illimitée.
Nous vous recommandons donc de créer des segments personnalisés dans Google Analytics pour les clients qui se situent dans les 10 % supérieurs en termes de LTV pour voir ce qui les différencie du reste des visiteurs.
Outre le fait que pourcentage de ces clients effectuent des achats plus nombreux/plus importants, bien sûr. Des éléments tels que leur source de trafic, les pages sur lesquelles ils ont atterri, les variantes de tests A/B qu’ils ont vues, etc. peuvent être très instructifs.
Stockage et analyse des données à plus grande échelle
Si vous n’êtes qu’au début de l’utilisation des mesures de rétention et que vous optimisez encore principalement des mesures génériques telles que les sources de revenus, le total des transactions et le total des revenus, vous avez tout intérêt rester sur Google Analytics.
Mais si vous voulez passer à l’étape supérieure, pour analyser en profondeur et optimiser la fidélisation et le cycle de vie des clients, vous avez besoin d’un système de gestion des données spécifique.
Voici un guide rapide, étape par étape :
Envoyez toutes les données Google Analytics dans un système spécifique de gestion des données (par exemple, BigQuery).
Les outils utilisant l’API de reporting (la plupart d’entre eux) peuvent vous aider à démarrer, mais pour obtenir de véritables données non échantillonnées au niveau des résultats, il vous faut un outil tel que Parallel Tracking.
Transférez, triez, faites remonter les données d’autres sources pertinentes dans votre système de gestion de données.
Il peut s’agir de votre base de données, de votre CRM, de vos outils de marketing, de vos plateformes publicitaires, de votre support client, de votre chat en direct et de tout autre outil contenant des données sur vos clients et leurs interactions avec votre marque. Des outils en libre-service comme Stitch peuvent vous aider à démarrer, mais nous vous recommandons des solutions plus flexibles.
Enfin, pour accéder aux données stockées dans votre système de données : vous avez besoin d’un outil (il peut s’agir d’outils distincts) capable de gérer les requêtes ad hoc, les tableaux de bord, les rapports automatisés et la création de modèles de données. Des solutions comme Google Data Studio vous permettront de démarrer. Mais Looker ou Tableau sont plus performants. Dans tous les cas, la meilleure solution sera composée d’un ensemble d’outils optimal pour vous, adapté à vos besoins spécifiques.
Si Google Analytics vous a permis de réaliser toutes sorte de rapports et analyses utiles, avec la configuration ci-dessus, vous verrez à quel point les options deviennent riches, pour ne pas dire illimitées !
Disposer d’un système de gestion et d’analyse de données approprié constitue un réel avantage concurrentiel
Non seulement il vous donne la possibilité d’obtenir une très bonne vue d’ensemble de l’état actuel de votre entreprise et de vos clients, mais il permet également d’optimiser véritablement l’expérience et le parcours de l’utilisateur.
Ce qui conduit à une amélioration des mesures de rétention, de la baisse de vos coûts d’acquisition et la hausse de votre chiffre d’affaires.
N’oubliez pas que l’acquisition d’un nouveau client coûte de cinq à 25 fois plus cher que la fidélisation d’un client existant !
Pour vous convaincre de l’utilité d’un système de gestion de données efficace, voici quelques exemples de questions auxquelles il serait très difficile de répondre sans cela :
Les achats provenant de quels canaux de trafic sont les plus susceptibles d’être remboursés à un moment donné dans le futur ? Cela pourrait vous amener à revoir votre budget marketing.
Quelles sources de trafic ont la rétention/LTV la plus élevée ?
Quelle est la corrélation entre la valeur de l’abonnement ($) et le taux de désabonnement ?
Quel est l’impact à long terme de vos campagnes ou de vos expériences A/B ?
Les gains rapides entraînent-ils une augmentation du taux de désabonnement ou une diminution de la VLT ?
Les données provenant de différentes sources s’additionnent-elles ? Peut-être Google Analytics manque-t-il certaines transactions qui se trouvent dans votre backoffice ou peut-être certaines d’entre elles sont-elles des doublons ? Par exemple :
Comme vous pouvez le constater, il manque à Google Analytics un bon nombre de données de transactions, ce qui nécessite une analyse plus approfondie. Il s’agit certainement d’un élément que vous devriez inclure dans votre base de données Google Analytics.
Et ceci n’est qu’une courte liste d’idées pour vous faire réfléchir sur ce qui est possible avec un système d’analyse de données approprié !
Travailler avec des événements récurrents automatiques
Il est également important de garder à l’esprit que certaines mesures de rétention peuvent changer sans que l’utilisateur lui-même ne fasse quoi que ce soit. Vous devez donc vous assurer que ces cas sont suivis et pris en compte, notamment en ce qui concerne :
Les commandes/paiements récurrents
L’expiration d’un abonnement
L’expiration du mode de paiement
Les commandes modifiées/annulées (par exemple, en raison d’un article manquant).
Si votre système de gestion de données a été configuré correctement, vous devriez déjà disposer de ces informations. Veillez simplement à les inclure dans vos analyses et rapports.
Si vous ne disposez pas d’un système de gestion de données et que vous essayez de résoudre ce problème avec Google Analytics uniquement, vous devez utiliser un protocole de mesure.
Certaines des plateformes d’abonnement les plus courantes, comme ReCharge pour Shopify, intègrent cette fonctionnalité ou peuvent être résolues par des solutions tierces, mais un développement personnalisé est souvent nécessaire.
En somme …
Si dans votre domaine d’activité clients sont censés générer de la valeur plus d’une fois (achat répété, abonnement, etc.), vous devez commencer à vous concentrer sur vos mesures de rétention.
Google Analytics peut vous aider à démarrer avec les mesures de base et une précision limitée. Une meilleure configuration serait de combiner Google Analytics avec Parallel Tracking mais, si vous voulez vraiment optimiser ces mesures, vous avez besoin d’un système de gestion de données personnalisé où toutes les données marketing sont rassemblées.
Vous avez des questions à ce sujet ? Contactez-nous, nous serons heureux d’échanger avec vous sur ces sujets et vous aider à résoudre vos problématiques d’analyse des données !
