Comme vous le savez, il est souvent assez difficile d’avoir un tracking fiable à 100% sur internet, à cause d’une multitude de facteurs, notamment le cross-device et la communication entre les différentes régies d’acquisition qu’il est possible d’utiliser (Google Ads, Facebook Ads, etc…).
Si ces problématiques d’attribution sont nombreuses et complexes, il existe des méthodes dans certain cas qui permettent d’identifier la valeur totale d’un client d’un client pour votre activité. Cette valeur, qu’on appelle LTV (Life Time Value) en webmarketing, est le KPI le plus important pour mesurer la rentabilité réelle de votre stratégie d’acquisition.
Bien entendu, la LTV est plus simple à calculer pour les services ou produits qui sont proposés via une formule d’abonnements récurrents. Or, ces derniers sont en pleines croissances sur le web. Une étude américaine de 2019 (McKinsey) conclue que près de 15% des internautes ont déjà souscrit à un achat récurrent sur internet. Notons en plus que la tendance est à la hausse.
Pour certaines offres, la LTV est plus complexe à déterminer. Nous vous proposons ici un guide explicatif des problèmes qui peuvent survenir et des éléments à prendre en compte pour le calcul de cette dernière. En effet, la LTV est souvent l’indicateur le plus pertinent à prendre en compte quand l’annonceur désire mettre calculer le ROI d’une action marketing.
Le défi : calculer la LTV moyenne pour un e-commerce
Toute la difficulté ici repose dans le fait de comprendre et de tracer l’activité du client avant et pendant sa souscription au paiement récurrent (ou à l’achat de divers produits sur une échelle de temps donné).
0r, pour être exact, notre tracking doit prendre en compte :
- L’activité de l’internaute qui visite le site marchand (sur les pages d’information notamment).
- L’activité du client dans le canal de paiement et sur les pages d’offres.
- L’activité du client après la création de son compte.
- L’activité du client au cours de son premier achat en ligne.
Jusque là, l’ensemble des données est visibles sur un compte Analytics correctement paramétré. Ce paramétrage peut devenir complexe dans le cas d’un suivi cross-domaine (dans le cas d’une boutique en sous-domaine par exemple), un autre sujet qui fera l’objet d’un autre guide pour le e-commerce sur plusieurs noms de domaines différents.
Malheureusement, ce tracking de base ne vous permettra pas de différencier :
- Les utilisateurs à commande unique.
- Les utilisateurs qui effectueront une commande uniquement à la souscription.
- Les utilisateurs récurrents qui afficheront une LTV plus élevée.
Pourquoi est-il indispensable de segmenter les données selon le type de client ?
Tout simplement pour pouvoir prendre de meilleure décision en terme de marketing. Des canaux d’acquisition différents vont attirer des audiences différentes, qui seront plus ou moins sujette à des comportements particuliers. Certains canaux d’acquisition permettront d’obtenir un taux élevé de clients avec des achats récurrents, tandis que d’autres favoriseront l’acquisition de clients tourné vers l’achat unique.
Dans le cas particulier des sites qui proposent plusieurs modèles d’abonnement pour un produit ou un service, il faut savoir que l’expérience montre que le premier achat (non-récurrent) affiche souvent un panier moyen plus élevé que la moyenne. Une statistique logique, dans la mesure ou les nouveaux clients veulent tester plusieurs produits différents avant de souscrire à un abonnement pour une gamme spécifique.
Vous pourrez aussi croiser l’exemple de l’utilisateur qui semi-récurrent, qui ne sera pas enclin à souscrire à un abonnement (au début du moins). Ce type d’utilisateur, intéressé par le produit ou le service, aura tendance à faire un achat unique tous les 4 ou 6 mois, plutôt que de passer par un abonnement.
Dans ce genre de cas, il faut bien comprendre que seul un système de tracking optimisé pourra vous permettre de différencier tous ces segments. Ces derniers seront indispensable pour comprendre vos clients en profondeur, et modeler des offres à même de les satisfaire.
Le problème devient encore plus épineux lorsque beaucoup de vos utilisateurs ont souscris à l’un de vos abonnements. En effet, Analytics va dès lors attribuer toute la valeur monétaire des abonnements au trafic direct (en réalité il s’agit d’un raccourci d’Analytics, puisque les utilisateurs abonnés n’ont plus aucune raison de revenir sur le site). Pour que les données de TLV soient intéressante pour votre équipe marketing, il serait pourtant nécessaire de connaitre l’origine d’acquisition du client (SEO, SEA, SEM etc.) et sa LTV afin d’en tirer les conclusions qui s’imposent.
Nous le voyons souvent lors d’audit de compte SEA (Google Ads) : l’Analytics attribue la majeure partie des ventes au trafic direct, bien qu’il soit évident que la marque ne soit pas ou peu génératrice de chiffre d’affaire. Dans ces conditions, comment savoir quel levier d’acquisition est le plus efficace et permet d’obtenir le meilleur ROI ?
Quelle solution pour les e-commerçants ?
La solution la plus simple consiste à donner un identifiant à chaque utilisateur afin de conserver un lien entre ce dernier et le canal d’acquisition par lequel il a découvert le site. Plusieurs méthodes existent permettant d’arriver à ce résultat :
- Version “à la main” : ajouter l’ID de la plateforme à celle du client lors de chaque commande du client. Ensuite, il faut réussir à être régulier, et à uploader tous les mois l’extrait issu de votre back office dans votre Analytics (extrait issu de votre liste client que vous pouvez généralement télécharger au format CSV).
- Version automatique : utiliser une solution d’attribution alternative (beaucoup de logiciels existent déjà sur le marché). Ces solutions permettent généralement une intégration automatique avec votre système de facturation, ce qui simplifie grandement les tâches de suivi.
Bien entendu, une solution automatisée est préférable, notamment si vous êtes régulièrement confronté à des problématiques d’attribution. Si vous pouvez, dans un premier temps, tenter une gestion manuelle de vos intégrations, ces dernières augmentent le risque d’erreurs et ne sont tout simplement pas très pratique.
Malgré ces solutions, deux problèmes persistent :
- Les données agrégées ne sont pas fiables : en effet, elle ne vous permettront pas d’avoir des vues par segment d’utilisateur, et de bien comprendre le comportement de ces derniers. Pratique pour avoir des ordres de grandeurs, ces données ne débouchent finalement que sur un faible nombre de propositions d’actions particulières.
- Les rapports sur les abonnements sont parfois plus complexes à interpréter pour un responsable marketing. Ce dernier sera bloqué par un point embêtant lié au fonctionnement du compte Analytics : les attributions sont fondées sur la session et non sur l’utilisateur. En conséquence, vous ne pourrez pas relier la LTV de vos clients à leur canal d’acquisition initial.
Calculer une LTV précise pour un e-commerce avec abonnements
Malheureusement, pour calculer avec précision les données LTV d’un service avec abonnement, vous ne pourrez pas vous contenter d’une vue Analytics, ces dernières ne proposent pas ce type de segmentation. Il faudra donc extraire les données de votre back-office, les fusionner avec vos données Analytics, et la visualiser via un autre outil (par exemple sur Google Data Studio mais plusieurs autres outils de visualisation feront tout aussi bien l’affaire).
Cette technique peut être effectuée via deux méthodes différentes.
Utiliser une vue par session
- Utiliser une vue de revenue par utilisateurs sur Analytics, et l’exporter pour pouvoir l’utiliser dans un tableur.
- Utiliser un tableur Pivot pour faire coïncider les données par session (notamment les revenues) avec les ID utilisateurs que récolterez vis votre back-office.
- Importer les données dans Google Data Studio, et modifier le type d’agrégation en les compilants par les types d’acquisition. Ceci permettra de consulter la LTV médiane pour chacun des canaux d’acquisition mis en oeuvre sur le site.
Utiliser un outil automatisé
Comme dit précédemment, si vous possédez un outil d’attribution bien paramétré qui permet d’aller plus loin que les vues Analytics, ce travail peut être fait automatiquement, à partir du moment ou vous avez défini un ID utilisateur unique qui permettra à l’outil d’aggréger les données de revenus tout au long de ses achats.
Le calcul du coût d’acquisition client : le corollaire de la LTV
Tout le paramétrage vu précédemment sert un seul et unique but : évaluer la pertinence de votre coût d’acquisition client. Pour ce faire, il faut bien entendu connaitre votre coût d’acquisition par client.
En webmarketing on considère généralement qu’il est souhaitable d’avoir un rapport de 3/1 entre la LTV et le coût d’acquisition. Quand le ratio est inférieur à cette moyenne, vos coût d’acquisition client sont globalement trop élevé et vous réduisez votre rentabilité. Quand le ratio est supérieur à 5/1, on considère généralement que vos dépenses en acquisition sont trop basses, et qu’il est probable que vous soyez en train de limiter la croissance de votre activité.
Ces données très générales sont données à titre indicatif bien entendu, et sont très dépendantes aux secteurs et aux produits et services des sites e-commerce.
Conclusion
Dans le domaine du e-commerce avec abonnement, le calcul de la LTV est indispensable pour pouvoir mettre en place une stratégie d’acquisition réellement rentable.
En paramétrant un tracking efficace des abonnements vous pourrez aussi déterminer le taux de churn (la perte de client au fil du temps du fait d’un défaut de fidélité).