Calcul du taux de conversion : pourquoi votre chiffre est faux (et comment le corriger)

La scène se répète dans presque toutes les réunions produit. Le responsable acquisition annonce 1,8 % de conversion. La personne qui gère la boutique en ligne parle de 2,6 %. Le directeur, qui regarde le back-office, dit qu'il voit plutôt 3,4 %. Personne ne ment, personne ne se trompe de calcul. Ils divisent simplement des choses différentes.

La formule est pourtant enseignée partout : conversions divisées par visites, multiplié par cent. Le problème n'est jamais la division. Il est dans les deux nombres qu'on y met. « Conversions » et « visites » sont des mots vagues qui recouvrent chacun trois ou quatre réalités techniques distinctes.

Tant que ce flou persiste, votre taux de conversion ne sert à rien pour décider. Vous ne pouvez ni le comparer à celui du mois dernier si l'outil a changé, ni le comparer à une moyenne sectorielle, ni juger si un test A/B a vraiment amélioré quelque chose. Vous manipulez un thermomètre dont personne n'a fixé l'échelle.

Une session, c'est une visite. Elle se termine après une période d'inactivité — trente minutes chez la plupart des outils — ou à minuit selon la configuration. Un même acheteur qui consulte votre site le mardi soir sur mobile, puis le mercredi matin sur son ordinateur au bureau, puis le mercredi soir pour finaliser sa commande, génère trois sessions. Et une seule conversion.

Si vous divisez par les sessions, votre taux sera mécaniquement plus bas. C'est le calcul par défaut de la plupart des outils analytics, et c'est celui qui répond à la question : « quelle proportion des visites aboutit ? ». Si vous divisez par les utilisateurs uniques, votre taux monte, parfois du simple au double sur des produits à cycle de décision long. Vous répondez alors à une autre question : « quelle proportion des personnes venues finit par acheter ? »

Les deux sont légitimes. Ce qui ne l'est pas, c'est de calculer le numérateur d'un côté et le dénominateur de l'autre. Un cas classique : on prend le nombre de commandes du back-office, qui est un compte de clients ayant validé, et on le divise par les sessions de l'outil analytics. Le chiffre obtenu ne correspond à aucune question réelle.

Notez aussi que « utilisateur unique » n'est jamais unique. C'est un identifiant stocké dans le navigateur. Un même humain sur trois appareils compte pour trois. Le même humain qui vide son cache ou navigue en privé compte pour deux de plus. Le dénominateur « visiteurs uniques » est donc lui aussi surévalué, ce qui écrase artificiellement votre taux.

Votre dénominateur contient des visites qui n'avaient aucune chance de convertir. Les robots d'indexation, les outils de monitoring qui pinguent votre page d'accueil toutes les cinq minutes, les scrapers de concurrents, les crawlers SEO que vous avez vous-même lancés. La plupart des outils analytics filtrent une liste de bots connus, mais cette liste est toujours en retard sur la réalité.

Il y a aussi votre propre équipe. Le développeur qui recharge la page de commande quarante fois pendant un debug, la personne du support qui reproduit le parcours d'un client, l'agence qui vérifie une mise en ligne. Sur un site à faible trafic, ce bruit interne peut représenter une part significative des sessions. Excluez les adresses IP internes, ou mieux, posez un cookie d'exclusion sur les navigateurs de l'équipe — les IP fixes se font rares.

Le symptôme le plus fiable : un pic de sessions sans le moindre effet sur les commandes, souvent la nuit ou le week-end, souvent depuis un seul pays ou un seul navigateur. Regardez la répartition par heure. Un trafic humain suit un rythme de vie ; un bot est régulier comme un métronome.

Nettoyer ces sources ne fait pas monter vos ventes. Ça fait monter votre taux affiché, ce qui est différent, et ça vous évite de chercher des explications à des variations qui n'en ont pas.

Comptez-vous les commandes passées, ou les commandes payées ? L'écart peut être important si vous acceptez le virement ou le paiement à la livraison. Comptez-vous les commandes annulées dans les vingt-quatre heures ? Les remboursements ? Une conversion enregistrée côté analytics au moment de l'affichage de la page de confirmation ne sait rien de ce qui se passe ensuite dans votre back-office.

Le rechargement de la page de remerciement est une source de gonflement discrète mais réelle. Un utilisateur qui appuie sur F5 par réflexe, ou qui revient sur cette page depuis son historique, déclenche une deuxième fois l'événement de conversion si vous n'avez pas prévu de garde-fou. Vérifiez que votre suivi utilise bien un identifiant de transaction et déduplique dessus.

Pour les sites qui ne vendent pas, le problème est plus insidieux encore. Un formulaire de contact envoyé compte-t-il comme une conversion, même si le message est un spam automatisé ? Un téléchargement de brochure vaut-il autant qu'une demande de devis ? Si vous mettez tout dans le même sac, votre taux monte pendant qu'une vague de spam traverse votre formulaire, et vous célébrez une amélioration inexistante.

Presque personne n'achète lors de la première visite, sauf sur des produits d'impulsion peu chers. Sur un devis B2B ou un achat à plusieurs centaines d'euros, le parcours s'étale sur des jours, parfois des semaines. Si vous calculez votre taux sur les sessions du mois, vous attribuez la conversion de mars à une visite de mars, alors que la découverte du produit datait de février.

Ce décalage crée des illusions saisonnières. Une campagne lancée le 25 du mois fait exploser les sessions de fin de mois sans remonter les conversions du même mois. Le taux plonge. Le mois suivant, les conversions arrivent sans le pic de trafic, et le taux bondit. Vous concluez que la campagne était mauvaise puis bonne, alors qu'elle était simplement décalée.

La parade n'est pas compliquée : raisonnez en cohortes plutôt qu'en périodes. Prenez les visiteurs arrivés en semaine 12, suivez-les pendant trente jours, comptez combien ont converti. C'est plus lourd à produire, et tous les outils ne le permettent pas simplement. Mais sur un cycle de décision long, c'est le seul calcul qui décrit ce qui se passe réellement.

Pour piloter l'ergonomie d'un tunnel, prenez les sessions. Vous voulez savoir si une visite donnée aboutit, et chaque session est une tentative. C'est aussi la bonne unité pour mesurer l'effet d'un changement d'interface : si vous déplacez le bouton « Valider » au-dessus de la ligne de flottaison ou si vous rendez le champ « téléphone » facultatif, l'effet se mesure sur la session en cours, pas sur un parcours de trois semaines.

Pour arbitrer un budget d'acquisition, prenez les utilisateurs, ou mieux, raisonnez en coût par acquisition. La question n'est plus « cette visite a-t-elle abouti » mais « combien me coûte une personne qui achète ». Un canal peut afficher un taux par session médiocre parce qu'il génère beaucoup de retours sur le site, et rester le plus rentable.

Pour parler chiffre d'affaires en comité de direction, prenez les données du back-office et assumez qu'elles ne colleront jamais parfaitement avec l'analytics. Un écart de quelques pour cent entre les deux systèmes est normal : bloqueurs de publicité, refus de cookies, erreurs de chargement du script. Un écart de trente pour cent est un problème de suivi qu'il faut aller chercher.

Le principe tient en une phrase : choisissez le dénominateur qui correspond à la décision, pas celui qui donne le plus beau chiffre.

Écrivez noir sur blanc, dans un document que tout le monde peut ouvrir, ce que vous appelez conversion et ce que vous appelez visite. Quatre lignes suffisent : la source de données, le numérateur exact, le dénominateur exact, les exclusions appliquées. Datez ce document. Le jour où le taux change de trois points sans raison apparente, vous saurez si c'est le site qui a bougé ou la mesure.

Ne suivez qu'un seul taux de référence dans vos rapports récurrents. Les autres découpages — par appareil, par canal, par page d'entrée — sont des outils de diagnostic, pas des indicateurs de pilotage. Un taux global qui bouge vous dit qu'il s'est passé quelque chose ; c'est la segmentation qui vous dit quoi. Les deux usages sont différents et les mélanger ramène la confusion que vous venez d'éliminer.

Une fois le chiffre fiable, il reste muet sur les causes. Savoir que 2,1 % des sessions aboutissent ne dit pas que le champ « complément d'adresse » obligatoire fait abandonner un tiers des mobiles. C'est l'observation des parcours réels — enregistrements de sessions, tests utilisateurs, analyse d'entonnoir champ par champ — qui répond à ça, et c'est précisément le travail qu'un outil comme UXscope sert à outiller. Le taux vous dit où regarder ; il ne regarde pas à votre place.

Dernière limite, et elle vaut d'être admise : même parfaitement défini, un taux de conversion reste une moyenne. Il mélange les visiteurs venus comparer les prix, ceux qui cherchaient votre numéro de téléphone et ceux qui voulaient acheter. Aucun nettoyage de dénominateur ne corrigera ça. Le seul remède est de segmenter par intention quand vous en avez les moyens, et de rester modeste sur ce qu'un chiffre unique peut vous apprendre.