Mesurer les revenus et anticiper les achats
Généré par Klaviyo AI
Ce guide explique comment unifier les données du commerce en ligne et en magasin pour mesurer les sources de chiffre d’affaires avec Klaviyo Marketing Analytics. Il présente l’attribution multipoint, l’analyse RFM et les analyses prédictives pour comprendre les parcours clients, cibler les offres et anticiper les achats.
- Données unifiées: Centraliser les interactions dans un profil client partagé limite les silos et les doubles comptages de revenus.
- Attribution multipoint: L’attribution omnicanale mesure la contribution des interactions avant l’achat, avec des paramètres adaptés aux points de contact pertinents.
- Analyse RFM: La récence, la fréquence et le montant des achats permettent d’identifier les clients à forte valeur et de mieux cibler les remises.
Alors que les marketeurs retail se penchent sur l’attribution et le reporting des revenus, ils peuvent constater que chacun de leurs outils d’analyse est compétent individuellement. Mais, pris ensemble, ils restent inefficaces en tant que source unique de vérité.
Cela est souvent dû à des silos de données et à la fragmentation des plateformes. Par exemple, votre plateforme de marketing automation peut attribuer une vente à une campagne d’e-mail, tandis que votre plateforme publicitaire peut revendiquer la même commande comme des revenus issus d’un clic payant. Ensuite, si cette même personne effectue un réachat en magasin, ces données peuvent ne se trouver que dans votre POS, et nulle part ailleurs.
Ce type de fragmentation des données se produit lorsque vos sources n’alimentent pas un profil client partagé. Lorsque la fragmentation est votre mode par défaut en tant que retailer, vous passez soit trop de temps à rapprocher les données pour une attribution précise, soit vous ne pouvez pas faire confiance à vos modèles d’attribution, car ils comptent en permanence les revenus en double.
Dans ce guide, nous vous expliquons ce qu’est Klaviyo Marketing Analytics pour le retail, comment fonctionne l’attribution multipoint, et comment utiliser différents types d’analyses et de reporting pour suivre, et même prédire, le comportement des clients.
Qu’est-ce que l’analyse marketing retail ?
Klaviyo Marketing Analytics pour le retail consiste à collecter, unifier, et interpréter les données sur l’ensemble des canaux d’achat actifs afin de mesurer ce qui génère du chiffre d’affaires, et de décider de la suite pour l’augmenter.
Les analyses marketing du retail couvrent généralement quelques catégories de données :
- Performance des produits et du merchandising : taux d’écoulement des produits, performance des catégories, affinité produit, composition du panier, performance de la vente croisée et de la montée en gamme, performance des démarques, et produits les plus/les moins performants
- Trafic et acquisition : pourcentage de visiteurs qui proviennent de différents canaux (recherche organique, publicités payantes, e-mail, réseaux sociaux, parrainage), coût d’acquisition client (CAC)
- Comportement sur site : pages et catégories consultées, temps passé sur le site, ajouts au panier, abandon de panier, points de déperdition dans l’entonnoir, articles ajoutés à la liste de souhaits
- Ventes et chiffre d’affaires : taux de conversion, valeur moyenne de la commande (valeur moyenne de la commande), chiffre d’affaires par visiteur/destinataire, ventes par produit/catégorie, performance des codes de réduction
- Rétention : valeur vie client (LTV), taux de réachat, rétention de cohorte, rétention globale
- Performance marketing : retour sur les dépenses publicitaires (ROAS) et retour sur investissement (retour sur investissement) par canal, engagement par e-mail et par message texte, attribution sur l’ensemble des canaux
- Segmentation client : performances en matière de chiffre d’affaires, de croissance, et d’engagement par segment démographique, de cycle de vie, comportemental, et prédictif
- Performances omnicanales : ventes en ligne vs en magasin, achats inter-canaux, performances du magasin, et conversion en ligne vers magasin/vice versa
Un reporting omnicanal précis n’est possible que lorsque tous vos canaux actifs, sur les ventes en ligne et en magasin, font partie du même système qui héberge votre customer data platform (CDP). C’est ainsi que les marketeurs retail peuvent comprendre comment leurs canaux fonctionnent ensemble pour influencer les revenus.
Comment l’omnicanal et l’attribution multipoint fonctionnent pour les marketeurs retail
Les parcours client ne sont pas linéaires, et ils ne se déroulent pas sur un seul canal. Les acheteurs peuvent être influencés par 5 interactions en ligne avant de finalement décider de réaliser un achat en magasin. Ils peuvent également naviguer en magasin, scanner un QR code pour s’inscrire à votre newsletter, et effectuer un achat après 3 autres interactions en ligne.
Attribution multipoint omnicanale, linéaire [EN] peut suivre ces types de parcours client et, surtout, capturer des vérités sur la façon dont les clients achètent, et sur ce qui s’est produit avant leur achat pour influencer leur décision.
Selon votre modèle économique, vous souhaiterez peut-être personnaliser votre modèle d’attribution afin de tenir compte des réalités que vous connaissez déjà sur votre entreprise. Voici quelques modèles d’attribution de base à prendre en compte :
Modèle | Comment elle attribue le crédit | Utile pour |
|---|---|---|
Attribution au premier point de contact | 100 % lors de la première interaction client | Mesurer ce qui génère la notoriété |
attribution au dernier contact | 100 % à la dernière interaction client avant un achat | Mesurer ce qui conclut les ventes |
attribution linéaire | Attribue un crédit égal à toutes les interactions client | Mesurer l’influence sur l’ensemble du cycle de vie client |
Attribution à décroissance temporelle | Attribue davantage de crédit aux interactions client les plus récentes | Mesurer les parcours client où la récence génère des revenus |
Vous souhaiterez peut-être vous appuyer sur un modèle d’attribution plutôt que sur d’autres, ou utiliser une combinaison de tous à différents moments. Lors de la conception de votre modèle d’attribution, vous devriez également envisager de personnaliser les types de messages qui comptent comme points de contact significatifs. Par exemple, vous souhaiterez peut-être exclure les e-mails transactionnels (comme les confirmations de commande) ou exclure les clics de bots sur un e-mail.
Voici comment configurer l’attribution multipoint dans votre plateforme Klaviyo Marketing Analytics:
- Choisissez une plateforme dotée de Klaviyo Marketing Analytics intégrées, comme un CRM B2C avec une customer data platform (CDP) intégrée. Il s’agit de votre infrastructure de données qui centralise chaque interaction client avec votre marque. Lorsque ces données se trouvent au même endroit, vos modèles d’attribution sont plus précis, car ils s’appuient sur des données complètes.
- Installez votre script de tracking sur votre site. Cela peut inclure un extrait de code personnalisé, en particulier sur la page de paiement, puisque c’est là que les données de conversion sont, en fin de compte, rattachées à une session.
- Utiliser des tag UTM précis. Étant donné que l’attribution repose sur la source/le support UTM, les campagnes dont les tag sont manquants ou incohérents peuvent être étiquetées comme inconnues.
- Mettez à jour les paramètres de votre modèle d’attribution. Choisissez le modèle d’attribution le plus pertinent pour votre marque, et définissez votre fenêtre d’attribution en conséquence. Vous devriez également personnaliser les types de messages qui comptent comme des points de contact significatifs (vous pourriez, par exemple, exclure les messages transactionnels ou les clics de bots).
Conseil d’analyse retail : Utilisez l’attribution multipoint linéaire omnicanal avec l’analyse de l’entonnoir pour identifier précisément où et pourquoi les personnes décrochent avant de passer à l’étape suivante du cycle de vie client.
Par exemple, la marque de vêtements pour chiens Ruffwear utilise l’analyse d’entonnoir pour suivre la manière dont les inscriptions issues des concours organisés avec des partenaires se convertissent au fil du temps. Grâce à ces données, ils peuvent mettre fin aux partenariats qui génèrent des inscriptions, mais pas de chiffre d’affaires.
Comment l’analyse RFM améliore les stratégies de remise retail et le retour sur investissement
« RFM » est l’abréviation de récence, fréquence et montant. Utilisez ces 3 indicateurs importants pour analyser le comportement des clients et identifier les clients à forte valeur ajoutée.
Voici un aperçu rapide de ce que mesure l’ analyse RFM et comment vous pouvez commencer à interpréter les données :
Signal | Ce que cela mesure | CE QU’IL SIGNIFIE |
|---|---|---|
Récence | À quand remonte le dernier achat d’une personne | Si une personne n’a pas acheté depuis longtemps, elle peut risquer de se désabonner complètement. |
Fréquence | À quelle fréquence une personne achète | Si une personne qui achète selon un calendrier fixe augmente sa fréquence, elle voudra peut-être adhérer à un programme de fidélité. |
Montant | Combien une personne dépense lorsqu’elle achète | Les clients à forte valeur sont des VIP qui devraient recevoir des offres spéciales, tandis que les clients qui ne dépensent pas autant devraient recevoir des offres de montée en gamme. |
En tant que cluster d’analyses retail, l’analyse RFM aide les marques retail à identifier les clients à forte valeur, à réduire l’attrition et à développer des stratégies de remise [EN] qui ne gaspillent pas le budget.
Par exemple, le détaillant de chaussures Marc Fisher utilise des segments RFM pour envoyer des offres plus ciblées [EN]. Ils réservent les réductions aux clients à risque d’attrition, tout en adoptant une posture davantage axée sur la marque, avec des prix plus proches du plein tarif, pour leurs clients les plus fidèles.
Analyses prédictives pour le retail : prévoir le comportement des clients
Les analyses prédictives utilisent les données historiques d’achat et de comportement pour prévoir le comportement futur des clients. Elles incluent des indicateurs tels que le nombre de commandes prévu, la date prévue de la prochaine commande, la valeur vie client prévue et le risque d’attrition.
Lorsque vous pouvez prédire ce type de comportement client, vous pouvez prendre les devants en envoyant des messages plus susceptibles de trouver un écho, au plus près du moment où ce comportement est susceptible de se produire.
Voici 3 façons d’utiliser les analyses prédictives retail pour augmenter les revenus :
- Utilisez le risque d’attrition pour signaler les clients à risque qui pourraient avoir besoin de certains types d’offres pour effectuer un nouvel achat.
- Utilisez la date prévue de la prochaine commande avec les données géographiques pour personnaliser les offres destinées aux acheteurs qui vivent près d’un point de vente retail, mais qui n’ont jamais acheté en magasin.
- Utilisez la valeur vie client prévue pour estimer les dépenses sur la durée de vie, afin de pouvoir cibler les acheteurs à forte valeur ajoutée avec des incitations spéciales en magasin ou en ligne.
Grâce aux analyses prédictives, The Willow Tree Boutique a commencé à envoyer ses campagnes aux clients dont la date du prochain achat prédite par l’IA se situait dans les 30 derniers jours ou les 30 prochains jours. Ils ont également mis l’accent sur la promotion de vêtements plus chers auprès des clients ayant une valeur vie client prévue supérieure à 500 $ ou une valeur moyenne de la commande supérieure à 150 $.
« Après avoir commencé à envoyer des campagnes à des segments créés à partir des analyses prédictives, tous nos indicateurs se sont améliorés, et notre chiffre d’affaires a augmenté de façon spectaculaire », explique Jade Richardson, stratège e-mail pour l’agence de la boutique. « Cela nous a tellement appris sur la base d’abonnés — quand ils achètent, comment ils achètent, etc. »
En 90 jours, 17,1 % du chiffre d’affaires de la marque attribué à Klaviyo [EN] provenait de segments d’analyses prédictives. « Cela a été fondamental pour définir les meilleures pratiques de la marque », déclare Richardson. « Cela nous a vraiment ouvert tout un nouveau monde. »
Générez davantage de chiffre d’affaires retail multicanal avec Klaviyo Analytics
Klaviyo est le CRM B2C autonome qui réunit les données clients en temps réel, Data + Analytics, le marketing automation, le service client et une IA agentique intégrée, afin que les acteurs du retail puissent mesurer et exploiter leurs données depuis un seul et même endroit.
Avec Klaviyo, vous pouvez :
- Créez des rapports avancés pour les ventes en ligne et en magasin. Utilisez un nombre illimité de regroupements, des propriétés de profil personnalisées, et un reporting combiné pour les flux et les campagnes, sans outil de business intelligence.
- Personnalisez l’attribution. Mesurez l’attribution en combinant deux indicateurs ou plus, ou en filtrant des événements spécifiques sur votre PDV et votre boutique en ligne.
- Synchronisez votre entrepôt de données avec Advanced Klaviyo Data Platform. Reformatez, standardisez et nettoyez vos données pour garantir leur cohérence et leur précision, sans coder et sans attendre.
- Créez des segments directement à partir de l’analyse de l’entonnoir. Ciblez les clients à leur point d’abandon exact de la conversion en un clic.
- Exploitez vos données, plus rapidement. Accédez à des recommandations prédéfinies et à des modèles de flux pour agir sur vos données de performance réelles sans repartir de zéro.
Commencez à mesurer et à agir sur vos données depuis un seul endroit avec Klaviyo. S’inscrire