Remarque :

Cet article a été mis à disposition par Lukas Oldenburg, Head of Analytics & Tracking chez Siroop, Zurich

Remarque :

Vous avez une question sur Adobe Analytics ? Questions à la communauté

En cas d’arrêt de votre analyse de boutique en ligne avec la commande, il s’arrête. Certains groupes de produits comme le mode ont tendance à présenter un taux à fort rendement, afficher les remboursements peut vous donner une vision différente de la performance de votre boutique et du marketing.

Que sont les remboursements ?

Les Remboursements sont des commandes entièrement ou partiellement remboursées : le client a renvoyé un ou tous les produits d’une commande (Retours) en raison de la fraude, de l’impossibilité de fournir le produit, de refus de la banque ou d’autres raisons.

Mise en œuvre du suivi de remboursement

Tout d’abord, il faut une exportation de votre système avec tous vos identifiants de commandes (Identifiants de transaction), les mêmes identifiants que ceux utilisés dans vos outils Analytics, le prix d’achat par produit, le chiffre d’affaires de remboursements, le cas échéant si vous voulez faire la distinction entre annulations et retours, la « raison de retour ». Voici un exemple de ce à quoi ressemble une exportation :

1

Avant d’importer ces données dans l’outil Analytics, assurez-vous d’importer uniquement les ID de commande que les outils Analytics ont pu suivre, car les bloqueurs de publicités bloquent généralement certaines demandes d’analyse. 

1. Achats de piste sur votre site avec les variables de commerce électronique standard (s.products, s.purchaseID, l’événement d’achat) PLUS s.transactionID (contient l’identifiant de commande qui identifie l’identifiant de commande dans vos importations de remboursement, généralement les mêmes que s.purchaseID).

2. Indiquez à l’assistance clientèle d’activer « l’enregistrement de l’ID de transaction ». Il faut un jour ou deux pour le faire. Il vous permet de lier toutes les actions en ligne suivies avec s.transactionID à d’autres actions hors-site (par exemple, un remboursement, un achat dans un magasin physique après un prospect en ligne, une ouverture de compte bancaire en ligne après remplissage de formulaire de prospect en ligne, etc.). Nous verrons ce que cela signifie en détail.

Après l’activation, vous devriez voir ce texte dans l’écran de démarrage des sources de données (accédez à Admin -> Data Sources) :

2

3. Créer une Source de données générique (ID de transaction) (voir guide sur les sources de données, les fonctions sur les sources de données d’ID de transaction ici). Vous pouvez en théorie importer les mesures et les dimensions souhaitées. Le seul champ obligatoire est TransactionID lui-même. Même si cela est flexible, il vous faut d’abord déterminer précisément ce dont vous avez besoin et dans quel format il doit être, le cas échéant, les modèles que nous avons créés pour importer avaient plus ou moins cette apparence :

3

Les trois premières lignes que vous pouvez télécharger après avoir consulté l’assistant de création de sources de données, les lignes après les données que vous devez remplir vous-même. 

Date : quand la transaction a eu lieu (au format MM/JJ/AAAA)

Raison de remboursement : annuler ou returnProd SKU : identifiant unique de produit

Recette remboursée : la somme totale remboursée pour ce produit (pas la somme par produit !)

Commandes remboursées : compte chaque fois qu’une commande possède au moins un produit renvoyé ou annulé pour que nous puissions avoir des mesures « Commandes remboursées » dans Analytics. Aucune donnée produit (quantité de produit ou chiffre d’affaires) n’est indiquée pour cette mesure car cela aurait pour conséquence de les compter deux fois (vous remarquez que les lignes où les commandes Remboursées sont comptées ont uniquement la date, l’ID de transaction et les colonnes des commandes Remboursé). Cette mesure n’est pas nécessaire. Nous voulions simplement un élément qui nous permette d’obtenir une mesure qui indique le nombre de pourcentage affecté par le remboursement. La raison en est que regarder des quantités de produit peut être plus difficile pour interpréter, car cela a beaucoup à voir avec la façon que les produits tendent à être achetés. Par exemple, des personnes qui achètent rarement une bouteille de bière ont tendance à acheter un pack de 20 ou 24 bouteilles, donc la quantité est 24. Mais les personnes achètent rarement par 24 iPhone en une fois. Par conséquent, « Commandes Remboursées » « normalise » un peu cet effet, mais vous ne pouvez pas le décomposer en des dimensions basées sur le produit comme le nom, la catégorie ou la marque du produit.

Unités remboursées : quantité remboursée par identifiant de productOrder : identifiant de transaction (obligatoire)

Analyse des Remboursements

Dans Adobe Analytics, les remboursements sont comptabilisés comme s’ils s’étaient produits au même moment que la commande. Cela a probablement l’air contre-intuitif, mais il s’agit d’un avantage énorme pour les rapports.

Tout d’abord, cela vous permet d’analyser les commandes et les remboursements en même temps, même si le remboursement est effectué plus tard. Vous pouvez lier les données de la session de commande (par exemple les données des visiteurs, les données de campagne) aux données de remboursement, par exemple pour analyser les taux d’abandon par canal marketing. 

Deuxièmement, tous les remboursements sont affectés à la Source de trafic «(direct)/(aucun)», même si (comme vous pourrez le constater dans l’écran suivant) l’ID de transaction 0004-3244 a en fait été désigné par « Google/cpc » (AdWords). Ainsi, si le délai de remboursement et le délai de transaction tombent dans la plage de temps analysée, vous obtenez deux lignes par identifiant de transaction : une pour le remboursement et une pour la commande. En outre, les remboursements n’apparaîtront pas dans les rapports Traffic-Source-based, ils n’apparaîtront pas non plus dans les rapports segmentés, etc. 

Dans Adobe Analytics, nous pouvons utiliser les mesures de remboursement comme tout autre élément et les fragmenter en fonction de toute dimension ou segment. Par exemple, nous voyons les taux de remboursement par source de la campagne et nous voyons que pour un jour donné et une source de la campagne donnée, le taux de remboursement « Clients réguliers » (Clients ayant effectué au moins 2 commandes) est plus élevé que pour les « Nouveaux clients ». Peut-être que les remboursements gratuits incitent les gens à acheter (et rendre) encore. 

5

Lors de l’analyse des campagnes marketing, vous risquez d’être interrompu si vous ne tenez pas compte des remboursements. Créez un « ROAS incl. Remboursements » (ROAS = (Retour sur dépenses publicitaires)) Mesure non seulement basée sur le chiffre d’affaires, mais sur le chiffre d’affaires après Remboursement, il montre ce qui reste dans vote poche à la fin. Observez les deux dernières colonnes dans la capture d’écran suivante :

6

Dans Adobe Analytics, il est facile de différencier les Retours et les Annulations. Puisque nous importons le « Motif de retour » comme une dimension, nous pouvons créer des mesures calculées en fonction de la valeur de cette dimension. Exemple : comment créer un « Taux de retour » :

1.  Créez un segment Hit-based pour « Hits de retour » avec une seule condition : motif de retour est égal « retour »

1

Ne vous inquiétez pas si l’Aperçu des Données dans la partie supérieure droite indique 0, c’est en fait correct car le remboursement ne s’est pas produit lors d’une visite en ligne et n’a pas généré de Visite de page.

2. Créez la Mesure calculée (dans notre exemple, le Taux de retour en termes de Recette). Voici le segment que vous venez de créer, placez l’événement de réussite de recette remboursée (Mesure personnalisée) de l’importation de données à l’intérieur de ce segment et divisez le résultat par les recettes :

2

Cela permet d’obtenir un élément très utile pour un marché : au lieu d’examiner simplement les taux de remboursement, nous pouvons consulter les taux de retour et d’annulation des vendeurs individuels. Ainsi, nous pouvons identifier les vendeurs qui annulent souvent les commandes (certains peuvent simplement accepter pour obtenir autant de commandes que possible et annuler plus tard) et contacter ceux qui génèrent un taux de retours élevé (parce qu’il est possible que les mauvais clients soient attirés) :

3

Ce produit est distribué sous licence Creative Commons Attribution - Pas d’utilisation commerciale - Partage à l’identique 3.0 non transposé  Les publications Twitter™ et Facebook ne sont pas couvertes par les dispositions Creative Commons.

Mentions légales   |   Politique de confidentialité en ligne