Catalogue
Monitoring 25 avril 2022

Les KPI d'UX Analytics en complément des KPI traditionnels

En plus de votre donnée web analytics, vous pouvez vous appuyer sur des données à partir d’outils d’UX analytics tels qu’Hotjar, Microsoft Clarity ou encore Contentsquare. Ces outils permettent d’obtenir des informations complémentaires à celles présentes dans vos outils de web analytics. Les outils de webanalytics permettent d’analyser le volume du trafic, les performances des […]

Les KPI d'UX Analytics en complément des KPI traditionnels

En plus de votre donnée web analytics, vous pouvez vous appuyer sur des données à partir d’outils d’UX analytics tels qu’Hotjar, Microsoft Clarity ou encore Contentsquare. Ces outils permettent d’obtenir des informations complémentaires à celles présentes dans vos outils de web analytics.

Les outils de webanalytics permettent d’analyser le volume du trafic, les performances des sources d’acquisition, la mesure du nombre d’utilisateurs uniques ou encore le volume de consultation des pages d’un site. Ils permettent également de mesurer l’expérience du client qui visite le site ou l’application mobile. L’objectif est de déceler les freins dans les parcours de navigation pour fluidifier et augmenter la conversion, qu’elle soit transactionnelle ou rapportée à un objectif. 

Ces deux types d’outils offrent une multitude de KPI. Il y a les KPI analytics dits « traditionnels ». Dans cet article on se concentre sur les KPI d’UX analytics.


Les KPI d’UX analytics

Heatmaps

Les cartes de chaleur de scroll permettent de connaître la part des pages qui est réellement vue par l’utilisateur au-delà de la ligne de flottaison. Très utiles pour les blogs par exemple afin de connaître la réelle consommation des articles par l’utilisateur mais aussi pour les e-commerçants. Par exemple sur les pages produits pour savoir si toutes les informations de la page sont consultées et ainsi arbitrer si ce n’est pas le cas (remonter des éléments de réassurance par exemple).

Les cartes de chaleur des clics de vos utilisateurs permettent d’identifier les dead clics (clics sur des éléments du site non cliquables) et les rage clics (lorsque l’utilisateur effectue plusieurs clics à la suite sur un même élément, souvent signe qu’il cherche à interagir mais n’y parvient pas). Les erreurs et les incompréhensions sur le site sont donc mises en évidence. 


Session recording

Le session recording permet de passer en replay les sessions d’un utilisateur et donc d’étudier précisément ses actions sur le site (mouvements de souris, interactions, temps morts). Cela est très utile pour comprendre comment les utilisateurs perçoivent le site même si l’utilisation de cet indicateur est chronophage.


Comment combiner les outils de web analytics et les outils d’UX analytics : cas d’usage.

Avant toutes choses, il faut rappeler que les outils de web analytics permettent surtout d’analyser la performance et le trafic inter-pages alors que les outils d’UX analytics permettent d’analyser l’expérience et le trafic intra-pages. Le premier met en évidence les symptômes alors que le second cherche un remède.

Si cette différence est claire, alors il devient facile de comprendre comment combiner l’utilisation de ces deux types d’outils pour en retirer des insights intéressants.

Voici un exemple de cas d’usage démontrant la chronologie logique d’utilisation des KPI abordés et le protocole méthodologique à employer :

L’un de mes clients avait modifié son prestataire de paiement et donc l’interface même de la brique de paiement et souhaitait connaître les impacts de ce changement.

1ère étape: Le constat grâce à la web analyse

J’ai donc dans un premier temps utilisé les KPI de l’outil de web analytics et notamment le taux d’abandon sur la page de paiement. Il s’est avéré que le taux avait plus que doublé sur la nouvelle brique par rapport à l’ancienne version pour la même période de l’année précédente. 

2ème étape: L’hypothèse d’un événement exogène écartée grâce à la web analyse

Les indicateurs de sources de trafic étaient quasiment identiques d’une année sur l’autre, ce qui a écarté l’hypothèse d’une source de trafic en augmentation du volume mais moins performante sur la page de paiement. La structure du trafic présent sur la page de paiement était quasiment iso d’une année sur l’autre et cela a été démontré par la web analytics.

3ème étape: L’utilisation de l’outil d’UX analytics pour comprendre le comportement des utilisateurs sur la page

Le décorticage des données UX analytics a donc commencé. Il s’est avéré que le nombre de rage clics dans la nouvelle brique de paiement était élevé et que les utilisateurs cherchaient à cliquer sur l’illustration des cartes de paiement pensant qu’il fallait choisir un mode de paiement.

En effet, l’ancienne brique de paiement nécessitait que l’utilisateur choisisse son type de carte avant d’entrer ses informations alors que la nouvelle brique ne nécessite que l’entrée des informations de paiement dans les champs libres, les illustrations de cartes n’étant là que pour informer les types de cartes acceptées. Le nombre de rage clics sur cet encart était d’ailleurs deux fois plus important pour les non acheteurs que pour la moyenne des utilisateurs de la page, cela est venu confirmer qu’un souci de compréhension était apparu à ce moment du paiement.


Web analytics et UX analytics : des outils complémentaires.

Pour conclure, l’outil de web analytics permet d’alerter sur des KPI pour mettre en évidence des zones de friction à l’intérieur du site. L’outil d’UX analytics apporte des informations complémentaires pour comprendre pourquoi l’utilisateur fait face à des problèmes sur la page. Dans ce cas d’usage, les illustrations ont été déplacées vers le bas du formulaire et le taux d’abandon a fortement diminué. 

Couplés à une méthodologie consistant à identifier des anomalies et à formuler des hypothèses, les outils de web analytics et d’UX analytics sont gorgés de KPI très intéressants à suivre. Ils exigent toutefois un plan de marquage fiable et à jour pour avoir confiance en la donnée et baser les décisions sur des indicateurs de qualité.

Contenu rédigé par meet your data et paru dans le livre blanc « Data for CX » de seenaptic.

Temps de lecture

6 min

Suivez-nous !

Contenus similaires

Gouvernance Tracking : vos KPI sont-ils encore fiables ?
Gouvernance Tracking : vos KPI sont-ils encore fiables ?

Un KPI bouge. Le taux de conversion baisse. Une campagne semble moins performante.

Chez Netvigie, après dix ans à travailler sur des problématiques de Data Quality, on a appris une chose assez simple : une alerte n’a de valeur que si quelqu’un sait quoi en faire.

Le problème, c’est qu’un dashboard peut continuer à afficher un chiffre parfaitement normal alors que la collecte, elle, s’est dégradée.

Conformité digitale : ce que les CDO, CTO et CDO Data doivent piloter face au cadre légal 2026
Conformité digitale : ce que les CDO, CTO et CDO Data doivent piloter face au cadre légal 2026

La conformité devient un flux continu.

Depuis 2018, le RGPD structure la gouvernance des données. Mais ce socle juridique, que  certains considèrent comme “acquis”, entre désormais dans une nouvelle phase : celle de la régulation continue. Consentement prouvé, accessibilité testée, contrôle des traceurs sur mobile… Les exigences s’étendent à l’ensemble des parcours digitaux.

Spec-Driven Measurement : fiabiliser son plan de marquage à l'ère de l'IA
Spec-Driven Measurement : fiabiliser son plan de marquage à l'ère de l'IA

Les 28 et 29 septembre 2026, Netvigie était au Digital Benchmark de l’EBG à Saint-Malo, le rendez-vous des directions digitales, data et e-commerce. Thomas Pinte y a co-animé avec Benjamin Gadomski (groupe ADEO) un atelier sur le Spec-Driven Measurement, une méthode pour fiabiliser son plan de marquage et la qualité des données à l’ère de l’IA.

Gouvernance du Tracking : pourquoi vos méthodes actuelles ne suffisent plus
Gouvernance du Tracking : pourquoi vos méthodes actuelles ne suffisent plus

Google Sheets partagés, recettes manuelles, scripts internes… Ces méthodes ont longtemps permis aux équipes digitales de piloter leur Tracking.

Et elles fonctionnent encore. Jusqu’au moment où le rythme les rattrape.

Chez Netvigie, ça fait vingt ans qu’on voit les dispositifs de mesure évoluer et dix ans qu’on travaille sur les problématiques de Data Quality. Avec le temps, on a vu le même décalage se creuser : les produits évoluent de plus en plus vite mais les méthodes utilisées pour gouverner le Tracking, beaucoup moins.

Le véritable enjeu n’est donc plus seulement de collecter des données. C’est de savoir si vous pouvez toujours leur faire confiance au moment de prendre une décision.