Comportement de l'utilisateur et optimisation de la conversion – Modèles comportementaux pour davantage de conversions

Cependant, chaque visite ultérieure à un taux de conversion médiocre à faible est une mauvaise visite, car un faible taux de conversion entraîne des coûts de marketing dans des zones qui ne sont plus économiques. Cela se traduit par un simple coup d'œil sur l'importante mesure marketing en ligne au coût par commande, le coût par clic ou le coût par contact (CPC) et le taux de conversion (CR):

Dans un exemple numérique avec trois valeurs modérées pour le CPC, à savoir le prix du clic ou du contact, il devient rapidement évident qu'un taux de conversion faible entraîne des coûts de marketing en ligne par commande qui vont au moins au-delà du cadre économique habituel du commerce électronique de biens de consommation.

Alors quoi de plus évident que de placer l'optimisation de la conversion au centre de l'optimisation des magasins? Cependant, les données récentes du marché sur les taux de conversion montrent que de nombreux détaillants en ligne ont du mal à optimiser le taux de conversion à un point tel que le succès en ligne est plus probable que quelques points de pourcentage.

Figure 1: Taux de conversion de Statista (source)

Causes des taux de conversion incorrects

Les faibles taux de conversion ont des causes diverses qui vont au-delà du produit et du prix. Ainsi, même les fournisseurs de produits attrayants à des prix compétitifs se heurtent au faible nombre de ventes en ligne. Il y a trois causes principales à ce problème:

• Mesure inexacte ou insuffisante des conversions
• Erreur lors de l'acquisition de visiteurs pour la boutique en ligne
• Erreur lors de la conception des pages de destination et du paiement.

Les deux premières causes peuvent certainement être considérées comme des erreurs fondamentales dans le marketing en ligne et le commerce électronique. Les visites dans une boutique en ligne doivent être acquises le plus précisément possible afin de réduire le gaspillage. Et pour pouvoir améliorer les conversions, vous devez les mesurer à l'avance et vous ne devez commettre aucune erreur. Une de ces erreurs serait de ne pas ajuster les conversions aux rendements qui doivent être déduits du taux de conversion.

Alors que les deux erreurs cardinales peuvent être résolues relativement facilement en se concentrant et en se professionnalisant dans le marketing en ligne et l'analyse de magasin, la troisième cause de faibles conversions est un tableau plus épais. Si les erreurs dans les pages de paiement et de destination sont la cause de faibles conversions, cela est souvent dû à une mauvaise compréhension du propriétaire du magasin pour le parcours client complexe.

Ce faisant, chaque entreprise de commerce électronique se trouve face à un conflit: d’une part, la conception du magasin est conçue pour exprimer l’individualité et la position unique de l’offre, d’autre part, les utilisateurs du magasin se sont habitués à une multitude de normes facilitant les conversions.

Face à ce dilemme, le concepteur et l'exploitant de la boutique n'a d'autre choix que de vérifier la refonte des pages de la boutique dans le contexte des tests A / B pour déterminer si la conversion est appropriée. Mais les tests A / B prennent beaucoup de temps et ne sont pas toujours clairs. Existe-t-il d'autres méthodes pour aborder le comportement des utilisateurs dans le cadre de l'optimisation des conversions?

Celles-ci existent réellement et sont ouvertes par des modèles de comportement psychologiques décrivant des schémas de comportement courants. Ces comportements des utilisateurs de la boutique facilitent l'optimisation. Je voudrais présenter deux de ces modèles comportementaux, car je les connais comme extrêmement utiles pour améliorer la compréhension de la conversion.

Modèles comportementaux pour l'optimisation de la conversion

Le premier modèle a été créé par André Morys, qui, avec l'agence de Francfort WebArts, est l'un des principaux experts en conversion dans les pays germanophones. Avec son modèle de conversion en 7 étapes, il donne accès à une meilleure compréhension de la psychologie comportementale des conversions. Le deuxième modèle est plus général et provient de l'entrepreneur américain Nir Eyal. Il a montré dans son livre "Hooked – Comment créer des produits qui créent des habitudes", comment les déclencheurs et les récompenses peuvent être utilisés pour générer des routines qui renforcent la fidélité des clients aux plates-formes numériques.

Les deux modèles se complètent. Alors que le modèle en 7 étapes de Morys décrit le micro-niveau de conversion, Eyal intègre la conversion et son comportement associé dans la conception de modèles commerciaux et de plates-formes. Il décrit le niveau macro de la conversion. Il est donc logique de commencer avec ce modèle.

1. Accroché – l'effet de la bonne récompense

Le modèle de Eyal commence par des déclencheurs comportementaux menant à l'action. Les déclencheurs sont des stimuli qui surviennent de manière externe ou interne et mènent à l'action. Les déclencheurs externes peuvent être trouvés dans la publicité, par exemple, alors que les déclencheurs internes sont dans les émotions des utilisateurs. Les déclencheurs typiques sont souvent des émotions négatives telles que l'ennui, la solitude, la frustration ou l'anxiété. Pour réduire ces émotions, de plus en plus de personnes accèdent au smartphone et trouvent des divertissements, un contexte social, une affirmation ou des informations. Ainsi, ils sont récompensés pour leur acte d'utilisation du smartphone et des applications appropriées.

La récompense est la prochaine étape du modèle associé après les déclencheurs et une action déclenchée. Il est important que la récompense soit variable et non fixe. Le fond est le fonctionnement du système de récompense de notre cerveau. Nous éprouvons une satisfaction particulière à rechercher et à trouver des récompenses. Dans une boutique en ligne, cette satisfaction provient de la navigation, du défilement et de la comparaison dans "La chasse aux bonnes affaires numériques".

Enfin, lorsque les utilisateurs en ligne reçoivent des récompenses via des actions, la dernière étape du modèle intégré est la motivation pour investir dans une plate-forme et une relation à long terme. Cet investissement peut résulter de la phase de récompense: les utilisateurs sont motivés pour effectuer une action ultérieure avec un effet à long terme en contrepartie de la récompense reçue. Pour les utilisateurs, on s’attend à ce que les avantages futurs soient encore plus importants s’ils travaillent à la création d’une plate-forme. Globalement, l’investissement des utilisateurs dans la plateforme est également contrôlé par l’effet de réciprocité: si nous obtenons quelque chose sans retour, nous ressentons le besoin de rééquilibrer ce déséquilibre. Nous retournons la faveur.

L'investissement dans la relation avec un magasin en ligne peut être très précieux. Un utilisateur qui a déjà été récompensé peut s'inscrire à une newsletter, créer un compte client, rejoindre un programme de fidélité ou rédiger des critiques. L’optimisation des conversions dans la boutique en ligne implique de prendre en compte les déclencheurs internes des utilisateurs et de leur proposer des options d’action. Des exemples de cette stratégie sont les plates-formes de médias sociaux telles que Twitter, Facebook ou Pinterest. Un fil d'actualité, des galeries d'images qui proposent toujours quelque chose de nouveau ou des affirmations sociales peuvent être des récompenses qui aident les utilisateurs à se connecter au magasin en ligne. Une connexion plus forte à la boutique en ligne augmente considérablement la probabilité de conversion. Notamment, cela fait d’Amazon Prime l’un des programmes de fidélisation de la clientèle les plus réussis. Les estimations du taux de conversion pour les clients Amazon Prime sont astronomiques au-delà de 50%.

2. Les 7 niveaux de conversion

Alors que le modèle associé constitue un fondement de la fidélisation de la clientèle et est de nature stratégique, le second modèle présenté ici offre un accès opérationnel aux conversions. Le modèle "7 niveaux de conversion" d’André Morys s’appuie sur des années d’expérience dans les tests utilisateurs et l’optimisation de la conversion. Il s'appuie sur des modèles comportementaux de motivation établis issus de phases d'action. De cela et de ses propres expériences, Morys a dérivé les sept niveaux de conversion. Ce sont:

• pertinence
• confiance
• orientation
• stimulant
• confort
• sécurité
• Review.

À l'aide de ces sept niveaux ou facteurs qui influencent la décision et le comportement des acheteurs en ligne, chaque boutique en ligne peut être optimisée avec l'objectif de conversions supplémentaires. Cette optimisation commence par la pertinence.

Le niveau de pertinence s’explique mieux par le niveau de qualité sur Google Adwords. Cela décrit une congruence entre l'intention des utilisateurs de Google, la déclaration d'un Adwords ainsi que le contenu d'une page de renvoi. Ce principe ingénieux visant à garantir une publicité pertinente peut également être transféré vers d'autres canaux de marketing en ligne. Les mots-clés, les méta-descriptions et le contenu de la page de destination doivent donc correspondre.

Le niveau de confiance décrit une "condition sine qua non" dans le commerce électronique. Les acheteurs en ligne ont appris à rechercher dans un magasin des signaux fiables. Si ceux-ci font défaut, la méfiance survient qui conduit à une cessation immédiate.

En plus de la confiance est suffisante orientation un facteur important. Plus l'écran est petit, plus il est facile et clair d'avoir des chemins de clic. S'il y a des lacunes dans l'utilisabilité et des lacunes, cela ira même s'il n'y a pas d'orientation.

Simplifier les processus décisionnels

Les acheteurs en ligne sont souvent dans un processus de prise de décision complexe. Après tout, ils doivent comparer un grand nombre de boutiques en ligne et un nombre encore plus grand d'offres. Dans ce contexte, il devient rapidement évident que la boutique au niveau de stimulant en renforçant les messages, il convient de souligner pourquoi leur offre est optimale.

Après tout, les acheteurs en ligne attendent aussi confortLes achats en ligne doivent donc être aussi simples que possible. L'entrée de l'état fédéral dans l'enregistrement de l'adresse? Des captchas illisibles dans les requêtes de recherche? Ceux-ci et d'autres "tueurs de conversion" devraient eux-mêmes être "tués" dans le processus d'optimisation de la conversion.

En 2017, le cryptage des sites Web et des boutiques en ligne devient de plus en plus standard. sécurité de shopping. Outre la confiance dans les performances du détaillant en ligne en termes de qualité du produit et de livraison, le paiement et le transfert des données d'adresse et de paiement doivent être considérés comme sûrs. Il ne faut pas oublier que les acheteurs en ligne connaissent une variété de grands, voire de très grands magasins, où ces facteurs sont appliqués depuis longtemps.

La conclusion du chemin de conversion peut également être conclue dans le sens de ventes réussies. Ceci est particulièrement important si le taux de retour est élevé. Une "page de remerciement" significative, qui est chargée immédiatement après un clic sur le "bouton d'achat", ainsi qu'une communication claire et impeccable pour compléter la commande sont des outils de niveau importants. « Revue » dans le modèle à 7 niveaux par André Morys.

Ce modèle peut être utilisé comme guide pour l'optimisation de la conversion en cours. Dans un flux de travail issu de l’objectif – analyse – optimisation, il est nécessaire de vérifier encore et encore si des changements de comportement des utilisateurs et de la technologie utilisée nécessitent également une modification des chemins de conversion. De plus, les 7 niveaux fournissent un cadre pour l'observation de la concurrence. Les grandes boutiques en ligne établissent des normes auxquelles les utilisateurs en ligne sont habitués. Ces normes peuvent être capturées, mises en œuvre et développées à l'aide du modèle à 7 niveaux.

conclusion

Le modèle en crochet de Nir Eyal et le modèle à 7 niveaux de la conversion d'André Mory peuvent être utilisés comme modèles complémentaires pour l'optimisation de la conversion opérationnelle et stratégique. Bien que "accroché" soit un modèle pouvant se lier à une plate-forme d'achat, les 7 niveaux fournissent des indices orientés processus pour la mise en œuvre opérationnelle d'une conversion. Les deux modèles devraient être très utiles dans le contexte de la "révolution mobile", qui est actuellement un défi majeur pour le commerce électronique et une diminution des taux de conversion.