Guide de stratégie marketing e-commerce — funnel complet, données et plateformes
Le marketing e-commerce ne consiste pas à acheter des visiteurs avec de la publicité, mais à décomposer en données les quatre leviers de la formule de croissance — chiffre d’affaires = trafic × taux de conversion × panier moyen × réachat — et à corriger d’abord le levier le plus faible. L’exécution se résume à trois étapes. Premièrement, décomposer la formule de croissance pour diagnostiquer le levier qui bloque. Deuxièmement, positionner canaux et contenus sur l’ensemble du parcours client — notoriété → exploration → achat → réachat → recommandation. Troisièmement, ne pas s’arrêter à l’acquisition de nouveaux clients, mais construire une structure où le réachat et la valeur vie client (LTV) s’accumulent. Sans cette structure, augmenter uniquement le budget publicitaire fait disparaître le chiffre d’affaires dès qu’on coupe les publicités ; avec cette structure, le chiffre d’affaires s’accumule, même à budget constant.
Le marché lui-même est largement assez grand. Selon le rapport Tendances du shopping en ligne de Statistics Korea (aujourd’hui la National Data Agency), les transactions de shopping en ligne en janvier 2026 se sont élevées à 24 100,4 milliards de wons, en hausse de 8,6 % sur un an, dont 78,2 % réalisées sur mobile. Le problème n’est pas le marché, mais la structure. Sur ce même marché, certaines boutiques en ligne perdent d’autant plus d’argent qu’elles dépensent en publicité, tandis que d’autres marques croissent par le réachat même en réduisant leur budget pub. Ce guide présente, dans l’ordre, la stratégie marketing e-commerce qui crée cette différence : décomposition de la formule de croissance, conception du funnel complet, gestion des données, choix de plateforme, principes de gestion publicitaire et schémas d’échec courants. Tous les chiffres cités dans cet article proviennent de sources vérifiées.
La formule de croissance e-commerce — le chiffre d’affaires se décompose en quatre leviers
Tout chiffre d’affaires e-commerce se décompose en une seule ligne :
Chiffre d’affaires = Trafic (visites) × Taux de conversion (CVR) × Panier moyen (AOV) × Réachat (fréquence d’achat)
Cette décomposition compte pour deux raisons. Premièrement, l’objectif vague « augmenter le chiffre d’affaires » devient une question mesurable : « quel levier faut-il actionner, et de combien ? » Deuxièmement, les quatre leviers sont reliés par une multiplication, si bien que de petites améliorations produisent un effet composé. Améliorer chaque levier de seulement 10 % fait croître le chiffre d’affaires de 1,1 × 1,1 × 1,1 × 1,1 ≈ 1,46, soit environ 46 %. Améliorer les quatre leviers de 10 % chacun coûte bien moins cher que d’augmenter le seul trafic de 46 %, et l’effet dure plus longtemps.
La première tâche du marketing e-commerce n’est donc pas de planifier des créations publicitaires, mais de diagnostiquer. Mesurer la valeur actuelle des quatre leviers, identifier celui qui est le plus en retard par rapport aux standards du secteur, puis concentrer budget et expérimentations sur ce goulot d’étranglement. C’est, en somme, l’optimisation du goulot d’étranglement issue de la data science, appliquée telle quelle au marketing.
| Levier | Indicateur clé | Stratégie d’amélioration type | Idée reçue fréquente |
|---|---|---|---|
| Trafic | Sessions par canal, coût d’acquisition client (CAC) | SEO/contenu, publicité search et social, découverte via test de produits/avis, retours via CRM | « Plus de visiteurs, plus de chiffre d’affaires » — un trafic sans intention d’achat n’est qu’un coût |
| Taux de conversion (CVR) | Taux de conversion à l’achat, taux d’abandon de panier, taux de finalisation du paiement | Renforcement de la fiche produit et des avis, simplification du parcours de paiement, tests A/B | « La conversion, c’est un problème produit » — corriger l’UX de paiement et les signaux de confiance suffit souvent |
| Panier moyen (AOV) | Montant moyen de commande, nombre de produits par commande | Sets et bundles, upsell/cross-sell, seuil de livraison offerte | « Vendre plus cher, ça ne se vend pas » — changer la composition de l’offre fait monter le panier sans résistance au prix |
| Réachat | Taux de réachat, cycle d’achat, LTV | Onboarding après le premier achat, messages CRM, abonnement/adhésion, boucle avis → réachat | « Un bon produit se rachète tout seul » — un réachat non conçu n’est que de la chance |
Par quel levier commencer ? — Les trois étapes du diagnostic
L’ordre pour trouver le goulot d’étranglement est le suivant. Premièrement, mesurer — avec les données des 3 à 6 derniers mois, mesurer la valeur actuelle des quatre leviers, découpée par canal (la moyenne globale masque le goulot ; il faut une matrice canal × levier pour le voir). Deuxièmement, comparer — comparer au niveau habituel pour la même catégorie et la même gamme de prix, ainsi qu’à la tendance historique de votre propre boutique, pour identifier le levier le plus en retard. Troisièmement, concentrer — consacrer, par trimestre, l’expérimentation et le budget à un seul levier goulot. Toucher les quatre leviers en même temps empêche de savoir ce qui a réellement fonctionné, et fait disparaître la base de décision pour le trimestre suivant.
La difficulté à actionner chaque levier diffère aussi. En général, le taux de conversion et le panier moyen sont contrôlables directement sur le site et s’améliorent vite ; le trafic coûte de l’argent ; le réachat a l’effet le plus important mais demande du temps pour s’accumuler. En pratique, l’ordre le moins coûteux consiste à colmater d’abord les fuites de conversion (pour ne pas perdre le trafic déjà entrant), puis à augmenter le trafic, puis à construire en parallèle la structure de réachat.
Trafic — l’intention d’achat prime sur le volume
Sur le levier trafic, la première chose à examiner n’est pas le nombre de visiteurs, mais leur qualité. Pour un même volume de 10 000 visiteurs, un trafic attiré par une opération de réduction et un trafic arrivé en recherchant « nom du produit + avis » peuvent afficher un taux de conversion plusieurs fois supérieur pour l’un par rapport à l’autre. Plutôt que de regarder uniquement le nombre de sessions dans le rapport par canal, mettez en regard le taux de conversion par canal et le coût d’acquisition client (CAC) : cela révèle immédiatement quels canaux amènent réellement du trafic générateur de chiffre d’affaires.
Taux de conversion — commencez par colmater le point où 7 paniers sur 10 sont abandonnés
La plus grosse fuite du levier conversion, c’est le panier. Le Baymard Institute, cabinet de recherche UX, a synthétisé 50 études et obtenu un taux d’abandon de panier moyen de 70,22 % — autrement dit, 7 clients sur 10 qui ont ajouté un produit au panier repartent avant de payer. Les coupables habituels sont les coûts additionnels inattendus (livraison, frais), la création de compte imposée et un tunnel de paiement trop complexe. De simples messages de relance de panier abandonné, l’autorisation du paiement invité et l’annonce anticipée des frais de livraison suffisent à réduire sensiblement la fuite à ce stade.
Panier moyen — une question de composition, pas de hausse des prix
Le panier moyen n’est pas un levier qu’on actionne en augmentant les prix, mais en concevant la composition de la commande. Les leviers types sont le bundle associant le produit principal à des consommables, le cross-sell proposé au stade du panier, et le seuil de livraison offerte au-delà d’un certain montant. Si le panier moyen est de 42 000 wons, fixer le seuil de livraison offerte à 50 000 wons, par exemple, revient à faire remonter ce seuil à partir des données.
Réachat — le levier le plus sous-estimé
Parmi les quatre leviers, le réachat est celui que les e-commerçants coréens négligent le plus. Il n’apparaît pas sur le tableau de bord publicitaire, et son effet étant cumulatif, il ne se voit pas immédiatement. Pourtant, le réachat est le seul levier qui génère du chiffre d’affaires sans coût d’acquisition supplémentaire, et c’est la clé pour rompre l’« addiction au trafic neuf » que nous détaillerons plus loin.
Conception du funnel complet du parcours client — chaque étape appelle une réponse différente
Si le diagnostic des leviers indique quoi corriger, la conception du funnel complet indique où placer quoi. Un client n’achète pas après une seule exposition publicitaire. Comme le montre le parcours de décision client (CDJ), il traverse les étapes notoriété → exploration → achat → réachat → recommandation, et la question dans sa tête diffère à chaque étape. Le travail du marketing consiste à préparer à l’avance le canal et le contenu adaptés à la question de chaque étape.
L’étape d’exploration, en particulier, n’est pas linéaire. La recherche de Google sur le comportement du consommateur appelle l’espace entre la recherche et l’achat le « messy middle » (la zone grise du milieu). Le consommateur alterne entre deux modes — l’exploration, qui élargit les options, et l’évaluation, qui les réduit — jusqu’à ce que la décision d’achat tombe. Parmi les facteurs de décision d’achat identifiés par cette étude, ceux qui touchent directement l’e-commerce sont la preuve sociale (avis, recommandations), l’autorité (experts, sources fiables), les heuristiques de catégorie (résumé des spécifications clés) et l’immédiateté (livraison rapide). C’est pourquoi les marques riches en avis et en contenus comparatifs gagnent cette boucle.
| Étape | Question du client | Canaux clés | Contenus/dispositifs | Indicateurs clés |
|---|---|---|---|---|
| Notoriété | « Un produit comme ça existait ? » | Social/formats courts, influenceurs/test de produits, display | Contenu de problématisation, vidéos d’usage réel, UGC | Portée, nouvelles visites, volume de recherche de marque |
| Exploration | « Est-ce mieux que les autres ? Puis-je faire confiance ? » | Recherche (SEO)/blog, avis YouTube, contenu comparatif | Avis et notes, tableaux comparatifs, guides d’ingrédients/spécifications | Trafic de recherche, temps passé sur la fiche produit, ajouts en favoris/panier |
| Achat | « Est-ce que je ne vais pas le regretter en achetant maintenant ? » | Boutique propre/marketplace, retargeting, relance de panier | Simplification de l’UX de paiement, information sur livraison/retours, avantage premier achat | Taux de conversion, taux d’abandon de panier, taux de finalisation du paiement |
| Réachat | « Y a-t-il une raison de racheter ? » | CRM (notifications KakaoTalk/e-mail/push app), adhésion | Onboarding du premier achat, rappel de réassort selon le cycle de consommation, avantages de palier | Taux de réachat, cycle d’achat, LTV |
| Recommandation | « À qui ai-je envie d’en parler ? » | Plateformes d’avis, parrainage, communauté | Récompense pour avis photo, récompense de parrainage, interviews clients | Nombre/note d’avis, inscriptions/achats par recommandation |
Notoriété et exploration — bâtissez un capital d’avis avant de dépenser en publicité
Une erreur fréquente au stade de la notoriété consiste à présenter des indicateurs d’exposition — vues, portée — comme des résultats. Pour vérifier si l’investissement en notoriété a réellement fonctionné, il faut regarder l’évolution du volume de recherche de marque et du trafic direct. Si une vidéo cumule un million de vues sans que les recherches sur le nom de marque n’augmentent, le contenu a été consommé, mais la marque n’a pas été retenue.
Au stade de l’exploration, l’arme qui fonctionne le plus fortement dans le messy middle est la preuve sociale. Pour une boutique récente, constituer un capital d’avis et de contenu avant d’augmenter le budget publicitaire est ce qui fait ensuite monter l’efficacité publicitaire elle-même. Le marketing par test de produits est efficace pour obtenir les premiers avis, et le marketing de contenu, sous forme comparative ou de guide, est l’investissement le plus durable pour capter la demande de recherche au stade de l’exploration. Une publicité s’arrête dès qu’on la coupe ; un contenu bien positionné en recherche et des avis accumulés continuent de travailler.
Achat — tout se joue sur l’élimination de l’hésitation
Le principe de conception au stade de l’achat est unique : éliminer, une à une, les hésitations juste avant le paiement. Affichage de la date de livraison prévue, information claire sur la politique de retour, options de paiement simplifié, paiement invité — voilà les bases. Le taux d’abandon de panier de 70,22 % cité plus haut s’explique en grande partie non par un rejet du produit, mais par des frictions dans le processus de paiement. Les messages de relance envoyés aux clients qui ont ajouté un produit au panier puis sont partis figurent parmi les scénarios les plus solidement prouvés en CRM e-commerce en termes de retour sur investissement.
Réachat et recommandation — pas la fin du funnel, mais l’entrée du suivant
Le réachat et la recommandation ne sont pas le fond de l’entonnoir, mais l’entrée du suivant. En pratique, quatre scénarios CRM sont prioritaires.
- Onboarding du premier achat — envoyer les instructions d’usage et de conservation juste après la livraison. La satisfaction lors de cette première expérience d’usage est le premier verrou qui détermine la probabilité de réachat.
- Rappel de réassort selon le cycle de consommation — déterminer, à partir des données, le cycle moyen de réachat de chaque produit, et envoyer un rappel juste avant l’épuisement prévu. Particulièrement efficace pour les cosmétiques, l’alimentaire et les consommables.
- Relance de panier et de produits favoris — message de récupération pour les clients ayant ajouté un produit et quitté le site, ou ayant consulté plusieurs fois le même produit.
- Demande d’avis puis proposition de parrainage — demander un avis au bon moment après réception, et ne proposer le parrainage qu’aux clients ayant laissé un avis positif. Solliciter une recommandation auprès d’un client dont la satisfaction est confirmée augmente à la fois le taux de réponse et la qualité de la recommandation.
Construire cette boucle fait qu’un seul client apporte à la fois du capital d’avis et de nouveaux clients ; une fois la boucle enclenchée, la dépendance publicitaire au stade de la notoriété diminue structurellement.
Pourquoi l’« addiction au trafic neuf » détruit-elle les boutiques en ligne ?
Beaucoup de réunions marketing de boutiques en ligne commencent et se terminent par « comment augmenter les nouvelles visites ce mois-ci ». Dépense publicitaire → nouvelle visite → premier achat → nouvelle dépense publicitaire le mois suivant. Nous appelons « addiction au trafic neuf » le fait de tourner uniquement dans ce cycle. Le problème est que cette structure se dégrade avec le temps. La concurrence aux enchères fait monter le CAC en continu, et sans structure de réachat, il faut racheter tout le chiffre d’affaires à chaque fois. Une entreprise dont le chiffre d’affaires tombe à zéro dès qu’elle coupe la publicité ne possède pas un actif, mais une structure de dépense.
Les chiffres rendent la différence évidente. Voici un exemple simplifié (avec un CPC de 600 wons et un taux de marge sur coûts variables de 40 %).
| A. 10 000 nouvelles visites achetées par publicité | B. 100 clients réachetés | |
|---|---|---|
| Coût marketing | 6 000 000 wons (CPC 600 wons × 10 000 clics) | Quelques centaines de milliers de wons (coût d’envoi CRM) |
| Nombre d’achats | 120 (taux de conversion de 1,2 %) | 100 (clients déjà en confiance) |
| Chiffre d’affaires | 6 000 000 wons (panier moyen de 50 000 wons) | 6 000 000 wons (panier moyen de réachat de 60 000 wons) |
| Marge sur coûts variables − coût marketing | Environ −3 600 000 wons (2,4M − 6M) | Environ +2 300 000 wons (2,4M − coût d’envoi) |
Pour un même chiffre d’affaires de 6 000 000 wons, un côté est déficitaire, l’autre bénéficiaire. Les 100 clients revenus contribuent davantage au résultat que les 10 000 visites achetées par publicité. C’est le principe que nous défendons systématiquement : non pas le volume de trafic, mais le fait d’amener — et de garder — le client qui deviendra du chiffre d’affaires.
Les données externes vont dans le même sens. Selon la Harvard Business Review, acquérir un nouveau client coûte 5 à 25 fois plus cher que fidéliser un client existant, et l’étude de Frederick Reichheld pour Bain & Company citée dans ce même article rapporte qu’une hausse de 5 points du taux de rétention accroît le profit de 25 à 95 %. La rétention et le réachat ne sont pas un « marketing vertueux » : ils sont, en économie unitaire, largement plus efficaces que l’acquisition de nouveaux clients.
L’addiction au trafic neuf a un effet secondaire supplémentaire : la dépendance aux remises. Le moyen le plus simple d’augmenter rapidement les nouvelles visites étant la promotion, l’habitude de coupler publicité et remise finit par s’installer. Le problème réside dans la nature du pool de clients ainsi constitué. Les clients attirés par la remise ont réagi au prix, pas à la marque, et rachètent donc beaucoup moins souvent au prix plein — ce qui pousse à proposer des remises encore plus importantes pour générer le chiffre d’affaires du mois suivant. Si votre courbe de chiffre d’affaires se maintient pendant que votre courbe de marge baisse trimestre après trimestre, vous êtes probablement déjà pris dans ce cercle vicieux.
Ne vous méprenez pas : cela ne veut pas dire que l’acquisition de nouveaux clients est mauvaise en soi, mais qu’une acquisition sans structure de réachat est un tonneau percé. Il suffit d’inverser l’ordre : définir le premier achat comme « le début d’une relation » plutôt que comme « l’aboutissement de l’acquisition », concevoir les 30 premiers jours d’expérience après ce premier achat (livraison, onboarding, premier message CRM), puis seulement ensuite augmenter le trafic neuf. Ainsi, le budget publicitaire est récupéré sous forme de LTV plutôt que de chiffre d’affaires ponctuel. Le critère de jugement est le ratio LTV:CAC : suivre, canal par canal, si la marge sur coûts variables qu’un client génère sur sa durée de vie dépasse suffisamment le coût de son acquisition (un ratio de 3 ou plus est généralement considéré comme sain) permet de distinguer quels canaux d’acquisition sont réellement rentables.
Les bases de la gestion des données — raisonnez en segments, pas en moyennes
La phrase « notre taux de réachat est de 15 % » ne dit en réalité rien, car ces 15 % mélangent des clients qui achètent deux fois par mois et des clients qui ont acheté une fois il y a un an et ne sont jamais revenus. La moyenne n’aide pas à décider, elle masque. Le point de départ de la gestion des données en e-commerce n’est pas un tableau de bord sophistiqué, mais deux techniques de base pour regarder les clients par segment plutôt que par moyenne : le RFM et les cohortes.
RFM — une méthode de classification pour décider à qui envoyer quoi
Le RFM est une méthode classique, mais toujours la plus pratique, pour classer les clients selon trois axes : Récence (depuis combien de temps le dernier achat), Fréquence (à quelle fréquence ils achètent) et Montant (combien ils dépensent). Combiner les scores de ces trois axes permet de sortir du CRM « un seul message envoyé à tous » et de concevoir des actions différentes par segment.
| Segment | Définition (exemple) | Action prioritaire |
|---|---|---|
| VIP | Achat récent + fréquence élevée + montant élevé | Avantages de palier, avant-première sur les nouveautés pour éviter le churn, proposition de programme de parrainage |
| Clients à fort potentiel | Achat récent + faible fréquence | Inciter au deuxième achat — suggestions de produits liés, rappel de réassort selon le cycle |
| Clients à risque | Fréquence élevée par le passé, mais récence en baisse | Message de reconquête, enquête sur les raisons du départ, avantage au retour |
| Clients dormants | Aucun achat depuis longtemps | Minimiser la fréquence de contact, canaux à faible coût uniquement — exclure du retargeting publicitaire |
La dernière ligne mérite l’attention : le RFM indique non seulement à qui envoyer, mais aussi à qui ne pas envoyer. Le simple fait d’exclure du retargeting les clients dormants ayant peu de chances de revenir réduit déjà le gaspillage publicitaire.
Cohortes — le seul moyen de vérifier qu’une amélioration est réelle
L’analyse de cohortes regroupe les clients ayant effectué leur premier achat sur la même période (par exemple, les clients ayant acheté pour la première fois en janvier 2026) et suit, dans le temps, le pourcentage d’entre eux qui rachètent. Le chiffre d’affaires mensuel total peut toujours être gonflé en augmentant le budget publicitaire, mais la courbe de réachat d’une cohorte ne peut pas mentir. Si le taux de réachat à deux mois de la cohorte de mars est plus élevé que celui de la cohorte de janvier, l’amélioration de l’onboarding a réellement fonctionné ; si la courbe reste identique, la hausse du chiffre d’affaires signifie simplement que davantage de trafic neuf a été acheté. Cette distinction est précisément la raison pour laquelle le framework AARRR du growth hacking vérifie l’activation et la rétention avant l’acquisition.
Ces deux analyses reposent sur une infrastructure de mesure solide. Si le tracking de conversion de votre boutique (événements e-commerce GA4, pixel publicitaire, Conversion API) est défaillant, le RFM, les cohortes et l’automatisation publicitaire apprennent tous sur de mauvaises données. Les événements de paiement finalisé manquants ou en doublon contaminent en particulier toutes les analyses en aval : avant de commencer, rapprochez le nombre réel de commandes dans votre système de gestion des commandes du nombre d’événements d’achat remonté par vos outils de tracking, pour vérifier d’abord le taux d’erreur.
Vous pouvez commencer simplement. Avec seulement les données de commande (date, identifiant client, montant), un tableur suffit pour construire des paliers RFM et un tableau de cohortes mensuel. Le processus concret de conception des scores RFM et de construction des graphiques de cohortes est suffisamment dense pour faire l’objet d’un article séparé, étape par étape.
Stratégie de plateforme — boutique propre ou marketplace : où concentrer ses efforts ?
« Faut-il s’inscrire sur une marketplace comme une plateforme de type smart-store, ou développer sa propre boutique ? » est l’une des questions les plus fréquentes en marketing de boutique en ligne. Pour résumer : ce n’est pas un choix binaire, mais une question de dosage par étape. Les deux types de plateformes ont des forces exactement opposées.
| Critère | Boutique propre (D2C) | Marketplace (place de marché ouverte/généraliste) |
|---|---|---|
| Trafic initial | À construire soi-même (publicité, SEO, contenu) | Déjà détenu par la plateforme — visibilité dès l’inscription |
| Frais/marge | Proches des seuls frais de paiement — marge plus facile à défendre | Frais de vente et publicité rognent la marge |
| Données clients | Propriété — permet un CRM basé sur les contacts et l’historique d’achat | Le plus souvent non fournies — recontacter l’acheteur est difficile |
| Conception réachat/LTV | Construction possible de programmes d’adhésion, d’abonnement, de boucles CRM | Le réachat au sein de la plateforme est un actif de la plateforme, pas de la marque |
| Concurrence prix | Pas de comparaison côte à côte | Concurrence permanente sur le prix le plus bas, sur le même écran |
| Liberté de branding | Contrôle total de la fiche produit et de toute l’expérience | Contraint par les gabarits de la plateforme |
| Risque de politique | Faible — gestion en propre | Dépendant des changements de frais, d’algorithme et de règlement de la plateforme |
Les orientations recommandées selon l’étape de développement sont les suivantes.
| Étape | Situation | Répartition de plateforme recommandée | Objectif de cette étape |
|---|---|---|---|
| Validation | Adéquation produit-marché incertaine, absence d’avis | Priorité marketplace — tester la demande avec le trafic de la plateforme | Données de vente, premiers avis |
| Croissance | Signaux de réachat confirmés, efficacité publicitaire vérifiée | Développer la part de la boutique propre tout en maintenant les marketplaces | Accumulation de données clients, activation de la boucle CRM |
| Expansion | Base de réachat stable, extension des catégories | Boutique propre en priorité — marketplace comme point de contact complémentaire | Maximisation de la LTV, répartition du risque de dépendance à la plateforme |
La logique centrale est simple. En phase de validation (peu de commandes mensuelles, adéquation produit-marché incertaine), on emprunte le trafic de la marketplace pour valider la demande et accumuler les premiers avis. En phase de croissance, on développe délibérément la part de la boutique propre. La raison rejoint exactement la section précédente : actionner les leviers réachat et LTV suppose de posséder les données clients, or la marketplace ne les fournit pas. Une entreprise dont plus de 90 % du chiffre d’affaires vient des marketplaces a, de fait, son levier de réachat verrouillé, et son résultat oscille au moindre changement de politique de frais ou d’algorithme de la plateforme. Il est utile de mettre en place tôt des dispositifs — cartes cadeaux, avantages d’adhésion — pour convertir en membres de votre boutique propre les clients rencontrés sur les marketplaces.
Quelle que soit la plateforme, la prémisse de base reste le mobile. Comme vu plus haut, 78,2 % des transactions de shopping en ligne se font sur mobile : la fiche produit, le paiement et les messages CRM doivent donc tous être conçus d’abord pour l’écran mobile.
Principes de gestion publicitaire — ne faites pas du ROAS votre seul objectif
L’habitude la plus risquée en publicité e-commerce consiste à prendre toutes les décisions sur la seule base du ROAS (retour sur dépense publicitaire). Le ROAS ne montre que le chiffre d’affaires rapporté au coût — il n’intègre ni la marge, ni l’incrémentalité, ni la valeur future. Voici trois principes pour bien piloter la publicité.
Premièrement, calculez votre ROAS de seuil de rentabilité
Le bon ROAS ne vient pas d’une moyenne sectorielle, mais de votre propre taux de marge sur coûts variables. La formule est simple : ROAS de seuil de rentabilité = 1 ÷ taux de marge sur coûts variables. Piloter sans connaître ce seuil, en se fiant à l’idée reçue qu’« un ROAS de 300 % c’est bien », conduit à continuer d’acheter, sur des produits à faible marge, ce qui ressemble à du profit mais est en réalité une perte.
| Taux de marge sur coûts variables | ROAS de seuil de rentabilité | Interprétation |
|---|---|---|
| 20 % | 500 % | Même à 400 % de ROAS, c’est une perte — plus on vend via la publicité, plus on perd |
| 30 % | environ 333 % | Un ROAS de 350 % est tout juste rentable |
| 40 % | 250 % | À partir de 300 % de ROAS, le profit devient significatif |
| 50 % | 200 % | Marge de manœuvre pour une acquisition agressive de nouveaux clients |
Pour aller plus loin, un ROAS élevé n’est pas toujours une bonne chose. En resserrant le ciblage sur les personnes qui allaient acheter de toute façon — retargeting et recherche de marque — le ROAS paraît magnifique, mais l’afflux de nouveaux clients se tarit et la croissance s’arrête. À l’inverse, une campagne d’expansion vers de nouveaux clients peut afficher un ROAS faible tout en restant un investissement rentable une fois la LTV intégrée. Il ne faut donc pas regrouper toutes les campagnes sous un seul objectif de ROAS, mais appliquer des critères différents selon leur rôle. Jugez les campagnes d’acquisition sur « l’économie du premier achat + la LTV attendue », et évaluez les campagnes de retargeting/CRM avec prudence, en questionnant la part réellement incrémentale de leur contribution. Le raisonnement sur les seuils de budget et le ROAS marginal est détaillé dans Le piège du ROI et du ROAS.
Deuxièmement, alimentez les campagnes automatisées en signal et en création
Le centre de gravité de la gestion publicitaire est déjà passé du ciblage manuel à l’automatisation par machine learning. Les campagnes de vente Advantage+ de Meta (anciennement Advantage+ Shopping Campaigns/ASC) laissent l’IA décider du ciblage, des emplacements et de l’allocation budgétaire, et Performance Max de Google touche, à partir d’une seule campagne, l’ensemble de l’inventaire Search, YouTube, Display, Discover, Gmail et Maps. Dans cet environnement, il ne reste à l’annonceur que deux véritables leviers de contrôle : la qualité des données de conversion (les signaux — pixel, Conversion API) sur lesquelles le machine learning s’entraîne, et le volume et la diversité des créations que l’algorithme peut combiner. Le temps consacré à alimenter ces deux éléments détermine la performance bien plus que le temps passé à retoucher la structure du compte. La structure et le paramétrage concret de l’ASC sont détaillés dans notre guide des campagnes Meta ASC.
Alimenter la création demande un rythme opérationnel. Même une création très performante finit par s’user — la lassitude créative — après une exposition répétée à la même audience, d’où la nécessité d’un système qui surveille la fréquence et la tendance d’efficacité des créations performantes, tout en gardant en permanence des candidates de remplacement dans une file de test. Là encore, le critère doit être la donnée, pas le goût. Tester différents types d’accroche — avis/UGC, problématisation, comparaison de spécifications — révèle aussi quel message répond le mieux aux questions de vos clients au stade de l’exploration.
Troisièmement, ne faites pas confiance à la somme des rapports par canal, regardez l’incrémental
Il est courant que la somme des rapports de conversion de Meta et de Google dépasse le chiffre d’affaires réel, car chaque plateforme comptabilise le même achat comme son propre résultat. La perspective d’incrémentalité — filtrer les doublons d’attribution et retrancher « le chiffre d’affaires qui aurait eu lieu sans cette publicité » — ainsi que les dispositifs expérimentaux permettant de vérifier la performance par canal sont détaillés dans notre guide complet du marketing à la performance. L’amélioration au niveau des groupes d’annonces doit s’accumuler par les tests A/B, et non à l’instinct.
Les 7 échecs les plus fréquents en marketing e-commerce
Pour finir, voici les schémas d’échec identifiés de façon récurrente lors des diagnostics. Comparez-les à votre propre situation.
| Schéma d’échec | Symptôme typique | Remède |
|---|---|---|
| 1. Augmentation du budget publicitaire sans diagnostic | Le budget augmente sans savoir pourquoi le chiffre d’affaires stagne | Mesurer les 4 leviers de la formule de croissance → corriger d’abord le levier goulot |
| 2. Pilotage sur le seul ROAS | Le ROAS est bon, mais la trésorerie diminue | Fixer un seuil de ROAS de rentabilité (1 ÷ taux de marge sur coûts variables) |
| 3. Addiction au trafic neuf | Le chiffre d’affaires s’effondre dès l’arrêt de la publicité | Concevoir un onboarding/une boucle CRM sur 30 jours après le premier achat |
| 4. Abandon de panier négligé | Beaucoup d’ajouts au panier, peu de paiements | Relance d’abandon, paiement invité, information anticipée des coûts |
| 5. CRM diffusé à tous | Même message pour tous les clients — hausse des désabonnements | Scénarios séparés par segment RFM |
| 6. Dépendance aux marketplaces | 90 % du chiffre d’affaires via les places de marché — absence de données clients | Dispositifs de conversion vers la boutique propre, objectifs de répartition par canal |
| 7. Addiction aux remises | Chiffre d’affaires uniquement pendant les promotions, vente au prix plein disparue | Différenciation par la valeur, pas par le prix — avis, contenu, adhésion |
Ces sept schémas partagent un point commun : l’habitude de résoudre les problèmes par la dépense plutôt que par la structure. L’essence de la stratégie marketing e-commerce n’est pas de savoir bien acheter de la publicité, mais de construire une structure où les clients qui entrent s’accumulent en chiffre d’affaires, et le chiffre d’affaires en réachat.
Si vous avez augmenté votre budget publicitaire sans que le profit ne progresse, la première étape consiste à identifier, par la donnée, quel levier constitue le goulot d’étranglement. Growth, notre agence marketing, propose un service de marketing à la performance qui prend la responsabilité, sur une base de compte de résultat, du diagnostic de la formule de croissance jusqu’à la gestion publicitaire et la conception du CRM. Si vous souhaitez savoir où se situe le goulot d’étranglement de votre boutique, envoyez-nous vos indicateurs actuels via une demande de consultation.
Guides pratiques de ce cluster
- Comment choisir une agence de marketing e-commerce — le chiffre d’affaires attribué plutôt que le ROAS
- Gestion opérationnelle des données e-commerce — segments RFM et analyse de cohortes
Questions fréquentes (FAQ)
Par où commencer en marketing e-commerce ?
Par le diagnostic, pas par la publicité. À partir des données des 3 à 6 derniers mois, mesurez la valeur actuelle des quatre leviers — trafic, taux de conversion, panier moyen, taux de réachat — identifiez le levier le plus faible, et concentrez-y budget et expérimentations. Les quatre leviers étant reliés par une multiplication, corriger un seul goulot fait bouger le chiffre d’affaires total le plus rapidement.
Comment répartir le budget marketing d’une boutique en ligne ?
Il n’existe pas de ratio fixe universel, mais il y a un principe : allouer à la publicité d’acquisition dans la limite du ROAS de seuil de rentabilité (1 ÷ taux de marge sur coûts variables), investir dans le CRM et l’adhésion dès que des clients rachetables commencent à s’accumuler, et investir en continu une part constante dans des canaux de type actif — contenu de recherche, avis — qui continuent de fonctionner même sans dépense active. Allouer 100 % du budget à la publicité d’acquisition fige une structure où le chiffre d’affaires s’arrête dès l’arrêt de la publicité.
Quel est le ROAS approprié pour la publicité e-commerce ?
Il doit être calculé à partir de votre propre taux de marge sur coûts variables, pas d’une moyenne sectorielle. Le ROAS de seuil de rentabilité est égal à 1 divisé par le taux de marge sur coûts variables : à 30 % de marge, environ 333 % de ROAS correspond au seuil de rentabilité. Ajoutez-y votre objectif de marge pour fixer un ROAS cible, mais pilotez-le en parallèle de la part de nouveaux clients, car pousser le ROAS uniquement via le retargeting réduit l’afflux de nouveaux clients et bloque la croissance.
Faut-il se concentrer d’abord sur sa boutique propre ou sur une marketplace ouverte ?
Au démarrage, il est efficace d’utiliser le trafic de la marketplace pour valider la demande et accumuler des avis. Mais comme la marketplace ne fournit pas les données clients — ce qui complique la conception du réachat et de la LTV — il faut développer délibérément la part de la boutique propre dès la phase de croissance. Ce n’est pas un choix binaire, mais une question de dosage par étape.
Les petites boutiques avec peu de clients ont-elles aussi besoin d’analyses RFM et cohortes ?
Oui. Même avec seulement quelques centaines à un millier de clients cumulés, les seules données de commande (date, identifiant client, montant) suffisent pour construire des paliers RFM et un tableau de cohortes mensuel dans un tableur. Plus la structure est petite, plus le moindre euro de publicité gaspillé est coûteux : décider, par la donnée, à qui envoyer et à qui ne pas envoyer devient donc encore plus important.
