L’essentiel à retenir
- Erreurs de volume : conclure sur moins de 100 conversions, lire un taux hebdomadaire sur 12 événements.
- Erreurs de période : comparer au mois précédent une activité saisonnière, juger une campagne avant la fin de son délai de conversion.
- Erreurs de calcul : moyenner des taux, additionner des utilisateurs, confondre corrélation et cause.
- Erreurs de mesure : attribuer sans savoir quel modèle est utilisé, ignorer la part de trafic perdue par le consentement.
Les indicateurs marketing sont rarement faux ; ce sont leurs lectures qui le sont. Un taux de conversion qui « chute de 40 % » sur une semaine de 15 conversions, une campagne « déficitaire » jugée trois jours après son lancement, un canal « inutile » parce que le modèle d’attribution ne lui donne rien : les mauvaises décisions viennent de ces raccourcis. Voici les dix erreurs les plus fréquentes, chacune avec un exemple concret et la parade. La plupart s’appliquent à tout KPI, quel que soit l’outil.
Les erreurs de volume
- Conclure sur de petits nombres. Un site qui passe de 12 à 8 demandes de devis en une semaine affiche « −33 % » ; statistiquement, cette variation est du bruit. En dessous de 100 conversions sur la période, comparez sur 4 à 8 semaines glissantes et lisez la tendance, pas la variation.
- Lire des taux sur des bases minuscules. Un taux de conversion de 12 % sur 25 visites d’une campagne ne prouve rien ; il faut plusieurs centaines de visites par variante pour comparer deux annonces ou deux pages. La méthode de test est dans le test A/B en publicité.
| Volume mensuel de conversions | Granularité de lecture raisonnable | Variation à considérer comme un signal |
|---|---|---|
| Moins de 30 | Trimestre glissant | Supérieure à 40 % sur 3 mois |
| 30 à 100 | Mois, moyenne 3 mois | Supérieure à 25 % |
| 100 à 500 | Mois, semaine avec prudence | Supérieure à 15 % |
| Plus de 500 | Semaine | Supérieure à 10 % |
Les erreurs de période
- Comparer au mois précédent une activité saisonnière. Un chauffagiste voit ses contacts baisser de 45 % entre janvier et avril chaque année ; comparer avril à mars conclut à un problème inexistant. Comparez à la même période l’an dernier, et au mois précédent uniquement pour les activités stables.
- Juger avant la fin du délai de conversion. Une campagne B2B lancée le 1er est « déficitaire » le 10 ; les rendez-vous arrivent entre le 15 et le 45. Fixez la fenêtre de lecture selon le cycle mesuré (7 jours en e-commerce impulsif, 30 à 90 jours en B2B) avant de conclure.
- Lire les données du jour ou de la veille. GA4 consolide ses données sur 24 à 48 heures, la Search Console a 2 à 3 jours de retard, les conversions Ads importées arrivent avec décalage. Une lecture le lundi matin des chiffres du week-end sous-estime tout.
Les erreurs de calcul
- Faire la moyenne de taux. Deux campagnes, l’une à 5 % de conversion sur 100 clics, l’autre à 1 % sur 10 000 clics : la « moyenne » de 3 % est fausse ; le taux réel est de 1,04 %. Recalculez toujours à partir des totaux.
- Additionner des utilisateurs ou des portées. 3 000 utilisateurs en janvier et 3 200 en février ne font pas 6 200 utilisateurs sur deux mois ; une partie est commune. Même chose pour la portée sociale entre plateformes. Seuls les événements (sessions, conversions, ventes) s’additionnent.
- Confondre corrélation et cause. Les ventes montent en même temps que les abonnés Instagram ; c’est souvent la saison, ou une campagne parallèle, qui explique les deux. Avant d’attribuer un effet, cherchez les autres changements de la période. La méthode de mesure d’impact est détaillée dans déterminer l’impact d’une communication.
Les erreurs de mesure
- Lire une attribution sans connaître le modèle. GA4 attribue par défaut selon un modèle fondé sur les données ; Google Ads et Meta comptent chacun leurs propres conversions, avec des fenêtres différentes. Additionner les conversions déclarées par les plateformes donne souvent 150 à 200 % du total réel. Choisissez une source de vérité (GA4 ou le CRM) et lisez les plateformes comme des indicateurs relatifs. Voir l’attribution dans GA4.
- Oublier la part invisible. En France, 25 à 45 % des visiteurs refusent les cookies ; GA4 ne les voit pas ou les modélise. Une « baisse de trafic » après un changement de bandeau de consentement n’est pas une baisse d’activité. Rapprochez toujours les conversions mesurées des contacts et commandes réellement reçus.
| Lecture erronée | Ce que l’on aurait dû regarder |
|---|---|
| « Le taux de rebond a explosé » | GA4 mesure un taux d’engagement dont la définition diffère de l’ancien rebond ; vérifier les paramètres de session avant de conclure |
| « Le trafic direct augmente, la notoriété progresse » | Le direct contient les liens non tagués (emails, applications, QR codes) ; vérifier la nomenclature UTM |
| « Meta ne génère aucune vente selon GA4 » | Les conversions post-vue et les parcours multi-appareils échappent à GA4 ; lire aussi l’avant-après sur les recherches de marque |
| « La position moyenne a baissé » | De nouvelles requêtes en position 40 ont fait baisser la moyenne ; regarder les clics et les positions par requête cible |
Une routine de lecture qui évite ces pièges
Avant de commenter un chiffre, posez quatre questions : sur combien d’événements repose-t-il ? À quoi est-il comparé, et cette comparaison a-t-elle un sens saisonnier ? Le délai de conversion est-il écoulé ? La mesure a-t-elle changé sur la période (tracking, consentement, modèle d’attribution) ? Si une réponse est incertaine, le chiffre se note mais ne déclenche pas de décision. Les indicateurs sans valeur décisionnelle sont recensés dans les vanity KPI, et les pièges propres à l’outil dans les pièges à éviter sur GA4.
Comment GreenRed vous aide
Plutôt que de jongler entre plusieurs outils, le module Formation continue de GreenRed réunit ces indicateurs dans un seul tableau de bord, les compare dans le temps et vous indique les actions prioritaires. Vous pouvez le tester gratuitement, sans carte bancaire, depuis la page Tarifs.
Questions fréquentes
À partir de combien de conversions une variation est-elle significative ?
Il n’existe pas de seuil unique, mais en pratique une variation de moins de 15 % sur moins de 100 conversions n’est pas interprétable, et une variation de 30 % sur moins de 30 conversions ne l’est pas non plus. Allongez la période jusqu’à cumuler plusieurs centaines d’événements avant de comparer.
Pourquoi les conversions de Google Ads et de GA4 ne correspondent-elles pas ?
Les deux outils utilisent des modèles d’attribution, des fenêtres de conversion et des méthodes de comptage différents. Google Ads s’attribue une conversion si un clic a eu lieu dans les 30 jours, même si GA4 la donne à une autre source. Un écart de 20 à 40 % est normal ; au-delà, vérifiez le paramétrage.
Faut-il comparer au mois précédent ou à l’an dernier ?
À l’an dernier pour toute activité saisonnière, et au mois précédent uniquement pour des activités stables ou pour suivre l’effet immédiat d’une action. Le mieux est d’afficher les deux comparaisons, avec la tendance sur 12 mois glissants pour lisser les à-coups.
Comment repérer qu’un changement de mesure fausse les chiffres ?
Tenez un journal des modifications : bandeau de consentement, balises, refonte, nouveau modèle d’attribution, changement d’outil. Toute rupture brutale sur un indicateur coïncidant avec une entrée du journal est une rupture de mesure, pas un changement d’activité. Sans journal, ces ruptures sont interprétées comme des résultats.