Lorsqu'une boutique en ligne ne vend pas aussi bien qu'espéré, le regard se porte généralement d'abord sur le design, puis sur le trafic et enfin sur le prix. Beaucoup plus rarement, il se tourne là où réside en réalité la cause dans bien des cas : sur les données produit. Elles sont peu spectaculaires, leur gestion est fastidieuse, et elles n'apparaissent dans aucune présentation marketing comme une belle réussite. Pourtant, ce sont elles qui déterminent si un article est trouvé, compris et acheté. dhbdhj
Les données produit sont bien plus que du texte et des images
Dans la boutique, un produit se compose de plusieurs couches de données qui remplissent des fonctions différentes.
Les données d'identification – référence article, EAN, numéro fabricant – garantissent qu'un article peut être référencé de manière univoque. Elles sont indispensables aux comparaisons de prix, aux connexions aux places de marché et à une gestion de stock propre.
Les données descriptives – nom, description courte et longue, images, vidéos – accomplissent le travail de vente. Elles remplacent ce que représentent, dans le commerce physique, le fait de toucher et le conseil.
Les données structurantes – catégories, propriétés, variantes, valeurs de filtre – déterminent si un article est trouvable dans la navigation, dans la recherche et dans les filtres. Elles constituent la couche la plus souvent négligée et, en même temps, celle qui a le plus grand levier.
Les données commerciales – prix, prix dégressifs, taux de TVA, délais de livraison, modes d'expédition – pilotent le panier et le checkout.
Un article peut avoir une excellente description et rester néanmoins invisible parce qu'il lui manque les propriétés de filtre. Inversement, la meilleure structure de filtres ne sert à rien si la description ressemble à une fiche technique.
L'erreur la plus fréquente : reprendre les textes fabricant sans vérification
De nombreuses boutiques reprennent textes et attributs directement depuis les flux de données de leurs fournisseurs. C'est efficace et, dans un premier temps, tout à fait légitime. Cela devient problématique lorsque cet import marque la fin du travail.
Les textes fabricant sont rédigés pour le fabricant, pas pour votre boutique. Ils s'adressent à un public de spécialistes, utilisent des désignations internes et décrivent des caractéristiques sans en expliquer l'utilité. À cela s'ajoute que, si vingt revendeurs utilisent le même texte, un contenu identique se retrouve à vingt endroits sur le web. Pour les moteurs de recherche, ce n'est pas un critère d'exclusion, mais il n'y a aucune raison de privilégier précisément votre page.
La voie médiane pragmatique consiste à : importer les données fabricant comme matière première, puis affiner manuellement les articles générant le plus de chiffre d'affaires. Une analyse de l'assortiment montre en règle générale que vingt pour cent des articles représentent quatre-vingts pour cent du chiffre d'affaires. Ces vingt pour cent méritent un véritable travail éditorial, le reste se contente dans un premier temps de données de base propres.
Modéliser correctement les propriétés
La modélisation des propriétés est une décision à longue durée de vie. Celui qui la prend proprement dès le début s'épargne plus tard des migrations coûteuses.
Une règle empirique praticable : tout ce sur quoi quelqu'un pourrait filtrer est une propriété. Tout ce qui ne sert qu'à informer est un attribut ou fait partie de la description. La couleur d'un article est une propriété. L'indication « Made in Germany » peut en être une si l'origine est un critère d'achat – sinon elle appartient au texte courant.
Trois règles ont fait leurs preuves :
1. Normaliser les valeurs. « Rouge », « rouge », « Rouge métallisé » et « RAL 3020 » sont quatre valeurs de filtre pour une seule couleur. Définissez un vocabulaire contraignant et gérez les synonymes dans une table de correspondance.
2. Séparer les unités. Stockez « 1,5 » et « l » séparément, et non « 1,5 litre » sous forme de texte. Ce n'est qu'ainsi que les filtres par plage et les tris peuvent être mis en œuvre.
3. Toute propriété n'a pas besoin d'être filtrable. Un filtre comportant quarante valeurs, chacune n'apparaissant qu'une seule fois, n'aide personne. Les filtres ont besoin de pouvoir discriminant.
Les images sont des données
Les images sont rarement considérées comme un sujet de qualité des données, alors qu'elles se comportent exactement ainsi. Des détourages hétérogènes, des rapports d'aspect changeants et des cadrages différents rendent une page catégorie brouillonne, même si chaque image prise isolément est correcte.
Définissez donc un standard d'image contraignant : rapport d'aspect, résolution minimale, arrière-plan, position de l'objet dans l'image, nombre de vues par article et une convention de nommage contenant la référence article et la position de l'image. Ajoutez des textes alternatifs – non seulement pour l'accessibilité, mais aussi parce qu'ils servent de description dans la recherche d'images.
Définir les responsabilités
La qualité des données échoue rarement à cause de l'outil et presque toujours à cause de responsabilités floues. Clarifiez donc par écrit qui gère quels champs et qui les valide.
Dans de nombreuses équipes, une répartition simple a fait ses preuves : les achats sont responsables des données d'identification et commerciales, la rédaction des données descriptives, l'équipe e-commerce des données structurantes. Une personne dispose de la validation finale et vérifie une brève checklist avant la mise en ligne. Cette checklist peut sembler banale – ce sont justement les erreurs banales qui coûtent cher.
## Rendre la qualité mesurable
La qualité des données se laisse étonnamment bien traduire en indicateurs. Sont notamment utiles :
- Taux de complétude par champ obligatoire sur l'ensemble de l'assortiment
- Part des articles sans image ou avec moins que le nombre minimal d'images
- Part des articles sans propriétés de filtre dans leur catégorie principale
- Requêtes de recherche sans résultat – souvent un indice direct de synonymes manquants
- Taux de retour par article – les écarts marquants indiquent fréquemment des descriptions trompeuses ou des indications de dimensions erronées
Un tableau de bord simple avec ces cinq valeurs est plus efficace qu'un manuel de qualité volumineux que personne ne lit. L'essentiel est que les chiffres soient consultés régulièrement et attribués à des personnes précises.
## La gestion comme processus continu
Les données produit ne sont jamais terminées. Les assortiments changent, les fournisseurs adaptent leurs flux, les articles saisonniers vont et viennent. Il est donc judicieux d'adopter un rythme fixe plutôt que des opérations d'envergure occasionnelles : un coup d'œil hebdomadaire sur les nouveaux articles, un rapport mensuel sur la complétude et un passage annuel à travers la structure des catégories.
Celui qui établit ce rythme constate après quelques mois un double effet. La recherche fournit de meilleurs résultats parce qu'elle travaille avec de meilleures données. Et le support reçoit moins de demandes parce que les réponses figurent déjà sur la page produit.
## Les outils viennent en dernier
La question du système PIM adapté est le plus souvent posée trop tôt. Un système dédié devient rentable dès lors que plusieurs canaux sont alimentés, que plusieurs personnes gèrent les données simultanément ou que des traductions entrent en jeu. Tant qu'une seule boutique est au centre et que deux personnes gèrent les données, la conservation des données dans le système de boutique lui-même suffit, complétée par des modèles d'import documentés et une table de correspondance versionnée. Celui qui introduit un PIM sans avoir au préalable clarifié la structure et les responsabilités retrouve les mêmes problèmes dans une interface plus coûteuse.
## Conclusion
La gestion des données produit n'est pas un projet avec un début et une fin, mais une discipline opérationnelle. Elle ne fournit pas d'images avant-après spectaculaires, mais améliore simultanément la trouvabilité, la conversion et le taux de retour. Pour une boutique en ligne, il existe peu d'investissements qui agissent à autant de niveaux en même temps – et guère d'autres qui soient aussi régulièrement sous-estimés.
Commentaires
Aucun commentaire pour l’instant.
Écrire un commentaire