E-commerce
29 juin 2026
Le trafic est stable, le taux de conversion stagne à 2,1 %. Le dashboard CRO ne montre rien d'anormal. Pourtant, le volume de questions « est-ce que ça taille grand ? » a doublé sur la collection printemps sans qu'aucune alerte ne se déclenche. Le support voyait la fuite venir. Personne ne l'écoutait.
Gorgias estime qu'environ 1 conversation sur 9 est une question pré-achat : une vente à conclure, pas un ticket à déflexer (Gorgias, pré-achat 2026). eDesk via WOW24-7 : jusqu'à 60 % des messages support sont des signaux d'achat ; répondre vite augmente la probabilité de conversion de 65 % (WOW24-7, support conversion 2025).
Ce guide #260 traite les signaux faibles support → conversion : alertes opérationnelles, pas un audit qualitatif. Complète audit mensuel (#259) avec un radar CRO continu.
Sommaire
Pourquoi le support est-il un radar conversion avant le CRO ?
Les signaux faibles support conversion apparaissent dans les conversations avant de se refléter dans GA4. Un client hésitant pose une question. S'il part sans réponse, vous voyez un rebond, pas un verbatim.
Ce que le support voit en avance
Spike questions taille sur un SKU (guide PDP insuffisant)
« Livraison avant samedi ? » répété 40× en 3 jours (cutoff mal affiché)
Chat abandonné après question prix (objection non traitée)
Comparaison concurrent citée 12× (positionnement flou)
Questions compatibilité sur nouveau produit (fiche incomplète)
Ce que le dashboard CRO voit tard
Baisse conversion collection, hausse abandon panier, chute add-to-cart. Symptômes agrégés, sans cause racine formulée par le client.
Exemple DTC outdoor
Marque, CVR collection veste −0,8 pt en 2 semaines. GA4 : rebond PDP stable. Support : +180 % intent sizing sur SKU #4421. Fix guide taille mobile + bot sizing. CVR collection +1,2 pt en 10 jours, tickets pré-achat taille −34 %.
Gorgias : médiane réponse humaine pré-achat 11 h, bot 22 s. Chaque heure de délai = vente perdue ou chez un concurrent.
En quoi diffère-t-il des guides mesure voisins ?
Cinq contenus, cinq rôles dans la boucle revenu.
Audit mensuel (#259)
Audit (#259) : rituel qualitatif 2 h, IQS, verbatims. Le #260 : alertes quantitatives continues déclenchées par seuils.
Analytics conversations
Analytics conversations : taxonomie et volume par intent. Le #260 : signaux faibles corrélés conversion, pas seulement volume.
Objections achat
Objections : taxonomie freins et scripts réponse. Le #260 : quand alerter marketing/merch avant que le volume explose.
Commerce conversationnel
Commerce conversationnel : cadre GMV influencé. Le #260 : opérationnaliser le lien signaux → actions CRO.
KPI chatbot (#11)
KPI bot (#11) : déflexion, FCR. Le #260 ajoute chat CVR et signaux pré-achat comme KPI leading conversion.
Quels signaux faibles pré-achat faut-il tracker ?
Douze signaux pré-achat support à taguer et monitorer en continu.
Signaux produit (6)
signal_sizing: taille, fit, entre deux taillessignal_compat: compatible avec X, fonctionne avec Ysignal_compare: différence modèle A vs B, vs concurrentsignal_stock: disponible quand, rupture, précommandesignal_ingredient: allergène, composition, vegansignal_gift: emballage cadeau, message, délai offrir
Signaux confiance et prix (6)
signal_shipping: délai, cutoff, frais, internationalsignal_return: politique retour, essayage, garantiesignal_price: cher, promo, code, prix ailleurssignal_trust: avis, arnaque, paiement sécurisésignal_urgency: besoin avant date, événementsignal_cart_stall: panier ouvert, pas de checkout
Chitika : l'incertitude produit génère tickets ou abandon si aucun assistant ne répond en temps réel (Chitika, pré-achat 2026).
Quels signaux comportementaux complètent les transcripts ?
Les signaux comportementaux chat détectent la fuite avant le message explicite.
Signaux widget / session
Widget ouvert, zero message : hésitation, proposer accueil contextuel
3+ PDP vues même catégorie : indécision, comparateur bot
Temps > 90 s checkout sans payer : friction transactionnelle
Retour size guide 2× : signal_sizing fort
Abandon chat mid-flow : réponse trop lente ou hors sujet
Handoff demandé pré-achat : bot insuffisant, vente chaude
Signaux Advensus (3 phases abandon)
Bloc info pré-checkout, friction checkout, anxiété post-clic (Advensus, abandon panier 2026). Taguer la phase pour router l'action : PDP vs checkout vs confirmation.
Croisement URL + intent
Question depuis /collections/printemps + signal_sizing = alerte merch collection, pas support générique. Lier conversations → PDP.
Comment construire le dashboard signaux support → CRO ?
Le dashboard signaux conversion tient sur une page Notion ou Looker, mis à jour daily.
Bloc 1 : volume pré vs post-achat
Ratio pré-achat / total conversations. Cible DTC : 25-40 % selon vertical. Gorgias benchmark : ~11 % plateforme, plus sur marques acquisition forte. Hausse soudaine pré-achat + CVR flat = friction décision.
Bloc 2 : top signaux semaine (delta %)
Tableau : signal | volume S | volume S-1 | delta % | SKU/collection lié | owner. Surligner delta > +50 % ou volume absolu > 20/semaine sur un SKU.
Bloc 3 : chat CVR et GMV influencé
Chat CVR = commandes post-conversation / conversations pré-achat. Arc'teryx : CVR chat 4 % → 7 % avec IA sur questions produit (Gorgias, métriques conversationnelles).
Bloc 4 : délai réponse pré-achat
FRT médian segment pre_purchase=true. Alerte si > 5 min chat ou > 2 h email. Objectif bot : < 30 s.
Bloc 5 : conversion assistée par signal
Taux conversion sessions avec signal_sizing résolu vs abandonnées. Mesure l'impact réel de la réponse, pas le volume seul.
Quels seuils d'alerte déclenchent une action ?
Sans seuils alerte signaux, le dashboard devient décoratif.
Alerte P1 (action sous 24 h)
Même signal > +100 % vs semaine précédente sur un SKU top 20 CA
Chat CVR pré-achat < 50 % de la baseline 30 j
FRT pré-achat > 15 min en heures ouvrées
5+ verbatims « site confus » / « info manquante » en 48 h
Alerte P2 (action sous 1 semaine)
signal_compare + signal_price cluster sur même collection
signal_return spike post-changement policy
Abandon chat > 40 % sur flow produit
Alerte P3 (backlog mensuel)
Signaux stables mais volume élevé : candidats centre d'aide, chunk bot, enrichissement PDP. Alimente audit #259.
Routing alertes
Slack #cro-support : P1 tag @merch @support-lead. P2 ticket Notion. P3 backlog audit mensuel. Une alerte = 1 owner nommé, jamais « l'équipe ».
Comment croiser signaux support et GA4 / Shopify ?
Le croisement support analytics prouve que le signal prévoit la conversion, pas seulement le bruit.
Jointure minimale
Export Gorgias : date, signal tag, SKU, collection, pre_purchase flag
Export Shopify : conversion rate par collection × semaine
GA4 : add_to_cart et begin_checkout par landing PDP
Merge sur collection + semaine ISO
Pattern type détecté
Semaine 12 : signal_sizing SKU #4421 = 47 messages (+220 %). GA4 : add-to-cart #4421 stable, conversion −1,1 pt. Diagnostic : hésitation taille, pas trafic. Action : guide + bot sizing.
Holdout conversation
10 % trafic sans widget chat 2 semaines. Comparer CVR collection pilote. Isole l'effet support vs saisonnalité.
Attribution conversation
Tag GA4 chat_assisted=1 si commande sous 24 h post-conversation. GMV influencé Gorgias Shopping Assistant : 1,5 à 2,7 % du GMV marque (benchmark Gorgias pré-achat 2026). Voir analytics à tracker.
Quelles actions par type de signal ?
Chaque signal support mappe vers une action CRO concrète.
signal_sizing
Action : enrichir PDP (fit note, mannequin, guide mobile), activer bot sizing. Lien reco taille bot.
signal_shipping / signal_urgency
Action : bandeau cutoff dynamique PDP + panier, macro bot cutoff par carrier. Voir cadeau dernière minute.
signal_price
Action : clarifier value prop PDP, comparatif in-page, policy remise SAV. Objections prix.
signal_compare
Action : bloc « vs modèle adjacent » PDP, flow bot comparateur. Comparaison bot.
signal_return / signal_trust
Action : badge retour visible above fold, chunk bot policy retour, avis récents sync.
signal_cart_stall
Action : message proactif checkout (franco, délai, garantie), pas cross-sell agressif. Messages contextuels.
Règle 72 h
Todo P1 ouvert > 72 h sans owner update = escalade direction. Le signal sans action est pire que pas de signal.
Quels KPI prouvent le lien support → conversion ?
Six KPI signaux conversion à suivre en comité mensuel support + growth.
KPI leading (hebdo)
Pre-purchase ratio : part conv pré-achat
Signal velocity : delta % top 3 signaux
FRT pré-achat : médiane bot vs humain
Chat abandon rate : conv sans résolution
KPI lagging (mensuel)
Chat CVR : cible +50 % vs baseline sans chat
GMV influencé conversations : % revenu assisté
Conversion collection signalée : avant/après fix CRO
Tickets pré-achat évitables : baisse post-fix PDP/bot
Anti-KPI trompeur
Déflexion élevée + chat CVR bas = bot qui repousse sans vendre. Volume tickets bas + CVR site bas = clients qui partent sans écrire. Toujours croiser déflexion et CVR pré-achat.
Quels anti-patterns traiter le pré-achat comme du SAV ?
Sept erreurs signaux conversion tuent le levier revenu support.
Même file WISMO et pré-achat
Question « compatible avec mon modèle ? » attend 11 h derrière un colis perdu. Fix : route pre_purchase prioritaire bot + agent vente.
Déflexion comme seul objectif
Bot renvoie vers le centre d'aide sans répondre. Fix : mesurer chat CVR, pas seulement tickets évités.
Ignorer les signaux sans ticket
Widget ouvert sans message, abandon panier silencieux. Fix : triggers proactifs section 4.
Alertes sans owner
Dashboard Notion jamais ouvert. Fix : rituel lundi 15 min review signaux.
Fix site sans mesurer signal source
Refonte PDP sans baseline signal_sizing. Fix : mesurer avant/après 14 j.
Support exclu du comité CRO
Fix : support lead présente top 3 signaux au weekly growth.
Réponse correcte mais lente
Bonne réponse à J+1 = vente perdue. Fix : bot 24/7 pré-achat, questions produit bot.
Comment Qstomy transforme-t-il les signaux en conversion ?
Qstomy tague les signaux pré-achat en temps réel, répond en secondes et remonte les alertes vers votre dashboard CRO.
Fonctionnalités signaux
Intent + signal tagging : 12 signaux section 3 auto
Pre-purchase routing : priorité vente vs SAV
Context PDP + panier : réponse ancrée session
Proactive triggers : cart_stall, size guide repeat
Alert export : webhook spike signal → Slack
GMV influencé : attribution conversation 24 h
Handoff vente : panier > seuil → agent avec contexte
Scénario DTC chiffré
Marque équipement, 680 conv/mois, 31 % pré-achat, FRT humain 6 h, chat CVR 2,8 %. Signaux sizing et shipping ignorés (pas de dashboard). Qstomy signaux + bot pré-achat + alertes Slack : FRT 28 s, chat CVR 5,1 %, GMV influencé 2,1 %, tickets pré-achat récurrents −41 % post-fix PDP guidés par signaux, collection pilote CVR +0,9 pt en 21 j.
Explorez agent vente IA, support client, Shopify, demander une démo.
Quels playbooks déployer dès cette semaine ?
Playbook 1 : taxonomy signaux (3 h)
Créer 12 tags section 3 dans Gorgias + bot. Rule auto-tag si intent pré-achat. Test 20 conversations historiques.
Playbook 2 : dashboard Notion (2 h)
5 blocs section 5. Import hebdo CSV Gorgias. Formules delta %. Partager lien #cro-support.
Playbook 3 : seuils + routing (1 h)
Documenter P1/P2/P3 section 6. Configurer webhook Slack alerte spike.
Playbook 4 : rituel lundi (20 min)
Support lead + growth : top 3 signaux delta, 1 action P1 assignée. Log décision dans Notion.
Playbook 5 : croisement GA4 (2 h, M+1)
Merge collection + semaine section 7. Identifier 1 SKU signal → CVR corrélé.
Playbook 6 : boucle audit #259
Signaux P3 mensuels → échantillon audit qualitatif. Audit (#259) valide verbatims, #260 quantifie tendances.
Maillage utile
Les signaux faibles du support ne crient jamais dans un dashboard CRO. Ils murmurent dans des centaines de questions répétées, des chats abandonnés, des comparaisons avec le concurrent d'à côté. Les marques qui les écoutent corrigent la conversion avant que le trafic ne se tarit. Les autres optimisent des pages pendant que leurs clients demandent déjà de l'aide ailleurs.
Enzo
29 juin 2026
