Les deux groupes d’acquisition convertissent moins souvent. Pourtant, le taux global est multiplié par plus de trois. Aucun événement ne manque et le calcul est correct.
Voici un entonnoir hypothétique avec deux groupes distincts, E-mail et Recherche. Chaque entrée enregistrée appartient à un seul groupe, selon la même règle dans les deux périodes. Ces nombres servent d’illustration ; ce ne sont ni des résultats de clients Zenovay ni des références de performance pour ces canaux.
| Période | Groupe | Entrées enregistrées | Parcours terminés | Taux |
|---|---|---|---|---|
| A | 100 | 20 | 20% | |
| A | Recherche | 1 900 | 38 | 2% |
| A | Total | 2 000 | 58 | 2,9% |
| B | 1 000 | 180 | 18% | |
| B | Recherche | 1 000 | 15 | 1,5% |
| B | Total | 2 000 | 195 | 9,75% |
E-mail passe de 20 à 18 pour cent. Recherche passe de 2 à 1,5 pour cent. Pourtant, le taux global monte de 2,9 à 9,75 pour cent, avec le même nombre total d’entrées.
La différence vient de la composition du public : la part d’E-mail passe de 5 à 50 pour cent des entrées. Son taux est plus faible qu’avant, mais reste supérieur à celui de Recherche. Augmenter le poids de ce groupe modifie le résultat global.
Le taux global répond à une autre question
C’est un exemple du paradoxe de Simpson : le sens d’une comparaison globale peut s’inverser dans chacun des sous-groupes. Il s’agit d’un effet statistique connu, pas d’une nouvelle découverte ni d’une erreur de calcul.
Le taux global mesure la part des entrées de cette période qui ont terminé l’entonnoir. Les taux par groupe décrivent ce qui s’est passé dans E-mail et dans Recherche. Les tailles relatives de ces populations ont changé ; la comparaison globale ne maintient donc pas leur composition constante.
La deuxième période produit bien davantage de résultats : 195 au lieu de 58. Cela peut être utile pour l’activité. Mais cela ne montre pas que le parcours est devenu plus simple pour l’un des groupes. Le taux observé baisse dans les deux.
Avant d’attribuer le résultat à une refonte, précisez la question : davantage de résultats au total, un autre public, ou une meilleure conversion dans un public comparable ?
Garder la composition du public constante
Une vérification descriptive utile consiste à choisir une composition de référence et à l’appliquer aux taux des groupes dans les deux périodes. Utilisons celle de la période A : 5 pour cent E-mail et 95 pour cent Recherche.
Pour la période B, le calcul donne : 0,05 × 18% + 0,95 × 1,5% = 2,325%.
| Période | Taux global observé | Taux avec la composition de la période A |
|---|---|---|
| A | 2,9% | 2,9% |
| B | 9,75% | 2,325% |
À composition constante, le taux baisse. Ce calcul sépare le changement de poids des groupes du changement de taux dans chaque groupe.
Choisissez et documentez la population de référence avant de juger le résultat. Utilisez les mêmes groupes, sans chevauchement, dans les deux périodes. Si un groupe n’a aucune entrée observée dans une période, son taux est indéfini ; ne remplacez pas discrètement cette absence par zéro.
Voici le calcul dans une requête PostgreSQL autonome. Elle utilise uniquement les quatre lignes hypothétiques par groupe du tableau :
WITH sample(period, segment, entries, completions) AS (
VALUES ('A', 'Email', 100, 20),
('A', 'Search', 1900, 38),
('B', 'Email', 1000, 180),
('B', 'Search', 1000, 15)
), rates AS (
SELECT *, completions::numeric / entries AS rate
FROM sample
), baseline AS (
SELECT segment,
entries::numeric / SUM(entries) OVER () AS weight
FROM sample WHERE period = 'A'
)
SELECT r.period,
ROUND(100.0 * SUM(r.completions) / SUM(r.entries), 3)
AS observed_pct,
ROUND(100.0 * SUM(r.rate * b.weight), 3)
AS fixed_mix_pct
FROM rates r JOIN baseline b USING (segment)
GROUP BY r.period ORDER BY r.period;
La repondération répond à une question de comparaison. Elle ne prouve pas ce qu’une refonte a causé et ne prédit pas exactement le comportement d’un futur public.
Les taux par étape ont leur propre dénominateur
La même précaution vaut dans un entonnoir. Imaginons 1 000 entrées enregistrées, 400 inscriptions et 100 résultats finaux. Le taux global est de 10 pour cent. De l’inscription au résultat final, il est de 25 pour cent. Les deux calculs sont corrects parce que leurs dénominateurs diffèrent.
Dans Zenovay, le taux global compare les parcours terminés aux entrées enregistrées. Pour les transitions après la première étape, le détail utilise l’étape précédente comme dénominateur. Lisez chaque taux avec ses nombres et son périmètre.
Personnes, sessions, entrées dans l’entonnoir et occurrences d’événements sont des unités distinctes. Quelqu’un peut revenir plusieurs fois ou répéter une action. Une entrée enregistrée ne correspond pas à un individu vérifié. Gardez l’unité explicite lorsque vous comparez des rapports.
Fixer les définitions et la durée d’observation
Un dénominateur plus petit peut aussi augmenter le taux sans ajouter un seul résultat : 100 sur 1 000 donnent 10 pour cent ; 100 sur 500 donnent 20 pour cent. Rapprocher le départ du paiement change la mesure, même si le rapport garde le même nom.
Conservez la même règle d’entrée, le même événement final, la même unité et les mêmes définitions de groupes. Consignez les modifications des règles d’URL ou des étapes, et établissez une nouvelle référence si le sens de la mesure change.
Le temps compte aussi. Les personnes arrivées hier ont eu moins de possibilités de finir un long parcours que celles arrivées il y a deux semaines. Pour comparer des cohortes, choisissez une période d’entrée et une durée de suivi fixe, puis attendez que les deux groupes en bénéficient. Un rapport calendaire sur les événements et un rapport suivant les entrants sont deux vues différentes.
C’est une méthode de comparaison des cohortes, pas l’affirmation que tous les rapports d’entonnoir proposent ce réglage.
Ce que le calcul montre et ce qu’il ne montre pas
Le tableau démontre une inversion liée à l’agrégation. Il n’explique pas pourquoi le taux d’un groupe a changé. Les taux observés peuvent aussi varier par hasard, surtout avec de petits effectifs.
Définissez à l’avance les segments utiles à la décision. Affichez les entrées et les résultats à côté des pourcentages. Pour affirmer qu’un changement du produit a causé une amélioration, il faut une expérience adaptée ou un autre dispositif causal défendable. Un rapport segmenté avant et après ne suffit pas.
Une conclusion vérifiable serait : « Les résultats sont passés de 58 à 195 pour 2 000 entrées enregistrées dans chaque période. Les taux des deux groupes ont baissé, tandis que la part d’E-mail est passée de 5 à 50 pour cent. Avec la composition de la période A maintenue fixe, le taux de la période B est de 2,325 pour cent, contre 2,9 pour cent auparavant. »
C’est plus utile que « la conversion s’est améliorée ». Cela précise ce qui a changé, quelle comparaison s’est améliorée et quelle question reste ouverte.
