L’assistance de conversion dans le cadre du long processus décisionnel des patients

Combien de visiteurs de sites de médecins prennent directement rendez-vous pour une consultation ? 1-2 % ? Peut-être 5 %, si votre processus de conversion est adapté. Les 95 % restant ne sont toutefois pas à négliger, ils demeurent le plus souvent des patients potentiels mais se trouvent encore à un stade antérieur du processus décisionnel. La plupart des sites web des médecins et des cliniques s’adressent toutefois justement à cette partie très limitée de ses visiteurs, soit les personnes déjà décidées à subir une intervention concrète et à qui n’ont plus qu’à choisir le médecin qui réalisera la procédure. Cependant, non seulement l’efficacité de ces sites mais également celle des outils en ligne utilisés par les médecins est souvent examinée par rapport à cet unique petit groupe d’internautes. C’est un peu comme si la performance d’une équipe de hockey était évaluée uniquement avec le nombre de buts marqués.

Pour les interventions invasives importantes telles que les augmentations mammaires, la durée du processus décisionnel chez un patient se compte plus en années qu’en mois et même pour les procédures de moindre envergure, il s’agit rarement de décisions impulsives. Les patients réfléchissent généralement longuement avant de se décider à subir une intervention. Avant de prendre rendez-vous chez un médecin, un patient aura probablement consulté des dizaines de sites web différents pour s’informer tant sur la procédure qu’il envisage que les médecins la pratiquant. Avant de passer à la phase de conversion (soit de contacter un médecin) il aura également consulté de nombreuses fois le site du médecin auquel il finira par s’adresser via de nombreuses sources en ligne.

asisstovane_konverze_fr

Ce schéma représente le parcours du patient se terminant par la prise de rendez-vous chez un médecin. Le patient est parvenu dans un premier temps sur le site du médecin via Google (SEO), il est ensuite revenu sur ce site en cliquant sur une bannière de remarketing, avant de vérifier les références du médecin et sa réputation sur la Toile en se rendant sur des sites tels qu’Estheticon.fr. Il a ensuite consulté à plusieurs reprises le site de ce dernier mais ne l’a contacté (phase de conversion) que lors de sa dernière visite de son site avant la campagne PPC ?.

Cet exemple de conversion est naturellement un scénario hypothétique mais néanmoins assez réaliste comme vous pourrez le constater en lisant dans Google Analytics le rapport concernant les chemins de navigation vers l’objectif dans les données de conversion. Les combinaisons de sources diverses peuvent se chiffrer en milliers et sont souvent relativement longues.

Chaque source exerçant une influence positive sur la décision du patient de subir une intervention chez un médecin concret est précieuse, car elle contribue au passage à la phase de conversion finale. Il convient cependant d’identifier ces sources d‘assistance et la valeur de ces assistances de conversions.

Un point pour assistance est attribué à …

En hockey, on définit une aide (assistance) comme une passe décisive ayant permis d’inscrire un but. Dans les statistiques, on trouve également le terme de „seconde aide“, il s’agit de passes effectuées à la première aide (soit au dernier joueur ayant touché le palet avant l’auteur du but). Dans le cas des premières et secondes aides, les joueurs reçoivent, tout comme l’auteur du but, un point dit „canadien“. De la même façon, dans le domaine du marketing en ligne, les sources ayant contribué à une conversion finale devraient être d’une certaine manière récompensées. Examinons maintenant comment Google Analytics est en mesure de traiter les conversions assistées et quelles sont ses limites.

Pour la plupart des rapports relatifs aux conversions, Google Analytics adopte une approche similaire à la plupart des outils d’analyse (y compris le cerveau humain) soit l‘attribution d’une valeur de 100 % à une source ayant généré une visite au cours de laquelle une conversion s’est produite (soit dans notre exemple, une campagne PPC). Une telle méthode est clairement inappropriée car d’autres sources ont contribué à la conversion. Dans le rapport des conversions assistées, Google Analytics est toutefois en mesure de travailler aussi avec d’autres sources de visites du patient dont la démarche s’est achevé par une conversion. Ce rapport indique de manière simple combien de sources ont contribué à la conversion finale (conversions assistées) par rapport au nombre de conversons finales générées (conversions dernier clic) de cette source.

assisted-conversions

Dans le rapport de Google Analytics, le nombre de visiteurs générés par la source n’est pas un facteur décisif, autrement dit, si la source a été visitée par un visiteur qui par la suite a effectué une conversion, un point d’assistance lui est attribué.

Astuce: Google Analytics permet de définir des canaux de suivi (sources de trafic) hors du cadre d’une classification en “organic search”, “paid search”, etc. Vous obtenez de cette manière un aperçu plus précis de l’efficacité des différentes sources de patients. Sur ce lien vous pouvez télécharger les définitions des canaux que nous utilisons et qui incluent la majorité des sources en ligne de trafic importantes.

Le rapport de conversions assistées nous montre de manière relativement précise (sous réserve de certaines limitations que nous aborderons plus loin) combien de fois une source à contribuer à une conversion et combien de fois elle a elle-même généré/achevé une conversion. Si nous voulons récompenser/valoriser une source, nous devons modifier dans Google Analytics le système d’affectation aux différentes sources de crédits associés aux conversions et utiliser à cette fin un instrument de comparaison des modèles d’attribution.

Modèles d‘attribution

atribucni-modely-ga

Un modèle d’attribution répartit la valeur de la conversion entre les différentes sources ayant conduit le visiteur auteur d’une conversion finale sur le site web. Comme indiqué précédemment, dans un rapport standard, Google Analytics attribue une valeur de conversion de 100 % à la dernière source, malgré le fait que le processus de conversion soit en réalité bien plus complexe. Google Analytics accorde une valeur de conversion de 100 % à la dernière source, s’il ne s’agit pas d’un lien direct (Modèle Dernier clic non direct). Ce modèle part du principe que si la conversion s’est produite à partir d’un accès direct (soit la saisie d’une adresse dans un navigateur; un clic sur un signet enregistré, etc.), la source la plus importante pour cette conversion est celle de la visite précédente (si elle a eu lieu – dans le cas contraire 100 % de la valeur est attribuée à l’accès direct). La rapport de comparaison des modèles d’attribution permet de sélectionner des modèles personnalisés d’attribution de crédits de conversion entre différentes sources différant du modèle standard de Google Anaytics.

Des modèles prédéfinis vous sont proposés, notamment le Modèle d’attribution Première interaction (100 % du crédit pour la conversion est attribué à la source qui a conduit le visiteur pour la première fois sur le site web), le Modèle d’attribution linéaire (toutes les sources obtiendront une part égale de crédit pour la conversion, comme dans le système de notation canadienne des joueurs de hockey décrit précédemment, soit un point pour l’auteur du but et les auteurs de la première et seconde passe décisive) ou le Modèle d’attribution avec dépréciation dans le temps (les sources les plus proches dans le temps se voient attribuer un plus grand crédit). Le modèle le plus intéressant est toutefois le Modèle d’attribution basée sur la position qui permet d’attribuer un pourcentage spécifique entre la première source, les sources intermédiaires et la dernière visite.

 

Aucun de ces modèles d’attribution ne peut être malheureusement qualifié de modèle optimal mais de manière général on peut affirmer que plus le chemin de conversion est long (et dans le domaine de la chirurgie esthétique ce chemin est très long), plus les conversions assistées sont importantes. C’est pourquoi le modèle d’attribution standard de Google Analyticsjagr-1 (dernière interaction indirecte) est clairement inadéquat. Nous vous conseillons d’essayer des modèles basés sur la position ou un modèle avec dépréciation dans le temps. L’objectif n’est pas d’obtenir un modèle donnant de „beaux“ résultats mais un modèle traitant d’une manière la plus juste et pertinente possible les différentes sources. Si Google Analytics était utilisé pour le classement
des meilleurs joueurs de hockey dans l’histoire de ce sport, on pourrait penser que la légende tchèque national Jaroslav Jagr se placerait en seconde position parce qu’il a marqué plus de buts que Mark Messier. Mais en réalité cette seconde place reviendrait à Gordie Howe, surnommé Mr. Hockey, avec 801 buts. Au moment où nous écrivons cet article, Jagr ne pourrait se hausser à la seconde place de ce classement qu‘en cas d’utilisation d’un modèle d’attribution dans lequel une valeur de 57,5% serait attribuée pour un but et 42,5% à une passe décisive (jusqu’à une répartition de 57/43 Messier conserve la seconde place du classement et à partir d’une attribution 58/42, celle-ci revient à Howe).

ASTUCE: Si vous voulez étudiez plus en détails ce sujet, Google Analytics offre la possibilité aux utilisateurs d’importer des modèles d’attribution prédéfinis. Parmi les rapports de comparaison de modèles d’attribution, vous trouverez  un modèle que nous testons de temps à autre et qui a été élaboré par Avinash Kaushik, l’un des principaux experts du marketing en ligne. Pour en savoir plus sur ce modèle, cliquez ici.

Limitations

Grâce à un rapport de conversions assistées et la comparaison des différents modèles d’attribution, nous obtenons un aperçu un peu plus juste de l’efficacité des différents sources patients mais avec les deux limitations significatives suivantes :

  1. Googles analytics ne travaille que dans un cadre temporel limité, pour procéder à la comptabilisation des conversions assistées. Il s’agit concrètement d’une période maximale de 3 mois; si les contacts sont antérieurs à cette période ils ne sont pas pris en compte dans le calcul des conversions assistées. Dans le contexte d’un processus décisionnel particulièrement long comme dans le cas de la chirurgie esthétique, ce laps de temps apparait clairement inapproprié.
  2. (Plus grave encore) Google Analytics ne peut naturellement traiter que les sources ayant conduit un patient sur le site web d’un médecin. De ce fait, tout modèle aussi bien conçu qu’il puisse être, ne prend pas en compte les autres sources visitées par le patient lui ayant également permis de progresser dans son processus décisionnel mais qui n’ont pas fait l’objet de clics vers le site du médecin. Ceci ne remet pas en cause l’importance de ces sources non comptabilisées mais rend plus difficile (plus précisément du point de vue de Google Analytics exclut) la prise en compte des conversions assistées.

Estheticon marque et assiste

Estheticon est un portail orienté sur toutes les phases du processus décisionnel des patients. Comme dans le cas des sites des médecins, le pourcentage des visiteurs qui veulent prendre directement rendez-vous ne sera pas supérieur à 5 %. Mais comme pour les sites web de médecins, les 95 % restant ne sont pas à négliger car il s’agit de patients potentiels qui se trouvent probablement dans une phase antérieure de leur processus décisionnel et collectent et analysent des informations sur les interventions, consultent les réponses de médecins sur les forums de discussions, parcourent les témoignages d’autres patients, se soutiennent mutuellement, et regardent les clichés avant après, les vidéo éducatives, etc.

Avec les questions et les demandes de consultation, Estheticon marquent des buts mais elle effectue aussi très souvent des passes décisives. Elle s’adresse et aide de nombreux patients dans toutes les phases de leur processus décisionnel, elle leur apporte un soutien dans le choix d’une solution personnelle optimale et la prise de décision finale.

Nous sommes convaincus que tous ceux sont habitués à n’attribuer des points qu’en cas de “buts” nous rajouterons des points pour “passes décisives”.

 

CTO

Leave a Reply

Your email address will not be published. Required fields are marked *

*