Nouvel arrivage : 14 retours d’expérience Scout

Exploration interne · Agent marchand

Nous construisons un agent marchand pour comprendre ce qui se passe sur une boutique

Trafic, publicité, commandes et emails racontent chacun une partie de la journée d'une boutique en ligne, et aucun ne la raconte en entier. Nous construisons un agent destiné à interroger ces sources ensemble, à enquêter sur la journée écoulée et à préparer chaque matin une revue utile au marchand. Cet outil interne est encore en construction : nous l'éprouvons aujourd'hui sur la boutique d'une marque que nous accompagnons, au fil d'enquêtes que nous menons et vérifions nous-mêmes.

IAE-commerceAgent en construction

Chaque matin, un marchand se pose les mêmes questions. Combien avons-nous vendu hier, et est-ce normal ? Les campagnes ont-elles amené les bons visiteurs ? Quelque chose a-t-il bloqué le parcours d'achat ? Les réponses sont dispersées entre la boutique Shopify, les comptes publicitaires Meta et Google, l'outil d'emailing Klaviyo et l'outil de mesure du trafic. Chaque interface affiche ses propres chiffres, avec ses propres définitions et ses propres fenêtres de temps. Les rapprocher demande du temps, de l'attention et une bonne connaissance de leurs pièges. C'est ce travail de compréhension que nous voulons confier à un agent, sans lui confier les décisions.

Le travail de compréhension qui revient chaque matin

Ouvrir cinq tableaux de bord ne suffit pas à comprendre une journée. Le chiffre d'affaires dit si l'objectif est atteint, pas pourquoi il ne l'est pas. Une plateforme publicitaire annonce des conversions selon sa propre règle d'attribution, qui ne correspond pas forcément aux commandes de la boutique. L'outil d'emailing peut s'attribuer une vente parce qu'un client a ouvert un message quelques jours avant d'acheter. Le trafic peut sembler s'effondrer alors que c'est la collecte qui s'est interrompue.

Le marchand qui veut une explication doit donc relier ces signaux, vérifier qu'ils sont comparables et distinguer ce qui est mesuré de ce qui est supposé. Sur une boutique active, ce travail recommence tous les jours, et il est souvent remplacé par une lecture rapide des indicateurs les plus visibles. Notre agent doit faire ce travail de fond, puis rendre au marchand une explication qu'il peut vérifier.

Des questions qui demandent plusieurs sources

Les questions qui comptent pour un marchand traversent les outils. « Cette campagne amène-t-elle des acheteurs ? » demande la dépense et les clics de la plateforme publicitaire, les visites réellement reçues par la boutique, ce que ces visiteurs y font, puis les commandes passées. « D'où viennent les ventes d'hier ? » demande de retrouver, pour chaque commande, les clics publicitaires, les visites gratuites et les clics d'email qui l'ont précédée. « Pourquoi les ventes ont-elles baissé ? » demande de passer en revue la diffusion des campagnes, la qualité du trafic, les pages d'arrivée, le paiement et les envois d'emails.

C'est pourquoi nous ne concevons pas l'agent comme une liste de connecteurs. Nous l'organisons autour de ces questions marchandes, et nous ne lui prévoyons qu'un accès en lecture seule aux données qui documentent chaque étape du parcours : la publicité, le parcours sur le site, les ventes, l'offre (produits, promotions, stock) et la relation client. Son cadre lui interdit de modifier une annonce, un budget, un scénario d'email, le réglage du consentement ou la boutique elle-même.

Ce que chaque source permet réellement de savoir

Pour bien relier les sources, l'agent doit connaître leurs limites. Nous les lui rappelons explicitement.

La boutique Shopify fait foi pour les commandes : leur nombre, leur montant, leur statut, les codes utilisés et les comptes créés. Le montant affiché est un total courant, et non un encaissement net. Shopify conserve aussi une trace partielle du parcours de l'acheteur, comme la première et la dernière visite qu'il a enregistrées.

Les comptes Meta et Google Ads décrivent la dépense, la diffusion, les clics et les conversions que chaque plateforme s'attribue. Ces conversions ne sont pas des commandes uniques : deux plateformes peuvent revendiquer la même vente, et Meta peut réviser ses chiffres pendant plusieurs jours. Toute lecture doit donc être datée. Google conserve en outre l'historique des modifications d'un compte, ce qui permet de dater la mise en pause d'une campagne.

Klaviyo indique les envois, les ouvertures et les clics. Sa propre attribution peut retenir une commande après une simple ouverture : un clic suivi d'une visite reste une preuve plus solide.

Signal, la plateforme de mesure que nous développons, enregistre les visites du site, les pages vues, les interactions, l'origine des visites et l'état du consentement. Nous en excluons les robots et nos propres outils techniques, qui ne doivent jamais compter comme des clients. Un consentement inconnu n'est pas un refus, et une absence de données n'est pas un zéro.

Enfin, l'historique de la boutique permet de situer une journée par rapport aux 7 et aux 30 jours précédents. C'est souvent ce qui sépare un incident d'un niveau habituel trop bas.

Une enquête qui relie les événements de la journée

Prenons une journée de novembre que nous avons examinée en détail. Les ventes représentaient un peu plus du tiers de l'objectif journalier du marchand. Une lecture rapide aurait accusé la publicité ou les pages produits. L'enquête a d'abord établi que notre propre collecte du trafic avait été interrompue du début de soirée de la veille au milieu de la matinée : toute comparaison du trafic de ce matin-là devait être signalée comme non comparable. Elle a ensuite daté la mise en pause manuelle d'une campagne Google vers la mi-journée, après laquelle les clics de cette campagne sont tombés à zéro. Elle a constaté qu'une campagne Meta optimisée pour les vues de page apportait une large part des clics, mais qu'aucune des visites observées sur le site depuis cette campagne n'avait ajouté de produit au panier. Elle a relevé qu'un défaut du parcours de paiement avait été corrigé en début d'après-midi. Enfin, elle a rappelé que l'objectif n'avait été atteint qu'un seul jour sur les trente précédents.

Aucune de ces observations ne suffit seule à expliquer la journée. Ensemble, elles permettent de dire ce qui relève de la mesure, de l'acquisition, du parcours et du niveau structurel des ventes, et ce qui reste incertain. C'est ce type de lecture croisée que nous voulons rendre quotidienne.

Signal aujourd'hui, d'autres connexions envisageables

Nos enquêtes s'appuient aujourd'hui sur Signal pour le trafic et le consentement, aux côtés de Shopify, de Meta, de Google Ads et de Klaviyo. Lors d'une reconstitution des commandes d'une journée, nous avons aussi lu les parcours enregistrés par PostHog, un outil d'analyse déjà installé sur la boutique : il a permis d'identifier l'origine de deux commandes restées inexpliquées. Cette lecture faisait partie d'une enquête ; elle ne constitue pas une connexion permanente de l'agent.

Nous concevons l'agent pour qu'il raisonne sur des questions et des niveaux de preuve plutôt que sur un outil précis. D'autres sources de parcours, comme PostHog, pourraient donc lui fournir les mêmes informations sur une autre boutique. C'est une possibilité de conception, pas un déploiement multi-outils déjà réalisé.

Ce qui existe, ce que nous faisons à la main, ce que nous construisons

Nous distinguons trois niveaux. Il existe déjà un cadre d'enquête écrit, qui fixe l'ordre des vérifications, les niveaux de preuve et les interdits ; un banc d'essai local qui rejoue des journées passées en contrôlant les réponses de l'agent, et dont les résultats restent partiels ; un journal daté des constats, que nous tenons à la main ; et une maquette de la revue du matin, qui n'a jamais été envoyée. Une synthèse quotidienne par agrégats fonctionne par ailleurs depuis le 12 novembre ; c'est une brique distincte de l'enquête. Nous avons mené plusieurs enquêtes réelles sur des journées de novembre, de façon manuelle ou semi-manuelle, dont la reconstitution commande par commande des seize ventes d'une journée de lancement du Black Friday. Il reste à construire la routine quotidienne autonome, la mémoire automatique des questions ouvertes et l'envoi par l'agent de sa revue du matin.

Nos premiers apprentissages sont surtout méthodologiques. Vérifier la mesure avant d'interpréter évite de fausses alertes. Relier les commandes à leurs parcours permet de situer les ventes que chaque plateforme s'attribue. Un agent utile doit savoir dire « je ne sais pas » à l'endroit précis où les données manquent, tout en prenant position sur l'explication la plus probable. Nous ne revendiquons aucun gain de ventes. Ce que nous visons, c'est qu'un marchand comprenne sa journée en quelques minutes et sache sur quelles preuves reposent les décisions qu'il examine.

Tous les retours d’expérience →

Un sujet à creuser ? Ajoutez cet article à votre discussion office hours.

Voir ma discussion