Analyser le parcours d’achat mobile vs desktop pour optimiser l’UX
· 10 min · E-commerce
Mobile et desktop ne convertissent pas pareil. Découvrez comment comparer les parcours, repérer les points de friction et améliorer l’UX pour vendre plus.
Pourquoi comparer mobile et desktop change vos résultats
Dans la plupart des e-commerces, le trafic mobile dépasse le trafic desktop, mais la conversion mobile reste souvent inférieure. Ce décalage n’est pas une fatalité : il signale surtout que les utilisateurs ne vivent pas la même expérience selon l’appareil.
Quelques repères réalistes observés sur de nombreux sites (selon secteurs, prix moyen et notoriété) :
• Part de sessions : mobile 55–75%, desktop 25–45% • Taux de conversion (CR) : mobile 1,0–2,0% vs desktop 2,0–4,0% • Panier moyen (AOV) : souvent +10 à +30% sur desktop • Taux d’abandon panier : 70–85% sur mobile vs 60–75% sur desktop
Ces écarts viennent rarement d’un seul problème. Ils s’expliquent par une combinaison de facteurs : ergonomie, performance, saisie de formulaires, confiance, modes de paiement, et surtout intentions différentes (mobile = découverte et comparaison, desktop = finalisation au calme).
Objectif de cet article : vous donner une méthode actionnable pour analyser le parcours d’achat mobile vs desktop, isoler les frictions et prioriser les optimisations UX qui ont un impact direct sur le chiffre d’affaires.
Définir un cadre d’analyse : funnel, segments et KPIs
Avant de plonger dans les outils, il faut définir un cadre commun. Sans cela, on compare des choses différentes (et on prend de mauvaises décisions).
Cartographier le parcours d’achat par étapes
Pour la plupart des e-commerces, un funnel simple et comparable est :
• Arrivée (landing, home, SEO, paid) • Liste produits (catégorie, recherche) • Fiche produit (PDP) • Ajout au panier • Panier • Checkout (adresse → livraison → paiement) • Confirmation
À chaque étape, on compare mobile vs desktop sur :
• Taux de passage (ex. PDP → add-to-cart) • Temps passé et scroll (pour détecter l’hésitation) • Taux d’erreurs (formulaires, paiement) • Sorties (exit rate) et retours en arrière
Segmenter correctement (sinon, biais assuré)
Comparer “mobile vs desktop” brut est utile, mais insuffisant. Ajoutez des segments pour éviter les conclusions hâtives :
• Nouveaux vs récurrents (les récurrents convertissent mieux) • Source/medium (SEO vs paid social n’a pas la même intention) • Marque vs hors marque (brand search convertit plus) • Pays / langue (modes de livraison et paiement) • Catégories / gamme de prix (un produit à 20€ n’a pas le même parcours qu’un produit à 400€)
Exemple concret : si votre mobile est surpondéré en trafic paid social “découverte”, votre CR mobile sera mécaniquement plus bas. Le rôle de l’analyse est d’identifier ce qui relève de l’intention marketing et ce qui relève de l’UX.
Choisir les KPIs qui relient UX et business
Pour optimiser l’UX, on suit des métriques “comportement” mais aussi des métriques “valeur”. Un tableau de base :
• CR global (sessions → achat) • Micro-conversions : - PDP view rate (arrivée → PDP) - Add-to-cart rate (PDP → ATC) - Checkout start rate (panier → checkout) - Payment success rate (paiement → confirmation) • Revenu par session (RPS) et AOV • Taux d’abandon par étape • Temps de chargement (LCP) et réactivité (INP)
Benchmarks réalistes (à adapter) :
• Add-to-cart rate : mobile 3–6%, desktop 5–10% • Checkout completion (checkout start → achat) : mobile 35–55%, desktop 45–70% • LCP (Core Web Vitals) : viser < 2,5 s sur mobile, idéalement < 2,0 s
Collecte de données : instrumentation et qualité avant tout
Une analyse fiable dépend de données fiables. Beaucoup d’équipes perdent du temps à “interpréter” des signaux qui viennent en réalité d’un tracking incomplet.
Vérifier l’instrumentation analytics
Assurez-vous que vos événements clés existent et sont cohérents sur mobile et desktop :
• view_item (fiche produit) • add_to_cart • view_cart • begin_checkout • add_shipping_info • add_payment_info • purchase
Points de contrôle utiles :
• Déduplication des achats (éviter 2 achats pour 1 commande) • Consentement et perte de données (CMP, iOS) : surveiller les écarts anormaux • Cross-domain (si paiement sur un autre domaine) • Erreurs de paiement remontées en événement (refus, 3DS, timeouts)
Mesurer la performance réelle (pas seulement “ça semble rapide”)
Sur mobile, la performance est souvent le premier facteur de friction. Suivez :
• LCP (Largest Contentful Paint) • INP (Interaction to Next Paint) • CLS (Cumulative Layout Shift) • Temps de chargement des étapes checkout
Repères actionnables :
• Un passage de LCP de 3,5 s à 2,5 s peut améliorer les micro-conversions (PDP → ATC) de 5 à 15% selon contexte. • Un CLS élevé (éléments qui bougent) dégrade fortement les clics sur mobile (mis-taps, frustration).
Ajouter des données qualitatives pour comprendre le “pourquoi”
Les chiffres disent “où ça casse”, pas “pourquoi”. Combinez :
• Heatmaps et scroll maps (mobile vs desktop) • Enregistrements de sessions (sur un échantillon) • Sondages on-site (ex. “Qu’est-ce qui vous empêche d’acheter ?”) • Analyse des tickets support (livraison, paiement, compte)
Exemple : vou…