Prêt à transformer votre e-commerce ?
Prenez rendez-vous avec l'un de nos experts en social commerce pour en savoir plus.

Ce que couvre cet article :
- Qu'est-ce que la Live Session Intelligence (LSI) et pourquoi les outils d'analyse standard ne peuvent pas la capturer
- Les 5 indicateurs que chaque marque de commerce en direct devrait suivre après chaque session
- Des données de référence réelles montrant l'écart entre les marques avec LSI et les marques sans LSI
- Un modèle de maturité à quatre niveaux pour évaluer la position actuelle de votre marque
- Premières étapes pratiques pour commencer à développer l'intelligence des sessions sans avoir à procéder à une refonte technologique majeure
Principaux points à retenir :
- Le taux moyen de spectateurs par rapport aux acheteurs sur les plateformes sociales en direct est de 2 à 4 %. Les marques dotées d'une infrastructure LSI obtiennent en moyenne 18 % des chaînes qu'elles possèdent.
- 87 % des marques qui font du commerce en direct ne disposent d'aucune analyse au niveau des sessions au-delà du nombre de vues.
- Les acheteurs en direct affichent un LTV sur 90 jours 2,1 fois plus élevé que les acheteurs non actifs sur les marchés verticaux.
- Le séquençage des produits représente à lui seul jusqu'à 40 % de la variation des revenus entre les sessions
Votre marque a été mise en ligne. Vous avez tiré les chiffres par la suite. Vues : 9 000. Chiffre d'affaires : bon. Vous avez publié un résumé dans Slack. Et puis vous avez effectué la session suivante exactement de la même manière.
C'est ainsi que fonctionnent actuellement la plupart des opérations de commerce en direct. C'est pourquoi la plupart des marques génèrent d'énormes revenus à chaque fois qu'elles sont mises en ligne.
Le commerce en direct n'est pas qu'un simple format. Il s'agit d'un environnement de données, qui génère des signaux comportementaux en temps réel que les outils d'analyse standard n'ont jamais été conçus pour capturer. Les marques qui prennent de l'avance ne sont pas celles qui sont mises en ligne le plus souvent. Ce sont eux qui peuvent voir l'intérieur de leurs sessions et agir en fonction de ce qu'ils trouvent.
Cette fonctionnalité porte un nom : Live Session Intelligence.
Lorsqu'une marque est mise en ligne sur son propre site Web, elle génère un flux continu de données comportementales. Quels spectateurs se sont inscrits et quand. Qui est resté après la révélation du premier produit. Ce moment a déclenché une hausse du nombre de produits ajoutés au panier. Qui a regardé toute la session et n'a toujours pas acheté - et pourquoi.
Rien de tout cela n'est enregistré par Google Analytics. Rien de tout cela n'apparaît dans votre tableau de bord Shopify. L'analyse standard du commerce électronique a été conçue pour le commerce statique : pages, sessions, entonnoirs, paiements. Il n'a pas été conçu pour un événement en direct de 45 minutes où le comportement du public change d'une seconde à l'autre.
Le résultat est que la plupart des marques optimisent leurs sessions en direct en fonction des sensations. Ils savent qu'une session « s'est bien passée » parce que les recettes étaient en hausse. Ils savent que ça a « mal tourné » parce que ce n'était pas le cas. Mais ils ne peuvent pas vous dire quelle fenêtre de 10 minutes a perdu la moitié de leur audience, quel produit aurait dû figurer en premier, ou quelle valeur les spectateurs qui n'ont pas acheté ce jour-là rapporteront à l'entreprise au cours des 90 prochains jours.
Il ne s'agit pas d'une lacune mineure. Il s'agit d'un angle mort structurel qui s'aggrave à chaque session organisée par une marque.
Live Session Intelligence (LSI) est la couche d'analyse, de données comportementales et d'optimisation spécialement conçue pour le commerce en direct. Il capture ce qui se passe au cours d'une session, à un niveau granulaire, et relie ce comportement aux revenus en aval.
Alors que les analyses standard vous indiquent ce que quelqu'un a acheté, LSI vous indique ce qui l'a incité à acheter. Alors que les analyses standard vous indiquent le chiffre d'affaires total des sessions, LSI vous indique le moment exact de lancement du produit qui a provoqué la hausse, et dans quelle mesure.
Les principaux types de signaux capturés par le LSI sont les suivants :
- Découpage des spectateurs par horodatage (à quel moment le public a perdu l'audience et à quelle vitesse)
- Conversion instantanée du produit (taux de conversion dans les 90 secondes suivant la mise en avant d'un produit spécifique)
- Cartographie entre spectateurs et acheteurs (le chemin entre l'inscription à une session et la finalisation du paiement, au niveau de chaque spectateur)
- Rediffusion de session avec superposition d'engagement (revisionnage d'une session avec des données comportementales en haut)
- Identification répétée des spectateurs (en signalant les spectateurs qui reviennent en direct pendant la session elle-même)
Les outils de commerce électronique standard répondent à des questions sur les pages statiques : sur quoi les internautes ont-ils cliqué, où sont-ils déposés dans un entonnoir, qu'ont-ils acheté ? Le commerce en direct génère un type de signal fondamentalement différent : horodaté, social, comportemental et séquentiel.
LSI ne remplace pas votre stack analytique existant. Il s'agit de la couche que votre stack existant ne peut pas atteindre. Considérez cela comme la différence entre savoir que votre boutique a accueilli 500 visiteurs et savoir à quel présentoir ils se sont arrêtés, ce que le vendeur a dit qui les a incités à récupérer le produit et s'ils sont revenus la semaine suivante.
LSI n'est pas un numéro unique. Il s'agit d'un cadre de cinq mesures interconnectées qui, ensemble, donnent une image complète des performances des sessions. Si votre équipe ne peut pas établir les cinq rapports après chaque session, c'est que vous ne disposez pas encore d'informations sur les sessions.
VBR - Taux entre spectateurs et acheteurs
Le pourcentage de spectateurs uniques en direct qui effectuent un achat pendant ou dans les 2 heures suivant une session. Il s'agit de l'indicateur de santé primaire. La moyenne du secteur sur les plateformes sociales en direct se situe entre 2 et 4 % (source : données des plateformes accessibles au public et références du secteur). Les marques qui font du commerce en direct sur leur propre infrastructure avec des outils LSI en place atteignent en moyenne 18 %.
AOV-L - Live AOV Lift
Le ratio entre la valeur moyenne des commandes pendant les sessions en direct et l'AOV hors direct standard de la marque. Les sessions en direct permettent régulièrement d'augmenter la taille des paniers grâce à la preuve sociale en temps réel et au regroupement guidé par l'hôte. L'AOV-L plat est le signe d'opportunités de vente incitative manquées.
SCR - Taux d'achèvement des sessions
Le pourcentage de spectateurs qui regardent au moins 50 % d'une session en direct. Le SCR est un indicateur de la qualité du contenu, de l'efficacité de l'hébergeur et de l'adéquation entre le public et le produit. Un SCR plus élevé est directement corrélé à un VBR plus élevé.
PMC - Conversion du moment du produit
Le taux de conversion mesuré dans les 90 secondes suivant la présentation d'un produit spécifique. Le PMC est l'indicateur le plus exploitable du LSI, car il vous indique exactement quel produit vous devez vous lancer lors des prochaines sessions.
LLVI - Indice LTV en direct
La valeur à vie de 90 jours des acheteurs ayant effectué un achat au cours d'une session en direct, par rapport aux acheteurs non actifs au cours de la même période. Dans tous les secteurs d'activité étudiés sur la plateforme Terrific, les acheteurs en direct affichent un LTV sur 90 jours 2,1 fois plus élevé que les acheteurs non actifs.
L'écart de performance entre les marques dotées d'une intelligence de session et les marques qui n'en ont pas n'est pas marginal. Les deux études de cas ci-dessous proviennent de marques proposant du commerce en direct sur leur propre infrastructure avec une mesure LSI complète en place.
La marque de cannabis The Flowery a organisé une session en direct qui a généré 293 000 dollars de revenus auprès de 9 209 spectateurs. Leur taux d'audience par rapport aux acheteurs était de 25 %, soit plus de 10 fois la moyenne des plateformes sociales. La valeur moyenne des commandes était de 124$.
Ces chiffres ne sont pas le fruit du hasard. Cela s'est produit parce que la marque avait une visibilité sur les produits dévoilés qui stimulaient la conversion et pouvait structurer la session en conséquence. Le résultat est documenté sur la plateforme Terrific et représente l'une des démonstrations les plus claires de ce que la conception de session compatible LSI peut produire.
Le succès des achats en direct de The Flowery avec Terrific
La marque de vêtements de sport Zumba Wear a enregistré un taux de conversion de 22 % en direct et un taux d'AOV multiplié par 3,2 par rapport à ses sessions classiques hors direct, mesurées sur plus de 12 sessions sur la plateforme Terrific.
L'indicateur le plus remarquable pour Zumba Wear était l'engagement répété des spectateurs en direct. Les spectateurs assidus, c'est-à-dire ceux qui avaient assisté à une session précédente, ont enregistré un taux de conversion près de 3 fois supérieur à celui des spectateurs pour la première fois. Ces données ne sont devenues exploitables que parce qu'ils les mesuraient.
Zumba Wear : taux de conversion de 22 % avec le commerce social détenu
Sur la base des données des plateformes et des études du secteur, les marques proposant du commerce en direct se répartissent en quatre grandes catégories :
Niveau 1 - Absence de visibilité (environ 87 % des marques) : suit uniquement le nombre total de vues et les revenus des sessions. Impossible d'identifier ce qui a stimulé les performances ou de les reproduire.
Niveau 2 - Suivi de base (environ 9 %) : contient des données d'engagement (durée de visionnage, likes, commentaires) mais aucune donnée de conversion ou de comportement au niveau des spectateurs.
Niveau 3 - Session Intelligence (environ 3 %) : suit les cinq métriques LSI. Peut optimiser les sessions futures en fonction des données. C'est là que le LSI commence à se multiplier.
Niveau 4 - Intelligence prédictive (environ 1 %) : utilise le comportement des sessions en direct pour prédire les segments LTV, personnaliser le suivi après la session et automatiser l'optimisation des sessions.
La plupart des marques qui lisent ces lignes se situent au niveau 1 ou au niveau 2. La transition vers le niveau 3 ne nécessite pas de créer de nouvelles technologies à partir de zéro, mais de gérer le commerce en direct sur infrastructure conçue pour capturer des données au niveau de la session depuis le début.
Si votre configuration actuelle de commerce en direct ne vous apporte rien d'autre que le nombre total de vues et de revenus, voici les trois mesures les plus efficaces à prendre en premier :
Effectuez un compte rendu après la session dans les 24 heures. Avant la prochaine session, votre équipe devrait examiner les données VBR, AOV-L, SCR et toutes les données PMC disponibles. Même les données brutes font apparaître des modèles plus rapidement que l'intuition.
Classez les produits en fonction de ce qui les convertit, et non en fonction de ce que vous souhaitez vendre. La plupart des marques sont en tête avec leur produit phare parce que c'est le produit phare. Les produits les plus performants sont ceux qui, selon les données, enregistrent le plus de conversions au cours des 15 premières minutes, alors que l'attention de l'audience est maximale.
Déplacer les sessions en direct vers infrastructure détenue. Si votre marque est diffusée sur TikTok ou Instagram, vous n'avez aucun accès aux données relatives aux sessions. Ces données sont stockées sur les serveurs de la plateforme. La seule façon de maîtriser l'intelligence de vos sessions est de gérer le commerce en direct sur un canal dont vous contrôlez la couche analytique.
Le commerce en direct n'est pas un format de diffusion utilisé pour vendre des produits. Il s'agit d'un environnement de données qui s'avère être le canal de vente le plus attrayant du commerce électronique. Les marques qui mettent actuellement en place une infrastructure de renseignement creusent un fossé qui sera très difficile à combler plus tard.
Live Session Intelligence (LSI) est la couche de données analytiques et comportementales conçue spécifiquement pour le commerce en direct. Il capture ce qui se passe au cours d'une session en direct (baisse du nombre de spectateurs, conversion du moment du produit, mappage entre spectateurs et acheteurs) et relie ce comportement aux résultats en termes de revenus. Les outils d'analyse standard du commerce électronique n'ont pas été conçus pour capturer ces données.
Les analyses standard permettent de suivre les pages, les entonnoirs et les paiements. LSI suit les signaux comportementaux en temps réel propres aux événements en direct : date à laquelle les spectateurs ont rejoint et sont partis, quelle annonce de produit a déclenché un pic de conversion et si le comportement des spectateurs lors des sessions en direct permet de prédire leur valeur client à long terme. Il s'agit de types de données fondamentalement différents qui nécessitent une infrastructure différente pour être capturés.
Sur les plateformes sociales en direct (TikTok Live, Instagram Live), le taux moyen de spectateurs par rapport aux acheteurs se situe entre 2 et 4 % sur la base des indices de référence publiés par le secteur. Les marques qui font du commerce en direct sur leur propre infrastructure et disposent d'outils d'intelligence de session obtiennent une moyenne de 18 % sur la plateforme Terrific, les plus performantes atteignant 25 %.
Si vous gérez du commerce en direct sur une plateforme sociale tierce, vous n'avez pas accès aux données de session : la plateforme en est propriétaire. LSI nécessite de gérer le commerce en direct sur une infrastructure propre où vous contrôlez la couche analytique. La plate-forme de Terrific est conçue avec l'intelligence des sessions en tant que fonctionnalité native, et non en tant que fonctionnalité complémentaire.
Même une session avec une mesure appropriée vous fournit des données exploitables, en particulier des données PMC (Product Moment Conversion) qui peuvent modifier la façon dont vous séquencez votre prochaine session. Les modèles autour de la SCR et de la LLVI deviennent plus clairs après 3 à 5 séances. Les données sur le comportement des spectateurs récurrents s'accumulent de manière significative sur plus de 10 sessions.