Baisse de trafic payant : préserver le taux de conversion

Quand le volume média baisse, le taux de conversion devient un actif défensif

Une baisse de trafic payant est rarement un simple problème de volume. Elle modifie la composition des visiteurs, la pression concurrentielle, la phase d’apprentissage des plateformes et parfois la promesse même qui avait été faite à l’utilisateur avant le clic. Pour une équipe marketing, la tentation est immédiate : couper les campagnes les moins rentables, resserrer les audiences, pousser davantage le retargeting et demander au site de compenser. Mais préserver le taux de conversion dans ce contexte ne consiste pas à faire plus d’optimisation cosmétique. Il s’agit de comprendre quels segments de trafic disparaissent, quelles intentions restent, et quels points du funnel deviennent plus sensibles lorsque chaque session payante coûte plus cher.

Le CPA, coût par acquisition, désigne le coût marketing nécessaire pour générer un client ou une conversion qualifiée. Le ROAS, return on ad spend, mesure le rapport entre chiffre d’affaires attribué et dépenses publicitaires. Lorsque le trafic payant baisse, ces deux indicateurs peuvent évoluer dans des directions contradictoires. Une réduction budgétaire peut améliorer le CPA apparent si les campagnes les moins performantes sont coupées, tout en réduisant le volume total de clients et la part de nouveaux acheteurs. À l’inverse, une baisse de trafic subie, liée à une hausse des enchères ou à une perte de couverture, peut dégrader le ROAS parce que les plateformes sortent de leurs zones d’efficacité.

Le funnel, parcours allant de la première exposition marketing à la conversion puis à la fidélisation, doit donc être relu comme un système sous contrainte. Moins de trafic payant signifie moins de données pour l’optimisation algorithmique, moins d’observations pour les tests A/B, moins de volume dans les audiences de remarketing et souvent plus de dépendance aux visiteurs à forte intention. Dans ce contexte, le taux de conversion n’est pas seulement un KPI de page. C’est un mécanisme de protection de la rentabilité : il permet d’amortir la hausse du coût média, de préserver la marge par session et de maintenir suffisamment de signaux pour les plateformes d’acquisition.

La difficulté est que le taux de conversion peut donner une fausse impression de stabilité. Si le trafic froid baisse fortement et que le retargeting représente mécaniquement une part plus élevée des sessions restantes, le taux de conversion global peut augmenter alors que la santé commerciale se détériore. À l’inverse, si les campagnes de marque sont limitées par budget ou cannibalisées par des concurrents, le taux global peut baisser sans que l’UX onsite soit la cause principale. Préserver la conversion commence donc par une décomposition analytique rigoureuse, pas par un nouveau bouton de call-to-action.

Diagnostiquer la baisse : volume, mix, intention et pression d’enchère

La première erreur consiste à analyser la baisse de trafic payant comme un total agrégé. Une diminution de 25 % des sessions issues des campagnes peut recouvrir plusieurs réalités : réduction volontaire du budget, hausse du CPC, baisse du taux de clic, perte de part d’impressions, limitation par budget, fatigue créative, problème de tracking, rejet d’annonces, concurrence accrue ou saisonnalité. Chacune de ces causes a un effet différent sur le taux de conversion.

Il faut d’abord séparer la baisse en quatre composantes. La première est le volume d’impressions : l’annonce est-elle moins diffusée ? La deuxième est l’attractivité publicitaire : le CTR, click-through rate ou taux de clic, baisse-t-il ? La troisième est le coût d’accès : le CPC ou CPM augmente-t-il ? La quatrième est la qualité post-clic : les utilisateurs qui arrivent convertissent-ils moins bien à intention comparable ? Tant que ces dimensions ne sont pas isolées, les décisions risquent d’être erronées.

Exemple concret : un e-commerçant observe une baisse de 30 % du trafic paid search en un mois. Le taux de conversion global passe de 3,4 % à 3,7 %. Lecture rapide : le site résiste. Lecture segmentée : les campagnes génériques ont chuté de 55 %, les campagnes marque de 8 %, et le retargeting a augmenté en part relative. Le taux de conversion des requêtes génériques restantes est stable à 1,6 %, mais le volume de nouveaux clients diminue de 38 %. Le taux global est meilleur parce que le mix est plus chaud, pas parce que le funnel est devenu plus performant. Si l’équipe se contente du taux moyen, elle sous-estime le risque d’assèchement du haut de funnel.

L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, complique encore l’analyse. Une réduction des campagnes de prospection peut ne pas se voir immédiatement dans le dernier clic si les utilisateurs convertissent plus tard via la marque, l’email ou le direct. À court terme, le CPA peut même s’améliorer. Mais deux à six semaines plus tard, selon le cycle d’achat, les volumes de requêtes marque, de sessions directes et de paniers issus du retargeting peuvent se contracter. La baisse de trafic payant doit donc être lue avec des fenêtres temporelles adaptées au cycle de décision.

Dans les environnements RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression publicitaire disponible, et via des DSP, demand-side platforms, plateformes utilisées par les annonceurs pour acheter des impressions programmatiques, la baisse de volume peut aussi modifier l’apprentissage. Si une campagne passe de 80 conversions hebdomadaires à 25, les algorithmes disposent de moins de signaux pour distinguer les profils rentables. Le système peut surpondérer les audiences faciles à convertir, mais déjà proches de la marque, et réduire l’exploration. Le taux de conversion post-clic peut sembler préservé, tandis que l’incrémentalité diminue.

Le diagnostic doit donc produire une matrice simple : canal, campagne, audience, device, intention, page d’entrée, volume, taux de conversion, valeur par session, part de nouveaux clients, marge et couverture de mesure. L’objectif n’est pas d’obtenir un tableau exhaustif pour le reporting, mais d’identifier les zones où la baisse de trafic modifie réellement l’économie du funnel.

Protéger la conversion par segment plutôt que défendre une moyenne

Quand le trafic payant baisse, le taux de conversion moyen devient un indicateur encore plus dangereux qu’en période de croissance. Il mélange des intentions hétérogènes : recherche marque, requêtes génériques, shopping, paid social froid, retargeting, affiliation, display programmatique, campagnes locales, CRM sponsorisé. Chaque famille de trafic a son propre niveau de maturité et ses propres objections. Préserver le taux moyen peut conduire à surinvestir les segments déjà chauds et à négliger les parcours qui construisent la demande future.

Une méthode robuste consiste à définir des taux de conversion cibles par niveau d’intention. Par exemple, sur un site e-commerce mature, on peut observer 8 à 12 % de conversion sur paid search marque, 2 à 4 % sur shopping non-marque, 1 à 2 % sur paid social prospecting, 4 à 7 % sur retargeting et 3 à 5 % sur email sponsorisé. Ces ordres de grandeur dépendent du secteur, du prix, de la fréquence d’achat et de la notoriété, mais ils donnent une logique : un trafic froid n’a pas vocation à convertir comme un trafic marque. Le pilotage doit évaluer chaque segment contre sa propre baseline, pas contre la moyenne globale.

La segmentation doit aussi intégrer le device. Une baisse de trafic desktop peut avoir un impact disproportionné si le panier moyen y est supérieur. À l’inverse, une contraction du trafic mobile social peut réduire beaucoup de sessions mais moins de chiffre d’affaires immédiat, tout en diminuant la génération de nouveaux visiteurs. Un taux de conversion mobile stable ne suffit pas si la part de visiteurs nouveaux s’effondre. Il faut donc suivre le taux de conversion, mais aussi la marge par session et la contribution à l’acquisition de nouveaux clients.

Le modèle AARRR, acquisition, activation, retention, referral, revenue, peut aider à distinguer les effets. Une campagne de prospection peut être faible en revenu immédiat mais forte en activation, par exemple inscription à une newsletter, ajout à une wishlist ou consultation répétée. Si elle est coupée, le revenu du mois peut sembler peu affecté, mais le stock d’utilisateurs réactivables baisse. À l’inverse, une campagne retargeting peut afficher un taux de conversion élevé mais capter des ventes qui auraient eu lieu naturellement. Préserver la conversion ne signifie donc pas maximiser le retargeting ; cela signifie maintenir une progression cohérente entre acquisition, activation et revenu.

Un cas fréquent illustre le problème. Une marque de mode réduit son budget paid social de 40 % après une hausse du CPM. Le taux de conversion global paid passe de 2,8 % à 3,3 %, ce qui semble positif. Mais le nombre de nouveaux clients baisse de 31 %, le taux d’inscription email diminue de 24 % et les audiences de retargeting actives se contractent de 18 % en trois semaines. Le taux de conversion a été préservé en apparence parce que la marque a concentré ses dépenses sur des profils déjà engagés. Le vrai risque est l’appauvrissement du pipeline d’intention.

La bonne lecture consiste à distinguer conversion immédiate et conversion différée. Pour chaque segment, l’équipe doit définir un rôle : générer de la demande, qualifier l’intention, convertir, réactiver ou fidéliser. Les landing pages, messages, offres et métriques doivent ensuite être alignés sur ce rôle. Une page de prospection ne devrait pas être jugée uniquement sur l’achat immédiat si elle alimente efficacement des signaux qualifiés. Mais ces signaux doivent être corrélés à une valeur future, sinon ils deviennent des micro-conversions décoratives.

Réduire la friction sur les pages qui reçoivent le trafic le plus cher

Lorsque le volume paid baisse, chaque session restante représente un coût d’opportunité plus élevé. Il faut donc prioriser les optimisations non pas selon les préférences UX internes, mais selon la valeur exposée. Une page recevant 10 000 sessions mensuelles à 1,80 euro le clic et convertissant à 2 % mérite souvent plus d’attention qu’une page organique à fort volume mais faible intention commerciale. La question opérationnelle devient : quelles frictions coûtent le plus cher par session payante ?

Un framework utile est le LIFT Model, modèle CRO qui analyse la conversion à travers six dimensions : proposition de valeur, pertinence, clarté, anxiété, distraction et urgence. En période de baisse de trafic payant, les priorités se déplacent souvent vers la pertinence et la clarté. L’utilisateur a cliqué sur une promesse spécifique ; la page doit confirmer immédiatement qu’elle la comprend. Si une annonce met en avant livraison en 24 heures, le premier écran doit rendre cette condition visible et crédible. Si une campagne porte sur un produit d’entrée de gamme, la page ne doit pas ouvrir sur une sélection premium qui contredit l’ancre de prix.

La réduction de friction doit être mesurée en profondeur. Une simplification du formulaire peut augmenter le taux de soumission, mais réduire la qualification. Une promotion plus visible peut accroître les ajouts panier, mais dégrader la marge. Un message d’urgence peut accélérer le clic, mais augmenter les retours si la décision est précipitée. Les guardrails, métriques de garde-fou empêchant d’optimiser une variable au détriment du système, sont indispensables : marge par session, taux d’abandon checkout, retours, annulations, contacts support, taux de leads invalides, délai de conversion et satisfaction post-achat.

Exemple : une entreprise B2B SaaS réduit ses dépenses paid search génériques de 20 % car le CPC moyen passe de 7,40 à 10,20 euros. La landing principale convertit 4,1 % des visiteurs en demandes de démo. L’audit montre que 62 % du trafic provient de requêtes comparatives, mais la page ouvre sur un discours de marque et demande un rendez-vous sans fournir de grille de comparaison. Une variante ajoute dès le premier écran un tableau de critères, un calculateur de coût et deux preuves sectorielles. Le taux de demande de démo ne progresse que de 4,1 % à 4,5 %, mais le taux de passage en SQL, sales qualified lead ou lead accepté par les ventes comme opportunité potentielle, passe de 38 % à 47 %. Le taux de conversion primaire progresse peu ; la qualité économique progresse fortement.

Sur e-commerce, les frictions les plus coûteuses avant panier sont souvent connues : frais de livraison découverts trop tard, délais flous, tailles incertaines, manque d’avis crédibles, variantes indisponibles, prix barrés peu lisibles, paiement non rassurant, informations de retour cachées. Mais leur ordre de priorité dépend du trafic. Un utilisateur paid search marque cherche souvent disponibilité, prix et livraison. Un utilisateur paid social froid cherche d’abord une preuve de valeur et de confiance. Un visiteur shopping compare le prix total et les conditions. Le même module de réassurance n’a donc pas le même rendement selon le canal.

Une approche efficace consiste à construire une carte page-canal-friction. Pour chaque page d’entrée payante, l’équipe liste les trois objections probables par canal, puis vérifie si elles sont traitées au-dessus de la ligne de flottaison ou dans un module facilement accessible. L’analyse comportementale, scroll, clics sur accordéons, recherche interne, interactions avec FAQ, doit valider ces hypothèses. Si 28 % des visiteurs paid mobile ouvrent les conditions de retour avant d’ajouter au panier, l’information mérite peut-être une visibilité plus forte pour ce segment.

Maintenir la discipline d’expérimentation malgré moins de volume

Une baisse de trafic payant réduit mécaniquement la puissance statistique des tests A/B, méthodes expérimentales comparant deux ou plusieurs variantes auprès de groupes randomisés afin d’estimer leur effet sur une métrique. C’est un problème souvent sous-estimé. Une équipe habituée à détecter des uplifts de 5 % avec 200 000 sessions mensuelles ne pourra pas conserver le même rythme d’expérimentation si le volume tombe à 120 000 sessions, surtout si les conversions finales sont rares. Continuer à lancer des tests comme avant augmente le risque de faux positifs, de décisions prématurées et de backlog pollué.

Le premier ajustement consiste à recalculer le MDE, minimum detectable effect, c’est-à-dire l’effet minimal qu’un test peut détecter avec une puissance donnée. Si une page convertit à 3 % et reçoit 20 000 sessions par mois, détecter un uplift relatif de 5 % sera souvent trop long pour être opérationnel. Il faudra soit accepter un MDE plus élevé, soit tester des changements plus structurants, soit utiliser des métriques intermédiaires solides, soit agréger des pages comparables. En période de contrainte, les micro-tests de wording perdent en intérêt. Les hypothèses doivent viser des effets plus importants : message match, offre, structure de page, friction formulaire, transparence prix, preuve sociale contextualisée.

Le deuxième ajustement concerne les métriques. L’achat final reste la référence, mais il peut être trop peu fréquent pour tous les tests. On peut utiliser des métriques intermédiaires à condition qu’elles soient validées. Un ajout panier n’est utile que s’il reste corrélé à l’achat et à la marge. Une demande de démo n’est utile que si elle produit des SQL. Un clic sur calculateur n’est utile que s’il augmente la qualification ou accélère la décision. Les équipes doivent documenter la corrélation historique entre micro-conversions et valeur finale avant de les utiliser comme KPI de test.

Le troisième ajustement est méthodologique. Les approches séquentielles ou bayésiennes peuvent aider à prendre des décisions avec davantage de nuance, mais elles ne suppriment pas le besoin de volume. Elles permettent surtout d’éviter les arrêts arbitraires ou de quantifier l’incertitude. Il reste nécessaire de définir à l’avance l’hypothèse, la population, la durée minimale, les guardrails et la règle de décision. Un test lancé sur un trafic instable, avec des budgets modifiés en cours de route, mélange effet onsite et effet de mix média.

Il faut aussi protéger les tests des changements d’algorithmes publicitaires. Si une variante de landing page améliore le taux de conversion, la plateforme peut réallouer le budget vers certains segments pendant le test. L’expérimentation n’est plus uniquement un test de page ; elle devient un test de page plus apprentissage média. Pour limiter ce biais, les tests critiques doivent être randomisés proprement, les budgets stabilisés autant que possible, et les résultats lus par segment de trafic. Si la variante B gagne uniquement parce qu’elle a reçu davantage de retargeting ou de requêtes marque, la conclusion est fragile.

En pratique, une période de trafic payant réduit impose un portefeuille d’expérimentation plus sélectif. Les équipes peuvent classer les idées avec un score RICE, reach, impact, confidence, effort, méthode de priorisation combinant portée, impact attendu, niveau de confiance et effort. Mais il faut ajouter une dimension économique : valeur par session exposée. Une hypothèse touchant peu de trafic mais beaucoup de marge peut être prioritaire. Une hypothèse très visible mais risquée pour la confiance ou la marge doit être encadrée.

Aligner enchères, promesses et landing pages pour éviter la dégradation du mix

La baisse de trafic payant entraîne souvent une réaction média : resserrement des audiences, baisse des budgets haut de funnel, hausse du poids des campagnes à la performance immédiate, modification des objectifs d’enchères. Ces décisions peuvent préserver le ROAS court terme, mais elles peuvent aussi dégrader le mix d’intention. Le site reçoit alors moins de visiteurs exploratoires, plus de visiteurs déjà chauds, et parfois des utilisateurs exposés à des promesses plus agressives, par exemple remises, urgence ou gratuité. Le taux de conversion peut tenir, mais la marge et la qualité client peuvent se détériorer.

L’alignement promesse-page devient critique. Une stratégie d’enchère optimisant sur achat ou valeur pousse les plateformes à chercher les profils les plus susceptibles de convertir selon les signaux disponibles. Si les annonces promettent une remise forte et que la landing page pousse immédiatement l’achat, l’algorithme peut apprendre à trouver des acheteurs opportunistes. Le CPA baisse peut-être, mais la LTV, lifetime value ou valeur économique attendue sur l’ensemble de la relation client, peut diminuer. À l’inverse, une promesse de qualité ou d’expertise peut convertir moins vite mais produire plus de marge et de réachat.

Il faut donc piloter les campagnes payantes avec des signaux de valeur, pas seulement des signaux de conversion. En e-commerce, cela signifie envoyer aux plateformes des événements enrichis lorsque c’est conforme au consentement applicable : valeur de commande, marge approximative, nouveau client, catégorie, retours éventuels en offline upload si possible. En B2B, cela signifie reconnecter les leads aux étapes CRM : MQL, marketing qualified lead ou lead jugé suffisamment pertinent pour être nourri ou transmis, SQL, opportunité, revenu signé. Optimiser sur lead_submit quand 45 % des leads sont invalides revient à acheter du bruit.

Un exemple chiffré montre l’arbitrage. Une marque d’équipement sportif compare deux stratégies après une baisse de budget de 25 %. La stratégie A concentre les dépenses sur retargeting et requêtes marque : taux de conversion 6,2 %, ROAS plateforme 7,1, mais seulement 18 % de nouveaux clients. La stratégie B maintient 35 % du budget en prospection qualifiée avec pages dédiées par usage : taux de conversion global 4,4 %, ROAS plateforme 5,6, mais 41 % de nouveaux clients et panier moyen supérieur de 12 %. Si l’entreprise juge uniquement le ROAS à sept jours, A gagne. Si elle intègre marge, nouveaux clients et réachat à 90 jours, B peut être plus robuste.

L’alignement doit aussi être opérationnel. Les UTM, paramètres ajoutés aux URL pour suivre source, campagne et contenu, doivent permettre de relier chaque promesse à sa page. Les pages doivent reprendre le bénéfice, l’offre, la preuve et le niveau d’effort attendus. Les campagnes paid social ne devraient pas envoyer toutes les audiences vers une page générique si les créations portent sur des usages différents. Les campagnes search génériques à forte intention comparative doivent conduire vers des pages qui aident réellement à comparer. Les campagnes locales doivent confirmer la disponibilité géographique, pas simplement afficher un message national.

Enfin, les stratégies d’enchères doivent tenir compte du volume de conversion. Une baisse de trafic peut faire passer certaines campagnes sous le seuil où les enchères automatiques restent stables. Dans ce cas, regrouper des campagnes, élargir légèrement les signaux, optimiser sur une conversion intermédiaire validée ou ajuster les objectifs de tCPA peut être nécessaire. Mais chaque modification doit être lue avec le funnel : si l’objectif intermédiaire devient moins corrélé à la valeur finale, la préservation du taux de conversion se paiera par une baisse de qualité.

Surveiller la marge, la rétention et les effets retardés

Préserver le taux de conversion pendant une baisse de trafic payant peut créer des effets pervers si l’entreprise compense par des leviers de court terme : promotions, urgence, retargeting intensif, réduction de friction sans qualification, offres d’appel. Ces leviers peuvent être légitimes, mais ils doivent être évalués sur la marge et la rétention. Un taux de conversion plus élevé avec une marge par commande plus faible peut détruire de la valeur.

La métrique centrale devrait être la marge par session payante, ou au minimum le revenu net par session lorsque la marge n’est pas disponible. Elle combine trois dimensions : probabilité de conversion, panier moyen et rentabilité. Une campagne qui convertit à 5 % avec 40 euros de marge moyenne par commande génère 2 euros de marge par session. Une autre qui convertit à 3,5 % avec 75 euros de marge génère 2,63 euros de marge par session. Le taux de conversion seul favorise la première ; l’économie favorise la seconde.

Il faut également surveiller les retours et annulations. Une baisse de trafic paid accompagnée d’un renforcement des messages d’urgence peut augmenter les achats impulsifs. Dans la mode, par exemple, une hausse d’un point du taux de retour peut annuler une partie significative du gain de conversion. Si 10 000 commandes mensuelles génèrent 28 % de retours et qu’un retour coûte 8 euros de logistique plus 3 euros de support, une hausse à 31 % représente environ 3 300 euros de coûts additionnels, sans compter la dégradation de disponibilité stock et l’insatisfaction.

En B2B, l’équivalent est le taux de no-show, la non-présentation aux rendez-vous commerciaux, ou le taux de leads disqualifiés. Une landing page plus agressive peut augmenter les demandes de démo de 20 %, mais si les commerciaux passent plus de temps sur des comptes hors cible, le coût d’opportunité peut dépasser le gain média. La conversion doit être lue jusqu’à l’étape commerciale utile, pas seulement jusqu’au formulaire.

Les effets retardés sont particulièrement importants lorsque la baisse de trafic touche la prospection. Le volume de conversions peut rester stable pendant quelques semaines grâce au stock d’audiences déjà exposées. Puis la performance baisse lorsque ce stock se vide. Pour détecter ce phénomène, il faut suivre des indicateurs avancés : nouveaux visiteurs payants, taux d’inscription, recherches marque, taille des audiences de remarketing, fréquence d’exposition, part de nouveaux clients, volume de paniers initiés par nouveaux utilisateurs, progression CRM. Ces métriques ne remplacent pas le chiffre d’affaires, mais elles signalent si le système continue à produire de l’intention.

Une lecture incrémentale est aussi nécessaire. L’incrémentalité mesure l’effet réellement causé par une action par rapport à un scénario sans action. Lorsque le budget diminue, certaines campagnes à fort ROAS attribué peuvent apparaître indispensables alors qu’elles captent une demande déjà existante. Des holdouts, groupes témoins volontairement exclus d’une action, des geo-tests ou des tests de réduction contrôlée peuvent aider à distinguer contribution attribuée et contribution réelle. Cette discipline est essentielle si l’entreprise doit arbitrer entre préserver le taux de conversion immédiat et maintenir la génération de demande.

Conclusion : une méthode de crise orientée valeur, pas seulement conversion

Une baisse de trafic payant oblige les équipes marketing à traiter le taux de conversion comme un indicateur économique sous contrainte. Le réflexe de défense ne doit pas être de maximiser la conversion globale, mais de préserver la capacité du funnel à transformer les bonnes intentions en valeur rentable. Cela suppose de distinguer volume, mix, intention, marge, qualité et temporalité. Une conversion gagnée au prix d’une marge dégradée, d’un lead non qualifié ou d’un assèchement du haut de funnel n’est pas une victoire durable.

Une méthode actionnable tient en huit étapes. Premièrement, décomposer la baisse de trafic par impressions, CTR, CPC, budget, canal, device et audience. Deuxièmement, recalculer les taux de conversion par segment d’intention au lieu de piloter une moyenne. Troisièmement, identifier les pages recevant le trafic paid le plus coûteux et cartographier leurs frictions principales. Quatrièmement, aligner chaque promesse publicitaire avec la landing page, la preuve, l’offre et le CTA. Cinquièmement, ajuster le portefeuille de tests A/B au nouveau volume, avec des hypothèses plus structurantes et des MDE réalistes. Sixièmement, connecter les optimisations média à des signaux de valeur, marge, nouveaux clients, SQL ou réachat, plutôt qu’à de simples micro-conversions. Septièmement, surveiller les guardrails : marge par session, retours, annulations, leads invalides, no-show, support et satisfaction. Huitièmement, mesurer les effets retardés sur la génération de demande, notamment recherches marque, audiences réactivables et part de nouveaux clients.

Le principe stratégique est simple : lorsque le trafic payant baisse, la conversion ne doit pas devenir un exercice de compensation aveugle. Elle doit devenir un système de tri plus précis entre les intentions utiles, les frictions coûteuses et les promesses qui créent réellement de la valeur. Les équipes les plus performantes ne cherchent pas seulement à faire convertir davantage les visiteurs restants. Elles cherchent à comprendre quels visiteurs doivent encore être acquis, quelles pages doivent mieux les recevoir, et quelles métriques prouvent que la rentabilité est préservée au-delà du clic et de la session.