- Définis un indicateur principal avant la vente, compare-le à une référence, et lis le résultat une fois les effets de report stabilisés.
- La référence la plus fiable est un groupe témoin : une partie des visiteurs qui ne voient pas l'offre. L'année précédente et les semaines avant la vente constituent une seconde référence.
- Six indicateurs couvrent la plupart des questions : chiffre d'affaires, commandes, panier moyen, marge, part de nouveaux clients et retours.
- Le guide se termine par un modèle de rapport à copier. Le Black Friday 2026 tombe le vendredi 27 novembre, et le Cyber Monday le lundi 30 novembre.
Pour mesurer si une campagne Black Friday a fonctionné, définis un objectif unique avant la vente, compare-le à une référence montrant ce qui se serait passé sans la campagne, et lis le résultat seulement une fois les effets de report stabilisés. La référence la plus fiable est un groupe témoin : une petite part de visiteurs qui ne voient pas l'offre. Les comparaisons d'une année sur l'autre ou d'une semaine sur l'autre sont plus simples à mettre en place, mais aussi plus faciles à mal interpréter.
Le Black Friday 2026 tombe le vendredi 27 novembre, et le Cyber Monday le lundi 30 novembre. Ce guide couvre la définition du succès, les six indicateurs essentiels, trois façons de comparer, les effets de report, la mise en place d'un groupe témoin avec Varify et un modèle de rapport. Pour la qualité des données d'un test A/B en lui-même, consulte le guide cité dans la section sur le groupe témoin.
Définis le succès avant la vente
Une campagne ne peut pas être jugée après coup si personne n'a écrit ce que signifie le succès. Mettez-vous d'accord sur ces points avant le début de la vente :
- Un indicateur principal. Choisis le chiffre qui tranche : par exemple le chiffre d'affaires par visiteur, la marge de contribution ou les nouveaux clients. Une campagne qui augmente le chiffre d'affaires et fait baisser la marge peut sembler bonne sur un indicateur et mauvaise sur l'autre.
- Indicateurs de garde-fou. Nomme les chiffres qui ne doivent pas se dégrader, comme le taux de retour ou la part de commandes avec un code de réduction.
- La comparaison. Décide quelle référence tu utilises (voir ci-dessous) avant de voir la moindre donnée.
- La fenêtre temporelle. Fixe le début, la fin et la date de la lecture finale. Note qui est responsable du rapport.
Rédige la définition en un paragraphe et partage-la avec toutes les personnes qui gèrent une partie de la campagne. Une définition fixée à l'avance évite l'habitude de choisir après coup l'indicateur qui paraît le plus favorable. Ajoute une règle de décision en termes simples, par exemple : si le groupe de la campagne surpasse le groupe témoin sur l'indicateur principal et que les garde-fous tiennent, on répète le format l'année suivante ; si la marge baisse, on change l'offre.
Les indicateurs qui comptent
Six indicateurs couvrent la plupart des questions liées au Black Friday. Définis chacun de la même manière dans chaque rapport.
- Chiffre d'affaires. Valeur totale des commandes sur la période. Décide s'il inclut les frais de port et les taxes, et conserve ce choix.
- Commandes. Le nombre de commandes finalisées. Compte chaque commande une seule fois.
- Valeur moyenne de commande. Chiffre d'affaires divisé par le nombre de commandes. Elle montre si les offres ont modifié la taille du panier.
- Marge. Chiffre d'affaires moins le coût des produits, l'expédition et les remises, en valeur et en part du chiffre d'affaires. Elle montre si le chiffre d'affaires supplémentaire est rentable.
- Part de nouveaux clients. Commandes des clients ayant acheté pour la première fois, divisées par l'ensemble des commandes. Elle montre si la campagne a touché de nouvelles personnes.
- Retours. Commandes ou articles retournés en part des commandes. Les retours arrivent des semaines plus tard, donc répète la lecture après la fenêtre de retour.
Le chiffre d'affaires par visiteur est un pont utile entre trafic et ventes : chiffre d'affaires divisé par visiteurs. Il permet de comparer des périodes et des groupes avec des trafics différents.
Choisis la bonne comparaison
Chaque comparaison répond à une question légèrement différente. Le tableau liste les trois méthodes courantes.
| Méthode de comparaison | Point fort | Point faible |
|---|---|---|
| Même période l'année dernière | Couvre la même saison et le même calendrier, y compris le Black Friday lui-même. | La boutique, le mix de trafic, les prix et le marché diffèrent de l'année dernière. L'écart contient bien plus que l'effet de la campagne. |
| Les semaines précédant les soldes | Proche dans le temps et dans la configuration de la boutique. Facile à extraire de tes outils d'analytics. | Les semaines normales n'ont pas de demande liée au Black Friday, donc tout le pic ressemble à un effet de campagne. |
| Groupe témoin (holdout) | Mêmes jours, même marché, même boutique. La seule différence est l'offre, donc l'écart montre l'effet de la campagne. | Nécessite une mise en place avant le lancement. Un petit groupe signifie une marge d'erreur plus large, et certains visiteurs ne voient jamais l'offre. |
La réponse honnête à « est-ce que ça a fonctionné » est l'écart par rapport à une référence. Les comparaisons d'une année sur l'autre et avant-après sont correctes comme deuxième point de vue. Un groupe témoin est le seul des trois qui sépare l'effet de la campagne de tout ce qui a changé par ailleurs ces jours-là.
Surveille les effets de report d'achat
Un effet de report d'achat se produit lorsque la campagne déplace des achats dans le temps. Des clients qui auraient acheté en octobre ou en décembre achètent le Black Friday, généralement avec une remise. Les soldes paraissent alors plus importantes que leur effet net. C'est une hypothèse à vérifier pour ta boutique, car l'ampleur varie selon la catégorie et la base de clients.
Trois vérifications permettent de le mettre en évidence :
- Compare les totaux sur une fenêtre plus longue. Regarde le chiffre d'affaires du début octobre à fin décembre, par rapport à la même fenêtre dans ta référence. Un gain le Black Friday associé à une baisse ensuite indique un report d'achat.
- Regarde les clients récurrents. Vérifie si les clients ayant acheté le Black Friday auraient acheté dans les semaines suivantes.
- Regarde la part des remises. Si les commandes des clients existants avec un code de réduction augmentent tandis que les commandes à prix plein diminuent, les remises ont peut-être remplacé des commandes à prix plein.
Planifie la lecture finale après la fenêtre choisie, par exemple en janvier, et présente la première lecture au Cyber Monday comme un résultat préliminaire.
Mesure avec un groupe témoin grâce à Varify
Un groupe témoin (holdout) est une part de visiteurs qui voient la boutique normale pendant que tous les autres voient la campagne. Compare les deux groupes sur les mêmes jours et tu observes l'effet de la campagne elle-même. Varify peut construire cela avec un test A/B ou avec de la personnalisation et une répartition de trafic inégale. La question de savoir si tu peux même lancer un test en semaine de pointe est traitée dans A/B testing during Black Friday.
- Configure la répartition. Construis les éléments de la campagne comme variante : bannière, prix, badges (découvre comment tester des bannières Black Friday sans développeur). Avec Prompt-Based Experimentation (PBX), tu les décris en langage naturel dans l'éditeur visuel (« Ask AI »), et l'IA construit la variante, écrit le code et configure l'expérience, sans développeur. Consulte les exemples PBX et la documentation PBX. Attribue une petite part du trafic à l'original. Cette part est ton groupe témoin. La part adaptée dépend de ton trafic, planifie-la donc avec le calculateur de durée de test.
- Cible les bons visiteurs. Avec le ciblage d'audience par paramètre d'URL (UTM), référent ou géographie, le groupe témoin peut s'appliquer aux visiteurs provenant d'un e-mail ou d'une publicité donnée. Voir ciblage d'audience.
- Mesure. Connecte GA4 et lis le chiffre d'affaires, les commandes et la valeur du panier par groupe. Pour les données brutes, Varify propose l'évaluation BigQuery et l'export CSV (voir exporter les résultats), et les statistiques bayésiennes affichent la durée restante. Le guide Black Friday tools for online shops répertorie la configuration d'analytics et d'enregistrement à vérifier au préalable.
- Vérifie d'abord. Utilise le lien de prévisualisation et le mode QA pour confirmer que les objectifs se déclenchent pour les deux groupes (voir assurance qualité).
Varify ne pose aucun cookie et stocke l'attribution du groupe dans le localStorage, de sorte qu'un visiteur qui revient reste dans le même groupe. Les visiteurs que ton outil d'analytics peut comptabiliser dépendent de ta configuration de consentement, une question à poser à ton délégué à la protection des données. Pour l'aspect données d'un test A/B, lis GA4 or BigQuery: which numbers an A/B test can trust.
Ton modèle de rapport post-Black-Friday
Copie ce plan dans un document. Remplis-le le Cyber Monday comme première lecture, puis à nouveau après la période que tu as choisie.
- Définition de l'objectif et de l'indicateur avant les soldes, avec la date de la lecture finale
- Période, canaux et offres diffusées, avec les heures de début et de fin
- Résultats pour l'indicateur principal : groupe campagne, référence, écart et marge d'erreur
- Résultats pour les cinq autres indicateurs et les indicateurs de garde-fou
- Comparaison avec la seconde référence (année précédente ou semaines précédentes)
- Vérification de l'effet d'anticipation : totaux sur la fenêtre plus longue
- Ce qui a fonctionné, ce qui n'a pas fonctionné, et ce que l'on fait différemment l'année prochaine
- Points en suspens : retours encore à venir, lacunes dans les données, responsables et échéances
Ajoute les captures d'écran ou exports qui étayent chaque chiffre, et indique la source des données à côté de chaque valeur.
Mesure ta campagne Black Friday avec un groupe témoin.
Varify.io : PBX, intégration GA4, Campaign Booster. Compare le groupe qui a vu l'offre avec le groupe qui ne l'a pas vue.