Diagnostic de décrochage de tunnel

Diagnostique les points de décrochage d’un tunnel de conversion et en identifie les causes. Se déclenche quand l’utilisateur partage des données de tunnel, demande « où est-ce que je perds du monde ? », ou souhaite améliorer son taux de conversion. Analyse les données de conversion étape par étape, identifie les transitions problématiques, diagnostique les causes probables et fournit des recommandations priorisées.

La capacité: L’agent lit vos étapes une à une, repère celle où la chute est anormale, et propose une cause avant de proposer un correctif.
L’outil: Un assistant IA qui lit les skills, alimenté par vos taux de passage étape par étape.
Pour qui: Qui a du trafic, un tunnel complet et des ventes qui ne suivent pas, sans savoir où ça casse.

---
name: diagnostic-de-decrochage-de-tunnel
description: "Diagnostique les points de décrochage d'un tunnel de conversion et en identifie les causes. Se déclenche quand l'utilisateur partage des données de tunnel, demande « où est-ce que je perds du monde ? », ou souhaite améliorer son taux de conversion. Analyse les données de conversion étape par étape, identifie les transitions problématiques, diagnostique les causes probables et fournit des recommandations priorisées."
---
# Diagnostiqueur de décrochage de tunnel
Trouvez les fuites de votre tunnel et colmatez-les.
## Philosophie de base
**Tous les décrochages ne se valent pas.** Une chute de 50 % à une étape peut être saine, tandis que 20 % à une autre peut être catastrophique. Le contexte et les repères comptent.
**L'objectif :** identifier quelles fuites du tunnel vous coûtent le plus cher et ce qui les cause.
**Le principe :** diagnostic systématique. Mesurer la chute, l'évaluer face à des repères, formuler des hypothèses de causes, prioriser par impact.
---
## Contexte nécessaire
### Indispensable
**1. Données du tunnel**
Pour chaque étape :
- Nom/description de l'étape
- Utilisateurs/sessions entrant dans l'étape
- Utilisateurs/sessions terminant l'étape
- Taux de conversion vers l'étape suivante (ou calculé à partir des données ci-dessus)
**2. Type de tunnel**
Quel genre de tunnel :
- E-commerce (navigation → panier → paiement → achat)
- Inscription SaaS (landing → inscription → activation → payant)
- Génération de leads (landing → formulaire → soumission → lead qualifié)
- Contenu (visionnage → engagement → abonnement → conversion)
### Fortement recommandé
**3. Données de segmentation**
- Répartition par appareil (mobile vs. desktop)
- Répartition par source de trafic
- Nouveaux vs. visiteurs récurrents
- Répartition géographique
**4. Contexte temporel**
- Période couverte par les données
- Changements récents (design, parcours, offres)
- Considérations de saisonnalité
### Un plus
- Comparaison historique (vs. période précédente)
- Repères sectoriels
- Heatmaps ou enregistrements de sessions
- Retours ou sondages utilisateurs
- Données de page de sortie
- Journaux d'erreurs
---
## Cadre de diagnostic
### Étape 1 : Cartographie du tunnel
**Visualisation standard du tunnel :**
```
ÉTAPE 1 : [Nom]
│ Utilisateurs : X XXX
│
▼ ──────────────────────────── XX % taux de conversion
│ DÉCROCHAGE : X XXX (XX %)
│
ÉTAPE 2 : [Nom]
│ Utilisateurs : X XXX
│
▼ ──────────────────────────── XX % taux de conversion
│ DÉCROCHAGE : X XXX (XX %)
│
ÉTAPE 3 : [Nom]
│ Utilisateurs : X XXX
│
▼ ──────────────────────────── XX % taux de conversion
│ DÉCROCHAGE : X XXX (XX %)
│
ÉTAPE 4 : [Nom] (Objectif)
│ Utilisateurs : X XXX
CONVERSION TOTALE DU TUNNEL : XX %
```
---
### Étape 2 : Évaluation par repères
**Repères tunnel e-commerce :**
| Transition | Faible | Moyen | Bon | Excellent |
|------------|--------|-------|-----|-----------|
| Visite → Vue produit | <30 % | 30-50 % | 50-70 % | >70 % |
| Vue produit → Ajout au panier | <5 % | 5-10 % | 10-15 % | >15 % |
| Ajout au panier → Début paiement | <30 % | 30-50 % | 50-65 % | >65 % |
| Début paiement → Achat | <30 % | 30-50 % | 50-70 % | >70 % |
| **Global : Visite → Achat** | <1 % | 1-2 % | 2-4 % | >4 % |
**Repères tunnel d'inscription SaaS :**
| Transition | Faible | Moyen | Bon | Excellent |
|------------|--------|-------|-----|-----------|
| Landing → Début inscription | <5 % | 5-15 % | 15-25 % | >25 % |
| Début inscription → Inscription terminée | <50 % | 50-70 % | 70-85 % | >85 % |
| Inscription → Activation | <20 % | 20-40 % | 40-60 % | >60 % |
| Gratuit → Payant | <2 % | 2-5 % | 5-10 % | >10 % |
**Repères tunnel de génération de leads :**
| Transition | Faible | Moyen | Bon | Excellent |
|------------|--------|-------|-----|-----------|
| Landing → Début formulaire | <10 % | 10-20 % | 20-35 % | >35 % |
| Début formulaire → Soumission | <20 % | 20-40 % | 40-60 % | >60 % |
| Soumission → Lead qualifié | <30 % | 30-50 % | 50-70 % | >70 % |
---
### Étape 3 : Analyse de sévérité du décrochage
**Formule de score d'impact :**
```
Score d'impact = (Volume de décrochage) × (Valeur de revenu) × (Facilité de correction)
Où :
- Volume de décrochage = utilisateurs perdus à l'étape
- Valeur de revenu = valeur estimée par conversion
- Facilité de correction = probabilité qu'un correctif améliore la situation (1-3)
```
**Classification de sévérité :**
| Taux de décrochage | vs. repère | Sévérité |
|---------------------|------------|----------|
| >2x le repère | Critique | 🔴 À corriger immédiatement |
| 1,5-2x le repère | Élevée | 🟠 À corriger rapidement |
| 1-1,5x le repère | Modérée | 🟡 À optimiser |
| Au niveau ou sous le repère | Normale | 🟢 À surveiller |
---
### Étape 4 : Diagnostic des causes
**Causes courantes de décrochage par étape du tunnel :**
**Étape landing/entrée :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Taux de rebond élevé | Décalage de message | Comparer l'annonce à la page |
| Sorties immédiates | Temps de chargement lent | Données de vitesse de page |
| Pas de scroll | Titre/accroche faible | Données de profondeur de scroll |
| Sorties rapides | Mauvaise cible | Qualité de la source de trafic |
**Étape considération (produit/formulaire) :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Vue mais aucune action | Valeur peu claire | Contenu de la page |
| Engagement partiel | Trop de friction | Champs de formulaire, étapes |
| Décrochage spécifique mobile | Problèmes d'UX mobile | Répartition par appareil |
| Sortie sur la page tarifs | Réticence sur le prix | Données de page de sortie |
**Étape conversion (panier/paiement) :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Abandon de panier | Coûts inattendus | Livraison, taxes |
| Décrochage au paiement | Complexité du formulaire | Nombre de champs |
| Sortie à l'étape paiement | Problème de confiance | Signaux de sécurité |
| Compte obligatoire | Friction | Option paiement invité |
**Étape post-conversion :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Faible activation | Étape suivante peu claire | Parcours d'onboarding |
| Churn précoce | Valeur non perçue | Délai avant valeur perçue |
| Pas de montée en gamme | Parcours d'upgrade peu clair | Tarification/offres |
---
### Étape 5 : Analyse par segment
**Décrochage par appareil :**
| Étape | Conv. desktop | Conv. mobile | Écart | Problème ? |
|-------|---------------|--------------|-------|------------|
| Étape 1→2 | XX % | XX % | X % | O/N |
| Étape 2→3 | XX % | XX % | X % | O/N |
| Étape 3→4 | XX % | XX % | X % | O/N |
*Un écart >5 % indique un problème spécifique au mobile*
**Décrochage par source de trafic :**
| Étape | Search payant | Organique | Social | Email |
|-------|----------------|-----------|--------|-------|
| Étape 1→2 | XX % | XX % | XX % | XX % |
| Étape 2→3 | XX % | XX % | XX % | XX % |
| Étape 3→4 | XX % | XX % | XX % | XX % |
*Un écart significatif indique des problèmes propres à une source*
---
## Format de restitution
### Résumé exécutif
```
SCORE DE SANTÉ DU TUNNEL : XX/100 [NOTE]
Type de tunnel : [E-commerce/SaaS/Génération de leads/etc.]
Période : [Plage de dates]
Total utilisateurs entrants : X XXX
Total conversions : XXX
Taux de conversion global : X,XX %
PLUS GROSSE FUITE : [Transition d'étape] - X XXX € d'impact sur le chiffre d'affaires
CAUSE RACINE : [Diagnostic principal]
CORRECTIF PRIORITAIRE : [Action recommandée]
```
**Barème de notation :**
| Score | Note | Évaluation |
|-------|------|------------|
| 85-100 | A | Tunnel optimisé, améliorations mineures |
| 70-84 | B | Tunnel sain, opportunités claires |
| 55-69 | C | Fuites significatives coûtant du chiffre d'affaires |
| 40-54 | D | Problèmes majeurs sur plusieurs étapes |
| <40 | F | Tunnel cassé, corrections urgentes nécessaires |
---
### Visualisation du tunnel
```
ANALYSE DU TUNNEL : [Nom du tunnel]
┌─────────────────────────────────────────────────────────────┐
│ ÉTAPE 1 : [Nom] 100 % │████████████████████│
│ Utilisateurs : 10 000 │
├─────────────────────────────────────────────────────────────┤
│ ↓ TRANSITION : XX % conversion | XX % décrochage │
│ vs. Repère : [Au-dessus/Au niveau/En dessous] [🟢/🟡/🔴] │
├─────────────────────────────────────────────────────────────┤
│ ÉTAPE 2 : [Nom] XX % │███████████████ │
│ Utilisateurs : X XXX │
├─────────────────────────────────────────────────────────────┤
│ ↓ TRANSITION : XX % conversion | XX % décrochage │
│ vs. Repère : [Au-dessus/Au niveau/En dessous] [🟢/🟡/🔴] │
├─────────────────────────────────────────────────────────────┤
│ ÉTAPE 3 : [Nom] XX % │██████████ │
│ Utilisateurs : X XXX │
├─────────────────────────────────────────────────────────────┤
│ ↓ TRANSITION : XX % conversion | XX % décrochage ⚠️ CRITIQUE │
│ vs. Repère : [En dessous] [🔴] │
├─────────────────────────────────────────────────────────────┤
│ ÉTAPE 4 : [Nom] (Objectif) XX % │████ │
│ Utilisateurs : XXX │
└─────────────────────────────────────────────────────────────┘
```
---
### Analyse du décrochage par étape
**Étape [X] → Étape [Y] : [XX] % de conversion / [XX] % de décrochage**
| Métrique | Valeur | Repère | Statut |
|----------|--------|--------|--------|
| Taux de conversion | XX % | XX-XX % | 🟢/🟡/🔴 |
| Utilisateurs perdus | X XXX | , | , |
| Impact sur le chiffre d'affaires | X XXX € | , | , |
**Diagnostic :**
| Cause possible | Probabilité | Élément probant |
|-----------------|-------------|------------------|
| [Cause 1] | Élevée/Moyenne/Faible | [Ce qui le suggère] |
| [Cause 2] | Élevée/Moyenne/Faible | [Ce qui le suggère] |
| [Cause 3] | Élevée/Moyenne/Faible | [Ce qui le suggère] |
**Analyse par segment :**
| Segment | Conversion | vs. Moyenne | Problème ? |
|---------|------------|-------------|------------|
| Desktop | XX % | +X % | , |
| Mobile | XX % | -X % | ⚠️ Oui |
| Trafic payant | XX % | -X % | ⚠️ Oui |
| Trafic organique | XX % | +X % | , |
**Hypothèse principale :**
> [Cause la plus probable selon les éléments observés]
**Correctif recommandé :**
> [Action précise pour traiter ce décrochage]
---
### Matrice de priorisation
```
IMPACT ÉLEVÉ
│
┌──────────────────────┼──────────────────────┐
│ │ │
│ À FAIRE EN 1er │ À FAIRE EN 2e │
│ [Correctif 1] │ [Correctif 3] │
│ [Correctif 2] │ │
│ │ │
─────┼──────────────────────┼──────────────────────┼─────
FAIBLE│ │ │ ÉLEVÉ
EFFORT│ À FAIRE PLUS TARD │ À ENVISAGER │EFFORT
│ [Correctif 5] │ [Correctif 4] │
│ │ │
│ │ │
└──────────────────────┼──────────────────────┘
│
IMPACT FAIBLE
```
---
### Liste de correctifs priorisée
**Correctif 1 : [Titre] , CRITIQUE**
- **Étape :** [Quelle transition]
- **Actuel :** [Taux de conversion actuel]
- **Cible :** [Taux de conversion cible]
- **Impact :** X XXX €/mois de chiffre d'affaires additionnel
- **Cause :** [Cause diagnostiquée]
- **Solution :** [Recommandation précise]
- **Effort :** Faible/Moyen/Élevé
- **Échéance :** [Délai de mise en œuvre]
---
**Correctif 2 : [Titre] , PRIORITÉ ÉLEVÉE**
[Même format]
---
### Recommandations spécifiques par segment
**Problèmes spécifiques au mobile :**
| Problème | Impact | Recommandation |
|----------|--------|-----------------|
| [Problème 1] | X XXX € | [Correctif] |
| [Problème 2] | X XXX € | [Correctif] |
**Problèmes par source de trafic :**
| Source | Problème | Recommandation |
|--------|----------|-----------------|
| [Source 1] | [Problème] | [Correctif] |
| [Source 2] | [Problème] | [Correctif] |
---
### Tableau de bord de suivi
**Métriques clés à suivre :**
| Métrique | Actuel | Cible | Fréquence de suivi |
|----------|--------|-------|----------------------|
| Conversion Étape 1→2 | XX % | XX % | Hebdomadaire |
| Conversion Étape 2→3 | XX % | XX % | Hebdomadaire |
| Conversion Étape 3→4 | XX % | XX % | Hebdomadaire |
| Conversion globale du tunnel | X,X % | X,X % | Hebdomadaire |
| Écart mobile vs desktop | X % | <X % | Hebdomadaire |
**Seuils d'alerte :**
| Métrique | Alerte | Critique |
|----------|--------|----------|
| Conversion [Étape] | <XX % | <XX % |
| Conversion mobile | <XX % | <XX % |
| Conversion globale | <X,X % | <X,X % |
---
### Recommandations de tests A/B
| Test | Hypothèse | Étape concernée | Gain attendu |
|------|-----------|-------------------|---------------|
| [Test 1] | Si [changement], alors [résultat] parce que [raison] | Étape X→Y | +X-X % |
| [Test 2] | Si [changement], alors [résultat] parce que [raison] | Étape X→Y | +X-X % |
| [Test 3] | Si [changement], alors [résultat] parce que [raison] | Étape X→Y | +X-X % |
**Priorité des tests :**
1. [Nom du test] , Impact le plus élevé, risque le plus faible
2. [Nom du test] , Bon potentiel, effort modéré
3. [Nom du test] , À tester une fois les bases validées
---
## Référentiel des correctifs courants
### Correctifs landing/entrée
| Problème | Solution |
|----------|----------|
| Taux de rebond élevé | Améliorer la cohérence du message, la vitesse |
| Faible engagement | Titre plus fort, CTA plus clair |
| Rebond mobile | Refonte mobile-first |
| Rebond spécifique à une source | Landing pages dédiées par source |
### Correctifs considération
| Problème | Solution |
|----------|----------|
| Peu de vues produit | Meilleure navigation, recommandations |
| Peu de débuts de formulaire | Réduire l'effort perçu, ajouter de la valeur |
| Sorties sur la page tarifs | Traiter la valeur avant le prix |
| Comparaison de prix | Positionnement concurrentiel |
### Correctifs conversion
| Problème | Solution |
|----------|----------|
| Abandon de panier | Afficher les coûts en amont, exit intent |
| Décrochage au paiement | Réduire les champs, indicateur de progression |
| Échecs de paiement | Plusieurs moyens de paiement |
| Friction liée au compte | Paiement invité, connexion sociale |
### Correctifs activation
| Problème | Solution |
|----------|----------|
| Faible activation | Meilleur onboarding, victoire rapide |
| Churn précoce | Démonstration de valeur, support |
| Pas de montée en gamme | Parcours d'upgrade plus clair, déclencheurs |
---
## Limites
**Je peux analyser :**
- Les données de conversion du tunnel
- Les schémas de décrochage
- Les comparaisons par segment
- Les comparaisons face aux repères
- Les hypothèses de causes
- La priorisation des correctifs
**Je ne peux pas fournir :**
- Une certitude sur la cause racine (hypothèses uniquement)
- La mise en œuvre technique
- Les explications de comportement utilisateur (nécessite des enregistrements)
- La significativité statistique (nécessite les tailles d'échantillon)
- Un suivi en temps réel
**Pour un diagnostic complet, utilisez aussi :**
- Des enregistrements de sessions (Hotjar, FullStory)
- Des heatmaps et cartes de scroll
- Des sondages et retours utilisateurs
- Une plateforme de tests A/B
- Des journaux d'erreurs techniques
---
## Liste de contrôle qualité
Avant de livrer le diagnostic :
- [ ] Toutes les étapes du tunnel cartographiées avec données
- [ ] Chaque transition évaluée face à un repère
- [ ] Analyse par segment réalisée
- [ ] Décrochages priorisés par impact
- [ ] Causes formulées en hypothèses avec éléments probants
- [ ] Correctifs précis et actionnables
- [ ] Idées de tests A/B fournies
- [ ] Recommandations de suivi incluses
- [ ] Limites signalées
---
> *© Indiana Tempié 2026. Licence d’usage dans le fichier LICENCE.txt du paquet.*
</content>

---
name: diagnostic-de-decrochage-de-tunnel
description: "Diagnostique les points de décrochage d'un tunnel de conversion et en identifie les causes. Se déclenche quand l'utilisateur partage des données de tunnel, demande « où est-ce que je perds du monde ? », ou souhaite améliorer son taux de conversion. Analyse les données de conversion étape par étape, identifie les transitions problématiques, diagnostique les causes probables et fournit des recommandations priorisées."
---

# Diagnostiqueur de décrochage de tunnel

Trouvez les fuites de votre tunnel et colmatez-les.

## Philosophie de base

**Tous les décrochages ne se valent pas.** Une chute de 50 % à une étape peut être saine, tandis que 20 % à une autre peut être catastrophique. Le contexte et les repères comptent.

**L'objectif :** identifier quelles fuites du tunnel vous coûtent le plus cher et ce qui les cause.

**Le principe :** diagnostic systématique. Mesurer la chute, l'évaluer face à des repères, formuler des hypothèses de causes, prioriser par impact.

---

## Contexte nécessaire

### Indispensable

**1. Données du tunnel**
Pour chaque étape :
- Nom/description de l'étape
- Utilisateurs/sessions entrant dans l'étape
- Utilisateurs/sessions terminant l'étape
- Taux de conversion vers l'étape suivante (ou calculé à partir des données ci-dessus)

**2. Type de tunnel**
Quel genre de tunnel :
- E-commerce (navigation → panier → paiement → achat)
- Inscription SaaS (landing → inscription → activation → payant)
- Génération de leads (landing → formulaire → soumission → lead qualifié)
- Contenu (visionnage → engagement → abonnement → conversion)

### Fortement recommandé

**3. Données de segmentation**
- Répartition par appareil (mobile vs. desktop)
- Répartition par source de trafic
- Nouveaux vs. visiteurs récurrents
- Répartition géographique

**4. Contexte temporel**
- Période couverte par les données
- Changements récents (design, parcours, offres)
- Considérations de saisonnalité

### Un plus

- Comparaison historique (vs. période précédente)
- Repères sectoriels
- Heatmaps ou enregistrements de sessions
- Retours ou sondages utilisateurs
- Données de page de sortie
- Journaux d'erreurs

---

## Cadre de diagnostic

### Étape 1 : Cartographie du tunnel

**Visualisation standard du tunnel :**

```
ÉTAPE 1 : [Nom]
  │ Utilisateurs : X XXX
  │
  ▼ ──────────────────────────── XX % taux de conversion
  │ DÉCROCHAGE : X XXX (XX %)
  │
ÉTAPE 2 : [Nom]
  │ Utilisateurs : X XXX
  │
  ▼ ──────────────────────────── XX % taux de conversion
  │ DÉCROCHAGE : X XXX (XX %)
  │
ÉTAPE 3 : [Nom]
  │ Utilisateurs : X XXX
  │
  ▼ ──────────────────────────── XX % taux de conversion
  │ DÉCROCHAGE : X XXX (XX %)
  │
ÉTAPE 4 : [Nom] (Objectif)
  │ Utilisateurs : X XXX

CONVERSION TOTALE DU TUNNEL : XX %
```

---

### Étape 2 : Évaluation par repères

**Repères tunnel e-commerce :**

| Transition | Faible | Moyen | Bon | Excellent |
|------------|--------|-------|-----|-----------|
| Visite → Vue produit | <30 % | 30-50 % | 50-70 % | >70 % |
| Vue produit → Ajout au panier | <5 % | 5-10 % | 10-15 % | >15 % |
| Ajout au panier → Début paiement | <30 % | 30-50 % | 50-65 % | >65 % |
| Début paiement → Achat | <30 % | 30-50 % | 50-70 % | >70 % |
| **Global : Visite → Achat** | <1 % | 1-2 % | 2-4 % | >4 % |

**Repères tunnel d'inscription SaaS :**

| Transition | Faible | Moyen | Bon | Excellent |
|------------|--------|-------|-----|-----------|
| Landing → Début inscription | <5 % | 5-15 % | 15-25 % | >25 % |
| Début inscription → Inscription terminée | <50 % | 50-70 % | 70-85 % | >85 % |
| Inscription → Activation | <20 % | 20-40 % | 40-60 % | >60 % |
| Gratuit → Payant | <2 % | 2-5 % | 5-10 % | >10 % |

**Repères tunnel de génération de leads :**

| Transition | Faible | Moyen | Bon | Excellent |
|------------|--------|-------|-----|-----------|
| Landing → Début formulaire | <10 % | 10-20 % | 20-35 % | >35 % |
| Début formulaire → Soumission | <20 % | 20-40 % | 40-60 % | >60 % |
| Soumission → Lead qualifié | <30 % | 30-50 % | 50-70 % | >70 % |

---

### Étape 3 : Analyse de sévérité du décrochage

**Formule de score d'impact :**

```
Score d'impact = (Volume de décrochage) × (Valeur de revenu) × (Facilité de correction)

Où :
- Volume de décrochage = utilisateurs perdus à l'étape
- Valeur de revenu = valeur estimée par conversion
- Facilité de correction = probabilité qu'un correctif améliore la situation (1-3)
```

**Classification de sévérité :**

| Taux de décrochage | vs. repère | Sévérité |
|---------------------|------------|----------|
| >2x le repère | Critique | 🔴 À corriger immédiatement |
| 1,5-2x le repère | Élevée | 🟠 À corriger rapidement |
| 1-1,5x le repère | Modérée | 🟡 À optimiser |
| Au niveau ou sous le repère | Normale | 🟢 À surveiller |

---

### Étape 4 : Diagnostic des causes

**Causes courantes de décrochage par étape du tunnel :**

**Étape landing/entrée :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Taux de rebond élevé | Décalage de message | Comparer l'annonce à la page |
| Sorties immédiates | Temps de chargement lent | Données de vitesse de page |
| Pas de scroll | Titre/accroche faible | Données de profondeur de scroll |
| Sorties rapides | Mauvaise cible | Qualité de la source de trafic |

**Étape considération (produit/formulaire) :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Vue mais aucune action | Valeur peu claire | Contenu de la page |
| Engagement partiel | Trop de friction | Champs de formulaire, étapes |
| Décrochage spécifique mobile | Problèmes d'UX mobile | Répartition par appareil |
| Sortie sur la page tarifs | Réticence sur le prix | Données de page de sortie |

**Étape conversion (panier/paiement) :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Abandon de panier | Coûts inattendus | Livraison, taxes |
| Décrochage au paiement | Complexité du formulaire | Nombre de champs |
| Sortie à l'étape paiement | Problème de confiance | Signaux de sécurité |
| Compte obligatoire | Friction | Option paiement invité |

**Étape post-conversion :**
| Symptôme | Cause probable | Élément à vérifier |
|----------|-----------------|---------------------|
| Faible activation | Étape suivante peu claire | Parcours d'onboarding |
| Churn précoce | Valeur non perçue | Délai avant valeur perçue |
| Pas de montée en gamme | Parcours d'upgrade peu clair | Tarification/offres |

---

### Étape 5 : Analyse par segment

**Décrochage par appareil :**

| Étape | Conv. desktop | Conv. mobile | Écart | Problème ? |
|-------|---------------|--------------|-------|------------|
| Étape 1→2 | XX % | XX % | X % | O/N |
| Étape 2→3 | XX % | XX % | X % | O/N |
| Étape 3→4 | XX % | XX % | X % | O/N |

*Un écart >5 % indique un problème spécifique au mobile*

**Décrochage par source de trafic :**

| Étape | Search payant | Organique | Social | Email |
|-------|----------------|-----------|--------|-------|
| Étape 1→2 | XX % | XX % | XX % | XX % |
| Étape 2→3 | XX % | XX % | XX % | XX % |
| Étape 3→4 | XX % | XX % | XX % | XX % |

*Un écart significatif indique des problèmes propres à une source*

---

## Format de restitution

### Résumé exécutif

```
SCORE DE SANTÉ DU TUNNEL : XX/100 [NOTE]

Type de tunnel : [E-commerce/SaaS/Génération de leads/etc.]
Période : [Plage de dates]
Total utilisateurs entrants : X XXX
Total conversions : XXX
Taux de conversion global : X,XX %

PLUS GROSSE FUITE : [Transition d'étape] - X XXX € d'impact sur le chiffre d'affaires
CAUSE RACINE : [Diagnostic principal]
CORRECTIF PRIORITAIRE : [Action recommandée]
```

**Barème de notation :**

| Score | Note | Évaluation |
|-------|------|------------|
| 85-100 | A | Tunnel optimisé, améliorations mineures |
| 70-84 | B | Tunnel sain, opportunités claires |
| 55-69 | C | Fuites significatives coûtant du chiffre d'affaires |
| 40-54 | D | Problèmes majeurs sur plusieurs étapes |
| <40 | F | Tunnel cassé, corrections urgentes nécessaires |

---

### Visualisation du tunnel

```
ANALYSE DU TUNNEL : [Nom du tunnel]

┌─────────────────────────────────────────────────────────────┐
│ ÉTAPE 1 : [Nom]                                    100 % │████████████████████│
│ Utilisateurs : 10 000                                       │
├─────────────────────────────────────────────────────────────┤
│ ↓ TRANSITION : XX % conversion | XX % décrochage            │
│   vs. Repère : [Au-dessus/Au niveau/En dessous] [🟢/🟡/🔴]  │
├─────────────────────────────────────────────────────────────┤
│ ÉTAPE 2 : [Nom]                                     XX % │███████████████     │
│ Utilisateurs : X XXX                                        │
├─────────────────────────────────────────────────────────────┤
│ ↓ TRANSITION : XX % conversion | XX % décrochage            │
│   vs. Repère : [Au-dessus/Au niveau/En dessous] [🟢/🟡/🔴]  │
├─────────────────────────────────────────────────────────────┤
│ ÉTAPE 3 : [Nom]                                     XX % │██████████          │
│ Utilisateurs : X XXX                                        │
├─────────────────────────────────────────────────────────────┤
│ ↓ TRANSITION : XX % conversion | XX % décrochage   ⚠️ CRITIQUE │
│   vs. Repère : [En dessous] [🔴]                             │
├─────────────────────────────────────────────────────────────┤
│ ÉTAPE 4 : [Nom] (Objectif)                          XX % │████                │
│ Utilisateurs : XXX                                          │
└─────────────────────────────────────────────────────────────┘
```

---

### Analyse du décrochage par étape

**Étape [X] → Étape [Y] : [XX] % de conversion / [XX] % de décrochage**

| Métrique | Valeur | Repère | Statut |
|----------|--------|--------|--------|
| Taux de conversion | XX % | XX-XX % | 🟢/🟡/🔴 |
| Utilisateurs perdus | X XXX | , | , |
| Impact sur le chiffre d'affaires | X XXX € | , | , |

**Diagnostic :**

| Cause possible | Probabilité | Élément probant |
|-----------------|-------------|------------------|
| [Cause 1] | Élevée/Moyenne/Faible | [Ce qui le suggère] |
| [Cause 2] | Élevée/Moyenne/Faible | [Ce qui le suggère] |
| [Cause 3] | Élevée/Moyenne/Faible | [Ce qui le suggère] |

**Analyse par segment :**

| Segment | Conversion | vs. Moyenne | Problème ? |
|---------|------------|-------------|------------|
| Desktop | XX % | +X % | , |
| Mobile | XX % | -X % | ⚠️ Oui |
| Trafic payant | XX % | -X % | ⚠️ Oui |
| Trafic organique | XX % | +X % | , |

**Hypothèse principale :**
> [Cause la plus probable selon les éléments observés]

**Correctif recommandé :**
> [Action précise pour traiter ce décrochage]

---

### Matrice de priorisation

```
                        IMPACT ÉLEVÉ
                            │
     ┌──────────────────────┼──────────────────────┐
     │                      │                      │
     │   À FAIRE EN 1er     │   À FAIRE EN 2e       │
     │   [Correctif 1]      │   [Correctif 3]       │
     │   [Correctif 2]      │                      │
     │                      │                      │
─────┼──────────────────────┼──────────────────────┼─────
FAIBLE│                      │                      │  ÉLEVÉ
EFFORT│   À FAIRE PLUS TARD  │   À ENVISAGER         │EFFORT
     │   [Correctif 5]      │   [Correctif 4]       │
     │                      │                      │
     │                      │                      │
     └──────────────────────┼──────────────────────┘
                            │
                        IMPACT FAIBLE
```

---

### Liste de correctifs priorisée

**Correctif 1 : [Titre] , CRITIQUE**
- **Étape :** [Quelle transition]
- **Actuel :** [Taux de conversion actuel]
- **Cible :** [Taux de conversion cible]
- **Impact :** X XXX €/mois de chiffre d'affaires additionnel
- **Cause :** [Cause diagnostiquée]
- **Solution :** [Recommandation précise]
- **Effort :** Faible/Moyen/Élevé
- **Échéance :** [Délai de mise en œuvre]

---

**Correctif 2 : [Titre] , PRIORITÉ ÉLEVÉE**

[Même format]

---

### Recommandations spécifiques par segment

**Problèmes spécifiques au mobile :**

| Problème | Impact | Recommandation |
|----------|--------|-----------------|
| [Problème 1] | X XXX € | [Correctif] |
| [Problème 2] | X XXX € | [Correctif] |

**Problèmes par source de trafic :**

| Source | Problème | Recommandation |
|--------|----------|-----------------|
| [Source 1] | [Problème] | [Correctif] |
| [Source 2] | [Problème] | [Correctif] |

---

### Tableau de bord de suivi

**Métriques clés à suivre :**

| Métrique | Actuel | Cible | Fréquence de suivi |
|----------|--------|-------|----------------------|
| Conversion Étape 1→2 | XX % | XX % | Hebdomadaire |
| Conversion Étape 2→3 | XX % | XX % | Hebdomadaire |
| Conversion Étape 3→4 | XX % | XX % | Hebdomadaire |
| Conversion globale du tunnel | X,X % | X,X % | Hebdomadaire |
| Écart mobile vs desktop | X % | <X % | Hebdomadaire |

**Seuils d'alerte :**

| Métrique | Alerte | Critique |
|----------|--------|----------|
| Conversion [Étape] | <XX % | <XX % |
| Conversion mobile | <XX % | <XX % |
| Conversion globale | <X,X % | <X,X % |

---

### Recommandations de tests A/B

| Test | Hypothèse | Étape concernée | Gain attendu |
|------|-----------|-------------------|---------------|
| [Test 1] | Si [changement], alors [résultat] parce que [raison] | Étape X→Y | +X-X % |
| [Test 2] | Si [changement], alors [résultat] parce que [raison] | Étape X→Y | +X-X % |
| [Test 3] | Si [changement], alors [résultat] parce que [raison] | Étape X→Y | +X-X % |

**Priorité des tests :**
1. [Nom du test] , Impact le plus élevé, risque le plus faible
2. [Nom du test] , Bon potentiel, effort modéré
3. [Nom du test] , À tester une fois les bases validées

---

## Référentiel des correctifs courants

### Correctifs landing/entrée

| Problème | Solution |
|----------|----------|
| Taux de rebond élevé | Améliorer la cohérence du message, la vitesse |
| Faible engagement | Titre plus fort, CTA plus clair |
| Rebond mobile | Refonte mobile-first |
| Rebond spécifique à une source | Landing pages dédiées par source |

### Correctifs considération

| Problème | Solution |
|----------|----------|
| Peu de vues produit | Meilleure navigation, recommandations |
| Peu de débuts de formulaire | Réduire l'effort perçu, ajouter de la valeur |
| Sorties sur la page tarifs | Traiter la valeur avant le prix |
| Comparaison de prix | Positionnement concurrentiel |

### Correctifs conversion

| Problème | Solution |
|----------|----------|
| Abandon de panier | Afficher les coûts en amont, exit intent |
| Décrochage au paiement | Réduire les champs, indicateur de progression |
| Échecs de paiement | Plusieurs moyens de paiement |
| Friction liée au compte | Paiement invité, connexion sociale |

### Correctifs activation

| Problème | Solution |
|----------|----------|
| Faible activation | Meilleur onboarding, victoire rapide |
| Churn précoce | Démonstration de valeur, support |
| Pas de montée en gamme | Parcours d'upgrade plus clair, déclencheurs |

---

## Limites

**Je peux analyser :**
- Les données de conversion du tunnel
- Les schémas de décrochage
- Les comparaisons par segment
- Les comparaisons face aux repères
- Les hypothèses de causes
- La priorisation des correctifs

**Je ne peux pas fournir :**
- Une certitude sur la cause racine (hypothèses uniquement)
- La mise en œuvre technique
- Les explications de comportement utilisateur (nécessite des enregistrements)
- La significativité statistique (nécessite les tailles d'échantillon)
- Un suivi en temps réel

**Pour un diagnostic complet, utilisez aussi :**
- Des enregistrements de sessions (Hotjar, FullStory)
- Des heatmaps et cartes de scroll
- Des sondages et retours utilisateurs
- Une plateforme de tests A/B
- Des journaux d'erreurs techniques

---

## Liste de contrôle qualité

Avant de livrer le diagnostic :
- [ ] Toutes les étapes du tunnel cartographiées avec données
- [ ] Chaque transition évaluée face à un repère
- [ ] Analyse par segment réalisée
- [ ] Décrochages priorisés par impact
- [ ] Causes formulées en hypothèses avec éléments probants
- [ ] Correctifs précis et actionnables
- [ ] Idées de tests A/B fournies
- [ ] Recommandations de suivi incluses
- [ ] Limites signalées

---

> *© Indiana Tempié 2026. Licence d’usage dans le fichier LICENCE.txt du paquet.*
</content>

SKILL.mdMarkdownUTF-8FR487 lignes

# Comment utiliser cette compétence
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Peux-tu analyser mon tunnel et me dire où je perds du monde ?
## Exemples d'utilisation
**Exemple 1 : Analyse complète du tunnel**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Voici les données de mon tunnel e-commerce [coller]. J'ai du trafic mais seulement 1,2 % convertissent en achat. Où sont les plus grosses fuites ?
**Exemple 2 : Analyse d'une étape précise**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Je perds 70 % des utilisateurs entre l'ajout au panier et la fin du paiement. Voici les données [coller]. Qu'est-ce qui cause ça et comment le corriger ?
**Exemple 3 : Tunnel SaaS**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Voici mon tunnel d'inscription SaaS : Landing (10 000) → Début inscription (800) → Inscription terminée (400) → Activés (80). Est-ce normal ? Que dois-je corriger en premier ?
**Exemple 4 : Mobile vs Desktop**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Mon taux de conversion mobile est deux fois plus faible que sur desktop. Voici les données du tunnel par appareil [coller]. Où exactement le mobile décroche-t-il ?
**Exemple 5 : Tunnel de génération de leads**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Mon formulaire démarre à 500 utilisateurs mais seuls 50 le soumettent. Voici mon tunnel de génération de leads [coller]. Comment réduire l'abandon de formulaire ?
**Exemple 6 : Comparaison avant/après**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Nous avons refondu notre paiement le mois dernier. Voici le tunnel avant et après [coller les deux]. Le changement a-t-il aidé ou nui ? Où précisément ?
## Ce qu'il faut fournir
**Indispensable :**
- Chaque étape de votre tunnel, avec son nom
- Le nombre d'utilisateurs à chaque étape
- Le taux de conversion entre les étapes (ou je le calcule)
**Fortement recommandé :**
- Type de tunnel (e-commerce, SaaS, génération de leads)
- Répartition par appareil (mobile vs desktop)
- Répartition par source de trafic
- Période couverte par les données
**Facultatif :**
- Données de comparaison historique
- Données de page de sortie
- Taux d'erreur ou journaux
- Retours ou données de sondage utilisateurs
- Observations issues de heatmaps
## Comment récupérer les données du tunnel
**Google Analytics 4 :**
- Explorer → Exploration de tunnel
- Configurer les étapes de votre tunnel
- Exporter ou faire une capture d'écran
**Mixpanel/Amplitude :**
- Rapport de tunnels (Funnels)
- Définir les étapes de conversion
- Exporter les données
**Votre plateforme :**
- Analytics de paiement
- Rapports de parcours utilisateur
- Rapports de conversion
## Ce que vous obtiendrez
1. **Visualisation du tunnel** : cartographie visuelle de l'ensemble de votre tunnel
2. **Comparaison aux repères** : comment chaque étape se situe par rapport aux standards du secteur
3. **Diagnostic du décrochage** : causes probables pour chaque fuite
4. **Matrice de priorisation** : quels correctifs auront le plus d'impact
5. **Analyse par segment** : mobile, source de trafic et autres répartitions
6. **Correctifs précis** : recommandations actionnables pour chaque problème
7. **Idées de tests A/B** : quoi tester en premier
## Conseils pratiques
- Indiquez des chiffres absolus, pas seulement des pourcentages : le volume compte
- Segmentez par appareil : le mobile cache souvent des problèmes
- Segmentez par source de trafic : la qualité varie fortement
- Partagez au moins 30 jours de données pour des tendances fiables
- Signalez tout changement récent (refontes, nouvelles fonctionnalités, offres)
- Indiquez votre taux de conversion cible si vous en avez un

# Comment utiliser cette compétence

J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Peux-tu analyser mon tunnel et me dire où je perds du monde ?

## Exemples d'utilisation

**Exemple 1 : Analyse complète du tunnel**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Voici les données de mon tunnel e-commerce [coller]. J'ai du trafic mais seulement 1,2 % convertissent en achat. Où sont les plus grosses fuites ?

**Exemple 2 : Analyse d'une étape précise**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Je perds 70 % des utilisateurs entre l'ajout au panier et la fin du paiement. Voici les données [coller]. Qu'est-ce qui cause ça et comment le corriger ?

**Exemple 3 : Tunnel SaaS**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Voici mon tunnel d'inscription SaaS : Landing (10 000) → Début inscription (800) → Inscription terminée (400) → Activés (80). Est-ce normal ? Que dois-je corriger en premier ?

**Exemple 4 : Mobile vs Desktop**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Mon taux de conversion mobile est deux fois plus faible que sur desktop. Voici les données du tunnel par appareil [coller]. Où exactement le mobile décroche-t-il ?

**Exemple 5 : Tunnel de génération de leads**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Mon formulaire démarre à 500 utilisateurs mais seuls 50 le soumettent. Voici mon tunnel de génération de leads [coller]. Comment réduire l'abandon de formulaire ?

**Exemple 6 : Comparaison avant/après**
J'ai besoin d'utiliser la compétence « diagnostiqueur de décrochage de tunnel ». Nous avons refondu notre paiement le mois dernier. Voici le tunnel avant et après [coller les deux]. Le changement a-t-il aidé ou nui ? Où précisément ?

## Ce qu'il faut fournir

**Indispensable :**
- Chaque étape de votre tunnel, avec son nom
- Le nombre d'utilisateurs à chaque étape
- Le taux de conversion entre les étapes (ou je le calcule)

**Fortement recommandé :**
- Type de tunnel (e-commerce, SaaS, génération de leads)
- Répartition par appareil (mobile vs desktop)
- Répartition par source de trafic
- Période couverte par les données

**Facultatif :**
- Données de comparaison historique
- Données de page de sortie
- Taux d'erreur ou journaux
- Retours ou données de sondage utilisateurs
- Observations issues de heatmaps

## Comment récupérer les données du tunnel

**Google Analytics 4 :**
- Explorer → Exploration de tunnel
- Configurer les étapes de votre tunnel
- Exporter ou faire une capture d'écran

**Mixpanel/Amplitude :**
- Rapport de tunnels (Funnels)
- Définir les étapes de conversion
- Exporter les données

**Votre plateforme :**
- Analytics de paiement
- Rapports de parcours utilisateur
- Rapports de conversion

## Ce que vous obtiendrez

1. **Visualisation du tunnel** : cartographie visuelle de l'ensemble de votre tunnel
2. **Comparaison aux repères** : comment chaque étape se situe par rapport aux standards du secteur
3. **Diagnostic du décrochage** : causes probables pour chaque fuite
4. **Matrice de priorisation** : quels correctifs auront le plus d'impact
5. **Analyse par segment** : mobile, source de trafic et autres répartitions
6. **Correctifs précis** : recommandations actionnables pour chaque problème
7. **Idées de tests A/B** : quoi tester en premier

## Conseils pratiques

- Indiquez des chiffres absolus, pas seulement des pourcentages : le volume compte
- Segmentez par appareil : le mobile cache souvent des problèmes
- Segmentez par source de trafic : la qualité varie fortement
- Partagez au moins 30 jours de données pour des tendances fiables
- Signalez tout changement récent (refontes, nouvelles fonctionnalités, offres)
- Indiquez votre taux de conversion cible si vous en avez un

UTILISATION.mdMarkdownUTF-8FR79 lignes

Questions

Questions fréquentes

Comment savoir si un taux de décrochage à une étape de mon tunnel est un vrai problème, ou normal pour ce type d’activité ?

Il faut comparer la transition à un repère sectoriel, pas la juger dans l’absolu. En e-commerce par exemple, ajout au panier vers début paiement à 50-65 % est bon, sous 30 % est faible ; en SaaS, inscription vers activation à 40-60 % est bon, sous 20 % pose question. La règle de sévérité : au-delà de 2 fois le repère, c’est critique et à corriger immédiatement ; entre 1 et 1,5 fois, c’est juste à optimiser.

À quelle fréquence dois-je suivre mes taux de conversion par étape ?

Un suivi hebdomadaire des taux étape par étape suffit dans la plupart des cas, avec des seuils d’alerte fixés à l’avance (par exemple conversion mobile en dessous de X %, conversion globale en dessous de X,X %). Il faut aussi comparer sur une période équivalente précédente pour neutraliser la saisonnalité, et noter systématiquement les changements récents (refonte, nouvelle offre) qui expliquent une variation avant de crier au loup.

Quelles sont les causes les plus fréquentes de décrochage selon l’étape du tunnel ?

En haut de tunnel, c’est souvent un décalage entre le message de l’annonce et celui de la page, ou un temps de chargement trop lent qui provoque des sorties immédiates. En milieu de tunnel (formulaire, fiche produit), c’est la friction (trop de champs, trop d’étapes) ou une valeur perçue floue. En paiement, ce sont les coûts cachés révélés tardivement (livraison, taxes), un formulaire trop long ou l’obligation de créer un compte.

Comment chiffrer l’impact financier d’une fuite avant de décider de la corriger ?

On utilise un score d’impact : volume d’utilisateurs perdus à l’étape, multiplié par la valeur de revenu estimée par conversion, multiplié par la facilité de correction (notée de 1 à 3). Cela permet de classer les fuites dans une matrice impact/effort et de traiter en priorité ce qui rapporte le plus vite pour le moins d’effort, plutôt que de corriger la fuite la plus visible mais peu rentable.

Faut-il analyser mobile et desktop, ou trafic payant et organique, séparément ?

Oui, c’est même une étape obligatoire du diagnostic car un tunnel globalement sain peut cacher un segment en échec. Un écart de plus de 5 points entre mobile et desktop sur une même transition signale quasi systématiquement un problème d’UX mobile spécifique. Même logique côté source de trafic : un écart marqué entre search payant, organique et social pointe souvent vers un problème de qualité de ciblage plutôt que de page.

Auditeur d’expérience post-clic

Auditeur de landing page

Auditeur de page de tarifs