Interview Laurent Lemercier – Expert en e-merchandising

Quel a été le déclic pour toi d'aller vers l'e-merchandising ? As-tu été plongé dedans directement depuis la vente physique ?

En fait, j'ai commencé par l'expérience physique, et j'y ai découvert la passion de la vente : le wording, éviter les questions fermées, poser des questions ouvertes, identifier les besoins, adapter le discours en temps réel en fonction du prospect (promo vs premium, carte de fidélité, etc.). À partir du moment où j'ai vu l'explosion du commerce en ligne, je me suis dit : « Comment transposer ces codes-là au numérique, là où l'utilisateur est seul ?

L'e-merchandising à un rôle de « chef d'orchestre » à 360 :

• On construit les landing pages en tenant compte du parcours complet, pas en silo.
  
  

• On collabore avec le produit (évolution structurelle du site), l'acquisition (cohérence entre l'annonce et la landing page), le CRM, l'IT, le juridique, le marketing, la com', etc.
  
  

L'idée, c'est de faire en sorte qu'un internaute qui clique sur une annonce retrouve exactement le message et le positionnement qu'il a vu en amont, pour maximiser l'engagement : si je clique sur une bannière affichant un visuel précis, je dois le retrouver clairement dans la landing page, sinon je m'en vais. Ainsi l'e-merchandising permet de travailler en 360 avec tous les départements clés pour créer un parcours cohérent et optimisé.

Selon vous, quels sont les trois piliers indispensables au e-merchandising ?

1. Connaissance de ton business / Connaissance de ton client (la « data qualitative et quantitative »).
   
   

   • Quantitatif : Google Analytics, ContentSquare, Hotjar pour analyser les données de trafic, de clics, de taux de rebond, de sortie, etc. Prioriser les emplacements en fonction du taux d'exposition et du taux de clic (par exemple, ne pas changer un teaser vu par 5 % des utilisateurs en priorité quand l'en-tête vu par 100 % génère plus de clics).
     
     

   • Qualitatif : feedbacks clients via Hotjar, questionnaires post-transaction (NPS, score d’expérience), remontées de bugs, questions manquantes dans la FAQ. L’équipe e-merch lit tous les avis Hotjar chaque matin, trie (bug ou question d’info), renvoie aux bonnes équipes (IT, FAQ) et adapte en continue le contenu (ajout de questions/réponses dans la FAQ).
     
     

2. Connaissance de ton secteur / Connaissance de ton produit.
   
   

   • Quand tu travailles sur un produit (par exemple, un séjour Center Parcs), tu dois connaître en détail l’expérience (hébergement, accès Aquamundo, animations, domaine piétonnier). Tu vends plus un “ensemble d’expériences” qu’une simple fonctionnalité.
     
     

   • Connaître la concurrence (bonnes pratiques à s’inspirer, éviter le copier-coller, identifier des idées ou hypothèses à tester).
     
     

3. Maîtrise de la donnée quantitative et qualitative pour prioriser.
   
   

   • Objectif : arrêter de se disperser entre les demandes internes. Utiliser les KPIs pour savoir où agir (quel emplacement change en priorité, quel visuel génère le plus de clics, quelles landing pages performent ou non).
     
     

   • À l’heure actuelle, beaucoup d’e-merchandisers passent encore trop de temps à extraire des reports fastidieux (Excel, etc.) au lieu de réfléchir à la stratégie. Les outils d’automatisation et l’IA doivent venir accélérer ces processus pour dégager du temps et se focaliser sur l’interprétation et l’action.
     
     

En bonus, bien sûr, suivre l’IA pour automatiser l’extraction de données, recevoir des alertes proactives (ex. : taux de conversion en baisse), aider à bâtir la stratégie, générer des titres ou contenus optimisés en respectant le ton de la marque, créer des visuels (shootings virtuels) pour gagner du temps, etc.

Vois-tu souvent des erreurs fréquentes chez les marques ou chez des sites bien établis en e-merchandising ?

Oui.

1. Travailler la landing page en silo.
   
   

   • Beaucoup d’e-merchandisers créent des landing pages sans intégrer la vision parcours (qu’est-ce que l’utilisateur a vu en amont ? Sur quelle annonce a-t-il cliqué ?). Résultat : incohérence entre le visuel ou le prix vu en amont et ce qui s’affiche, ou “produits survendus” sans que l’utilisateur sache à quel produit cela correspond. Pour être efficace, il faut échanger avec l’équipe acquisition/marketing pour garantir la cohérence bout en bout.
     
     

2. Manque de pilotage data / Priorisation insuffisante.
   
   

   • Ne pas utiliser la donnée pour hiérarchiser les changements. Par exemple, on peut demander de changer un teaser vu par 5 % des utilisateurs alors qu’un header vu par 100 % est beaucoup plus impactant. Si on n’a pas la data, on navigue à l’intuition interne, et on se disperse.
     
     

3. Méconnaissance du client ou du secteur.
   
   

   • Ceux qui négligent la connaissance du profil client (objectifs, freins, motivations) ou celle du secteur ne réussissent pas à proposer un message adapté et à créer une valeur perçue. Par exemple, si le frein numéro 1 est le prix, l’e-merch doit travailler la perception de la valeur (valoriser l’expérience complète, pas seulement le tarif du cottage). Sans cette connaissance, on reste dans une logique fonctionnelle et on ne répond pas aux vrais besoins.
     
     

4. Processus trop manuels (extractions de données).
   
   

   • Les e-merchandisers passent trop de temps à extraire des données manuellement (Excel, etc.) et pas assez à analyser et à réfléchir aux actions. Il faut automatiser ces tâches grâce à l’IA et à des outils d’alerting pour pouvoir se concentrer sur la stratégie.

Selon toi, quelle action a le plus d’impact sur la conversion ? Le visuel, la fiche produit, le cross-selling… ?

Il n’y a pas de “recette miracle” universelle, ça dépend du secteur, de la boutique, de la nature du trafic. Pour savoir ce qui aura le plus d’impact, il faut maîtriser la data.

• Tests A/B : par exemple, tester un message en pourcentage (– 20 %) vs un montant fixe (– 200 €), ou deux templates de landing pages pour mesurer le taux de conversion de chaque version.
  
  

• Qualité des basiques :
  
  

  • Visuels produits (hero) au-dessus de la ligne de flottaison, de bonne qualité, qui montrent clairement le produit final.
    
    

  • Contenu exhaustif : toutes les informations nécessaires (fonctionnalités clés, caractéristiques, etc.). Si des infos manquent, le client peut partir chercher sur un comparateur ou fuir.
    
    

  • Call to action clair : bouton visible, avec un wording explicite (ce que l’utilisateur obtiendra à l’étape suivante). Si le taux de clic sur le CTA est très faible (1 %), c’est un chantier prioritaire (changer la taille, la couleur, le wording).
    
    

• Expérience mobile :
  
  

  • Pour 75 % des sessions (chez nous), c’est du mobile. Si l’expérience mobile est médiocre (page trop lourde, CTA caché, infos manquantes), on perd des conversions. Il faut absolument vérifier la cohérence, l’affichage, le temps de chargement, la navigation sur smartphone.
    
    

• Storytelling et structuration :
  
  

  • Raconter une histoire (empathie, valeur perçue), pas seulement lister les fonctionnalités.
    
    

  • Contenu synthétique, scannable (paragraphes courts, bullet points, infographies, pictos, vidéos). Un long pavé de 45 lignes, surtout sur mobile, ne se lit pas.
    
    

  • Attention au poids de la page (vidéos, images) pour ne pas ralentir le chargement et faire fuir l’utilisateur.
    
    

En résumé, la clé est de connaître son client (attentes, besoins, objections), d’auditer le parcours (analytique + qualitatif) pour identifier les points de friction, puis de tester et prioriser en fonction de la data.

Quels KPIs et comportements utilisateur suis-tu dans tes missions ?

• Taux de conversion (North Star Metric) : c’est l’indicateur principal, mais c’est aussi la somme de plusieurs éléments en amont (taux de rebond, taux de sortie, qualité du trafic, calendaire, etc.). Une baisse de taux de conversion peut venir d’un bug technique, d’une hausse du taux de rebond, ou tout simplement d’un manque d’opération commerciale comparé à l’année précédente.
  
  

• Taux de rebond / Taux de sortie :
  
  

  • Premier indicateur pour évaluer si la landing page retient ou pas le trafic. Un taux de rebond trop élevé (au-delà de la référence habituelle) alerte sur une possible incohérence ou manque d’informations.
    
    

  • Le différentiel (engagement = 100 % – taux de rebond – taux de sortie) représente le trafic qui poursuit son parcours.
    
    

• Étapes suivantes dans le parcours : avec ContentSquare, on suit les pages qu’un utilisateur visite après la landing page (fiche produit, FAQ, page d’accueil, etc.). Si on voit un retour rapide à la home, c’est un signal que la landing page n’était pas claire ou ne correspondait pas à ce qu’il attendait. ContentSquare offre aussi le “video replay” des sessions anonymisées, pour comprendre le “pourquoi” derrière les chiffres (comportements, hésitations, scrolls, clics sur des zones vides, etc.).
  
  

• Temps passé : ce KPI est ambivalent — un temps élevé peut indiquer un fort engagement (lecture d’info) ou au contraire une difficulté à trouver l’information (site lent, manquant de clarté). Il faut donc l’interpréter en contexte.
  
  

• Segmentation du trafic :
  
  

  • Par device (desktop vs mobile) : par exemple, si le trafic mobile augmente, mais que le taux de conversion global baisse, il faut vérifier si on n’a pas une expérience mobile dégradée.
    
    

  • Par source (organique, paid, display, social) : un trafic issu des réseaux sociaux est souvent moins qualifié pour la conversion immédiate qu’un trafic organique ou SEA, d’où l’importance de contextualiser le taux de conversion par source.
    
    

• KPIs spécifiques aux landing pages : taux de conversion sur la landing elle-même, taux de rebond/sortie sur la landing, temps passé, clics sur CTA, etc.
  
  

En résumé, on suit d’abord la capacité à accueillir et retenir le trafic (taux de rebond, taux d’engagement), puis les actions suivantes (parcours sur le site, video replays, feedbacks) pour comprendre les points de friction et optimiser.

Quels outils recommandes-tu pour auditer et optimiser le merchandising ?

1. Hotjar (récemment racheté par ContentSquare) :
   
   

   • Outil de feedback clients (widget “Donnez votre avis” ou campagnes ciblées sur une landing page spécifique).
     
     

   • Chaque matin, l’équipe e-merch lit les verbatims, déclenche des “surveys” ad hoc (par exemple sur une page de campagne), récupère les retours qualifiés pour ajuster la FAQ, corriger les bugs, revoir un wording…
     
     

2. Google Analytics 4 (GA4) :
   
   

   • On y suit en continu tous les KPIs (taux de rebond, taux de sortie, taux de conversion, temps passé, répartition device, sources de trafic…).
     
     

   • Il faut toujours contextualiser : si le taux de conversion baisse, est-ce dû à plus de trafic mobile ou social, ou à un vrai problème de landing page ?
     
     

3. ContentSquare :
   
   

   • Analyse comportementale plus fine (zones cliquées, scroll maps, video replays).
     
     

   • Permet de repérer les patterns surprenants (ex. : beaucoup de trafic qui revient à la home, taux de rebond en hausse) et d’aller regarder les sessions pour comprendre le “pourquoi”.
     
     

4. Kameleoon (ex-AB Tasty, si vous avez accès) :
   
   

   • Outil de personnalisation et d’A/B testing.
     
     

   • On peut lancer des parcours de personnalisation (segmentation, recommandations dynamiques) et tester différents wordings, mécaniques promo, templates de landing pages, etc.
     
     

Au final, notre trio de base serait Hotjar (feedback), GA4 (analytics) et ContentSquare (comportement), avec Kameleoon /outil de testing en complément régulier.

Comment vois-tu l’évolution de l’e-merchandising dans les années à venir ? Quelles innovations (IA générative, personnalisation…) peuvent transformer le métier ?

L’IA va être clé sur plusieurs aspects :

1. Productivité et automatisation des tâches :
   
   

   • Quantifier le temps passé (réunion, extraction de données, etc.). On se rend compte qu’une grande partie de la semaine est dédiée à extraire des reports. L’IA pourra automatiser l’extraction et même proposer des alertes proactives (ex. : “ton teaser perd 30 % de clics depuis hier, remplace-le par un message plus percutant”).
     
     

2. Assistant d’e-merchandising :
   
   

   • Un “assistant IA” qui suggère, en temps réel, des optimisations (titres de landing pages, contenus, visuels) basés sur la data, la connaissance du client, du secteur.
     
     

   • Cet assistant pourrait prendre en compte le ton de la marque (on lui fournit un “knowledge base” avec le ton of voice, les jargons, l’historique de performances) pour générer des titres ou descriptions parfaitement alignés.
     
     

3. Création de visuels / Contenus :
   
   

   • Les générations d’images IA peuvent remplacer partiellement des shootings coûteux (ex. : créer un visuel “produit” virtuel qui ressemble à la réalité).
     
     

   • L’IA pourra aussi aider à générer des storyboards vidéos, des motions design, des bannières ultra-rapides, en respectant l’identité visuelle.
     
     

4. Personnalisation avancée :
   
   

   • Les outils de personnalisation vont intégrer de plus en plus de couches IA pour capter des signaux faibles et adapter instantanément le parcours (offre, message, visuel) à chaque utilisateur.
     
     

   • Par exemple, détecter que X est plus sensible au message “– 20 %” qu’à “– 200 €” ou que Y est plus intéressé par une expérience qu’un prix, et ajuster automatiquement la landing page.
     
     

5. Aide à la stratégie :
   
   

   • Des recommandations stratégiques basées sur l’analyse conjointe des KPIs, du comportement utilisateur (video replay) et des tendances du secteur (benchmark automatisé).
     
     

   • En gros, l’IA deviendrait un copilote pour l’e-merchandiser, en lui fournissant en continu des insights et des angles de tests prioritaires.
     
     

6. Veille technologique / Métavers (plus spéculatif) :
   
   

   • On entend aussi parler du métavers, mais pour l’instant, c’est surtout l’IA générative et la personnalisation en temps réel qui vont transformer l’e-merch.
     
     

   • Le rôle de l’e-merchandiser restera de challenger et valider les suggestions IA, d’ajuster la stratégie en fonction de la réalité terrain (retours clients, contraintes opérationnelles).
     
     

En résumé, l’IA va permettre d’accélérer la partie “data extraction”, “audit automatique”, “alerte proactive”, “suggestion d’optimisations” et même “génération de contenus”, tout en laissant à l’e-merchandiser la réflexion stratégique, la connaissance terrain et la prise de décision finale.

Aurais-tu un conseil à donner aux TPE/PME qui débutent en e-merchandising ?

Plutôt que de multiplier les conseils, je reprendrai les trois piliers dont j’ai parlé :

1. Comprends ton secteur et ton produit :
   
   

   • Identifie les forces/faiblesses, les avis clients (points positifs et critiques), les offres concurrentes.
     
     

   • Connais ta proposition de valeur (fonctionnalités, expérience, services inclus).
     
     

2. Comprends ton client et ton prospect :
   
   

   • Segmente entre clients existants et prospects (objectifs, besoins, freins).
     
     

   • Utilise des études (questionnaires post-transaction, feedbacks widget, etc.) pour savoir pourquoi un prospect ne convertit pas (prix, manque d’infos, incertitudes, etc.).
     
     

3. Maîtrise ta data (quantitative et qualitative, comportemental) pour prioriser et piloter :
   
   

   • Ne commence pas par “Fais tel A/B test” ou “Fais tel layout”. Commence par analyser la data (analytics + feedbacks) pour savoir où agir.
     
     

   • Utilise l’IA ou des outils d’automatisation pour gagner du temps sur l’extraction de données. Dégage du temps pour la réflexion stratégique.

Ensuite :

• Reste curieux et à l’affût des évolutions (IA, nouveaux outils).
  
  

• Ne te disperse pas : fixe-toi un top 5 de KPIs clés (ex. : taux de conversion global, taux de rebond landing page, taux de sortie checkout, taux de clic CTA, répartition desktop/mobile).
  
  

• Priorise les actions les plus impactantes, en te basant sur la data.

Avec cette démarche “back-to-basic” (secteur/produit, client/prospect, data), même une TPE/PME avec peu de ressources pourra maximiser son efficacité e-merch et obtenir rapidement des gains en conversion.

Est-ce qu’il y a une marque ou un site en particulier qui t’inspire pour l’e-merchandising ?

Il y a plein d’exemples inspirants, selon les secteurs. Pour nous, dans le travel, on regarde volontiers les leaders du marché (Booking.com, Expedia, Airbnb) pour s’inspirer des bonnes pratiques UX, des parcours de recherche, des filtres, des fiches produit “immersives”. Mais je ne nomme pas une seule marque pour ne pas donner l’impression de faire de la “copie” : l’idée est de s’inspirer, pas de reproduire à l’identique.

En e-commerce non-travel, on peut regarder des sites comme Sephora (personnalisation, visuels produits interactifs), Decathlon (filtres ultra-précis, contenus pédagogiques), Asos (lookbooks, vidéos courtes) ou même des enseignes comme Nike (storytelling, expérience multi-canal). Encore une fois, le centre d’intérêt, c’est de comprendre pourquoi ça marche chez eux (ton visuel, hiérarchie de l’information, personnalisation, design responsive, etc.) et d’adapter les bonnes idées à son propre secteur, sans chercher à copier bêtement.