Mesurer agentic commerce et ucp : kpi essentiels

Le commerce électronique traditionnel suppose qu’une personne clique sur des pages. Dans l’Agentic Commerce, une partie de ce parcours se déroule au sein d’un système d’IA. Un utilisateur demande « une veste de randonnée imperméable à moins de 150 euros livrée à Istanbul d’ici vendredi », et l’agent recherche dans les catalogues, filtre les options et présente une courte liste. Dans certains cas, il peut payer avec les détails de paiement enregistrés après confirmation de l’utilisateur.

Plusieurs efforts sont en cours au moment de la rédaction. OpenAI a introduit Instant Checkout dans ChatGPT avec l’Agentic Commerce Protocol, construit avec Stripe. Google a annoncé l’UCP comme une norme ouverte permettant aux agents de découvrir des produits, de gérer des paniers et de finaliser des achats auprès des commerçants, parallèlement aux fonctionnalités de paiement par agent dans le mode IA et Gemini. Perplexity et d’autres proposent leurs propres flux d’achat. Les détails et la disponibilité diffèrent selon le pays et la plateforme.

La mesure est difficile car l’agent se situe entre vous et le client. Certains parcours d’agents se terminent par un clic sur votre site, ce que l’analytique peut voir. D’autres se terminent par un paiement géré via un protocole, de sorte que la commande arrive sur votre plateforme sans session normale. Et de nombreuses interactions d’agents influencent un achat qui se produit des jours plus tard via un autre canal.

Il n’existe pas encore de norme de reporting partagée. Chaque plateforme rapporte différemment, et certaines rapportent très peu. Un plan de mesure doit combiner ce que vous pouvez voir directement avec une estimation prudente.

Commencez par un court ensemble de KPI regroupés par étape. Moins de mesures bien définies valent mieux qu’un tableau de bord rempli de chiffres auxquels personne ne fait confiance.

Visibilité

• Sessions de référence d’agents : visites provenant de référents IA connus tels que chatgpt.com, perplexity.ai et gemini.google.com, suivies comme un canal distinct.
• Taux d’inclusion de produits : pour un ensemble fixe de prompts de test, la part des réponses dans lesquelles vos produits apparaissent.
• Couverture des flux : part des produits actifs avec des titres, attributs, prix, stocks et données d’expédition complets dans Merchant Center et d’autres flux.

Conversion

• Commandes initiées par des agents : commandes passées via le paiement par agent ou marquées comme provenant d’une plateforme d’agent.
• Taux de conversion des sessions de référence d’agents par rapport à la recherche organique et payante.
• Valeur moyenne de commande pour les commandes d’agents par rapport aux commandes sur site.

Économie

• Marge de contribution par commande d’agent après frais.
• Taux de retour pour les commandes d’agents, car les produits choisis par un agent peuvent moins bien correspondre aux attentes.
• Part d’acquisition de clients : combien de commandes d’agents proviennent de nouveaux clients.

Une bonne mesure commence par des données propres dans les systèmes que vous possédez déjà.

• Créez un groupe de canaux personnalisé dans Google Analytics 4 pour les assistants IA, en utilisant une expression régulière sur la source de session pour les domaines de référents IA connus, et mettez-le à jour à mesure que de nouvelles plateformes apparaissent.
• Assurez-vous que les données de commande de tout paiement par agent incluent un champ de source que votre plateforme de commerce électronique stocke, tel qu’une balise de commande ou un canal de vente dans Shopify.
• Gardez les flux Merchant Center complets et à jour ; les agents dépendent fortement des données produits structurées.
• Utilisez des paramètres UTM là où les plateformes vous permettent de contrôler le lien.
• Joignez les données de commande au CRM ou aux données client pour voir les nouveaux acheteurs par rapport aux acheteurs récurrents.

Pour la mesure des prompts de test, exécutez les 20 à 50 mêmes prompts d’achat chaque mois sur les principaux agents et enregistrez si vos produits apparaissent. Les réponses varient, alors exécutez chaque prompt plus d’une fois.

Un tableau de bord d’Agentic Commerce utile tient sur un écran. Placez les mesures de visibilité en haut, la conversion au milieu et l’économie en bas. Affichez les tendances mensuelles plutôt que les chiffres quotidiens, car les volumes sont souvent faibles.

Looker Studio fonctionne bien pour combiner GA4, Merchant Center et les données de commande. Ajoutez un petit tableau montrant les résultats des prompts de test par plateforme. Incluez une colonne de notes pour les changements tels que les corrections de flux ou les lancements de nouvelles plateformes, afin que les tendances puissent être expliquées.

La direction demandera si les commandes d’agents sont incrémentales ou simplement déplacées d’autres canaux. Deux approches aident. Comparez la part des nouveaux clients pour les commandes d’agents par rapport à la moyenne de votre site. Et effectuez un test de maintien si possible, par exemple en mettant en pause une intégration d’agent sur un marché ou une catégorie de produits pendant quelques semaines, pour voir si les ventes globales chutent.

Soyez honnête sur l’incertitude. Rapportez ce qui est mesuré, ce qui est estimé et ce qui est inconnu. Un tableau de bord qui admet des lacunes gagne plus de confiance qu’un tableau de bord qui prétend que chaque vente est suivie.

Pièges à éviter

Trois erreurs faussent les rapports d’Agentic Commerce. Compter chaque visite provenant d’un domaine IA comme étant pilotée par un agent gonfle le canal, car certains utilisateurs copient simplement un lien. Ignorer le trafic sombre, où les utilisateurs collent un nom de produit dans la recherche après une conversation IA, le sous-estime. Et comparer de minuscules volumes mensuels en pourcentage produit des changements spectaculaires qui ne signifient rien. Rapportez les chiffres absolus à côté des taux jusqu’à ce que les volumes augmentent.