Moteur de recherche e-commerce : suivi GA4, UX Baymard et filtres

Le moteur de recherche e-commerce — la recherche produit interne de votre boutique en ligne — est l'un des rares endroits où le client vous dit, dans ses propres mots, exactement ce qu'il cherche : inutile de le deviner à partir de ses clics, il suffit de lire la requête qu'il a tapée. Le problème, c'est que ces données sont faciles à collecter par accident, ou pas du tout, si l'on confond deux outils de « recherche » totalement différents : celui qui amène les clients dans la boutique depuis Google, et celui, interne, qu'ils utilisent une fois déjà sur le site. Cet article traite la recherche produit comme une source de deux types de données à la fois : ce que les clients cherchent et ne trouvent pas — lisible dans Google Analytics 4 — et si la liste de résultats elle-même les aide ou les gêne — évaluée selon les lignes directrices UX que Baymard teste depuis des années. Les deux niveaux se rejoignent en un seul endroit qui se transforme facilement en cul-de-sac pour la boutique : la page sans résultat.

Search Console ou moteur de recherche e-commerce : deux outils différents

Il est facile de confondre ces deux outils, car tous deux parlent de « recherche » et disposent tous deux d'un panneau de données dans Google. L'aide de Search Console explique que « le rapport sur les performances fournit des métriques importantes sur les performances de votre site dans les résultats de recherche Google » — les Clics correspondent au « nombre de fois qu'un utilisateur a cliqué sur votre site à partir des résultats de recherche Google », les Impressions au « nombre de fois où votre site est apparu dans les résultats de la Recherche », et la dimension Requêtes de ce rapport correspond à une requête tapée dans Google, avant même que l'utilisateur n'arrive sur votre page. Vous pouvez filtrer le rapport par type de recherche (Web — textuelle ou multimodale —, images, vidéos, actualités) — mais ce sont toujours des types de recherche côté Google, pas une fenêtre sur ce que les clients tapent dans le moteur de recherche interne de votre boutique.

Search Console n'a pas, et ne peut pas avoir, cette visibilité — l'outil ne voit pas ce qui se passe sur votre site une fois que l'utilisateur y est arrivé. C'est pour cela qu'il faut une source de données séparée pour la recherche interne : l'événement view_search_results dans Google Analytics 4. Ces deux sources répondent à des questions différentes — Search Console indique ce qui amène du trafic depuis Google (découverte externe), GA4 indique ce que les gens recherchent une fois déjà dans la boutique (découverte interne) — et aucune ne peut remplacer l'autre : il vous faut les deux.

Comment configurer le suivi de la recherche sur site dans GA4

Les mesures améliorées (Enhanced measurement) de GA4 intègrent un événement view_search_results, qui se déclenche « chaque fois qu'un utilisateur accède à une page de résultats de recherche, comme l'indique la présence d'un paramètre de requête d'URL » (aide Google Analytics). Par défaut, GA4 recherche l'un des cinq paramètres suivants dans l'URL : q, s, search, query, keyword. Si le moteur de recherche interne de votre boutique utilise un autre nom de paramètre — par exemple une implémentation personnalisée utilisant terme ou recherche — l'événement view_search_results ne se déclenchera jamais tant que vous n'aurez pas ajouté ce paramètre manuellement dans GA4, sous Administration → Collecte et modification des données → Flux de données → votre flux Web → Mesures améliorées (paramètres de recherche sur le site). Les termes saisis par les clients arrivent dans le paramètre search_term, qui alimente la dimension correspondante (« Search term » dans l'interface en anglais) : c'est là que vous lisez les requêtes elles-mêmes.

Cette détection ne fonctionne qu'à partir du paramètre d'URL. Une recherche réalisée via une requête POST, via un routeur SPA sans paramètre dans l'adresse, ou via un segment de chemin (par exemple /recherche/produit sans ?q=) ne sera pas détectée automatiquement — il faudra alors un événement gtag/GTM manuel ou une règle supplémentaire dans la configuration de la balise.

Un choix de configuration mérite une attention particulière : les requêtes qui renvoient zéro résultat. GA4 ne les isole pas lui-même comme une catégorie à part — il faut les extraire délibérément de view_search_results, par exemple en transmettant un paramètre supplémentaire avec le nombre de résultats renvoyés (results_count ou équivalent, défini dans GTM au moment où la page de résultats s'affiche). En pratique, une liste de requêtes sans résultat est une liste de deux problèmes différents à la fois : soit un produit que la boutique ne propose réellement pas, soit un produit que la boutique propose mais qu'elle a nommé ou tagué d'une façon que le moteur de recherche ne parvient pas à faire correspondre. Distinguer ces deux cas — produit manquant ou métadonnées manquantes — est la première étape pour décider que faire de cette liste.

Que lire dans les données : requêtes sans résultat, requêtes populaires, sorties après recherche

Une fois le suivi configuré, vous disposez de trois angles différents sur les mêmes données, chacun répondant à une question différente :

• Requêtes sans résultat. Comme ci-dessus — chacune signale soit une lacune dans le catalogue, soit une lacune dans les synonymes ou les tags. Un examen régulier de cette liste (pas ponctuel) montre si le problème s'aggrave après le lancement d'une nouvelle catégorie ou un changement de nommage des produits.
• Requêtes populaires. Ce que les clients recherchent le plus souvent, indépendamment du fait que la recherche l'ait trouvé ou non. Si une requête populaire mène à une catégorie peu visible ou à un produit en faible stock, c'est une raison concrète d'améliorer sa visibilité dans la navigation, pas seulement dans la recherche.
• Sorties après recherche. Une session où l'utilisateur a effectué une recherche, obtenu des résultats, puis quitté le site sans autre interaction — un signal différent d'une requête sans résultat, car des résultats existaient, ils n'ont simplement pas convaincu. Il convient de vérifier si le problème se situe dans le classement des résultats (pertinence) ou dans la présentation de la liste elle-même — ce qui mène directement à la question UX sur la recherche et les listes de produits traitée plus bas.

Une page sans résultat ne doit pas être un cul-de-sac

Une requête sans résultat n'a pas à être la fin du parcours client — pourtant, selon le benchmark de Baymard, près de la moitié des boutiques ne proposent aucune voie efficace à partir de cette page. La pire version est une page vide avec une seule phrase « aucun résultat trouvé » et rien d'autre — le moment où le client ferme le plus facilement l'onglet, car la page ne lui offre aucune étape suivante. Baymard le dit clairement : de nombreux sites affichent des « conseils de recherche » sur les pages « Aucun résultat », comme suggérer de vérifier une faute d'orthographe ou d'essayer des termes plus larges — mais, selon les tests de Baymard, les utilisateurs lisent et appliquent rarement ces conseils efficacement ; une page sans résultat a besoin d'éléments concrets, pas seulement d'un conseil.

Baymard recense cinq stratégies qui aident le client à reprendre son parcours d'achat après une recherche infructueuse :

• Des liens vers des catégories associées, ou directement une liste déjà filtrée, la plus proche de l'intention de la requête. Exemple de Baymard : si « red winter jackets » (vestes d'hiver rouges) ne donne aucun résultat, un lien vers la liste des vestes avec le filtre « hiver » appliqué vaut mieux qu'un lien vers la catégorie générale « vestes ».
• Des suggestions de requêtes alternatives avec aperçu produit — Baymard recommande d'afficher un aperçu des 3 à 5 meilleurs produits pour chaque requête alternative, pas seulement une simple liste textuelle de suggestions. Si une seule requête alternative est trouvée, elle devrait être appliquée automatiquement, avec un message indiquant que la requête d'origine n'a donné aucun résultat.
• Des recommandations personnalisées, si la boutique dispose déjà de données comportementales sur le client.
• Un contact direct et visible vers le support — Baymard conseille d'afficher le numéro de téléphone directement, plutôt que de le cacher derrière un lien générique vers le support, et d'envisager en plus un chat en direct.
• La mise en avant de produits et catégories populaires (par ex. « Tendances du moment », « Meilleures ventes ») en dernier recours, lorsque la requête ne correspond à aucune catégorie ni aucun type de produit.

Un sujet distinct, mais étroitement lié à la page sans résultat, est la tolérance aux fautes de frappe dans les suggestions d'autocomplétion. Dans les tests de Baymard, presque tous les utilisateurs se sont appuyés à un moment ou à un autre sur les suggestions d'autocomplétion pour formuler leur requête — et pourtant, selon son benchmark, 69 % des sites ne proposent pas de suggestions d'autocomplétion pertinentes pour des requêtes légèrement mal orthographiées — c'est-à-dire qu'une faute de frappe qui ne correspond pas exactement au nom d'un produit ne reçoit souvent aucune suggestion, au lieu d'être corrigée ou suggérée automatiquement. Remarque : les deux faits de Baymard proviennent de son benchmark de boutiques américaines et européennes (pas d'une enquête spécifique au marché suisse), et les articles portent leurs propres dates — l'article sur les pages sans résultat a été publié en 2019 et mis à jour en février 2025, celui sur les fautes de frappe date d'août 2021 — traitez donc ces chiffres comme une indication de l'ampleur du problème, pas comme une mesure actuelle d'un marché en particulier.

Aucun de ces éléments ne nécessite de changement de catalogue — ce sont des changements dans la logique et la mise en page de la page de résultats elle-même, et dans l'autocomplétion, indépendamment de ce qu'a révélé l'analyse des requêtes sans résultat de la section précédente. Une page sans résultat bien conçue et un examen régulier des requêtes qui y mènent sont deux actions distinctes et complémentaires — l'une améliore l'expérience immédiatement, l'autre corrige la cause sur la durée.

Autocomplétion : des règles que la plupart des boutiques ne respectent pas entièrement

Avant d'atteindre la page de résultats, ou la page sans résultat, le client passe par l'autocomplétion — et c'est là que Baymard trouve une série d'erreurs distincte et récurrente. Selon Baymard, l'autocomplétion est proposée par 80 % des sites e-commerce de son benchmark (72 % lors du premier benchmark, en 2014), mais seuls 19 % des sites appliquent correctement tous les détails d'implémentation (article d'août 2022). Quelques-unes des pratiques relevées :

• Une liste de suggestions trop longue. Dans les tests de Baymard, dès que la liste dépasse environ 10 éléments sur ordinateur (environ 8 sur mobile), les suggestions provoquent une « paralysie décisionnelle » au lieu d'aider ; Baymard recommande donc 10 suggestions au maximum sur ordinateur et 4 à 8 sur mobile.
• Aucune distinction visuelle entre les types de suggestions. Les suggestions de « périmètre » (par exemple une catégorie ou une marque proposée) devraient avoir un style différent des suggestions qui correspondent simplement au texte tapé — sinon le client ne sait pas s'il clique sur l'étape suivante de la même requête ou sur un chemin complètement différent.
• Trop d'importance donnée à ce que le client a déjà tapé, plutôt qu'à ce que le moteur de recherche ajoute — la partie prédictive d'une suggestion devrait être visuellement mise en valeur, pas simplement ajoutée au texte.
• Des zones tactiles trop petites sur mobile — lorsque l'espacement entre les suggestions est trop étroit, il est facile de toucher la mauvaise option avec le pouce, ce qui n'est pas un problème avec une souris sur ordinateur.

Ces chiffres proviennent du benchmark de Baymard décrit dans un article de 2022 — considérez « 80 % »/« 19 % » comme un ordre de grandeur de l'ampleur du problème, pas comme une mesure actuelle du marché suisse.

La recherche sur site à la loupe des études de Baymard

L'ampleur des études UX indépendantes consacrées à la recherche e-commerce donne une idée de la fréquence de ce problème. Baymard a testé l'utilisabilité de la recherche sur 19 sites e-commerce leaders dans 8 secteurs différents, au cours desquels plus de 700 problèmes d'utilisabilité liés à la recherche sont apparus. Ces tests, associés à un benchmark distinct de 344 sites américains et européens (plus de 5 000 éléments de recherche passés en revue manuellement et plus de 4 500 exemples de bonnes et mauvaises pratiques catégorisés), ont été synthétisés, selon la page de l'étude, en 31 lignes directrices UX, décrites dans cinq sous-rapports : les types de requêtes de recherche, le formulaire et la logique de recherche, l'autocomplétion, la logique et le guidage des résultats, et la mise en page et le filtrage des résultats.

Baymard résume la situation sans détour : la recherche e-commerce n'est pas aussi facile à utiliser qu'elle devrait l'être, et une recherche de mauvaise qualité est présente dans tous les secteurs. La page de l'étude ne donne pas de date de mise à jour unique pour le benchmark — considérez ces chiffres (19 boutiques, plus de 700 problèmes, 344 sites du benchmark) comme le résultat cumulé de l'ensemble du programme de recherche de Baymard, pas comme une étude unique d'une seule année.

Filtres et listes de produits — là où la recherche se termine en liste

La recherche fonctionne rarement isolément de la liste de produits et de ses filtres — un client qui a tapé une requête doit généralement encore filtrer le résultat par taille, prix ou couleur. L'étude distincte de Baymard sur les listes de produits, le filtrage et le tri décrit une méthodologie de test structurée de façon identique à l'étude sur la recherche (19 sites leaders dans 8 secteurs, participants âgés de 21 à 56 ans), mais ici plus de 700 problèmes d'utilisabilité concernent les listes de produits, le filtrage et le tri — la page ne précise pas explicitement s'il s'agit de la même série de tests, donc les deux chiffres de 700 problèmes ne s'additionnent pas. Baymard en tire 83 lignes directrices sur l'utilisabilité des listes de produits. Un benchmark distinct a couvert 344 des plus gros sites e-commerce américains et européens évalués sur les 70 lignes directrices les plus importantes (pondérées) pour les listes de produits, avec plus de 11 000 scores de performance UX et plus de 9 000 exemples catégorisés.

La phrase la plus marquante de cette étude : 36 % des sites présentaient des défauts de conception et de fonctionnalités si graves qu'ils étaient carrément préjudiciables à la capacité des utilisateurs à trouver et choisir des produits. Baymard estime également que le site moyen a besoin de 35 changements de conception pour atteindre une utilisabilité optimale de la liste de produits — une conclusion propre à Baymard à partir de son benchmark, pas un audit indépendant.

Les filtres ont une conséquence supplémentaire, au-delà de l'UX elle-même : les URL générées par les combinaisons de filtres (navigation à facettes) peuvent créer un espace d'adresses pratiquement infini à explorer pour Google — ce qui, si ce n'est pas maîtrisé, consomme un budget de crawl qui pourrait sinon servir à indexer des pages réellement nouvelles. C'est un sujet SEO distinct et technique, que nous traitons avec des sources directement issues de la documentation de Google dans notre article sur le référencement e-commerce — ici, il suffit de noter qu'un filtre bien conçu résout à la fois un problème UX et un problème de crawl, et que les deux méritent d'être traités ensemble, pas séparément.

Plan sur 30 jours : du suivi aux corrections

Plutôt que d'attendre un « audit complet », ce plan répartit le travail sur quatre semaines, de la configuration aux premières corrections :

• Jours 1 à 7 — configuration. Vérifiez dans GA4 DebugView si view_search_results se déclenche réellement lors d'une recherche dans votre boutique. Si ce n'est pas le cas, ajoutez le bon paramètre d'URL dans les paramètres des mesures améliorées, ou configurez l'événement manuellement via GTM. Ajoutez aussi un paramètre de nombre de résultats pour pouvoir isoler les requêtes sans résultat.
• Jours 8 à 14 — collecte de données. Laissez les données s'accumuler pendant une semaine, puis extrayez trois listes : les requêtes sans résultat, les requêtes les plus populaires, et les sessions de recherche terminées par une sortie sans autre action.
• Jours 15 à 21 — audit UX de la recherche et de la liste de résultats. Passez en revue le formulaire de recherche, l'autocomplétion, la page de résultats et la page sans résultat selon les points ci-dessus — tolérance aux fautes de frappe, style des suggestions, catégories associées, produits populaires sur la page sans résultat, et pertinence du tri par défaut de la liste.
• Jours 22 à 30 — mise en œuvre et nouvelle mesure. Apportez les corrections indiquées par les listes de requêtes (synonymes manquants, nouveaux tags, corrections de noms de produits) et par l'audit UX, puis comparez les mêmes trois listes des jours 8 à 14 un mois plus tard, pour voir quelles requêtes sans résultat ont disparu et lesquelles nécessitent encore un véritable changement de catalogue.

Si vous préférez traiter la configuration de GA4 et l'audit UX de la recherche sur site avec quelqu'un qui s'en occupera pour toute la boutique, contactez-nous — c'est aussi l'un des points de notre checklist UX pour votre boutique, avec le tunnel de commande et la fiche produit, que nous traitons dans notre rubrique UX/UI.