Baromètre 2018 des applications M-Commerce mode
L’étude que nous avons menée au sein de GREENSPECTOR reprend les applications de M-Commerce Mode parmi les plus utilisées en France afin de comparer leurs consommations en énergie et ressources selon des scénarios d’usage fréquents.
Présentation de l’étude
Le e-commerce sur mobile ainsi que les ventes via des applications dédiées sur mobile (m-commerce) progressent en France d’année en année. Le mobile représente désormais 6% de l’ensemble des ventes de détail dans le monde et près de 60% du commerce électronique, après une hausse annuelle de 40% en 2017 (étude eMarketer). Il devient clé pour une marque d’intégrer une stratégie de m-commerce dans le cadre de sa transformation digitale. Que vous soyez shopaholic [accro au shopping], à la recherche des dernières nouveautés ou tout simplement fidèle à une marque ou une enseigne en particulier, vous possédez sûrement une ou plusieurs applications de vente en ligne sur votre smartphone.
Nous avons choisi d’étudier un périmètre assez large d’applications positionnées sur le m-commerce Mode. Ces applications offrent des services très orientés sur les produits et le parcours d’achat. Premier enjeu, les utilisateurs associent l’application mobile à l’image de la marque et à sa maturité dans son processus d’innovation digitale ; les marques doivent donc être vigilantes quant à la qualité perçue par leurs mobinautes. Autre enjeu et non des moindres : offrir la meilleure expérience utilisateur possible pour provoquer l’acte d’achat et fidéliser la clientèle. L’application mobile devient un vecteur clé de cette fidélisation ainsi que de la transformation du business. Ainsi elle doit proposer une expérience, certes attractive mais avant tout efficace (ciblage des contenus et services, parcours d’achat sans perturbation, …) tout en alliant performance et convivialité.
Une application téléchargée et présente sur le smartphone de son shopper revêt également des exigences liées au partage de la ressource contrainte qu’est notre smartphone : comment réduire la taille de l’application, des données générées mais aussi comment réduire la consommation de ressources pour ne pas risquer d’être notifié comme application trop consommatrice ? Comment obtenir une bonne expérience quel que soit l’environnement de son utilisateur (réseau peu performant, smartphone lowend, …) ?
C’est à ces questions que nous essayons de répondre au travers de ce benchmark d’efficience énergie ressources de 16 applications m-commerce Mode, utilisées en France. Une comparaison qui porte aussi bien sur des enjeux techniques mais aussi sur les parcours types du mobinaute. Les écarts sur l’impact en autonomie sont importants entre les différentes applications et varient du simple au triple pour un même usage. Difficile de faire un lien direct entre cette efficience et le chiffres d’affaires généré ou encore le panier moyen. Néanmoins, la performance, dans le cadre d’un usage toujours plus instantané reste un facteur clé dans la transformation du panier : chaque seconde coûte 7% de taux de conversion !
Résultats
Classement de l’impact des applications sur l’autonomie (mAh)
Méthodologie
Nous avons sélectionné 16 applications positionnées sur le m-commerce mode.
| Application | Version | Téléchargements | Note Playstore |
|---|---|---|---|
| Amazon | 16.12.0.100 | 100 000 000+ | 4.3 |
| ASOS | 4.4.4 | 10 000 000+ | 4.7 |
| BrandAlley | 3.2.3.2 | 100 000+ | 3.2 |
| Galeries Lafayette | 1.9 | 10 000+ | 2.7 |
| H&M | 9.6.2 | 10 000 000+ | 3.7 |
| Kiabi | 5.6 | 1 000 000+ | 4 |
| La Halle | 1.1.4 | 50 000+ | 3.2 |
| La Redoute | 8.9 | 1 000 000+ | 4 |
| Monshowroom | 1.0.1 | 10 000+ | 3 |
| Sarenza | 3.5.3 | 500 000+ | 3.7 |
| Showroom Privé | 9.6.1 | 5 000 000+ | 4.1 |
| Spartoo | 3.4.4 | 500 000+ | 4 |
| Vente Privée | 3.3.4 | 5 000 000+ | 3.9 |
| Wish | 4.19.5 | 100 000 000+ | 4.5 |
| Zalando | 4.24.1 | 10 000 000+ | 4.5 |
| Zara | 3.9.1 | 10 000 000+ | 4.3 |
Nombre de critères évalués
- Eco score global : il indique le niveau d’efficience de l’application, c’est-à-dire son respect des ressources de l’appareil (batterie, mémoire, processeur) et la qualité de son comportement sur le réseau (volumes de données, fréquence de sollicitation).
- Impact sur l’autonomie du smartphone : Il est calculé sur la base de la vitesse de décharge de la batterie durant le scénario. Il est mesuré grâce à des sondes d’énergie de l’appareil.
- Risque de détection de l’application comme consommatrice par le système : Les constructeurs comme Samsung ou Huawei affichent des notifications aux utilisateurs lorsqu’ils détectent qu’une application consomme trop de batterie. Mieux vaut éviter cela si on tient à son taux de rétention.
- Temps passé : Ici, le temps est un indicateur de la qualité du parcours utilisateur. Un parcours plus rapide pour les usages les plus fréquents provoquera également une consommation
moindre et une meilleure qualité de l’expérience utilisateur (UX).
Les différents scénarios
4 scénarios utilisateurs ont été réalisés :
- Phase de connexion à l’application
- Recherche d’un produit
- Consultation du panier
- Consultation de l’onglet « Suivi des commandes »
Pour découvrir l’intégralité de l’étude et ses résultats approfondis, téléchargez gratuitement la version complète :
Kimberley DERUDDER a été responsable marketing et communication chez Greenspector pendant plus de 5 ans. Diplômée d’un master Marketing – Communication, Kimberley s’est spécialisée en Inbound Marketing après ses deux premières années chez Greenspector. Aujourd’hui en charge de l’animation de la stratégie marketing, social media et de la génération de leads, elle s’occupe également des comparatifs et des battles d’applications.