Le CTR recommandation produit a tout du KPI rassurant. Il est simple à lire. Facile à suivre. Rapide à commenter. Lorsqu’il progresse, il donne immédiatement le sentiment que les recommandations fonctionnent. Les produits sont vus. Ils suscitent une réaction. Le bloc paraît utile.
Mais c’est précisément là que commence le piège.
Une recommandation produit peut très bien faire cliquer sans faire vendre. Elle peut attirer l’attention sans améliorer la conversion. Elle peut générer du mouvement dans le parcours sans produire davantage de valeur commerciale. Le clic mesure une réaction. Il ne mesure pas, à lui seul, l’utilité économique de la recommandation.
C’est l’un des enseignements centraux de l’Insight Note #5 de NetUp : un bloc de recommandation ne performe pas parce qu’il fait cliquer. Il performe parce qu’il contribue à vendre.
Le CTR recommandation produit rassure, mais il ne prouve pas
Le CTR est souvent traité comme un indicateur naturel de performance. Si un visiteur clique, c’est que le produit recommandé l’intéresse. S’il clique davantage, c’est que le moteur recommande mieux.
Cette lecture est confortable. Elle transforme une mécanique complexe — comprendre ce qu’un visiteur est susceptible d’acheter — en un chiffre simple.
Mais un clic peut traduire beaucoup de choses : une intention d’achat, une curiosité, une hésitation, un acte de comparaison, parfois même une mauvaise compréhension de l’offre. Il indique qu’un produit a retenu l’attention. Il ne prouve pas que ce produit a rapproché le visiteur de l’achat.
Cette distinction est d’ailleurs documentée dans l’article académique “Click is not equal to purchase”, publié chez Springer. Les auteurs y rappellent que les scénarios de recommandation e-commerce impliquent plusieurs comportements distincts — clic, ajout au panier, achat — et qu’un modèle fondé sur un seul type d’interaction ne suffit pas à représenter correctement l’intention réelle de l’utilisateur.
Source : https://link.springer.com/article/10.1007/s11280-023-01215-6
C’est toute la différence entre un signal d’engagement et un signal de performance.
L’illusion d’un parcours plus vivant
Le risque apparaît lorsque les équipes optimisent ce qui se voit le mieux.
On rend les blocs plus visibles. Ou on pousse des produits plus attractifs. On teste des mécaniques qui déclenchent davantage d’interactions. Et l’on se félicite d’un CTR en hausse.
Mais, dans le même temps, la conversion peut rester stable. Le panier moyen peut ne pas progresser. Le revenu par visite peut ne pas bouger.
Le site semble plus animé. Les visiteurs circulent davantage. Les dashboards montrent de l’activité. Mais cette activité supplémentaire ne crée pas nécessairement de valeur.
Ce point est confirmé par l’étude “Clicks Versus Conversion: Choosing a Recommender’s Training Objective in E-Commerce”, menée sur Digitec Galaxus et publiée sur arXiv. Les auteurs y comparent directement l’optimisation d’un moteur de recommandation pour le CTR et pour la conversion. Leur conclusion est particulièrement éclairante : dans leur test, l’optimisation orientée achat produit un uplift de GMV plus de cinq fois supérieur à l’optimisation centrée sur le clic.
Source : https://arxiv.org/abs/2508.10377
Autrement dit, optimiser le clic peut donner l’impression que le moteur progresse. Mais optimiser l’achat produit une valeur économique bien plus forte.
À ce stade, le problème n’est plus technique. Il devient stratégique : on optimise un indicateur intermédiaire au lieu d’optimiser le résultat recherché.
La vraie question : que produit le clic ?
La bonne question n’est donc pas : “ce bloc est-il cliqué ?”
La bonne question est : “que se passe-t-il après le clic ?”
Le visiteur ajoute-t-il le produit au panier ? Achète-t-il le produit recommandé ? Augmente-t-il la valeur de sa commande ? Le revenu par visite progresse-t-il ? La recommandation contribue-t-elle réellement au chiffre d’affaires ?
Un CTR élevé avec un faible taux d’achat doit alerter. Beaucoup d’interactions sans hausse de conversion doivent alerter. Un trafic interne plus dense sans progression du panier moyen doit alerter. Un revenu par visite stable malgré une forte utilisation des blocs doit alerter.
Dans tous ces cas, la recommandation intéresse peut-être. Mais elle ne vend pas assez.
Une recommandation utile n’est pas seulement attractive
La recommandation produit ne devrait pas être pensée comme un simple dispositif d’animation de page.
Son rôle n’est pas seulement de proposer quelque chose d’intéressant. Son rôle est d’aider le visiteur à avancer vers une décision. Cela suppose de faire émerger les produits les plus pertinents dans le contexte précis de la visite : intention, moment, profondeur de navigation, hésitation, appétence prix, disponibilité, logique de panier.
Une recommandation réellement utile ne cherche donc pas seulement à provoquer un clic. Elle cherche à réduire l’incertitude, simplifier le choix et mettre en avant un produit qui a une probabilité réelle de contribuer à l’achat.
On ne pilote plus la recommandation comme un levier d’engagement. On la pilote comme un levier de conversion et de revenu.
Lire les KPI ensemble et pas seulement le CTR recommandation produit
Le CTR reste utile. Mais il doit être remis à sa juste place : celle d’un indicateur de passage, jamais d’un indicateur final.
Pour évaluer correctement une recommandation produit, il faut lire plusieurs niveaux de performance ensemble.
Le CTR indique si la recommandation attire l’attention. Le taux d’achat post-clic indique si elle transforme cette attention en décision. Le panier moyen indique si elle enrichit la commande. Le revenu par visite indique si elle crée réellement plus de valeur sur la session.
Cette logique rejoint les recommandations d’Evidently AI sur l’évaluation des systèmes de recommandation : un recommender system ne se juge pas avec une métrique unique, mais avec un ensemble d’indicateurs alignés sur l’objectif poursuivi. Selon que l’on cherche de la pertinence, de la diversité, de la couverture, du revenu ou de la conversion, les métriques pertinentes ne sont pas les mêmes.
Source : https://www.evidentlyai.com/ranking-metrics/evaluating-recommender-systems
Pris séparément, les indicateurs peuvent tromper. Ensemble, ils permettent de distinguer une recommandation simplement visible d’une recommandation commercialement efficace.
La lecture NetUp
Chez NetUp, cette distinction est centrale.
Une recommandation ne doit pas être optimisée pour maximiser mécaniquement le clic. Elle doit être optimisée pour identifier, dans une situation donnée, ce qui a le plus de chances de produire un résultat business : achat, ajout au panier, hausse du panier moyen, progression du revenu par visite.
C’est précisément l’intérêt d’une approche situationnelle. Plutôt que de raisonner uniquement à partir d’un profil, d’un segment ou d’un historique, le moteur analyse la situation réelle de navigation. Il cherche à comprendre ce qui se joue maintenant, dans ce contexte précis, pour ce visiteur-là.
La recommandation devient alors moins décorative. Moins mécanique. Moins dépendante de l’apparence du succès.
Elle devient un outil de décision commerciale.
Conclusion
Le clic est un bon début. Mais c’est un mauvais juge de paix.
Il dit qu’un produit a attiré l’attention. Il ne dit pas si ce produit a aidé à vendre.
Dans un contexte où les coûts d’acquisition augmentent et où chaque visite doit produire davantage de valeur, cette distinction devient décisive.
La vraie question n’est plus : “Mes recommandations font-elles cliquer ?”
Mais : “Mes recommandations font-elles acheter ?”
Vos recommandations font cliquer.
La vraie question : est-ce qu’elles vendent ?
📘 Téléchargez l’Insight Note #5 de Netup: Vos recommandations font cliquer… mais pas forcément acheter : 5 KPI pour repérer celles qui vendent vraiment
→ pour voir les KPI qui comptent vraiment
📅 Réservez un créneau avec nous
→ et appliquez-le directement à votre site
FAQ
Le CTR est-il suffisant pour mesurer une recommandation produit ?
Non. Il mesure l’engagement, mais pas la performance commerciale. Il doit être complété par des KPI comme la conversion ou le revenu par visite.
Pourquoi un CTR élevé ne garantit-il pas des ventes ?
Parce qu’un clic reflète une réaction (curiosité, exploration), pas nécessairement une intention d’achat.
Quels KPI suivre pour une recommandation produit ?
Le taux de conversion post-clic, le panier moyen, le revenu par visite et la contribution au chiffre d’affaires.
Comment améliorer la performance des recommandations produit ?
En alignant les recommandations sur l’intention réelle du visiteur et en optimisant les KPI business plutôt que l’engagement.