Pulse SNCF — pistes d’améliorations et questionnement analytique

🎯 Contexte & Objectif de l’audit

🚄 Présentation rapide du site

SNCF Connect est la plateforme digitale de vente et de gestion de voyages du groupe SNCF (e-voyageurs SNCF).
Elle regroupe l’ensemble des services permettant à un utilisateur de rechercher, réserver et gérer ses trajets sur le réseau ferroviaire français et européen.

🏢 Secteur

Transport, mobilité, billetterie en ligne, e-commerce de services.

💼 Type de business

• Modèle transactionnel B2C, centré sur la vente de billets de train (TGV INOUI, Intercités, OUIGO, TER, partenaires internationaux).
• Intègre également une dimension servicielle et informationnelle : gestion des abonnements, alertes trajets, informations trafic, etc.
• Forte intégration multi-appareils (site web, application mobile, notifications, email).

👥 Audience cible

• Grand public : voyageurs réguliers et occasionnels, toutes catégories d’âge.
• Segments clés :
  • Voyageurs professionnels et abonnés (TGVmax, abonnements régionaux)
  • Familles et vacanciers
  • Jeunes et étudiants (tarifs avantageux, mobilité verte)
• Utilisateurs multi-appareils, exigeants sur la fluidité du parcours, la fiabilité de l’information et la personnalisation de l’expérience.

📊 Enjeux digitaux principaux

• Gérer un volume massif de trafic quotidien et de transactions sensibles (paiements, réservations).
• Offrir une expérience fluide et cohérente sur tous les supports (web, mobile, app).
• Garantir la fiabilité du tracking et de la donnée dans un environnement complexe (multiples outils : GA4, Tealium, Floodlight, etc.).
• Optimiser en continu les taux de conversion, la rétention des utilisateurs et la satisfaction client.
• Objectif de cette étude exploratoire: par la compréhension de la navigation, projeter des questions que j’aimerais résoudre en tant qu’analyst pour le groupe SNCF et proposer des idées de test

💬 Ma Wishlist d’analyses

Si j’avais accès aux données SNCF, voici les axes que j’aimerais explorer pour mieux comprendre l’expérience digitale, les comportements utilisateurs et les opportunités d’amélioration.

L’ordre des analyses présenté n’est pas hiérarchique — il reflète une approche ouverte et exploratoire, où chaque piste peut révéler un insight pertinent selon le contexte ou les priorités du moment.

🧭 Comportements et usages multi-device (1/10)

Comment les voyageurs interagissent avec l’écosystème digital SNCF selon leur appareil ?

• Quel appareil est le plus utilisé pour rechercher un trajet ?
• Et pour acheter ?
• Quelle est la performance comparative app mobile vs. site mobile ?
• Quels sont les avantages concrets de l’application (expérience, fidélité, rapidité) ?

🔄 Parcours cross-device (2/10)

💬 Objectif : comprendre où se joue la conversion et l’expérience la plus fluide.

Les utilisateurs changent-ils d’appareil entre la recherche et l’achat ?

• Quelle proportion d’utilisateurs sont connectés (loggés) ?
• Comment s’opère un parcours cross-device typique ?
• Quel est le levier “finisseur” (mobile, desktop, app) ?
• Quelle est la part de parcours cross-device parmi ceux qui aboutissent à une conversion vs. ceux qui n’aboutissent pas ?

💬 Objectif : mesurer la cohérence du parcours entre appareils et son impact sur la conversion.

👥 Clients et comportements d’achat (3/10)

Qui sont les acheteurs et comment se comportent-ils ?

• Répartition des clients par types de carte avantages vs. sans carte
• Fréquence et panier moyen de ces groupes
• CLTV (Customer Lifetime Value) selon le type de carte
• Répartition des acheteurs par tranche d’âge
• Proportion des tranches d’âge détentrices d’une carte Avantage

💬 Objectif : identifier les segments à forte valeur et les leviers de fidélisation.

📈 Performance globale du site et opportunités (4/10)

Comment le menu de navigation est utilisé ?

Combien de fois les messages d’erreur (code avantage, réduction, info trajet) s’affichent sur le site ? quel est le taux de conversion en fonction de ces affichages ? 

🎢 Performance du tunnel de conversion (5/10)

• Quel est le taux d’abandon à chaque étape du parcours (recherche → sélection → paiement → confirmation) ?
• Comment ces taux varient-ils par device (desktop, mobile web, app) ?
• Quels sont les moments clés où l’utilisateur décroche ?

💬 Insight attendu : identifier les étapes à plus forte friction et les adapter selon le device.

🚪 Sorties et rebonds (6/10)

• Quelles pages génèrent le plus de sorties ?
• Quelles sont les landing pages les plus utilisées selon le canal d’acquisition ?
• Quels sont les taux de rebond et de conversion associés à ces pages ?

💬 Insight attendu : évaluer la cohérence entre les pages d’entrée et les intentions utilisateurs.

🚦 Sources de trafic et performance des campagnes (7/10)

• Quelles sont les principales sources de trafic (SEO, SEA, Email, partenariats, app, push) ?
• Quelles campagnes payantes sont actives ?

💬 Insight attendu : comprendre le rôle de chaque canal dans la conversion et le parcours complet.

🧩 Interactions et navigation (8/10)

• Comment les utilisateurs interagissent avec le menu principal ?
  (rubriques les plus consultées, taux de clic sur les liens secondaires)
• Quelles sont les zones d’attention les plus utilisées dans le parcours (ex. filtres, CTA “Réserver”) ?

💬 Insight attendu : détecter les zones sous-exploitées ou surchargées dans la navigation.

⚠️ Messages d’erreur et points de friction (9/10)

• Combien de fois les messages d’erreur s’affichent (code avantage, réduction, information trajet, paiement) ?
• Quel est le taux de conversion pour les mêmes trajets avec ou sans message d’erreur ?
• Ces erreurs sont-elles plus fréquentes sur un device, un navigateur ou une page spécifique ?

💬 Insight attendu : mesurer l’impact des irritants techniques sur la conversion.

📞 Service client et irritants (10/10)

Quelles sont les principales sources de friction identifiées par le support ?

• Quelles sont les questions les plus fréquentes liées à l’achat ou à la réservation ?
• Quelles sont les plaintes les plus récurrentes (paiement, annulation, compte, application) ?

💬 Objectif : relier la donnée qualitative (SAV) à la donnée quantitative (comportement).

🚀 Idées de tests

🎯 Objectif général

L’enjeu principal du site est de permettre à l’utilisateur de simuler ou réserver un voyage dès les premiers instants, sans distraction ni friction.
Le point critique réside dans la visibilité et la simplicité d’usage de la barre de recherche dès l’arrivée sur la page.

🔍 Bloc 1 — Hiérarchie visuelle et accès à la recherche

• Constat : la bannière d’accueil capte fortement l’attention, au détriment de la zone de recherche.
• Test 1 : accentuer le contraste visuel et la mise en avant de la barre de recherche (couleur, taille, fond).
  → Objectif : augmenter le taux d’interaction initiale avec le moteur de recherche.
  
• Test 2 : simplifier le processus de saisie du trajet : permettre d’entrer directement “Départ” et “Arrivée” sans changement d’écran intermédiaire.
  → Objectif : réduire le temps de saisie et le taux de sortie sur la première étape.
  

💬 Hypothèse : un champ unifié dès la première vue augmenterait la conversion sur la recherche de 5 à 10 %.

🧭 Bloc 2 — Pertinence des bannières et du contenu au-dessus de la ligne de flottaison

Constat : sur la page Billet Train, la bannière repousse la zone de recherche sous la ligne de flottaison (desktop et mobile)

Question analytique : quel est l’objectif business de cette bannière ?

• Si elle vise la conversion, elle ajoute une étape inutile.
• Si elle vise la notoriété ou une opération ponctuelle, elle devrait rester non bloquante.

Test : remplacer la bannière par un bloc dynamique mettant en avant :

• les destinations encore disponibles,
• avec des prix barrés ou économies visibles.
  → Objectif : maintenir l’attention sur la recherche tout en servant l’offre commerciale.

🧩 Bloc 3 — Clarté des parcours et cohérence fonctionnelle

• Constat : dans l’onglet “Bus & covoiturage”, la recherche Annecy–Paris retourne aussi des trains.
• Test : proposer le moteur unifié sur la page d’accueil, avec filtres explicites (Train / Bus / Covoiturage).
  → Objectif : simplifier la compréhension et renforcer la cohérence perçue.

👤 Bloc 4 — Ergonomie de la rubrique “Qui voyage”

Test 1 : inverser l’ordre des blocs : afficher en premier le voyageur actif (celui sélectionné), puis les options d’ajout (autre voyageur, animal, vélo).
→ Objectif : réduire la confusion et renforcer le sentiment de contrôle.

Test 2 : ajouter un élément visuel de confirmation :

• texte “Voyageur sélectionné”,
• fond ou cadre vert,
• icône de validation près de la carte avantage.
  → Objectif : rassurer sur la sélection en cours et éviter les erreurs de réservation.

Test 3 : clarifier le libellé “Ajouter un” → “Ajouter un voyageur / un animal / un vélo”.

💳 Bloc 5 — Compréhension des réductions et cartes avantage

Analyse : observer le taux d’affichage des messages d’erreur liés aux réductions ou cartes, et leur impact sur la conversion.

Test : rendre explicite pourquoi une réduction ne s’applique pas (ex. : non compatible avec le trajet, l’horaire, ou le profil).
→ Objectif : réduire la frustration et les abandons au moment du paiement.

🧠 Bloc 6 — Communication & différenciation marketing

Constat : les annonces sponsorisées (Google Ads) se concentrent sur la destination ou le prix.

Test : reformuler la méta description pour intégrer des bénéfices différenciants du train :

• mode de transport le plus écologique,
• confort supérieur (espace, bagages, expérience sans stress),
• simplicité (pas d’attente, pas de surcoût bagage).
  → Objectif : augmenter le CTR et ancrer les avantages concurrentiels du train