Analyse CRO de page d'atterrissage (approche scientifique)

Que fait Analyse CRO de page d'atterrissage (approche scientifique) ?

Objectif de la compétence

Réaliser une analyse CRO (optimisation du taux de conversion) complète de toute page d'atterrissage en se basant sur 5 métriques : CRO Score (MECLABS), LIFT Score, Scannability Score, Trust Factor, Resonance Rate.

Cette compétence effectue un démantèlement élément par élément de la page avec des corrections priorisées et applicables, fondées sur la psychologie du comportement de l'utilisateur.

Quand l'utiliser

• L'utilisateur fournit l'URL d'une page d'atterrissage et demande une analyse CRO
• L'utilisateur demande une optimisation du taux de conversion
• L'utilisateur souhaite améliorer les inscriptions, la génération de leads ou les ventes
• Elle est lancée par la commande /market-ru-landing <url>

Comment l'exécuter

Étape 0 : Définition de l'ICP

L'ICP (Persona Client Idéal) est défini automatiquement :

• Si l'utilisateur a spécifié un ICP dans la commande → l'ICP fourni est utilisé
• Si l'ICP n'est pas spécifié → "generic problem-aware audience" (audience générique consciente du problème) est utilisé

Exemples d'ICP : "B2B SaaS, CTO, phase de croissance", "Petite entreprise, veut réduire ses coûts", "Propriétaires de boutiques en ligne"

Pourquoi c'est important : La page doit correspondre au niveau de conscience de l'audience — si l'utilisateur connaît le problème mais voit une offre destinée aux "totalement informés", un écart de communication se crée.

Étape 1 : Obtenir le contenu de la page

Utilisez WebFetch ou toute autre méthode disponible pour obtenir le contenu HTML de la page.

Étape 2 : Analyse selon 5 métriques

L'analyse comprend 5 métriques indépendantes. Pour CHAQUE métrique :

1. Évaluez les facteurs/blocs/déclencheurs/douleurs à l'aide des tableaux de critères
2. Calculez le score final selon la formule
3. Pour CHAQUE facteur, notez les findings (ce qui est trouvé sur la page) et les fixes (recommandations) en JSON

---

2.1. CRO Score (MECLABS)

IMPORTANT : Le CRO Score est calculé STRICTEMENT selon la formule. NE l'évaluez PAS "à vue d'œil". Suivez l'algorithme ci-dessous étape par étape.

Algorithme de calcul (OBLIGATOIRE)

Étape 1 : Évaluez chaque facteur de 1 à 10 selon les tableaux de critères ci-dessous.

Étape 2 : Calculez chaque composant SÉPARÉMENT :

• M_component = M × 4 = [valeur]
• V_component = V × 3 = [valeur]
• I_component = I × 2 = [valeur]
• F_component = F × 2 = [valeur]
• A_component = A × 2 = [valeur]

Étape 3 : Additionnez tous les composants :

• CRO = M_component + V_component + I_component + F_component + A_component

Étape 4 : AVANT d'écrire en JSON — vérifiez :

• cro_score DOIT ÊTRE ÉGAL à la somme de l'Étape 3
• Si ce n'est pas le cas, recalculez

Formule :

C = (M × 4) + (V × 3) + (I × 2) + (F × 2) + (A × 2)

Tableaux de critères

M (Motivation) — Motivation (poids ×4)

Note	Critères
1-3	L'utilisateur ne comprend pas son problème, cherche des informations
4-6	L'utilisateur connaît le problème, cherche une solution
7-10	L'utilisateur est prêt à acheter, compare les options

V (Value Proposition) — Proposition de valeur (poids ×3)

Note	Critères
1-3	Floue, vague, générique
4-6	On comprend ce qu'ils font, mais pas pourquoi cette entreprise en particulier
7-10	USP claire, différence par rapport aux concurrents, avantages concrets

I (Incentive) — Incitations (poids ×2)

Note	Critères
1-3	Aucune limitation, pas d'urgence, pas de bonus
4-6	1-2 déclencheurs présents (remise OU urgence OU bonus)
7-10	3+ déclencheurs simultanément

F (Friction) — Friction (poids ×2)

Note	Critères
1-3	Formulaire de 1-2 champs, processus simple, CTA clair
4-6	Formulaire de 3-5 champs, étapes supplémentaires
7-10	Formulaire de 6+ champs, processus complexe, CTA peu clair

A (Anxiety) — Anxiété (poids ×2)

Note	Critères
1-3	Garantie à côté du CTA, avis visibles, politique existante
4-6	Garantie quelque part sur la page, avis partiels
7-10	Pas de garantie, pas d'avis, pas de politique à côté du CTA

Exemple de calcul (allokna.ru)

Étape 1 — Évaluation des facteurs :

Facteur	Note	Justification
M	5	Entreprise locale, douleur connue mais non accentuée
V	4	"chaleur et confort" — émotion sans concret
I	2	Pas d'urgence, pas de bonus
F	6	Formulaire de 2 champs (bien), mais 15+ éléments de navigation
A	6	Pas de garantie, pas d'avis à côté du CTA

Étape 2 — Composants :

• M × 4 = 5 × 4 = 20
• V × 3 = 4 × 3 = 12
• I × 2 = 2 × 2 = 4
• F × 2 = 6 × 2 = 12
• A × 2 = 6 × 2 = 12

Étape 3 — Total : CRO = 20 + 12 + 4 + 12 + 12 = 60/100 (Moyen)

Étape 4 — Validation : 60 = 20+12+4+12+12 ✓

Pour chaque facteur, notez en JSON :

• score (1-10)
• findings — faits concrets de la page
• fixes — recommandations avec priorités HIGH/MEDIUM/LOW

---

2.2. LIFT Score

Formule :

LIFT_raw = (Pertinence + Clarté + Urgence + Valeur) - (Anxiété + Distraction)
LIFT = ((LIFT_raw + 16) / 54) × 100

Où :

• -16 = minimum (tous les drivers=1, tous les inhibiteurs=10)
• +16 = décalage pour obtenir 0
• 54 = plage (38 - (-16))

Plage : 0-100%

• <40% = Faible
• 40-70% = Moyen

• 70% = Élevé

Tableaux de critères

Pertinence (Driver)

Note	Critère
1-2	Le titre ne répond pas au besoin de l'ICP. "Qui nous sommes" au lieu de "Ce que tu obtiendras"
3-4	Le titre est vaguement lié au besoin, mais pas exactement
5-6	Le titre répond partiellement à la douleur principale de l'ICP
7-8	Le titre répond exactement à la douleur principale de l'ICP
9-10	Le titre résonne complètement avec l'ICP — "C'est pour moi !"

Clarté (Driver)

Note	Critère
1-2	Ce qui est proposé n'est pas clair. Jargon, abstractions
3-4	Compréhensible en termes généraux, mais les détails sont flous
5-6	La plupart comprendront. Pas de jargon
7-8	Tout est clair : quoi, pour qui, pourquoi
9-10	Compréhension instantanée. Chaque mot compte

Urgence (Driver)

Note	Critère
1-2	Aucune limitation. "Venez quand vous voulez"
3-4	Suggestion de limitation, mais floue
5-6	1-2 déclencheurs d'urgence présents
7-8	Limitations claires : temps, quantité, conditions
9-10	Urgence forte : compte à rebours, "dernier article", date limite

Valeur (Base)

Note	Critère
1-2	Le prix n'est pas clair ou est indiqué sans avantage
3-4	Les avantages sont flous, le prix est présent
5-6	Les avantages sont compréhensibles, mais pas uniques
7-8	Rapport qualité-prix clair
9-10	Valeur explicite : "Alternatives chères = X, Notre prix = X-Y, Économie = Z"

Anxiété (Inhibiteur)

Note	Critère
1-2	Garantie, avis, politique à côté du CTA. Zéro doute
3-4	1-2 signaux de confiance, mais pas à côté du CTA
5-6	Signaux présents, mais faibles ou flous
7-8	Des doutes subsistent : pas de garantie, pas d'avis
9-10	Anxiété maximale : aucune confiance du tout

Distraction (Inhibiteur)

Note	Critère
1-2	Focus sur un seul objectif. Pas de liens superflus
3-4	1-2 éléments distrayants, mais non critiques
5-6	Beaucoup de navigation, mais l'objectif est visible
7-8	Beaucoup de distractions : bannières, liens, popup
9-10	Chaos : tout distrait, l'objectif est perdu

Exemple de calcul

LIFT_raw = (4 + 4 + 2 + 4) - (7 + 6) = 14 - 13 = 1
LIFT = ((1 + 16) / 54) × 100 = 31.5%

Pour chaque facteur, notez en JSON :

• score (1-10)
• findings — faits concrets de la page
• fixes — recommandations avec priorités

---

2.3. SS — Scannability Score

Formule :

SS = Σ(score_bloc × poids_bloc) × 100%

Plage : 0-100%

• <50% = Mauvaise
• 50-70% = Moyenne

• 70% = Bonne

Tableau des blocs

Bloc	Poids	1-2	3-4	5-6	7-8	9-10
H1	20%	Illisible, >15 mots	lisible mais long	<10 mots, avantage	court, <8 mots	<6 mots, USP précis
Sous-titre	15%	Absent	long, sans structure	compréhensible mais long	court, concret	1-2 phrases, valeur
Bouton CTA	20%	invisible, petit	visible, couleur se fond	contraste, texte générique	texte avec avantage	texte=avantage, première personne
Structure H2-H3	15%	pas de titres	1-2 titres	des titres présents	hiérarchie claire	scannable en 3 sec
Visuel	15%	photos stock	photos pertinentes, stock	photos réelles	photo + texte	photos clients/résultats
Espaces/Blancs	15%	texte se confond	espaces inégaux	assez d'espace	design propre	lisibilité excellente

Exemple de calcul

SS = (4×0.2 + 4×0.15 + 4×0.2 + 3×0.15 + 3×0.15 + 4×0.15) × 100
SS = (0.8 + 0.6 + 0.8 + 0.45 + 0.45 + 0.6) × 100 = 37%

Pour chaque bloc, notez en JSON :

• score (1-10)
• findings — faits concrets de la page
• fixes — recommandations avec priorités

---

2.4. TF — Trust Factor

Formule :

TF = Σ (type_présent × poids)

Plage : 0-N

• 0-1.5 = ❌ Critique
• 2-4.5 = ⚠️ Insuffisant
• 5-7.5 = ✅ Base présente
• 8-10+ = ✅✅ Fort

Tableau des déclencheurs

Type de déclencheur	Poids	Description	Exemple
Avis clients	2.0	Nommés, avec photo, poste	"Anna K., propriétaire d'appartement" + photo
Résultats clients	2.0	Chiffres concrets (argent, %, temps)	"Réduit mes dépenses de chauffage de 40%"
Témoignages vidéo	2.0	Enregistrement avec un vrai client	Lien YouTube avec client
Cas avant/après	1.5	Photo + description du résultat	Photo fenêtre AVANT/APRÈS
Logos clients	1.5	Entreprises reconnaissables	"Travaillons avec Gazprom, Sberbank"
Notes tierces	1.5	Yandex.Maps, Google, 2GIS	"4.9 sur Yandex.Maps (247 avis)"
Garantie	1.5	Explicite, à côté du CTA	"Garantie 10 ans sur les structures"
Certificats	1.0	Sectoriels, pas de fournisseur	"ISO 9001", "Licence"
Statistiques entreprise	1.0	Chiffres d'expérience	"15 ans sur le marché", "5000+ fenêtres"
Politique de retour	1.0	Claire, visible	"Nous remboursons sous 30 jours"
Réseaux sociaux	0.5	Profils actifs avec abonnés	"10K abonnés sur VK"
Contacts	0.5	Adresse, téléphone, email	g. Iaroslavl, +7(4852)66-27-21
Badges fournisseurs	0.3	Logos des fournisseurs	Logo Rehau dans le pied de page

Exemple de calcul

Type	Exemple	Poids	Point
Badges fournisseurs	Rehau, Roto, Axor (3 pièces)	0.3 × 3	0.9
Statistiques entreprise	"15 ans sur le marché"	1.0	1.0
Contacts	adresse, téléphone, email	0.5 × 3	1.5
TOTAL			3.4

En JSON, notez :

• triggers[] — tableau des déclencheurs trouvés avec type, count, weight, score
• missing[] — tableau des types de déclencheurs absents
• findings — constats généraux
• fixes — recommandations

---

2.5. RR — Resonance Rate

Formule :

RR = (Σ score_douleur / nombre_de_douleurs) × 100%

Plage : 0-100%

• <30% = Faible
• 30-60% = Moyen

• 60% = Fort

Algorithme de détermination des douleurs de l'ICP

Étape 1 : Déterminer le type d'activité (Fenêtres/portes, SaaS, E-commerce, Services, Commerce local)

Étape 2 : Prendre les douleurs universelles + les douleurs typiques par activité

Douleurs universelles (pour tous) :

• "Cher"
• "Je ne fais pas confiance"
• "Ils feront/envoyeront mal"
• "Je ne m'y retrouverai pas"
• "Je ne respecterai pas les délais"

Douleurs typiques par activité :

Type d'activité	Douleurs
Fenêtres/portes	"Il fait froid en hiver", "C'est bruyant", "Ils feront de travers/biais", "Long à attendre", "Difficile de choisir"
SaaS	"Difficile à implémenter", "Ne s'intègre pas", "Cher pour l'équipe", "Je ne retiendrai pas les utilisateurs"
E-commerce	"Ça n'arrivera pas à temps", "Le produit n'est pas le bon", "Ils ne rembourseront pas", "C'est tombé en panne au bout d'une semaine"

Tableau d'évaluation de chaque douleur

Note	Critère
0%	La douleur N'est PAS mentionnée sur la page
25%	La douleur est mentionnée, mais il n'y a PAS de solution
50%	Il y a une solution, mais SANS preuves
75%	Il y a une solution + 1 preuve
100%	Il y a une solution + une preuve solide (chiffres, témoignage vidéo)

Exemple de calcul

Douleur	Note
Cher	50%
Froid	50%
Bruyant	50%
De travers	50%
Long	0%
Difficile	25%
TOTAL	(50+50+50+50+0+25)/6 = 37.5%

En JSON, notez :

• pains[] — tableau des douleurs avec pain, score (0-100), evidence
• findings — constats généraux
• fixes — recommandations

---

Étape 3 : Audit mobile

• CTA dans la thumb-zone (moitié inférieure)
• Texte ≥16px
• Formulaires adaptés au tap
• Pas de défilement horizontal
• CTA sticky lors du défilement

---

Étape 4 : Génération de tests A/B

Pour CHAQUE correctif HIGH-priority des métriques 2.1-2.5, générez un test A/B :

Modèle :

{
  "hypothesis": "Si nous [changement concret], alors [métrique] [s'améliorera], parce que [raison]",
  "metric": "quoi mesurer (CTR, taux de conversion, taux de rebond)",
  "variant_a": "texte/élément actuel de la page (citation exacte)",
  "variant_b": "modification recommandée (texte complet)"
}

Exigences :

• Variant A — Citation EXACTE de la page analysée
• Variant B — Texte recommandé concret
• Métrique — Métrique spécifique à mesurer
• Hypothèse — Liée au finding concret

Exemple :

{
  "hypothesis": "Si nous modifions le titre d'un titre fonctionnel à un titre axé sur les avantages, alors le CTR de la section hero augmentera, parce que l'utilisateur verra instantanément l'avantage",
  "metric": "CTR de la section hero",
  "variant_a": "Production et installation de FENÊTRES EN PLASTIQUE et ALUMINIUM",
  "variant_b": "Il fait froid en hiver ? Installez des fenêtres chaudes en 5 jours — Garantie 10 ans"
}

---

Étape 5 : Actions priorisées

Rassemblez TOUS les correctifs de TOUTES les métriques (2.1-2.5 + audit mobile) dans un tableau unique all_fixes[] :

"all_fixes": [
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "lift.urgency"},
  {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "ss.h1"},
  ...
]

Le champ source indique de quelle métrique provient la recommandation :

• cro.motivation, cro.value_proposition, cro.incentive, cro.friction, cro.anxiety
• lift.relevance, lift.clarity, lift.urgency, lift.value, lift.anxiety, lift.distraction
• ss.h1, ss.subheadline, ss.cta, ss.structur

---

Format de sortie final

Renvoie un objet JSON structuré incluant toutes les métriques et leurs composants.