Tester chaque page séparément, c’est ce que font la plupart des équipes CRO. Mais le vrai gain vient de prioriser les pages à tester en fonction de leur position dans le funnel et de l’ampleur de la fuite.
Voici les 4 fuites systématiques du funnel, comment les diagnostiquer, et les tests prioritaires pour chacune.
Le modèle TOFU / MOFU / BOFU appliqué
Pour un SaaS B2B :
- TOFU (Top of Funnel) : visiteur landing → trial signup
- MOFU (Middle) : trial → activation → engagement
- BOFU (Bottom) : engagement → conversion payée
Pour un e-commerce :
- TOFU : visiteur home/catalogue → fiche produit
- MOFU : fiche produit → panier
- BOFU : panier → checkout → confirmation
Chaque étape a une fuite typique observable dans GA4 / Mixpanel / votre BI.
Les 4 fuites systématiques
Fuite 1, Signup friction (TOFU → MOFU)
Symptôme : taux de conversion landing → signup faible (<5 % B2B, <3 % e-commerce mass).
Diagnostic :
- Comparez votre conversion à des benchmarks industrie (FirstPageSage, GrowthBook).
- Analysez la drop-off page par page dans GA4 (parcours visiteur).
- Session recordings sur les abandons.
Tests prioritaires :
- Réduire les champs du form (cf. article form)
- Test SSO Google/Microsoft visible
- Headline angle (pain vs solution vs résultat)
- CTA microcopy
- Social proof inline
Impact moyen possible : +20-40 % conversion landing → signup.
Fuite 2, Pricing hesitation (MOFU)
Symptôme : trafic important sur la pricing page mais peu de signups/demos depuis. Taux de rebond pricing > 60 %.
Diagnostic :
- Mesurez le ratio pricing visits / pricing signups (devrait être 8-15 %).
- Heatmap : où s’arrêtent les visiteurs ? Sur la comparaison features ? Le toggle annuel ?
- Surveys sur les visiteurs pricing qui ne convertissent pas (“Qu’est-ce qui vous fait hésiter ?”).
Tests prioritaires :
- Toggle Mensuel/Annuel avec badge économies (cf. pricing SaaS)
- Ancrage haut → bas
- Comparison table détaillée
- FAQ inline
Impact moyen possible : +15-25 % conversion pricing.
Fuite 3, Payment abandon (BOFU)
Symptôme : utilisateur a engagé la décision (mis dans panier, démarré checkout, lancé trial) mais n’a pas finalisé.
Diagnostic e-commerce :
- Taux d’abandon panier : moyenne mondiale 70 % (Baymard 2024).
- Step-by-step drop-off dans le checkout (info livraison → paiement → confirmation).
- Heatmap + recordings sur les étapes critiques.
Diagnostic SaaS :
- Trial-to-paid conversion (baseline 10-20 % SaaS B2B mid-market).
- Drop-off à la page de saisie de la CB (souvent +30 % de drop).
Tests prioritaires e-commerce :
- Trust badges paiement sécurisé
- Multi-step checkout vs one-page
- Wallets (Apple Pay, Google Pay, Paypal Express)
- Code promo visible ou caché
- Email capture sur abandon panier → relance automation
Tests prioritaires SaaS :
- Annual vs Monthly par défaut sur la page checkout
- Wording du CTA paiement
- Reassurance (“Annulable à tout moment”, “Sans carte les 14 premiers jours”)
Impact moyen possible : +10-25 % conversion BOFU.
Fuite 4, Post-purchase silence (rétention)
Symptôme : conversion OK, mais churn élevé après J+30/60/90. Pas une “fuite” classique mais une fuite de revenu.
Diagnostic :
- Cohort retention curve : J+1, J+7, J+30, J+60, J+90.
- Sondage de churn (sondage automatique sur cancellation).
- NPS et CSAT trimestriels.
Tests prioritaires :
- Emails post-purchase (J+1, J+7, J+30)
- Notifications in-app contextuelles
- Programme de fidélité visible
- Communautés Slack/Discord clients
Impact moyen possible : +5-15 % retention M3, ce qui se répercute massivement sur la LTV.
Comment prioriser entre les 4 fuites
Règle simple : attaquez d’abord la fuite la plus en aval qui dépasse le seuil benchmark.
Pourquoi ? Parce qu’optimiser TOFU sans avoir fixé BOFU revient à remplir une baignoire trouée. Chaque visiteur supplémentaire amené en TOFU fuite au même rythme en BOFU.
Inverse, fixer BOFU augmente le ROI de chaque visiteur déjà acquis. Plus efficace.
Matrice de priorisation
| Fuite | Si métrique observée | Priorité |
|---|---|---|
| BOFU (paiement) | Abandon > 70 % | 🔥 Très haute |
| MOFU (pricing) | Rebond pricing > 60 % | 🔥 Haute |
| TOFU (signup) | Conversion landing < 2 % | ⚠️ Moyenne |
| Retention | Churn M3 > 30 % | ⚠️ Moyenne |
Cas d’usage, OctoTribe
OctoTribe avait :
- TOFU : 4 % landing → trial (correct pour B2B SaaS)
- MOFU (pricing) : 8 % pricing → signup payant. Identifié comme fuite #1.
- BOFU : 12,4 % trial → paid. Légère sous-perf vs benchmark (15-20 %).
Décision : attaquer MOFU. Test pricing → +18,4 % trial → paid → 1,4 M€ ARR additionnel.
S’ils avaient attaqué TOFU en premier, l’impact aurait été ~3x moindre.
En résumé
| Fuite | Métrique-clé | Tests prioritaires |
|---|---|---|
| TOFU, signup friction | Conv landing → signup | Form, SSO, headline, CTA |
| MOFU, pricing hesitation | Conv pricing → signup | Toggle, ancrage, comparison table |
| BOFU, payment abandon | Conv panier/trial → payé | Trust, wallets, multi-step, reassurance |
| Retention, post-purchase silence | M3 churn rate | Emails, in-app, community |
Trois règles de pouce :
- Diagnostiquez avant de tester. GA4 + benchmarks + heatmap + recordings = 80 % de la valeur.
- Attaquez le BOFU en premier si une fuite y existe. Plus de levier par visiteur.
- Pour SaaS, mesurez la retention au moins en parallèle des tests TOFU/MOFU, un winner signup qui dégrade la rétention est un faux winner.
Pour les tests pricing : A/B tester sa pricing page SaaS. Pour le combo heatmaps + tests : Heatmaps + A/B testing.
