Site web : Combien de temps les utilisateurs restent-ils ?
C ombien de temps les utilisateurs resteront-ils sur une page Web avant de la quitter ? C’est une question récurrente, mais la réponse a toujours été la même : peu de temps !
La visite moyenne d’une page dure un peu moins d’une minute .
Lorsque les utilisateurs se précipitent sur les pages Web, ils n’ont le temps de lire qu’un quart du texte des pages qu’ils visitent réellement (sans parler de tous ceux qu’ils ne consultent pas). Vous l’aurez donc compris, à moins de posséder une écriture extraordinairement claire et ciblée, peu de ce que vous dites sur votre site Web parviendra aux clients .
Cependant, alors que les utilisateurs sont constamment pressés sur le Web, le temps qu’ils passent sur les visites de pages individuelles varie considérablement : parfois, les gens rebondissent immédiatement, d’autres fois, ils s’attardent beaucoup plus longtemps qu’une minute seulement. Compte tenu de cela, calculer une moyenne n’est pas la meilleure façon d’analyser les comportements des utilisateurs. Les utilisateurs sont des êtres humains – leurs comportements sont très variables et ne peuvent être exactement représentés par un seul chiffre.
Quitter des pages Web : la fonction de danger de Weibull
Les recherches de Chao Liu et de ses confrères de Microsoft Research fournissent désormais une compréhension mathématique des comportements de sortie de page des utilisateurs. Les scientifiques ont collecté des données à partir d’un « plug-in de navigateur Web populaire », analysant les durées de visite de 205 873 pages Web différentes pour lesquelles ils avaient capturé plus de 10 000 visites.
Résultat : le temps que les utilisateurs passent sur une page Web suit une distribution Weibull.
Qu’est-ce qu’une distribution Weibull ?
Weibull est un concept d’ingénierie de fiabilité utilisé pour analyser le délai de défaillance des composants . La fonction de risque du modèle indique la probabilité de défaillance d’un composant au temps t, étant donné qu’il a bien fonctionné jusqu’au moment t.
Ainsi, après avoir remplacé une pièce de rechange dans un équipement, l’analyse Weibull prédit quand vous devrez la remplacer à nouveau. Il vous permet également d’effectuer une analyse des risques au-delà du temps moyen et ce, jusqu’à l’échec. Et, si vous possédez de nombreux équipements, vous pouvez utiliser une analyse globale pour, par exemple, gérer votre inventaire de pièces détachées.
Bien sûr, lors de l’analyse des visites Web, nous remplaçons simplement « l’échec du composant » par « l’utilisateur quitte la page ». Dans leur document de recherche, Liu et ses confrères fournissent une analyse statistique intensive pour montrer que le modèle de Weibull correspond étroitement au comportement observé empiriquement chez les utilisateurs.
Selon des recherches antérieures, il existe 2 types de distributions différentes de Weibull :
- Vieillissement positif : plus le composant est en service depuis longtemps, plus il est susceptible de tomber en panne. En d’autres termes, la fonction de risque augmente pour des valeurs plus grandes. Cela a un sens intuitif, car plus les choses sont utilisés, plus elles s’usent . Ainsi, quelque chose qui est utilisé depuis longtemps approchera considérablement de son point de rupture.
- Vieillissement négatif : plus le composant est en service depuis longtemps, moins il risque de tomber en panne. Ici, la fonction de risque diminue pour des valeurs plus grandes. Cela trouve son sens dans le fait que les composants individuels varient en qualité : les composants de mauvaise qualité tombent généralement en panne tôt, de sorte que tout ce qui a été en service pendant longtemps est susceptible d’être particulièrement robuste et ainsi de survivre généralement encore longtemps .
Vieillissement négatif : quitter rapidement ou rester longtemps
Les chercheurs ont découvert que 99% des pages Web ont un effet de vieillissement négatif . Dans la recherche sur l’interaction homme-machine (HCI), il est extrêmement rare d’obtenir une conclusion aussi solide, et Liu et ses confrères devraient être crédités d’avoir découvert une nouvelle perspective majeure.
Pourquoi le vieillissement négatif ? Parce que les pages Web sont en effet de qualité très variable. Les utilisateurs le savent et passent la majeure partie de leur temps initial à trier les pages pour exclure les possibles « déchets ». Il est rare que les gens s’attardent sur les pages Web, mais lorsque les utilisateurs décident qu’une page est précieuse, ils peuvent y rester davantage.
Le graphique suivant montre la fonction de risque – c’est-à-dire la probabilité de partir – pour les paramètres médians de Weibull ajustés à travers l’ensemble des données scientifiques :
Il ressort clairement de ce graphique que les 10 premières secondes de la visite de la page sont essentielles dans la prise de décision des utilisateurs de rester ou de partir. La probabilité de quitter est très élevée au cours de ces premières secondes car les utilisateurs sont extrêmement sceptiques, ayant déjà vu d’innombrables pages Web mal conçues.
Si la page Web survit à ce premier jugement – extrêmement sévère – de 10 secondes, les utilisateurs regarderont un peu autour. Cependant, ils sont encore susceptibles de partir au cours des 20 secondes suivantes. La courbe devient relativement stable après le seuil des 30 secondes. Bien sûr des visiteurs continuent de partir toutes les secondes, mais à un rythme beaucoup plus lent que pendant ces 30 premières secondes.
Par conséquent, si vous arrivez à convaincre les utilisateurs de rester sur votre page plus d’ une demi-minute , il y a de fortes chances qu’ils y restent beaucoup plus longtemps – souvent 2 minutes voir plus, ce qui est une éternité sur le Web.
Pour résumer, deux cas se dessinent :
- les mauvaises pages , qui sont fermées en quelques secondes ;
- les bonnes pages , qui pourraient être visitées quelques minutes.
Remarque : «bon» ou «mauvais» est un avis subjectif que chaque utilisateur prend dans les premières secondes suivant son arrivée. Les implications de conception sont claires : p our gagner plusieurs minutes d’attention de l’utilisateur, vous devez clairement communiquer sur votre positionnement de valeur dans les 10 premières secondes.
