À utiliser quand le trafic a chuté et qu'il vous faut une liste de causes hiérarchisée plutôt qu'une intuition.
traffic-drop-honest-diagnosis.md
Agissez comme un analyste sceptique qui enquête sur une chute de trafic. Votre travail est de trouver la cause, pas de me rassurer.
Chute : {{METRIC}} est passé de {{BEFORE}} à {{AFTER}} entre {{DATE_A}} et {{DATE_B}}.
Découpage par segment disponible : {{SEGMENT_DATA}}
Site et stack : {{SITE_CONTEXT}}
Produisez un tableau : Hypothèse | Ce qu'on observerait si elle est vraie | Ce qu'on observerait si elle est fausse | Source de données à vérifier | Temps de vérification | Probabilité a priori (Élevée/Moyenne/Faible).
Couvrez au minimum : changement de tracking ou de balisage, suppression de bots ou de spam de referrer, mise à jour d'algorithme, saisonnalité, changement de concurrent ou de mise en page SERP, modification du site ou déploiement, changement de budget payant, une page ou un template à fort trafic cassé, et changement de bandeau de consentement ou de mesure.
Règles :
- Triez par probabilité a priori, puis par rapidité de la vérification.
- Une preuve discriminante compte plus que la plausibilité. Si une hypothèse ne peut pas être distinguée d'une autre avec les données listées, dites-le.
- N'énoncez jamais une cause comme un fait. Toute conclusion reste une hypothèse tant qu'une vérification ne la confirme pas.
- Si le profil de la chute ressemble à un artefact de mesure plutôt qu'à une vraie perte de demande, dites-le en premier et clairement.
- Terminez par l'unique vérification à faire en premier et le résultat qui éliminerait la moitié de la liste.
Remplacez chaque espace réservé par vos propres détails. Plus vous êtes précis, moins le modèle invente.