Store Intelligence

Collez l'URL d'une boutique Shopify et récupérez ce qui la fait tourner : la structure du catalogue et des prix, les apps installées, le thème, la pile de pixels, l'activité publicitaire visible, le volume et le rythme des avis, ainsi que des estimations signalées comme telles du rythme de ventes et du chiffre d'affaires.

Rien de tout cela ne demande l'autorisation de la boutique, puisque rien ne lit ses données privées : seulement ce qu'elle publie, et ce que des tiers publient à son sujet.

Où l'utiliser

Les estimations sont signalées comme telles

Un chiffre d'affaires déduit de l'extérieur reste une déduction. Le modèle calcule chaque estimation de chiffre d'affaires et de rythme de ventes avec une borne basse, une borne haute et un score de confiance, et la fiche conserve les trois à côté du chiffre. Avant calibrage, la fourchette est volontairement large ; elle se resserre à mesure que le modèle est confronté aux boutiques connectées qui ont rejoint le programme de calibrage.

Tous les écrans n'affichent pas encore la fourchette. La liste des boutiques du Hub ne montre que le chiffre central, accompagné d'une note qui le qualifie d'indicatif : lisez-le comme une tendance, pas comme une mesure.

La confiance d'un signal décide aussi du bruit qu'il fait : une anomalie sûre déclenche une alerte critique, une anomalie moins sûre un avertissement, et une anomalie faible reste un simple point de donnée.

Un rafraîchissement par paliers

Rafraîchir toutes les boutiques suivies au même rythme serait à la fois lent et coûteux pour rien. Le rafraîchissement fonctionne donc par paliers : les boutiques chaudes toutes les heures (avec une passe plus approfondie quatre fois par jour), les tièdes toutes les six heures, les froides une fois par jour. Les agrégats de marché, les consolidations de prédiction et un backtest hebdomadaire suivent leur propre calendrier.

Le Store Graph

Les boutiques sont reliées entre elles par ce qu'elles partagent : identifiants de tracking, empreintes thème et apps, créas. C'est cet index inversé qui transforme « cette boutique » en « ce réseau de boutiques » : le même opérateur derrière plusieurs marques, la même empreinte d'agence sur tout un portefeuille.

Ce que nous ne collectons pas

Voici nos limites, franchement, parce qu'un outil qui les cache vaut moins qu'un outil privé de la fonctionnalité :

• Pas de panel d'audience maison. Reconstituer un panel de mesure de plusieurs millions d'utilisateurs représente un ticket d'entrée à neuf chiffres. Les visites mensuelles d'une fiche boutique proviennent d'un estimateur de trafic web tiers, et elles sont enregistrées comme une estimation observée, jamais comme une mesure.
• Pas de flotte de boîtes pièges. C'est avec une flotte de fausses boîtes de réception « chauffées » que des concurrents récoltent la cadence d'envoi des e-mails. C'est aussi une exposition au RGPD qui se chiffre en pourcentage du chiffre d'affaires mondial. Nous collectons ce qui s'observe sans cela (popups, landing pages), et nous nous arrêtons là.
• Pas d'historique que nous n'avons pas vécu. Notre chronologie commence le jour où nous avons commencé.

De l'autre côté du scanner

Notre scanner s'identifie comme BoostEcom-Scanner/1.0 et cite /about/scanner dans son user agent : un propriétaire de boutique qui lit ses logs peut ainsi savoir qui nous sommes et ce que nous faisons. Cette page est une politique, pas une landing page.

Les fiches sous /intelligence/stores/<domain> sont en noindex, nofollow et absentes du sitemap, et les liens sortants vers une boutique analysée ne portent aucun UTM, mais un nofollow. Indexer la boutique d'un autre ne nous apporte rien.