Étude de marché sur la concurrence dans le secteur des places de marché en ligne en Pologne, en Lettonie et en Lituanie

Annexe A. Méthodologie d’analyse des données SimilarWeb

La présente annexe décrit la méthodologie utilisée par l’OCDE pour analyser les données de SimilarWeb, dans le but d’établir les indicateurs relatifs à l’activité des places de marché en ligne présentés dans ce rapport. L’objectif de cette analyse est de mesurer les parts de marché, l’engagement des utilisateurs et d’autres aspects du comportement des consommateurs sur les places de marché en ligne actives en Pologne, en Lituanie et en Lettonie, tant du point de vue des consommateurs que des vendeurs.

Cette annexe complète et développe les notes explicatives incluses dans le corps du présent rapport chaque fois que des données SimilarWeb sont présentées, en passant en revue chaque type d’analyse.

Description des données SimilarWeb

Les données fournies par SimilarWeb contiennent un large éventail de mesures relatives à l’utilisation des sites web (sur ordinateur et sur mobile) et des applications, notamment le nombre total de visites, le nombre de visiteurs uniques et d’autres indicateurs d’engagement. Pour produire ses estimations, SimilarWeb agrège des signaux anonymisés de navigation et d’utilisation d’applications provenant d’un large panel d’utilisateurs et les combine avec des mesures directes et des techniques de modélisation.

SimilarWeb inclut un filtre géographique pour la Pologne, ce qui signifie que tous les indicateurs peuvent être géolocalisés pour les utilisateurs situés en Pologne. En d’autres termes, les indicateurs reflètent directement le comportement des utilisateurs basés en Pologne. Bien qu’aucun filtre ne soit disponible pour les utilisateurs basés en Lituanie et en Lettonie, certains indicateurs peuvent être pondérés par le pourcentage de visiteurs d’un site web provenant respectivement de Lituanie et de Lettonie. Dans d’autres cas, l’OCDE peut observer le comportement des utilisateurs du monde entier sur les sites web ayant un nom de domaine en .lt ou .lv (dont généralement environ 90 % de la fréquentation totale provient respectivement de Lituanie ou de Lettonie).

SimilarWeb a fourni à l’OCDE l’accès aux données relatives à l’utilisation des sites web pour une période de 37 mois, l’analyse de l’OCDE couvrant généralement la période allant de juillet/août 2022 jusqu’au mois le plus récent disponible (janvier 2026). Lorsque des chiffres annuels sont présentés, ceux-ci couvrent la période de 12 mois la plus récente de l’ensemble de données (c’est-à-dire de janvier 2025 à décembre 2025). SimilarWeb a également fourni l’accès aux données relatives à l’utilisation des applications pour une période de 15 mois.

Dans chaque cas où les données de SimilarWeb sont utilisées dans le rapport, l’OCDE précise l’indicateur, le filtre géographique et la période appliqués.

Parts de marché

Le chapitre 7 du rapport présente les estimations de l’OCDE concernant les parts de marché des places de marché en ligne en Pologne, en Lituanie et en Lettonie, sur la base des ensembles de concurrents pertinents définis au chapitre 61.

L’approche de l’OCDE et la procédure suivie pour constituer les ensembles de données et calculer les parts de marché sont expliquées en détail ci-dessous.

Approche

Aux fins du présent rapport, les estimations de l’OCDE concernant les parts de marché sont calculées sur la base de la fréquentation des utilisateurs. Cette fréquentation constitue la meilleure source de données comparables dont dispose l’OCDE. Elle inclut tous les acteurs du marché issus des ensembles de concurrents pertinents définis au chapitre 6.

Les données de fréquentation rendent compte du degré d’activité des consommateurs sur les plateformes concernées (en y intégrant à la fois le nombre de consommateurs accédant à la plateforme et la fréquence de leurs visites). Ainsi, même si ces données ne précisent pas le nombre ou la valeur des transactions effectuées par l’intermédiaire de ces plateformes, elles fournissent une bonne indication de ces informations2. En effet, l’OCDE a constaté que les données de fréquentation et les données de chiffre d’affaires étaient cohérentes selon la taille relative de certaines entreprises, dans les quelques cas où ces données sont disponibles (comme présenté au chapitre 4). L’OCDE estime donc que l’utilisation des données de fréquentation dans le présent rapport est appropriée pour fournir une indication du niveau de concentration sur les places de marché en ligne, en particulier en l’absence d’autres données suffisamment complètes.

Une autre limite de ces données réside dans le fait qu’elles proviennent uniquement des visites de sites web (que ce soit depuis des ordinateurs ou depuis des appareils mobiles), aucun indicateur comparable n’étant disponible pour l’accès depuis une application. Bien qu’il ne soit pas possible de calculer des parts de marché similaires pour les applications, l’OCDE a analysé séparément le nombre d’utilisateurs actifs mensuels (abordé plus en détail ci-dessous) ainsi que les taux de fidélisation des applications concernées. Ces informations sont présentées parallèlement aux parts de marché au chapitre 7.

Scénarios

L’OCDE a calculé des estimations de parts de marché pour trois scénarios différents dans chaque pays, sur la base des ensembles de concurrents pertinents définis au chapitre 6, à savoir :

• les places de marché en ligne généralistes et polyvalentes, côté consommateurs ;

• les places de marché en ligne généralistes, côté consommateurs ;

• les places de marché en ligne généralistes et polyvalentes, côté vendeurs ;

• les places de marché en ligne généralistes, côté vendeurs.

Les entreprises incluses dans chaque scénario sont précisées dans le Tableau A ‎A.1.. Ces entreprises ont été identifiées sur la base des commentaires des parties prenantes et à l’aide de la plateforme SimilarWeb, afin de recenser la majorité des entreprises de l’ensemble de concurrents concerné. Il est toutefois possible que certains acteurs mineurs du marché n’aient pas été identifiés, ce qui signifierait que ces estimations surestimeraient légèrement les parts de fréquentation réelles.

Tableau A ‎A.1. Scénarios de parts de marché

Scénario			Plateformes
Pologne	Côté consommateurs	Places de marché en ligne généralistes et polyvalentes	Allegro ; Amazon (amazon.pl) ; Empik ; Erli ; Morele ; Shopee
		Ensemble des places de marché en ligne généralistes	Allegro ; Temu ; AliExpress ; Amazon (amazon.pl) ; Empik ; Erli ; Morele ; eBay ; Shopee
	Côté vendeurs	Places de marché en ligne généralistes et polyvalentes	Allegro ; Empik ; Amazon (amazon.pl) ; Erli ; Morele
		Ensemble des places de marché en ligne	Allegro ; AliExpress ; Empik ; Amazon (amazon.pl) ; Erli ; Morele ; eBay
Lituanie	Côté consommateurs	Places de marché en ligne généralistes et polyvalentes	Pigu ; Varle ; Amazon (amazon.de) ; Allegro ; Amazon (amazon.pl)
		Ensemble des places de marché en ligne	Pigu ; AliExpress ; Varle ; Temu ; eBay ; Amazon (amazon.de) ; Allegro ; Joom ; DHGate ; Amazon (amazon.pl) ; Wish
	Côté vendeurs	Places de marché en ligne généralistes et polyvalentes	Pigu ; Varle
		Ensemble des places de marché en ligne	Pigu ; Varle ; eBay ; Joom ; Temu (depuis novembre 2025)
Lettonie	Côté consommateurs	Places de marché en ligne généralistes et polyvalentes	220.lv ; Amazon (amazon.de) ; Allegro ; Amazon (amazon.pl)
		Ensemble des places de marché en ligne généralistes	220.lv (Pigu) ; Temu ; AliExpress ; eBay ; Amazon (amazon.de) ; Joom ; Allegro ; Wish ; DHGate ; Amazon (amazon.pl)
	Côté vendeurs	Places de marché en ligne généralistes et polyvalentes	220.lv (Pigu);
		Ensemble des places de marché en ligne généralistes	220.lv (Pigu) ; eBay ; Joom ; Temu (depuis novembre 2025)

Remarque : les parenthèses indiquent le domaine spécifique utilisé le cas échéant (par exemple, amazon.pl, amazon.de).

Ensemble de données

Le calcul des parts de marché effectué par l’OCDE repose sur un ensemble de données comprenant le nombre de visites sur chaque site web, limité à la région géographique concernée et ajusté en fonction du taux de rebond du site web afin de ne prendre en compte que les visites engagées, sur une base mensuelle pour la période allant de juillet 2022 à janvier 2026. La constitution de l’ensemble de données est expliquée ci-dessous, la méthodologie variant légèrement pour la Pologne par rapport à la Lituanie et à la Lettonie.

Pologne

L’OCDE a extrait de SimilarWeb les données suivantes pour toutes les entreprises mentionnées dans les scénarios pertinents du Tableau A.A.1, pour chaque mois de la période allant de juillet 2022 à janvier 2026 :

• Visites mensuelles (Pologne) – nombre de visites sur chaque site web au cours d’un mois par des utilisateurs basés en Pologne, à partir d’ordinateurs et d’appareils mobiles. Une visite est comptabilisée lorsqu’un utilisateur accède à une ou plusieurs pages au cours d’une session, celle-ci prenant fin dès que l’utilisateur reste inactif pendant 30 minutes consécutives (SimilarWeb, 2026[1]).

• Taux de rebond (Pologne) – proportion des visites sur le site web provenant d’utilisateurs basés en Pologne qui se terminent après la consultation d’une seule page, sans aucune autre interaction (SimilarWeb, 2026[2]).

Le taux de rebond a servi à retirer toutes les visites qui se sont terminées après la consultation d’une seule page du nombre total de visites mensuelles, ne laissant que les « visites engagées » du site web dans l’ensemble de données (voir le Tableau A A.2. pour la formule détaillée). Il était important de procéder à cet ajustement, car le décompte initial des visites mensuelles signifiait que chaque session était traitée de la même manière, y compris les rebonds sur une seule page qui reflètent souvent des arrivées accidentelles, des clics erronés ou des visites à très faible intention. En revanche, les visites engagées ne reflètent que les sessions qui se poursuivent au-delà de la page sur laquelle arrive l’utilisateur, ce qui fournit une image plus précise de l’engagement des utilisateurs et une approximation plus fidèle du nombre de transactions effectuées.

Lituanie et Lettonie

Comme indiqué précédemment, aucun filtre par pays n’est disponible pour la Lituanie et la Lettonie, contrairement à la Pologne. De ce fait, l’OCDE a extrait de SimilarWeb les données suivantes pour toutes les entreprises mentionnées dans les scénarios pertinents du Tableau A.A.1, pour chaque mois de la période allant de juillet 2022 à janvier 2026 :

• Visites mensuelles (dans le monde) – nombre total de visites sur chaque site web au cours d’un mois, à partir d’ordinateurs et d’appareils mobiles. Une visite est comptabilisée lorsqu’un utilisateur accède à une ou plusieurs pages au cours d’une session, celle-ci prenant fin dès que l’utilisateur reste inactif pendant 30 minutes consécutives (SimilarWeb, 2026[1]).

• Part de la fréquentation par pays (Lituanie et Lettonie) – proportion de la fréquentation mondiale totale d’un site web provenant d’un pays spécifique.

• Taux de rebond (mondial ou Pologne) – proportion des visites provenant soit d’utilisateurs du monde entier, soit d’utilisateurs basés en Pologne (explications ci-dessous) sur le site web qui se terminent après la consultation d’une seule page, sans aucune autre interaction (SimilarWeb, 2026[2]).

Ensuite, la part de la fréquentation par pays a été utilisée pour calculer les chiffres de fréquentation pertinents pour chaque pays en prenant le nombre de visites mensuelles (mondiales) et en le multipliant par la part de la fréquentation du pays pour la même période, afin d’obtenir une estimation du nombre total de visites provenant de ce pays (c’est-à-dire visites mondiales × part en pourcentage du pays = visites spécifiques au pays) (voir Tableau A ‎A.2). Cette pondération garantit que l’analyse de l’OCDE reflète la fréquentation provenant de l’intérieur des frontières nationales concernées.

Ensuite, comme expliqué ci-dessus pour la Pologne, le taux de rebond a servi à retirer toutes les visites qui se sont terminées après la consultation d’une seule page du nombre total de visites mensuelles, ne laissant que les « visites engagées » du site web dans l’ensemble de données. Pour les plateformes disposant d’un domaine .lt ou .lv (dont environ 90 % de la fréquentation totale provenait respectivement de Lituanie ou de Lettonie), le taux de rebond mondial a été utilisé. Pour les plateformes mondiales (dont moins de 0,20 % de la fréquentation totale provenait de Lituanie ou de Lettonie), le taux de rebond polonais a été utilisé, l’OCDE estimant qu’il s’agissait d’une approximation plus appropriée du comportement des consommateurs provenant d’une zone régionale similaire (et compte tenu des caractéristiques communes évoquées au chapitre 5)3.

Calcul des parts de marché

À partir de l’ensemble de données décrit ci-dessus, les parts de marché ont été calculées séparément pour chaque pays et pour chaque scénario, sur une base mensuelle. La part de marché d’une plateforme donnée est calculée en prenant le nombre total de visites engagées sur cette plateforme et en l’exprimant en proportion du nombre total de visites engagées sur l’ensemble des plateformes dans le même scénario et le même mois (voir le Tableau A ‎A.2). Cette méthode permet de mesurer l’activité en ligne relative entre les places de marché concurrentes.

Dans certains cas, le rapport publie les parts de marché sur une base mensuelle pour l’ensemble de la période allant de juillet 2022 à janvier 2026. Dans d’autres cas, un aperçu annuel est présenté, couvrant la période de 12 mois la plus récente de l’ensemble de données (c’est-à-dire de janvier 2025 à décembre 2025). Lorsqu’un chiffre annuel est indiqué, il est calculé à partir du total des visites engagées sur l’ensemble de cette période de 12 mois4.

Tableau A ‎A.2. Formules utilisées pour le calcul des parts de marché

Calcul	Formule
Part de fréquentation par pays	Nombre total de visites pour la plateforme dans le pays = (Nombre mondial de visites pour la plateforme) × (Part du pays) Visites_pays(plateforme, pays, mois) = Visites_mondiales(plateforme, mois) × Part(plateforme, pays, mois) où : - plateforme = la plateforme de commerce électronique faisant l’objet de la mesure - pays ∈ {Lituanie, Lettonie}1 - mois = la période de mesure - Part(plateforme, pays, mois) = la proportion de visites totales de la plateforme provenant de ce pays en particulier
Ajustement selon le taux de rebond	Visites engagées = (Visites_pays) × (1 − Taux_de_rebond) Visites_engagées(plateforme, pays, mois) = Visites_pays(plateforme, pays, mois) × (1 − Taux_de_rebond(plateforme, pays, mois)) où : - Le Taux_de_rebond varie de 0 à 1 (0 % à 100 %), où 0 signifie qu’aucun utilisateur ne quitte la plateforme après avoir consulté une seule page et 1 signifie que tous les utilisateurs quittent la plateforme après avoir consulté une seule page. - Visites_pays = soit les visites filtrées par pays extraites directement de Similarweb (Pologne), soit la valeur calculée via le calcul de la part de fréquentation par pays ci-dessus (Lituanie et Lettonie).
Calcul de la part de marché	Part de marché (%) = (Visites engagées de la plateforme) ÷ (Total des visites engagées sur toutes les plateformes) Part_de_marché(plateforme, pays, mois) = Visites_engagées(plateforme, pays, mois) ÷ Σ Visites_engagées(toutes les plateformes, pays, mois) où : - La somme des Visites_engagées inclut toutes les plateformes dans le scénario pertinent pour ce mois

1. Pour la Pologne, aucun calcul n’a été nécessaire, car SimilarWeb fournit directement la valeur requise. Par conséquent, le calcul de l’équation ne s’applique qu’à la Lituanie et à la Lettonie (c’est-à-dire pays ∈ {Lituanie, Lettonie}), ce qui explique pourquoi la Pologne n’est pas incluse dans cette partie de la formule.

Nombre d’utilisateurs

Au chapitre 4, l’OCDE présente une analyse du nombre d’utilisateurs basée sur les indicateurs de SimilarWeb couvrant les visiteurs uniques mensuels (web) et les utilisateurs actifs mensuels (application). Ces indicateurs constituent également la base d’autres analyses du rapport, abordées plus en détail ci-dessous.

Comme pour les indicateurs ci-dessus, le filtre pays « Pologne » de SimilarWeb est utilisé pour la Pologne. Concernant la Lituanie et la Lettonie, l’OCDE n’a effectué l’analyse que pour les sites web ayant un domaine .lt ou .lv (dont environ 90 % de la fréquentation totale provenait respectivement de Lituanie ou de Lettonie) ou pour les applications ciblant principalement les utilisateurs lituaniens et lettons, sur la base des utilisateurs mondiaux.

Visiteurs uniques mensuels (web)

L’indicateur « visiteurs uniques mensuels » de SimilarWeb recense le nombre d’individus distincts visitant le site web au moins une fois au cours du mois (qu’ils visitent le site une seule fois ou plusieurs fois), en comptant les visites sur ordinateur et sur mobile. Comme il n’est pas possible d’identifier un même utilisateur sur des appareils différents, une même personne, si elle utilise les deux, est comptabilisée une fois sur ordinateur et une fois sur mobile (SimilarWeb, 2026[3] ; 2026[4]).

Dans le rapport, les chiffres annuels présentés couvrent la dernière période de 12 mois disponible (c’est-à-dire de janvier 2025 à décembre 2025). Les chiffres annuels sont générés par SimilarWeb et représentent la moyenne mensuelle des visiteurs uniques sur l’ensemble de cette période de 12 mois. Cela indique le nombre de personnes atteintes par le biais du site web, représenté sous forme de moyenne mensuelle sur la période.

Utilisateurs actifs mensuels (application)

De même, le nombre d’utilisateurs actifs mensuels correspond au nombre de personnes distinctes ayant utilisé l’application au cours d’un mois donné. SimilarWeb définit un utilisateur actif comme un appareil ayant une ou plusieurs sessions en premier plan (visibles à l’écran par l’utilisateur) au sein d’une application pendant la période concernée (SimilarWeb, 2026[5]). Ces données couvrent les utilisateurs des systèmes d’exploitation Android et iOS5.

Tout comme pour l’indicateur du nombre de visiteurs uniques mensuels, les chiffres annuels présentés dans le rapport sont fournis par SimilarWeb et correspondent à la moyenne mensuelle des utilisateurs actifs au cours de la dernière période de 12 mois disponible (de janvier 2025 à décembre 2025). Cela indique le nombre de personnes atteintes par le biais de l’application, représenté sous forme de moyenne mensuelle sur la période.

Comparaison des audiences des sites web

Dans les chapitres 6 et 7, l’OCDE présente une analyse basée sur deux indicateurs distincts de SimilarWeb utilisés pour comparer les audiences de différents sites web : le chevauchement des audiences et les comportements de navigation croisée.

Comme pour les indicateurs ci-dessus, le filtre pays « Pologne » de SimilarWeb est utilisé pour la Pologne. Pour la Lituanie et la Lettonie, l’OCDE a analysé le comportement des utilisateurs du monde entier en considérant uniquement les sites web ayant un nom de domaine en .lt ou .lv (dont environ 90 % du trafic total provenait respectivement de Lituanie ou de Lettonie).

Chevauchement d’audience (web)

L’indicateur de chevauchement d’audience de SimilarWeb indique le nombre total de visiteurs uniques pour un maximum de cinq sites web individuels et la mesure dans laquelle ces audiences se recoupent entre ces sites sur la période spécifiée.

Par exemple, dans une comparaison entre les sites web A, B et C, elle indique le pourcentage de l’audience du site web A qui n’a consulté que celui-ci, le pourcentage partagé uniquement avec le site web B (c’est-à-dire le pourcentage du total des visiteurs du site web A qui ont également visité le site web B au cours de la période concernée), le pourcentage partagé uniquement avec le site web C, et le pourcentage partagé entre les trois sites web (puis de même à partir des sites web B et C).

L’analyse de l’OCDE a évalué dans quelle mesure les audiences de divers sites web étaient partagées au cours de la dernière période de 12 mois disponible (de janvier 2025 à décembre 2025). Ces données permettent de montrer combien de consommateurs utilisent plusieurs sites web (multi-homing) ou, au contraire, n’utilisent qu’un seul site sur une période plus longue (c’est-à-dire en intégrant potentiellement plusieurs parcours d’achat distincts). Une des limites de cet indicateur est qu’il ne permet pas de prendre en compte les utilisateurs qui pratiquent le multi-homing à la fois sur les sites web et les applications. Toutefois, l’OCDE considère qu’il fournit tout de même une indication utile de l’évolution générale des tendances de multi-homing, même s’il peut en surestimer ou en sous-estimer l’ampleur, en complément des autres éléments présentés dans le rapport.

Comportements de navigation croisée (web)

L’indicateur de comportement de navigation croisée de SimilarWeb indique la part des visiteurs d’un site web donné (site Web A) qui a également consulté un autre site web spécifié (site Web B) le même jour, à n’importe quel moment au cours de la période considérée.

Par exemple, dans une comparaison entre les sites web A, B et C, cet indicateur donne le pourcentage de visiteurs du site web A ayant accédé au site web B le même jour et, séparément, le pourcentage de visiteurs du site web A ayant accédé au site web C le même jour (puis de même à partir des sites web B et C).

L’analyse de l’OCDE a évalué le comportement de navigation croisée des consommateurs au cours de la dernière période de 12 mois disponible (de janvier 2025 à décembre 2025). Comme ces données se concentrent sur le comportement des consommateurs au cours d’une seule journée, l’OCDE considère qu’elles sont plus susceptibles de fournir une indication de la mesure dans laquelle les consommateurs utilisent plusieurs sites web dans le même but au cours d’une période beaucoup plus courte (c’est-à-dire qu’elles sont plus susceptibles de ne prendre en compte qu’un parcours d’achat unique). Cet indicateur présente certaines limites : il peut prendre en compte des visites effectuées au cours d’une même journée qui ne correspondent pas à un même objectif, et il ne rendra pas compte des utilisateurs qui pratiquent le multi-homing à la fois sur des sites web et des applications. Toutefois, l’OCDE estime qu’il fournit tout de même une indication utile des tendances générales en matière de multi-homing, en association avec les autres éléments présentés dans le rapport.

Engagement

Dans les chapitres 6 et 7, l’OCDE a utilisé plusieurs indicateurs SimilarWeb différents pour analyser le comportement des consommateurs et leur engagement vis-à-vis de différents sites web et applications.

Nombre de visites par utilisateur unique et taux de rebond (web)

L’OCDE a analysé deux indicateurs complémentaires afin d’évaluer l’engagement des utilisateurs vis-à-vis de sites web spécifiques, uniquement pour la Pologne (où des données filtrées par pays sont disponibles) :

• Nombre de visites par visiteur unique (visites mensuelles/visiteurs uniques mensuels) – une mesure de la fréquence d’utilisation, indiquant à quelle fréquence l’utilisateur moyen se rend sur la plateforme au cours d’un mois, calculée à partir des variables « visites mensuelles » et « visiteurs uniques mensuels » décrites ci-dessus.

• Taux de rebond – comme décrit ci-dessus, il représente la qualité des sessions des utilisateurs et est extrait directement de SimilarWeb.

Ces indicateurs ont été analysés sur une base mensuelle pour la période allant d’août 2022 à janvier 2026. Les deux indicateurs sont complémentaires : le nombre de visites par visiteur unique reflète la fréquence des retours ou l’intensité d’utilisation au cours d’un mois, tandis que le taux de rebond reflète la qualité des sessions. Combinés, ils permettent de distinguer les plateformes présentant de nombreux contacts brefs/à faible intention de celles qui font l’objet de sessions moins nombreuses mais plus engagées. Les plateformes présentant un nombre élevé de visites par utilisateur mais un faible taux de rebond peuvent être considérées comme suscitant un engagement plus profond et plus récurrent.

Fréquentation directe et comparaison entre les nouveaux utilisateurs et les utilisateurs récurrents (web)

L’OCDE a analysé différents indicateurs pour comprendre l’étendue de la fidélité des consommateurs et leur comportement d’achat habituel sur différents sites web. Pour tous ces indicateurs, le filtre pays « Pologne » de SimilarWeb a été utilisé pour la Pologne, tandis que l’analyse des sites web lituaniens et lettons s’est limitée au comportement des visiteurs internationaux sur les sites web avec un domaine .lt ou .lv (dont environ 90 % de la fréquentation totale provenait respectivement de Lituanie ou de Lettonie).

Tout d’abord, l’OCDE a analysé le pourcentage de la fréquentation de certains sites web provenant de visiteurs récurrents et de nouveaux visiteurs, sur la base des indicateurs SimilarWeb suivants :

• Les nouveaux utilisateurs sont des visiteurs uniques qui ne s’étaient pas rendus sur le site web en question au cours des trois mois précédents.

• Les utilisateurs récurrents sont l’inverse des nouveaux utilisateurs, c’est-à-dire les utilisateurs qui se sont déjà rendus sur le site web au moins une fois au cours des trois mois précédents (SimilarWeb, 2026[6]).

Ensuite, l’OCDE a analysé la part de la fréquentation de certains sites web provenant de visites directes ou d’une recherche organique (par opposition à la fréquentation découlant de résultats de recherche payants, de références ou d’autres formes de publicité), en se basant sur les indicateurs SimilarWeb suivants :

• Fréquentation directe : fréquentation provenant d’utilisateurs saisissant directement l’URL, utilisant un signet ou cliquant sur un lien enregistré.

• Fréquentation de recherche organique – fréquentation vers un site web généré par les résultats organiques (non payants) sur des moteurs de recherche tels que Google (SimilarWeb, 2026[7]).

Ces indicateurs ont été analysés en examinant le volume total sur la dernière période de 12 mois disponible (de janvier 2025 à décembre 2025). Ces indicateurs sont complémentaires et, ensemble, ils contribuent à mettre en évidence la fidélité des consommateurs envers les sites web examinés en indiquant la part des visiteurs qui reviennent. Ils indiquent dans quelle mesure ces plateformes s’inscrivent dans le comportement d’achat habituel des consommateurs, en mettant en lumière ceux qui se rendent directement sur ces sites web pour commencer leur parcours d’achat. Notons que toute analyse de la fréquentation directe seule ne reflète pas nécessairement la mesure dans laquelle les utilisateurs s’appuient sur les services de recherche pour naviguer sur le web.

Taux de fidélisation (applications)

L’OCDE a utilisé les données de SimilarWeb sur les taux de fidélisation des utilisateurs d’applications mobiles afin de déterminer combien d’utilisateurs restent actifs après avoir installé l’application d’une plateforme. Ces données ont été analysées uniquement pour la Pologne, où des analyses d’applications filtrées par pays sont disponibles. Pour la Lituanie et la Lettonie, l’absence de données au niveau national a empêché toute estimation comparable. De plus, les données ne couvrent que les utilisateurs d’Android, car SimilarWeb ne communique pas de données pour cet indicateur concernant les utilisateurs d’iOS. Cependant, Android offre une couverture significative de la Pologne en raison de sa part d’utilisateurs plus importante que celle d’iOS dans ce pays6.

Cette analyse s’appuie sur l’indicateur de rétention de SimilarWeb, qui suit la part des consommateurs ayant installé une application et l’ouvrant au jour N après l’installation (jour 0 = 100 % par définition). Pour chaque mois, SimilarWeb rend compte de la rétention au jour N pour des périodes de un, deux, trois, quatre, cinq, sept, 14 et 30 jours.

L’OCDE a calculé la rétention moyenne pour chaque jour de référence sur la période allant de janvier 2025 à décembre 2025 en prenant la moyenne arithmétique simple des valeurs mensuelles du jour N (par exemple, si le jour 30 est égal à 20 %, 25 % et 30 % sur trois mois, le chiffre rapporté est de 25 %). Des valeurs de rétention plus élevées indiquent qu’une plus grande proportion de nouveaux utilisateurs continue à utiliser l’application au fil du temps, ce qui donne une idée de la pérennité de leur utilisation.

Autres indicateurs

L’OCDE fait référence à plusieurs autres indicateurs de SimilarWeb tout au long du rapport, notamment :

Classement par pays (web)

Au chapitre 5, l’OCDE a utilisé l’indicateur de classement par pays de SimilarWeb pour observer la popularité de divers sites web auprès des utilisateurs basés en Pologne, en Lituanie et en Lettonie. SimilarWeb détermine le classement par pays d’un site web en prenant en compte le nombre de visiteurs uniques au cours du dernier mois de la période choisie ainsi que le nombre de pages vues.

L’indicateur de classement par pays de SimilarWeb est disponible pour la Pologne, la Lituanie et la Lettonie. L’OCDE a analysé les données du dernier mois disponible (janvier 2026).

Analyse des références

Au chapitre 7, l’OCDE a analysé le pourcentage de fréquentation globale générée par les visites sur certains sites web d’Allegro provenant d’un autre site web appartenant à Allegro, grâce à l’indicateur de trafic de référence de SimilarWeb. SimilarWeb définit le trafic de référence comme la fréquentation envoyée d’un site web vers un autre via un lien direct. Cet indicateur permet d’observer la proportion du trafic de référence entrant ou sortant d’un site web, selon qu’il provient d’autres sites ou qu’il est dirigé vers d’autres sites.

L’OCDE a analysé le trafic de référence entrant et sortant de différents sites web d’Allegro, en appliquant le filtre pays « Pologne », pour la dernière période de 12 mois disponible (de janvier 2025 à décembre 2025).

Références

[2] SimilarWeb (2026), Bounce Rate, https://support.similarweb.com/hc/en-us/articles/115000501625-Bounce-Rate (consulté le 1 April 2026).

[5] SimilarWeb (2026), Monthly Active Users, https://support.similarweb.com/hc/en-us/articles/6450621690769-Monthly-Active-Users (consulté le 1 April 2026).

[3] SimilarWeb (2026), Monthly Unique Visitors, https://support.similarweb.com/hc/en-us/articles/214074389-Monthly-Unique-Visitors (consulté le 1 April 2026).

[1] SimilarWeb (2026), Monthly Visits, https://support.similarweb.com/hc/en-us/articles/115000501465-Monthly-Visits (consulté le 1 April 2026).

[6] SimilarWeb (2026), New vs. Returning Users, https://support.similarweb.com/hc/en-us/articles/360017986977-New-vs-Returning-Users (consulté le 1 April 2026).

[7] SimilarWeb (2026), Traffic Sources (Web Category), https://support.similarweb.com/hc/en-us/articles/360014573277-Traffic-Sources-Web-Category (consulté le 1 April 2026).

[4] Similarweb (2026), Unique Visitors, https://support.similarweb.com/hc/en-us/articles/4558942036113-Unique-Visitors#UUID-b61ba041-2c6b-3534-22c8-f0322200b309 (consulté le 1 April 2026).

Notes

← 1.  Bien que ces estimations soient désignées par le terme de « parts de marché » par souci de simplicité, elles ne doivent pas être considérées comme le résultat d’un exercice formel de définition du marché.

← 2.  Il convient de noter que les parts de fréquentation sous-estimeraient les parts de chiffre d’affaires si les visites se traduisaient en moyenne par des dépenses moindres. Cela pourrait être le cas si les sites web présentaient un taux de conversion plus faible ou une dépense moyenne plus faible.

← 3.  Il convient de noter que le choix entre le taux de rebond mondial et le taux de rebond polonais n’a généralement qu’une incidence minime sur l’estimation finale de la part de marché (à savoir environ 3 points de pourcentage maximum).

← 4.  Comme présenté au chapitre 7, les estimations des parts de marché ont également été calculées pour les services polonais de comparaison des prix à l’aide d’une méthodologie similaire.

← 5.  Selon Statcounter, Android et iOS détenaient ensemble 99,67 % des parts de marché des systèmes d’exploitation mobiles en Pologne en septembre 2025, https://gs.statcounter.com/os-market-share/mobile/poland.

← 6.  Selon Statcounter, Android détenait une part de 71,45 % des systèmes d’exploitation mobiles en Pologne en septembre 2025, contre 28,22 % pour iOS, https://gs.statcounter.com/os-market-share/mobile/poland.