Guide chatbot e-commerce Framer : transformez votre site Framer en machine à revenus

Framer n'a pas de panier natif, pas de base de données produits, pas de checkout. Ça sonne comme un blocage pour l'e-commerce, mais en 2026 la plupart des boutiques Framer le résolvent avec l'un des deux patterns :

Pattern A — Framer + Shopify Buy Button. Vous designez le site dans Framer et intégrez le composant Buy Button de Shopify pour chaque produit. Shopify gère le panier, le checkout, le stock et les taxes ; Framer gère la couche visuelle. C'est le pattern dominant pour les boutiques de marque (mode, objets de design, alimentation artisanale) où le marketing compte plus que la taille du catalogue.

Pattern B — Framer + liens Stripe Checkout. Pour les boutiques plus simples mono-produit ou de produits numériques, vous sautez complètement le panier et pointez directement vers une URL Stripe Checkout préconfigurée. Pas d'abonnement Shopify, pas de base produit à maintenir, parfait pour les boutiques <20 SKU physiques ou les téléchargements numériques.

Les deux patterns sont compatibles avec une couche chatbot IA. Le chatbot n'a pas besoin d'accès direct à une base de données pour être utile — il a juste besoin de connaître vos produits, et c'est ce qu'on résout avec le RAG.

Sur un site marketing, le chatbot répond aux questions pré-vente et réserve des démos. Sur un site e-commerce, le chatbot est directement dans le chemin du revenu : il aide les visiteurs à trouver le bon produit, répond aux questions de taille et de livraison, récupère les paniers abandonnés et fait du cross-sell sur les articles complémentaires.

L'économie reflète ça. Un chatbot marketing s'amortit s'il détourne quelques e-mails par mois. Un chatbot e-commerce s'amortit en augmentant la conversion de seulement 0,5 % — facile à atteindre quand l'alternative est un rebond sur la page produit parce que la question de taille n'a pas trouvé de réponse.

Les cas d'usage les plus précieux sur un site e-commerce Framer :

• Recherche et découverte produit. « J'ai besoin d'une chaussure de course à moins de 100 $ adaptée aux pieds larges » est une requête en langage naturel qu'aucune recherche par mots-clés ne gère. Un chatbot RAG sur vos descriptions de produits la clôt.
• Q&A tailles, livraison, retours. La page FAQ que personne ne lit, maintenant transformée en conversation avec vos vraies politiques comme source de vérité.
• Récupération de panier abandonné. Un message de chat proactif déclenché quand un visiteur traîne sur une page produit ou ajoute au panier sans finaliser.
• Statut de commande et post-achat. Pour les clients récurrents, « où en est ma commande » traité sans aller-retour e-mail.

C'est l'étape qui détermine si le bot est réellement utile. Garbage in, garbage out — s'il ne connaît pas vos produits, il ne peut pas les vendre.

Chatloom supporte trois voies d'ingestion de catalogue pour les sites e-commerce Framer :

1. Crawl. Pointez le crawler Chatloom sur votre site Framer publié et chaque page produit est indexée. Ça marche pour le Pattern A (Shopify Buy Button) parce que les descriptions produit vivent sur vos pages Framer, pas dans Shopify. Ça marche pour la même raison pour le Pattern B (Stripe Checkout).

2. Sync produits Shopify (si Pattern A). Chatloom a une intégration Shopify directe qui tire votre catalogue via l'Admin API — titre, description, prix, variantes, images, tags, niveau de stock. C'est plus riche qu'un crawl parce qu'il attrape les données variante (tailles, couleurs) que les pages Framer peuvent ne pas afficher entièrement.

3. Upload CSV. Pour les produits numériques, les builds custom ou les pièces uniques, vous pouvez déposer un CSV avec noms, descriptions, prix et URLs d'images. Chatloom les indexe comme des entités de première classe avec des cartes produit riches dans le chat.

La combinaison gagnante pour la plupart des boutiques Framer : crawl + upload CSV pour les cas limites + entrées FAQ manuelles pour les politiques fines.

Un chatbot qui ne répond qu'en texte laisse de l'argent sur la table en e-commerce. Les visiteurs veulent voir le produit, pas lire une description. Le système de cartes produit de Chatloom règle ça avec une syntaxe façon markdown : le bot écrit [[product:abc123]] dans sa réponse et le widget rend une carte riche avec image, prix, sélecteur de variantes et bouton de checkout.

C'est particulièrement puissant sur les boutiques Framer parce que les cartes collent à votre marque — fond de carte, typographie et couleur de bouton viennent du même thème widget que vous avez mis pour la surface du chat. Un visiteur qui demande « quel est votre mug le plus vendu » reçoit une vraie carte produit à tapoter pour passer au checkout, pas un mur de texte.

La mise en place est automatique dès qu'un catalogue est indexé. L'IA apprend à émettre des références produit quand l'intention utilisateur correspond à un langage orienté achat, et le widget les rend en ligne. Pas de logique de flux à écrire.

C'est là que les chatbots e-commerce justifient leur tier premium. Chatloom expose une API de messages proactifs : quand un visiteur atteint une condition de déclenchement, le widget s'ouvre tout seul et le bot envoie le premier message sans être sollicité.

Les déclencheurs les plus précieux sur une boutique Framer :

• Temps passé avec panier rempli. Le visiteur a des articles dans le panier et est sur la page depuis 60+ secondes sans checkout. Déclencheur : « Besoin d'aide pour le checkout ? Je peux répondre aux questions de livraison ou de taille. »
• Intention de sortie. Le visiteur dirige le curseur vers la fermeture d'onglet ou le retour arrière. Déclencheur : « Avant de partir — je vous enregistre ce panier pour que vous puissiez revenir ? »
• Visiteur récurrent sur une page produit. Le visiteur a vu la même page produit trois fois entre sessions sans acheter. Déclencheur : « Vous regardez celui-ci depuis un moment — une question à laquelle je peux répondre ? »
• Panier à forte valeur. Total du panier au-dessus de votre seuil d'AOV. Déclencheur : « Je vois une grosse commande — est-ce qu'elle rentre dans la remise volume ? »

Dans Framer vous câblez ces déclencheurs en appelant l'API JavaScript Chatloom depuis de petits snippets de code custom sur les pages concernées. L'API est documentée, les snippets font moins de dix lignes et fonctionnent sans plug-in.

Le travail du chatbot n'est pas de remplacer le checkout — c'est d'y amener le visiteur. Sur un site e-commerce Framer, le transfert est un peu différent selon le pattern.

Pattern A — Shopify Buy Button. Le chatbot émet une carte produit. Quand le visiteur tape « Acheter maintenant », la carte ouvre l'overlay Shopify Buy Button par-dessus la page Framer. Le checkout se fait dans le flux sécurisé de Shopify ; visuellement, le visiteur ne quitte jamais votre domaine Framer.

Pattern B — Stripe Checkout. Le chatbot émet une carte produit avec un bouton « Checkout » qui ouvre l'URL Stripe préconfigurée dans un nouvel onglet. Le visiteur complète le paiement dans le flux hébergé Stripe et revient sur la page de remerciement de votre site Framer.

Dans les deux patterns, le chatbot conserve le contexte de conversation. Si le visiteur revient avec une question post-achat, l'IA sait ce qu'il a acheté (via webhook depuis Shopify ou Stripe) et peut répondre à des questions précises sur sa commande sans ticket.

Nous avons parlé à quatre boutiques construites sur Framer qui ont ajouté Chatloom au T1 2026 et mesuré le lift. Ce sont de vrais chiffres, pas du marketing d'éditeur :

• Boutique A (objets de design, ~8 k visites/mois) : +14 % de taux de conversion, +22 % d'AOV. Le lift d'AOV vient des prompts de cross-sell dans le flux de chat (« vous pourriez aussi aimer... »).
• Boutique B (templates numériques, ~3 k visites/mois) : +19 % de taux de conversion. Presque tout vient de la découverte produit — les visiteurs pouvaient décrire ce qu'ils voulaient en langage naturel et le bot remontait le bon template.
• Boutique C (mode, ~15 k visites/mois) : +8 % de taux de conversion, -31 % d'e-mails de support liés aux tailles. Le chatbot est devenu la première ligne pour les questions « est-ce que ça me va ».
• Boutique D (alimentation et boisson, ~5 k visites/mois) : +11 % de taux de conversion, -40 % d'e-mails « où est ma commande ». Le statut de commande via chatbot a éliminé l'essentiel de la charge post-achat.

Pas de boutiques géantes. L'e-commerce Framer en 2026 est encore dominé par les marques indie et les petites séries. Mais les maths de ROI tiennent à toute échelle parce que le coût du chatbot est fixe à 29–99 $/mois alors que le lift de revenu scale avec le trafic.