Et oui, il est toujours là ! L’email marketing est un des canaux les plus anciens et traditionnels du marketing, il continue d’être largement utilisé, en B2B et en B2C parce que c’est aussi l’un des meilleurs.
Nous pensons tous le connaître de long en large… Alors pour mesurer le succès de ce canal, qu’est-ce que l’on regarde ? Le plus souvent on vérifie le nombre d’emails ouverts (taux d’ouverture) et le nombre de clics (CTR) ? Mais en réalité le succès d’une campagne email tient à un certain nombre d’autres éléments qu’il faut régulièrement mesurer.
Voici une liste des indicateurs à surveiller pour chaque email envoyé. Dans une deuxième partie, je vous indiquerai comment les analyser de façon à améliorer vos performances.
Cela ne va sans dire… tous les liens de vos emails doivent être tagués de façon à ce que chaque clic soit collecté, classé et compté dans Google Analytics.
Voici un exemple de lien avec les tags ‘source’, ‘medium’ et ‘campagne’ :
http://votrewebsite.com/page/?utm_source=NomDeVotreCampagne&utm_medium=email&utm_campaign=Nov20
Si vous utilisez Mailchimp, voici un article de Julien Coquet qui explique comment faire pour traquer les visites et clics provenant de vos emails Mailchimp.
C’est la première étape pour mesurer correctement la performance de l’email marketing ; vérifier que la base de données email est « propre ».
Le taux de réception (delivery rate)
= (nombre d’emails envoyés – nombre d’emails qui ont rebondi) / nombre d’emails envoyés
Le taux de livraison est un des indicateurs de l’état de vos données. Tous les emails qui ne sont pas arrivés dans l’inbox de votre contact ont « rebondis ». On ne peut alors juger du succès réel de la campagne si la cible ne reçoit pas la communication !
C’est la première chose à surveiller, surtout lorsque l’on n’est pas familier avec la data de la campagne; les contacts et leur adresse email peuvent être dans une liste louée, ancienne, ou vous ne savez pas ou ne contrôlez pas la façon dont les emails sont demandés et collectés. Un taux de livraison est rarement à 100%, mais il doit se situer au moins à 95%. Si ce n’est pas le cas, vous devez nettoyer les emails de vos contacts en les corrigeant lorsque c’est possible ou en excluant de votre campagne les emails qui ont rebondi par le passé. Les emails peuvent rebondir pour différentes raisons :
Le taux de livraison doit être proche de 100%. Par exemple, si une agence loue des données dont 40% sont erronées, le revenu moyen par email va être bas, car 40% des contacts ne reçoivent pas les emails. Le retour sur investissement de la data louée doit être satisfaisant.
Le taux d’ouverture (open rate)
= nombre d’emails ouverts / nombre d’emails envoyés
Cette mesure est souvent regardée, car par emails « ouverts » on a tendance à penser que les emails sont vus et lus, ou du moins parcourus. Mais le taux d’ouverture n’est pas un indicateur fiable, car en réalité il est impossible de dire ce qu’il s’est réellement passé, ni la quantité d’attention portée à l’email… 1 ou 50 secondes ! D’autant plus que dans beaucoup de paramètres de boites de messageries, les emails sont en « preview pane », empêchant les données d’être collectées, ce taux est donc sous-estimé. Il est plutôt conseillé de comparer ses changements dans le temps.
Un taux d’ouverture inférieur à 20% n’est pas bon, mais c’est à peu près tout ce que l’on peut dire. Un faible taux d’ouverture peut être amélioré grâce à l’optimisation du sujet de l’email, pour qu’il ne soit pas classé comme spam. Une fois que vous avez la technique pour un taux d’ouverture d’au moins 30%, bravo ! Eh oui il faut tester, surveiller, contrôler et tester encore…
Taux de clics (CTR pour click through rate)
= nombre de clics / nombre d’emails livrés
Cet indicateur est clé pour l’email marketing. Il mesure la qualité de l’email en termes de contenu et d’engagement ; l’audience est-elle efficacement encouragée à cliquer sur les liens proposés ?
L’analyse de cette métrique essentielle se fait en comparant les différents types de répondants, le timing de l’email, le style, le contenu et les CTA (call to action). L’idée est de comprendre ce qui marche le mieux, pour qui et comment. Il faut donc segmenter cet indicateur, disséquer les résultats pour isoler les meilleures performances des moins bonnes. Puis tester les conclusions sur de nouveaux emails.
Le taux de rétention des abonnés (subscriber retention rate)
= (nombre d’abonnés – emails rebondis – désabonnements) / nombre d’abonnés
La question est simple : est-ce que vos abonnés vous aiment ? Est-ce que vos communications les agacent ou les enchantent ?
Et pour quelle(s) raison(s) se désabonnent-ils ? Trop d’emails reçus ? Pas intéressants pour eux ?
Le mieux pour régler cette question est de leur demander (brièvement) lors du processus de désabonnement pourquoi ils font ce choix. Offrez 5 options de réponse avec une à cliquer ainsi que quelques lignes de texte s’ils veulent écrire.
Le taux de rétention des abonnés doit être une priorité.
Comparez régulièrement le taux d’abonnement et le taux de désabonnement. Car si vous perdez 5% de vos abonnés à chaque campagne, il vous faut, en parallèle, récupérer au moins 5% d’abonnés dans le même laps de temps pour garder une base email stable.
C’est un risque que l’on peut éviter en présentant au bon moment du contenu intéressant (ou divertissant) pour la cible visée. Comme toujours l’essentiel est de connaître le profil de l’audience pour préparer un email adapté à leurs goûts et centres d’intérêt (et non générique).
Voici les indicateurs qui observent si le trafic « acquis » par les campagnes emails est valable.
Le taux de rebond des visites (bounce rate)
C’est le taux de rebond des visites engendrées par l’email :
= visites de la campagne email avec une seule page vue / toutes les visites de la campagne email
Qu’il s’agisse ou non des visites provenant des campagnes email marketing, un taux de rebond élevé signifie :
Donc les visiteurs ouvrent la page et repartent ; on ne sait pas combien de temps ils sont restés. Soit la page les a déçus et ils la quittent, soit ils ont lu la page, mais aucune action n’est encouragée (aller sur une autre page, s’inscrire pour quelque chose, etc), donc ils repartent.
Un taux de rebond de plus de 50% doit être optimisé. Tester différentes options pour améliorer la page en commençant par les CTA, puis en adaptant le contenu pour satisfaire le visiteur : est-ce que la page présente bien ce pourquoi le visiteur a cliqué ?
Actions effectuées (actions completed)
= % de visites de la campagne email qui incluent une action importante.
Donc une fois sur le site, est-ce que les visiteurs ont effectué une action : regarder la vidéo, lire l’article, etc (comme souhaité). C’est dans ces mesures que l’on observe l’efficacité de l’email marketing en tant que source de trafic du site.
Taux de conversion macro (macro conversion rates)
= nombre de conversion macro (ventes, etc) / nombre de visites de la campagne email
Et finalement ont-ils été convaincus, ont-ils effectué « l’action ultime »… un achat, une inscription i.e. le but du site internet.
Ces deux dernières mesures vont permettre de juger l’attractivité du site par rapport à la « promesse » faite dans l’email et par rapport à l’aptitude du site à convertir les visiteurs (atteindre son objectif).
Les montants générés par le site peuvent être très variables, tout comme le coût d’acquisition d’un email et sa création/diffusion. Certaines ventes nécessitent plus de visites que d’autres, plus de temps et d’effort. Il est donc nécessaire de mesurer la performance des campagnes email par rapport à leur revenu.
Le revenu moyen par email envoyé (average revenue per email sent)
= revenu de la campagne / nombre d’emails envoyés
Le revenu par email doit être ramené au nombre d’emails envoyés et non au nombre d’emails « livrés », car il faut encourager les efforts marketing à s’occuper du nettoyage des données et du taux de rétention des abonnés.
La valeur économique moyenne (average economic value)
= [Revenu des conversions macros (le but ultime : ventes) + le revenu attribué aux conversions micros (actions qui montrent de l’engagement)] / le nombre d’emails envoyés
Vous le savez, dans Google Analytics, on doit mesurer les Goals (les objectifs) du site ; une commande, un essai gratuit ou un téléchargement… Bien souvent, le but ultime est de collecter des leads ou vendre quelque chose. On doit aussi calculer le revenu potentiel des micro-conversions. Par exemple, on estime que quelqu’un qui clique sur la fiche description du produit a 25% de chance d’acheter le produit. Donc chaque action significative est ramenée à une valeur.
La valeur économique moyenne représente le revenu estimé des visites sur le site en rapport au volume d’emails envoyés.
La rentabilité (profitability)
= (revenu généré par la campagne – coûts de la campagne – coûts du marketer) / nombre d’emails envoyés
La rentabilité montre ce qu’il reste du revenu de la campagne une fois que les coûts ont été déduits. Elle inclut l’ensemble des frais (directs et indirects) pour être plus objective. C’est une mesure qui se rapproche du ROI (retour sur investissement) pour exprimer combien d’euros ont été gagnés pour 1 euro dépensé.
Inutile de collectionner des tableaux de chiffres sans jamais en tirer quoi que ce soit. Il est bon, à chaque trimestre au moins, de faire une analyse complète. Voici comment s’y prendre.
Ces mesures doivent être collectées à chaque fois qu’un email est envoyé. Vous créez ainsi un dataset très précieux car il retrace la performance de votre canal email, selon différents critères (variables). De façon générale, il est bon de noter la performance des emails après 24h, puis de “boucler les chiffres” après une semaine. On utilisera ce dernier relevé pour l’analyse ci-dessous. Bien sûr c’est à vous de juger si une semaine est le délai adéquate, selon votre secteur et la durée de votre offre.
Ex. en image avec les indicateurs
Campagne A
Pour une analyse complète il faut ajouter les éléments qui décrivent l’email.
Ex. de caractéristiques de chaque campagne (liste non exhaustive)
Voici les différentes étapes à suivre pour analyser les campagnes emails.
Une fois les deux tables ci-dessus créées, il faut les fusionner pour avoir une ligne par campagne email, avec toutes les informations; donc description de l’email et mesures dans un même fichier (vous pouvez vous référez à la partie 1b de cette page de vidéos tuto pour apprendre à fusionner des fichiers facilement avec R++).
Ensuite il faut regarder que les données aient
Lorsque le nettoyage des données est terminé, il s’agit d’observer si certaines mesures sont corrélées à d’autres variables comme par exemple :
Le mieux est aussi d’utiliser un logiciel qui vous permette d’entrer toutes les variables du fichier dans le calcul des corrélations. Car on peut avoir des surprises ! Les résultats peuvent être influencés par une variable dont on ne se doutait pas de l’importance.
En ce qui concerne le calcul statistique et le choix du test, optez pour un logiciel qui choisisse le bon test pour vous, c’est idéal. Car le choix des tests est parfois compliqué, il dépend du type de variable et les règles sont parfois moins évidentes pour un non-statisticien…
par exemple, voici la règle du p de Pearson pour observer s’il existe une corrélation linéaire entre deux variables numériques. Plus p se rapproche de 1 ou -1, plus la corrélation est forte.
Une fois que vous comprenez quel(s) élément(s) influence(nt) la performance de vos emails, il s’agit d’établir un plan de A/B tests. Sélectionnez les 2 ou 3 éléments qui ressortent dans l’analyse des corrélations, il vaut mieux avancer pas à pas pour garder une certaine clarté dans les tests finaux. Vous pourrez ainsi progressivement approfondir votre connaissance des préférences de votre cible en matière de communication email.
Voici un article qui vient de sortir sur le blog du modérateur, et qui vous donne une idée des benchmarks dans le monde en termes de mesures de campagnes emails.
Pour améliorer les résultats de nos efforts en Email Marketing, il faut veiller à la collecte régulière de leurs mesures, de leurs éléments descriptifs et faire un peu d’analyse de données, même très simple. La collecte des informations pour chaque email est un petit travail qui, effectué avec rigueur, vous sera très utile !
En ce qui concerne le niveau de statistiques utilisées, aucun souci, certains logiciels comme R++ analysent pour vous automatiquement et indiquent les corrélations qui sont significatives grâce à des couleurs (ou nombre d’étoiles). En fait la partie statistique n’est pas compliquée. Donc aucune excuse… on y va!
