Comment mesurer une campagne e-mail : les KPI réellement utiles

Un tableau de bord e-mail peut être mathématiquement exact et stratégiquement faux. Il suffit de mélanger les dénominateurs, d'appeler « délivré » un message simplement accepté par le serveur, de compter les préchargements Apple comme des lecteurs et d'attribuer toutes les ventes survenues dans les trente jours à la campagne.

La bonne mesure commence avant l'envoi : quel comportement ou résultat métier la campagne doit-elle provoquer ? Une facture doit être reçue. Une alerte doit conduire à une action de sécurité. Une newsletter peut viser une visite qualifiée. Une offre commerciale cherche une marge ou un rendez-vous, pas une image chargée.

Ce billet constitue le volet « mesure et attribution » du guide de l'e-mailing professionnel en 2026.

La pyramide des indicateurs

flowchart BT
    A["Transport<br>soumis, accepté, 4xx, 5xx"] --> B["Qualité<br>rebonds, plaintes, retraits"]
    B --> C["Interaction probable<br>clics, réponses, sessions"]
    C --> D["Résultat métier<br>activation, vente, rendez-vous"]
    D --> E["Valeur<br>marge, revenu, rétention"]

Les couches basses expliquent une panne. Les couches hautes disent si la campagne mérite d'exister. Aucune ne remplace les autres.

Fixer les dénominateurs une fois

Dans ce guide :

• soumis : messages acceptés par votre plateforme ou MTA pour traitement ;
• livré : message accepté par le serveur destinataire après les tentatives ;
• ouverture unique enregistrée : au moins une requête de pixel associée au destinataire ;
• cliqueur unique probable : destinataire avec au moins un clic après application de la règle anti-robot ;
• conversion : événement métier répondant à la définition de campagne.

Une plateforme peut employer d'autres définitions. Exportez sa documentation et ses événements bruts avant de comparer deux outils.

Les formules utiles

Taux de livraison

taux de livraison = messages livrés / messages soumis × 100

Il mesure l'acceptation SMTP finale, pas le placement en boîte principale.

Taux de rebond définitif

taux de rebond définitif = échecs définitifs / messages soumis × 100

Séparez au minimum les adresses invalides, les échecs de politique et les expirations après problèmes temporaires. Un 5.1.1 n'appelle pas la même correction qu'un 5.7.26.

Taux d'ouverture enregistré

taux d'ouverture enregistré = ouvreurs uniques enregistrés / messages livrés × 100

Le nom est volontaire : il ne s'agit pas d'un « taux de lecture ». Apple MPP, proxys, caches, blocages d'images et outils de sécurité produisent faux positifs et faux négatifs.

CTR — taux de clic

CTR = cliqueurs uniques probables / messages livrés × 100

Certaines plateformes divisent le nombre total de clics, ou utilisent les messages envoyés plutôt que livrés. Affichez la formule à côté du KPI.

CTOR — click-to-open rate

CTOR = cliqueurs uniques probables / ouvreurs uniques enregistrés × 100

Le CTOR prétend mesurer l'efficacité du contenu après ouverture. Son dénominateur étant bruité, il est surtout utile comme série historique au sein d'une population et d'une méthode constantes. Une variation de la part Apple Mail peut le déplacer sans aucun changement éditorial.

Conversion globale et après clic

taux de conversion global = conversions attribuées / messages livrés × 100
taux de conversion post-clic = conversions attribuées / cliqueurs uniques probables × 100

Le premier mesure toute la chaîne ; le second isole davantage la page d'arrivée et l'offre. Publier « 8 % de conversion » sans dénominateur n'a aucun sens.

Désabonnement, plainte et revenu par destinataire

taux de désabonnement = retraits / messages livrés × 100
taux de plainte observé = plaintes reçues / messages livrés × 100
revenu par destinataire livré = revenu attribué / messages livrés
marge par destinataire livré = marge attribuée / messages livrés

Le taux de plainte de votre tableau de bord n'est pas nécessairement celui du fournisseur. Toutes les messageries ne transmettent pas une boucle de retour, certaines masquent l'adresse du plaignant et leur dénominateur est propre.

Exemple complet sur 20 000 messages

Supposons :

• 20 000 messages soumis ;
• 19 500 livrés ;
• 300 adresses invalides ;
• 200 échecs définitifs après problèmes temporaires ;
• 6 000 ouvertures uniques enregistrées ;
• 900 cliqueurs uniques après filtrage ;
• 72 achats attribués ;
• 18 plaintes reçues ;
• 210 désabonnements ;
• 18 000 € de revenu attribué.

Indicateur	Calcul	Résultat
Livraison	19 500 / 20 000	97,50 %
Adresses invalides	300 / 20 000	1,50 %
Autres échecs finaux	200 / 20 000	1,00 %
Ouverture enregistrée	6 000 / 19 500	30,77 %
CTR	900 / 19 500	4,62 %
CTOR	900 / 6 000	15,00 %
Conversion globale	72 / 19 500	0,37 %
Conversion post-clic	72 / 900	8,00 %
Plaintes observées	18 / 19 500	0,09 %
Désabonnement	210 / 19 500	1,08 %
Revenu par livré	18 000 / 19 500	0,92 €

Le chiffre préoccupant n'est pas forcément l'ouverture. Un taux de 1,5 % d'adresses invalides sur une base récente peut révéler une attaque du formulaire ou un import défectueux. Un désabonnement élevé peut signaler une promesse d'inscription mal tenue. Une conversion post-clic correcte et un CTR faible peuvent pointer vers l'objet, la proposition ou le ciblage.

Pourquoi l'ouverture ne suffit plus

Un pixel mesure une requête de ressource. Apple MPP peut la précharger sans lecture ; Gmail peut servir l'image via un proxy et un cache ; Outlook ou Thunderbird peuvent empêcher le chargement. La recommandation CNIL 2026 impose en plus d'identifier les finalités nécessitant un consentement et les exemptions strictes.

Le détail est traité dans Les pixels de tracking e-mail sont-ils morts ?. Pour le tableau de bord, appliquez trois règles :

1. nommer la métrique « ouverture enregistrée » ;
2. identifier autant que possible les événements MPP/proxy sans prétendre à une classification parfaite ;
3. ne jamais supprimer un contact ou conclure à un intérêt individuel sur ce seul événement.

Les clics automatisés

Les passerelles de sécurité peuvent visiter toutes les URL du message. Quelques heuristiques possibles :

• clic sur tous les liens dans la même seconde ;
• délai quasi nul après la livraison ;
• adresse IP de centre de données connue ;
• agent utilisateur de scanner ;
• aucune session navigateur cohérente ensuite ;
• répétition identique sur toutes les campagnes d'un domaine entreprise.

Ne détruisez pas l'événement brut. Attribuez-lui une classe et une version de règle :

event_id | kind  | occurred_at | classification | rule_version
evt_881  | click | ...         | probable_bot   | click-v4.2
evt_882  | click | ...         | probable_human | click-v4.2

Vous pourrez recalculer l'historique après amélioration du classificateur.

Les KPI négatifs protègent la réputation

Les plaintes, rebonds et retraits sont parfois présentés comme des détails techniques. Ce sont en réalité les premiers indicateurs de destruction de la relation.

Google demande aux expéditeurs de maintenir le taux de spam observé dans Postmaster Tools sous 0,1 % et de ne jamais atteindre 0,3 %. Ce taux appartient à Google et ne se transpose pas directement à votre calcul. Il indique surtout qu'une petite proportion devient critique à grande échelle.

Surveillez :

• les plaintes par fournisseur, cohorte et source de collecte ;
• les hard bounces par formulaire ou import ;
• les 4xx par domaine destinataire et tranche horaire ;
• les retraits par promesse d'inscription ;
• l'âge de la file et les délais de livraison ;
• la présence sur une liste de blocage pertinente ;
• les changements d'alignement SPF, DKIM et DMARC.

Le diagnostic technique complet se trouve dans Pourquoi les campagnes de masse finissent en spam.

L'attribution : choisir une règle avant de voir le résultat

Une vente survenue après un e-mail peut aussi provenir du référencement, d'une publicité, d'un appel commercial ou d'une habitude récurrente. Trois modèles simples :

Modèle	Règle	Biais
Dernier clic e-mail	L'e-mail reçoit le crédit s'il est le dernier clic avant conversion	Ignore les autres contacts antérieurs
Fenêtre post-clic	Toute conversion dans X jours après un clic reçoit un crédit	Risque de sur-attribution si plusieurs canaux
Groupe témoin	Comparer un segment envoyé et un segment similaire non envoyé	Plus rigoureux mais demande volume et protocole

L'ouverture ne devrait pas déclencher une longue fenêtre d'attribution : elle peut être automatisée. Pour une campagne importante, un groupe témoin aléatoire permet d'estimer l'incrément réellement causé par le message.

incrément = taux_conversion_exposé - taux_conversion_témoin
conversions incrémentales = incrément × taille_du_groupe_exposé

Segmenter le tableau de bord

Une moyenne globale peut cacher une crise. Découpez au minimum par :

• flux transactionnel, service et marketing ;
• campagne et modèle ;
• source d'inscription et ancienneté ;
• domaine destinataire ;
• domaine d'envoi, sélecteur DKIM, IP ou pool ;
• pays ou langue lorsque la segmentation est justifiée ;
• type de client, prospect ou utilisateur ;
• période comparable et pression de contact.

Si une campagne a 4 % de CTR global mais 0,2 % sur une source achetée et 9 % sur le double opt-in, la moyenne empêche de prendre la bonne décision.

Concevoir le modèle d'événements

erDiagram
    CAMPAIGN ||--o{ MESSAGE : contains
    CONTACT ||--o{ MESSAGE : receives
    MESSAGE ||--o{ DELIVERY_EVENT : produces
    MESSAGE ||--o{ ENGAGEMENT_EVENT : produces
    CONTACT ||--o{ CONSENT_EVENT : controls
    CAMPAIGN ||--o{ CONVERSION : attributes

    MESSAGE {
      string message_id
      string campaign_id
      string contact_id
      string template_version
    }
    DELIVERY_EVENT {
      string type
      string smtp_status
      datetime occurred_at
      string provider
    }
    ENGAGEMENT_EVENT {
      string type
      string classification
      string rule_version
    }

Un message_id stable relie le dépôt SMTP, le rebond, le clic et la conversion sans exposer l'adresse dans toutes les URL. Le modèle doit aussi enregistrer les changements de consentement et empêcher l'analytics de réactiver un contact supprimé.

Tableau de bord quotidien et bilan de campagne

Pendant l'envoi

• débit soumis et accepté par minute ;
• réponses 4xx et 5xx par fournisseur ;
• taille et âge maximal de la file ;
• échecs d'authentification ;
• plaintes et hard bounces en quasi temps réel ;
• état du désabonnement.

Après la campagne

• population éligible, exclue et raison d'exclusion ;
• CTR filtré et visites qualifiées ;
• conversions globales, post-clic et incrémentales si témoin ;
• revenu et marge par livré ;
• plaintes, désabonnements et rebonds par cohorte ;
• comparaison avec une campagne réellement comparable ;
• décisions : maintenir, réduire, corriger ou arrêter.

Check-list de publication d'un KPI

• [ ] Le numérateur et le dénominateur sont écrits.
• [ ] La période, le fuseau et la date de consolidation sont connus.
• [ ] Les événements retardés et doublons sont traités.
• [ ] Les robots et MPP sont identifiés comme probabilités, pas certitudes.
• [ ] La définition n'a pas changé sans versionner la série.
• [ ] La métrique est segmentable jusqu'à la source du problème.
• [ ] L'attribution est décidée avant lecture des ventes.
• [ ] Les données utilisées sont licites, minimisées et limitées dans le temps.
• [ ] Une valeur négative peut automatiquement ralentir ou arrêter l'envoi.

Le meilleur KPI est celui qui déclenche une décision vérifiable. Si un chiffre ne peut conduire ni à corriger le produit, ni à améliorer la liste, ni à protéger la réputation, il appartient probablement à un rapport décoratif.