KPI d’email marketing e-commerce

Définir un KPI avant de fixer sa cible

Un taux sans dénominateur peut conduire à une mauvaise décision. Convenez de ce qui est compté, pour quelle population, pendant quelle période et selon quelles règles. « Conversion » peut désigner des acheteurs uniques, des commandes ou des sessions avec achat : ces mesures ne sont pas interchangeables.

Consignez source, numérateur, dénominateur, période, filtres et responsable. Précisez personnes uniques ou événements totaux, devise et traitement des retours et annulations. Gardez aussi la date d’extraction : des données tardives peuvent modifier le rapport.

Commencez par quelques indicateurs liés à des décisions. Pour la gestion des campagnes, séparez qualité d’envoi, réaction et résultat commercial. Beaucoup de chiffres ne remplacent pas une question concrète : que conserver, corriger ou tester ?

Formules pour une campagne individuelle

Ces conventions explicites décrivent une campagne avec un message par destinataire. Ne supposez pas que chaque rapport logiciel calcule de manière identique. Klaviyo documente notamment taux de commandes attribuées et revenu par destinataire ; vérifiez la métrique sélectionnée.

Avec un dénominateur nul, indiquez « non calculable », pas 0 %. Affichez les volumes avec les taux. Pour plusieurs messages, précisez comment les destinataires sont répétés ou dédupliqués.

Exemple de calcul avec données fictives

Cet exemple pédagogique ne représente ni un résultat Abalola ni un benchmark. Une campagne enregistre 1 000 destinataires avec remise, 50 personnes ayant cliqué, 10 acheteurs attribués, 12 commandes attribuées et 600 € de revenu attribué.

1 % d’acheteurs et 1,2 % de commandes sont compatibles : certains acheteurs ont commandé plusieurs fois. Cela ne prouve pas que l’email seul a causé 600 € de ventes. Interprétez l’unité avant de juger le résultat.

Ouvertures automatiques et clics de robots

Klaviyo permet d’identifier les événements marqués comme ouvertures Apple Mail Privacy Protection. Ces ouvertures automatiques peuvent gonfler une analyse d’engagement fondée uniquement sur les ouvertures.

La documentation décrit aussi les clics de robots : des systèmes automatiques consultent les liens pour leur sécurité ou leur aperçu. Un clic enregistré ne démontre pas toujours un intérêt humain.

Comparez les filtres des deux périodes avant de conclure à un meilleur objet ou design. Notez tout changement de traitement des robots ou ouvertures comme une modification de mesure. Examinez des signaux ultérieurs cohérents, comme navigation et achat, sans transformer un seul signal en certitude.

En segmentation, ne définissez pas l’intérêt par une ouverture isolée. L’activité peut orienter une hypothèse, mais nécessite du contexte. Conservez les dates de changement des critères pour expliquer les variations brusques des groupes.

L’attribution ne prouve pas un effet incrémental

Klaviyo permet d’ajuster fenêtres et interactions prises en compte dans l’attribution, avec exclusion de certains automatismes. Conservez les réglages utilisés lors de la présentation d’un résultat.

Sa documentation distingue dernier contact, créditant le point final, et attribution linéaire, partageant le crédit entre points considérés. Il s’agit de règles d’allocation.

Séparez ventes observées, ventes attribuées et supplément estimé par rapport à ce qui se serait produit sans l’action. Une autre fenêtre peut modifier le crédit affiché sans changer les commandes réelles. Rapprochez les commandes avant d’additionner les revenus attribués de plusieurs outils.

Pour étudier l’effet supplémentaire, concevez une comparaison avec un contrôle approprié et définissez à l’avance population, affectation, période et résultat. Considérez incertitude et interférences entre groupes. Un simple avant/après ne prouve pas une causalité lorsque promotions, trafic ou disponibilité changent aussi.

Le revenu attribué n’est pas un bénéfice. La rentabilité demande des coûts, marges et une estimation défendable de l’effet, cohérents avec la question. Sans ces données, présentez le revenu attribué et ses limites plutôt que de le rebaptiser retour incrémental.

Comparer la rétention avec la même durée d’observation

Klaviyo propose une analyse par cohortes pour suivre des groupes de profils dans le temps. Son intérêt réside dans la comparaison de groupes et périodes clairement définis.

Comme proposition d’analyse, regroupez les clients par mois de premier achat et mesurez le retour dans une fenêtre fixe. Dans un exemple fictif, 24 des 120 premiers acheteurs rachètent sous 60 jours : le réachat observé atteint 20 %. Ce taux décrit cette cohorte et cette fenêtre, pas une norme universelle.

Ne comparez pas cette cohorte mature avec des clients ayant acheté pour la première fois dix jours auparavant. Ne confondez pas réachat et maintien d’abonnement, et ne mélangez pas des catégories aux cycles très différents sans examiner leur composition.

Le guide de rétention client relie cette analyse à l’accompagnement. Distinguez résultat observé et effet du programme : une meilleure cohorte peut coïncider avec des changements de produit, acquisition ou service.

Passer de l’indicateur à la prochaine vérification

Une variation indique où investiguer ; elle identifie rarement sa cause à elle seule. Ce tableau propose des contrôles avant intervention :

Un audit peut hiérarchiser hypothèses et dépendances lorsque plusieurs indicateurs changent ensemble. Définissez modification, signal attendu et date de revue. Évitez de changer simultanément audience, offre et design si vous voulez comprendre leurs influences.

Un rapport court pour prendre une décision

Ne faites pas la moyenne des taux sans considérer leur poids. Dans un autre exemple fictif, 50 clics sur 1 000 remises et 180 sur 9 000 donnent 230 / 10 000 = 2,3 % au total. La moyenne simple de 5 % et 2 % donne 3,5 % et répond à une autre question. Les personnes présentes dans les deux campagnes ne sont pas dédupliquées entre campagnes dans cet agrégat.

Comparez audiences, saisons, offres et périodes équivalentes. Un benchmark externe peut susciter une question, mais ne remplace pas votre historique et ne prouve pas une amélioration. Avec de petits échantillons, montrez les volumes et ne proclamez pas un gagnant pour une différence minime.

• Objectif commercial et question du rapport.
• Période, date d’extraction et source.
• Numérateurs, dénominateurs et règles de comptage.
• Réglages d’attribution et filtres d’activité automatique.
• Comparaison pertinente et limites connues.
• Hypothèse prioritaire et une action concrète.
• Responsable et date de revue.

Un rapport utile permet une décision proportionnée aux preuves, y compris investiguer ou attendre davantage de données. Un chiffre impressionnant sans définition n’améliore pas le programme.

Sources et lectures utiles

• Klaviyo: Campaign analytics
• Klaviyo: Mail Privacy Protection opens
• Klaviyo: Bot clicks
• Klaviyo: Attribution settings
• Klaviyo: Attribution model types
• Klaviyo: Cohort analysis