Délivrabilité email : diagnostiquer les pertes avant le test

Avant d’optimiser l’email, il faut savoir quelle partie du funnel fuit réellement

Un test email peut échouer pour de bonnes raisons créatives : promesse faible, segmentation approximative, offre mal alignée, objet peu différenciant, landing page incohérente. Mais il échoue souvent avant même que ces variables aient une chance d’être évaluées. Si 18 % des messages n’atteignent pas la boîte de réception, si Gmail classe une partie du volume en promotions ou en spam, si les domaines Microsoft ralentissent l’acceptation, ou si les ouvreurs mesurés sont biaisés par la protection de confidentialité d’Apple, le test ne mesure plus seulement une variante marketing. Il mesure un mélange de délivrabilité, de réputation, de tracking et de comportement utilisateur.

La délivrabilité email désigne la capacité d’un message à être accepté par les serveurs destinataires puis placé dans un emplacement exploitable par l’utilisateur, idéalement la boîte de réception principale ou un onglet consulté. Elle ne se confond pas avec le taux de livraison. Un email peut être livré techniquement, c’est-à-dire accepté par le serveur du destinataire, tout en étant placé en spam ou dans un dossier peu visible. Pour un professionnel du marketing, cette distinction est critique : un taux de livraison de 98 % peut masquer un inbox placement, taux de placement en boîte de réception, de 72 % sur un segment majeur.

Dans une logique CRO, conversion rate optimization, discipline qui vise à améliorer la capacité d’un parcours digital à transformer son trafic en valeur business, l’email est une source de trafic et un levier de progression dans le funnel, parcours allant du premier contact marketing à la conversion puis à la fidélisation. Si l’amont est dégradé, l’aval devient impossible à interpréter. Un test A/B d’objet peut conclure qu’une variante est gagnante alors qu’elle a simplement été mieux acceptée par un fournisseur d’accès. Une campagne de relance panier peut sembler moins rentable alors que son audience est davantage exposée à des soft bounces, rejets temporaires liés à une boîte pleine, une indisponibilité serveur ou une limitation de réputation. Une séquence B2B peut afficher un CPA, coût par acquisition, soit le coût marketing nécessaire pour générer une conversion, en hausse parce que les emails vers certains domaines corporate arrivent moins souvent dans l’inbox.

L’enjeu dépasse donc le reporting email. Une mauvaise délivrabilité modifie le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, lorsque l’email intervient dans des scénarios d’acquisition ou de retargeting. Elle perturbe l’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, car un utilisateur non exposé à l’email peut être comptabilisé comme converti par un autre canal. Elle influence aussi les arbitrages média : si les relances email sous-performent artificiellement, l’équipe peut surinvestir en paid social, en RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression publicitaire disponible, ou via des DSP, demand-side platforms, plateformes utilisées par les annonceurs pour acheter des impressions programmatiques. Diagnostiquer les pertes avant le test n’est donc pas une précaution technique ; c’est une condition de validité économique.

Séparer livraison, placement, exposition et conversion pour localiser la perte

La première erreur consiste à regarder la performance email comme une chaîne linéaire simple : envoyés, livrés, ouverts, cliqués, convertis. Cette lecture est insuffisante parce que chaque étape mélange plusieurs mécanismes. Le taux de livraison renseigne surtout sur l’acceptation serveur. Le taux d’ouverture dépend du placement, de l’objet, de la prévisualisation, de la notoriété expéditeur, mais aussi de mécanismes de préchargement qui faussent la mesure. Le taux de clic dépend du contenu, du rendu, de la pertinence et du device. Le taux de conversion dépend ensuite de la landing page, de l’offre, du stock, du prix, du délai de décision et du tracking.

Un diagnostic utile doit découper le parcours en quatre couches. La première est la couche d’acceptation : les serveurs destinataires acceptent-ils le message ou le rejettent-ils ? On y observe les hard bounces, rejets permanents liés à une adresse inexistante ou invalide, les soft bounces, les blocages temporaires et les codes SMTP. La deuxième est la couche de placement : le message arrive-t-il en boîte principale, onglet promotions, spam ou quarantaine ? La troisième est la couche d’exposition : l’utilisateur a-t-il une probabilité réelle de voir l’email, compte tenu du device, de l’heure, de l’onglet et de la saturation de la boîte ? La quatrième est la couche de réponse : ouverture mesurable, clic, visite, micro-conversion et conversion.

Cette séparation change la nature des décisions. Si une campagne affiche un taux d’ouverture faible mais un taux de clic par ouverture élevé, la friction se situe probablement avant la lecture : placement, objet, expéditeur, timing ou exposition. Si le taux d’ouverture est correct mais le clic faible, le problème est davantage créatif ou lié à l’offre. Si le clic est élevé mais la conversion faible, il faut examiner la cohérence entre email et landing page, les temps de chargement, la disponibilité produit, le formulaire ou la friction de checkout. Sans ce découpage, l’équipe risque de tester un objet alors que le problème vient du domaine d’envoi, ou de réécrire le contenu alors que la landing page détruit la valeur.

Exemple concret : une marque e-commerce envoie 500 000 emails de relance à des visiteurs ayant consulté une catégorie. Le taux de livraison est de 97,8 %, le taux d’ouverture de 19 %, le taux de clic de 2,1 % et le revenu par email envoyé de 0,09 euro. Sur le papier, l’équipe veut tester une offre plus agressive. Mais l’analyse par domaine montre 31 % d’ouverture chez les adresses Gmail, 14 % chez Microsoft et 9 % chez certains domaines professionnels. Les codes SMTP révèlent un throttling, limitation volontaire du débit d’acceptation par le fournisseur destinataire, sur Microsoft après les premiers lots. Le problème prioritaire n’est pas l’offre : c’est la réputation et le débit d’envoi sur un cluster de domaines.

Auditer l’infrastructure : authentification, domaines, IP et cohérence d’identité

Avant de lancer un test, il faut vérifier que l’infrastructure d’envoi ne crée pas une asymétrie invisible entre variantes, segments ou périodes. Les fondamentaux sont connus, mais leur qualité d’implémentation reste très variable. SPF, sender policy framework, permet d’indiquer quels serveurs sont autorisés à envoyer pour un domaine. DKIM, domainkeys identified mail, signe cryptographiquement le message pour prouver qu’il n’a pas été altéré. DMARC, domain-based message authentication, reporting and conformance, définit la politique à appliquer lorsque SPF ou DKIM échouent et fournit des rapports d’alignement. BIMI, brand indicators for message identification, peut afficher un logo vérifié chez certains fournisseurs, sous conditions d’authentification et de réputation.

Ces mécanismes ne garantissent pas l’inbox, mais ils réduisent le risque d’usurpation et stabilisent l’identité expéditeur. Pour un test marketing, l’alignement est essentiel. Si une partie des emails part depuis un sous-domaine transactionnel très réputé et une autre depuis un sous-domaine promotionnel plus fragile, la comparaison est biaisée. Si les emails d’acquisition utilisent un domaine récemment créé sans historique, ils n’auront pas le même comportement que les emails CRM envoyés depuis un domaine ancien. Si le DKIM échoue sur certains templates parce qu’un outil modifie le contenu après signature, les performances peuvent varier sans lien avec le message.

L’audit doit couvrir au minimum cinq éléments. Premièrement, l’alignement SPF, DKIM et DMARC sur tous les flux : newsletter, automation, transactionnel, acquisition, réactivation. Deuxièmement, la séparation des domaines ou sous-domaines selon le risque. Mélanger confirmations de commande et campagnes froides sur la même réputation est dangereux : un problème d’acquisition peut contaminer le transactionnel. Troisièmement, la qualité des IP, dédiées ou mutualisées. Une IP mutualisée peut bénéficier d’un historique favorable, mais expose à la conduite des autres expéditeurs. Une IP dédiée donne plus de contrôle, mais exige un warm-up progressif, montée graduelle des volumes pour construire une réputation. Quatrièmement, la cohérence du nom d’expéditeur, de l’adresse reply-to et des liens. Cinquièmement, la présence de redirections, trackers ou raccourcisseurs susceptibles de déclencher des filtres.

Un seuil pratique : lors d’un warm-up, augmenter les volumes par paliers contrôlés, souvent de 20 % à 50 % selon la réaction des domaines, plutôt que doubler brutalement les envois. Une base de 1 million de contacts ne doit pas recevoir une campagne massive depuis un domaine neuf au prétexte que l’ESP, email service provider, plateforme d’envoi email, l’autorise techniquement. Les filtres des grands fournisseurs observent les plaintes, les bounces, l’engagement, la vitesse d’envoi, l’historique et la cohérence d’identité. La capacité d’envoi n’est pas une permission d’atteindre l’inbox.

Mesurer la qualité de base : hygiène, engagement, plaintes et pièges à spam

La délivrabilité est autant un problème de data qu’un problème technique. Une base vieillissante, mal segmentée ou enrichie sans contrôle peut dégrader la réputation plus vite qu’un mauvais objet. Les fournisseurs de messagerie infèrent la qualité d’un expéditeur à partir du comportement agrégé : ouvertures réelles, clics, réponses, suppressions sans lecture, déplacements en spam, désabonnements, plaintes et inactivité prolongée. Plus une liste contient d’adresses inactives ou risquées, plus le signal envoyé aux filtres est négatif.

Le diagnostic commence par la structure de la base. Il faut distinguer les contacts opt-in récents, les clients actifs, les prospects engagés, les inactifs de 90 jours, 180 jours ou 365 jours, les adresses issues de jeux concours, les bases partenaires, les leads B2B enrichis et les contacts importés depuis le CRM. Ces populations n’ont pas la même valeur ni le même risque. Envoyer la même campagne à tous revient à mutualiser les mauvais signaux. Une séquence de réactivation sur des inactifs peut être rentable, mais elle doit être isolée du cœur de réputation et mesurée avec des garde-fous.

Les métriques à suivre ne se limitent pas au taux de désabonnement. Un taux de plainte supérieur à 0,1 % peut déjà devenir problématique chez certains fournisseurs, surtout si le volume est élevé. Un hard bounce supérieur à 2 % sur une campagne signale souvent une hygiène insuffisante. Une forte proportion d’adresses jamais engagées depuis plus de 12 mois réduit mécaniquement la performance et peut exposer à des spam traps, adresses pièges utilisées pour identifier les expéditeurs qui collectent ou conservent mal leurs bases. Un taux d’ouverture apparemment stable peut être trompeur si Apple Mail Privacy Protection précharge les pixels et gonfle les ouvertures. Dans ce contexte, le clic, la visite authentifiée, la réponse et la conversion deviennent des signaux plus robustes.

Une approche opérationnelle consiste à scorer les contacts selon la récence, la fréquence et l’intensité d’engagement. Par exemple : 5 points pour un achat récent, 3 pour un clic dans les 30 jours, 2 pour une ouverture non Apple récurrente, 1 pour une visite identifiée, -3 pour une inactivité de 180 jours, -5 pour un soft bounce répété. Ce score ne doit pas servir seulement à personnaliser le message ; il doit gouverner la pression commerciale et la stratégie d’envoi. Les segments faibles peuvent recevoir des volumes réduits, des campagnes spécifiques ou être exclus des tests critiques.

Prenons un cas B2B. Une entreprise SaaS veut tester deux objets sur 120 000 prospects. Le taux de lead historique est de 0,6 %. Avant le test, l’audit montre que 38 % de la base n’a jamais cliqué, 14 % appartient à des domaines corporate avec filtrage strict, et 6 % présente des soft bounces répétés. Si l’équipe randomise sans stratifier, une variante peut hériter d’une proportion plus forte de contacts risqués, ce qui fausse l’ouverture, le clic et le coût par SQL, sales qualified lead, lead accepté par les ventes comme opportunité potentielle. Le prérequis n’est pas le copywriting ; c’est une base propre et une randomisation par strate de risque.

Diagnostiquer par fournisseur, device et segment plutôt que par moyenne globale

Les moyennes globales sont particulièrement trompeuses en délivrabilité. Gmail, Yahoo, Outlook, domaines professionnels, fournisseurs locaux et messageries Apple ne réagissent pas de la même manière. Ils n’ont pas les mêmes filtres, les mêmes onglets, les mêmes signaux d’engagement ni la même tolérance aux pics de volume. Une campagne peut être saine en moyenne et catastrophique sur le domaine qui concentre la marge.

La lecture doit donc être segmentée par provider, domaine, device, pays, type d’adresse, statut client et source d’acquisition. Un e-commerce peut avoir 55 % de sa base en Gmail, 20 % en Apple/iCloud, 15 % en Microsoft et 10 % en domaines divers. Si Gmail performe à 2,8 % de clic et Microsoft à 0,9 %, la moyenne à 2,1 % masque un problème majeur. De même, un taux de conversion inférieur sur mobile peut venir d’une landing page lente, mais aussi d’un placement différent dans l’application mail ou d’une prévisualisation tronquée.

Il faut aussi distinguer les cohortes d’origine. Les contacts acquis via contenu organique, achat, parrainage, webinar, lead magnet ou emailing d’acquisition n’ont pas le même niveau d’intention. Un contact issu d’un achat récent peut tolérer une pression plus élevée. Un lead acquis via un livre blanc haut de funnel est plus fragile. Un contact obtenu via un partenariat peut ne pas reconnaître immédiatement la marque expéditrice. Les filtres prennent en compte l’engagement, mais l’utilisateur prend en compte la mémoire de la permission. Si le destinataire ne comprend pas pourquoi il reçoit l’email, le risque de suppression ou de plainte augmente.

Une méthode de diagnostic robuste consiste à construire une matrice pertes par étape. En lignes : segments clés, par exemple clients actifs, prospects récents, inactifs, domaines Microsoft, Gmail mobile, B2B corporate. En colonnes : livraison, bounce, placement estimé, ouverture fiable, clic, visite, conversion, plainte, désabonnement. L’objectif n’est pas de produire un dashboard décoratif, mais de localiser le premier point de rupture. Si un segment perd dès la livraison, l’action est technique ou data. S’il perd entre livraison et ouverture, l’action porte sur placement, exposition et reconnaissance expéditeur. S’il perd entre ouverture et clic, l’action est éditoriale. S’il perd après clic, l’action est CRO sur la page d’arrivée.

Cette granularité évite les mauvais tests. Tester deux CTA sur une campagne dont le principal segment est filtré chez Microsoft ne répond pas au bon problème. Tester une nouvelle landing page alors que 40 % des clics proviennent d’un segment déjà très engagé peut surestimer l’impact. Tester un objet sur une base mélangée sans équilibrer les providers peut confondre effet créatif et effet réputation. La règle est simple : un test email ne devrait jamais être lu uniquement en agrégé si les providers ou segments pèsent différemment dans la valeur business.

Protéger le protocole de test : randomisation, holdout et métriques fiables

Une fois les pertes diagnostiquées, il faut concevoir le test pour ne pas les réintroduire. La randomisation doit être stratifiée lorsque les segments ont des risques de délivrabilité différents. Cela signifie que chaque variante reçoit une proportion comparable de Gmail, Outlook, domaines corporate, clients actifs, prospects récents et inactifs. Sans stratification, un déséquilibre de quelques points sur un provider majeur peut suffire à créer un faux gagnant.

Le choix du KPI primaire doit également tenir compte de la fiabilité des métriques. Le taux d’ouverture reste utile pour certains diagnostics, mais il ne doit plus être l’indicateur principal de décision dans beaucoup de contextes. Les ouvertures peuvent être gonflées par le préchargement d’images, bloquées par les clients mail ou influencées par le placement sans que l’utilisateur ait réellement lu le message. Le clic unique, la visite qualifiée, la conversion, le revenu par email envoyé, la marge par contact ou le pipeline par segment sont généralement plus proches de la valeur. En B2B, le coût par SQL ou le pipeline créé par 1 000 emails envoyés vaut mieux qu’un taux de clic isolé.

Les tests doivent aussi intégrer des holdouts. Un holdout est un groupe témoin volontairement exclu d’une action afin de mesurer le scénario contrefactuel. Dans une campagne de réactivation, par exemple, envoyer à 90 % du segment et conserver 10 % sans email permet d’estimer l’incrémentalité réelle. Si 2,4 % des exposés achètent et 2,0 % du holdout achètent naturellement, l’effet incrémental est de 0,4 point, pas 2,4 points. Cette distinction est décisive pour les arbitrages de pression marketing, de remises et d’attribution.

Il faut enfin surveiller les SRM, sample ratio mismatch, écarts anormaux entre la répartition attendue et observée des utilisateurs entre variantes. En email, un SRM peut venir d’une erreur de segmentation, d’un blocage provider, d’un batch envoyé à un horaire différent, d’une règle d’exclusion CRM ou d’un problème de déduplication. Si un test prévu à 50/50 aboutit à 52/48 en emails effectivement livrés sur un volume élevé, il faut comprendre pourquoi avant de conclure. Le périmètre d’analyse doit être explicite : compare-t-on les envoyés, les livrés, les ouvreurs, les cliqueurs ou les visiteurs ? Chaque population répond à une question différente.

Un exemple illustre le risque. Une enseigne teste deux objets sur 800 000 contacts. Variante A : objet promotionnel direct. Variante B : objet éditorial plus discret. B obtient un taux de clic supérieur de 8 %. Mais l’analyse montre que les emails A ont généré davantage de plaintes sur le premier quart d’envoi, déclenchant une limitation chez un provider, tandis que B a été envoyée plus tard sur une population légèrement plus engagée. Le résultat brut ne prouve pas que B est meilleure. Il prouve que le protocole a laissé la réputation et le timing interférer avec la comparaison.

Relier délivrabilité, pression commerciale et valeur client

Le diagnostic de délivrabilité ne doit pas rester enfermé dans l’équipe CRM. Il doit informer la stratégie de pression commerciale, l’allocation média et la valeur client. Envoyer davantage d’emails peut augmenter le chiffre d’affaires à court terme tout en dégradant la réputation, la fatigue et la LTV, lifetime value, valeur économique attendue d’un client sur toute sa relation avec l’entreprise. À l’inverse, réduire trop fortement la pression peut protéger la base mais laisser de la valeur incrémentale non capturée.

La bonne approche consiste à raisonner en rendement marginal par segment. Combien rapporte un email supplémentaire envoyé à un client actif, à un prospect récent, à un inactif de 180 jours ? Quel est son coût en désabonnements, plaintes, baisse d’engagement futur ou dégradation de placement ? Une campagne qui génère 40 000 euros de chiffre d’affaires immédiat peut être destructrice si elle réduit l’inbox placement des flux transactionnels ou accélère la sortie des clients à forte valeur. La marge par email envoyé et le revenu incrémental doivent être lus avec les garde-fous de réputation.

Les garde-fous pertinents incluent le taux de plainte, le taux de hard bounce, le taux de désabonnement, le taux de clic futur des exposés, la réactivité à 30 jours, l’inbox placement par provider, la part d’inactifs sollicités, le revenu par contact sur cohorte et la qualité des leads downstream. En B2B, une campagne peut produire beaucoup de réponses mais peu d’opportunités. En e-commerce, une remise peut générer du revenu mais cannibaliser des achats attendus sans promotion. La délivrabilité est donc liée à l’incrémentalité : l’effet réellement causé par l’action, par opposition aux conversions qui auraient eu lieu sans intervention.

Cette logique est encore plus importante lorsque l’email interagit avec les médias payants. Si un utilisateur ne reçoit pas une relance email à cause d’un mauvais placement, il peut être reciblé en paid social ou display, ce qui augmente le coût d’acquisition apparent. À l’inverse, une bonne délivrabilité peut réduire le besoin de retargeting payant sur certaines cohortes. Les équipes acquisition et CRM doivent partager les signaux : exposition email, clic, non-exposition probable, segment d’engagement et conversion. Sinon, l’organisation optimise des canaux en silos et surestime le rôle du dernier levier visible.

Conclusion : tester moins vite, mais sur un terrain mesurable

La délivrabilité email n’est pas un prérequis technique secondaire. C’est une condition de validité pour tout test CRM, acquisition ou réactivation. Tant que l’équipe ne sait pas où les messages se perdent, elle risque d’attribuer à la création, à l’offre ou au ciblage des effets causés par l’infrastructure, la réputation, la qualité de base ou le placement provider. Dans un environnement où les ouvertures sont partiellement biaisées, où les filtres s’adaptent en temps réel et où les canaux payants récupèrent les conversions non captées par l’email, cette erreur peut coûter très cher.

Une méthode actionnable tient en huit étapes. Premièrement, distinguer livraison, placement, exposition et conversion au lieu de lire uniquement le taux d’ouverture. Deuxièmement, auditer SPF, DKIM, DMARC, sous-domaines, IP, liens et cohérence d’identité expéditeur. Troisièmement, scorer la base selon récence, engagement, bounces, plaintes et risque de spam traps. Quatrièmement, analyser les pertes par provider, device, pays, statut client et source d’acquisition. Cinquièmement, isoler les segments risqués pour éviter qu’ils contaminent les tests critiques. Sixièmement, définir un KPI primaire proche de la valeur, comme marge par email envoyé, conversion incrémentale, coût par SQL ou pipeline, plutôt qu’un taux d’ouverture fragile. Septièmement, utiliser une randomisation stratifiée, des holdouts et une surveillance des SRM. Huitièmement, relier les résultats à la pression commerciale, à l’attribution et à la valeur client à long terme.

La règle de décision est simple : ne lancez pas un test email pour expliquer une baisse de performance tant que vous n’avez pas localisé la première perte mesurable du parcours. Si la fuite se situe avant l’inbox, le bon test est un test d’infrastructure, de réputation ou de segmentation. Si elle se situe entre inbox et clic, le test créatif devient pertinent. Si elle se situe après le clic, le sujet appartient davantage à la landing page, au tunnel ou à l’offre. La maturité email ne consiste pas à multiplier les variantes ; elle consiste à créer les conditions dans lesquelles une variante peut être interprétée sans bruit majeur. C’est seulement à ce prix que l’email redevient un levier CRO fiable, mesurable et économiquement défendable.