A/B testing en email marketing : comment tester et optimiser ses campagnes ?

Ce que j'ai appris en testant mes emails pendant deux ans

J'ai longtemps envoyé mes campagnes email sans vraiment savoir ce qui fonctionnait. Un objet, un bouton, une accroche, et j'espérais que ça passe. Parfois ça marchait. Souvent non. Je n'avais aucune explication rationnelle.

C'est en discutant avec un autre dirigeant que j'ai compris le problème : je ne testais rien. Je supposais. Et supposer, ça coûte cher quand on a un budget serré et une équipe qui n'a pas le temps de repartir de zéro à chaque campagne.

L'A/B testing en email marketing, c'est simplement envoyer deux versions d'un même email à deux groupes différents, et regarder laquelle obtient de meilleurs résultats. Pas plus compliqué que ça sur le papier. Mais dans la pratique, il y a quelques règles à respecter pour que le test soit vraiment utile.

Qu'est-ce qu'on peut tester exactement ?

Beaucoup de personnes pensent à l'objet de l'email en premier. C'est logique, c'est la première chose que voit le destinataire. Mais en réalité, on peut tester beaucoup plus que ça.

Voici ce que j'ai testé personnellement, avec des résultats très différents selon les cas :

• L'objet du message (court vs long, question vs affirmation, avec ou sans emoji)
• Le prénom dans l'objet ou pas
• L'heure d'envoi (mardi 9h vs jeudi 14h, par exemple)
• Le texte du bouton d'appel à l'action
• La longueur du corps de l'email
• L'image en haut vs pas d'image du tout
• Le nom de l'expéditeur (le nom de l'entreprise vs mon prénom)

Ce dernier point m'a surpris. En remplaçant "Petit & Associés" par "Pierre de Petit & Associés", j'ai gagné +4 points de taux d'ouverture en une seule campagne. Je ne m'attendais pas à ça du tout.

Bon, par contre, il y a une règle que j'ai apprise à mes dépens : on ne teste qu'un seul élément à la fois. Si je change l'objet ET l'image ET l'heure d'envoi en même temps, impossible de savoir ce qui a vraiment fait la différence. Le test ne vaut rien.

Comment bien structurer un test A/B en emailing ?

Un bon test, ça se prépare avant d'appuyer sur envoyer. J'ai mis du temps à comprendre ça.

Définir une hypothèse claire

Avant chaque test, je me pose une question précise. Pas "est-ce que cet email va marcher ?" mais plutôt "est-ce qu'un objet avec une question génère plus d'ouvertures qu'un objet affirmatif ?" C'est une hypothèse testable. Et c'est ce qui donne du sens au résultat.

Choisir un indicateur unique

Ça dépend de ce qu'on teste. Si c'est l'objet, on regarde le taux d'ouverture des emails. Si c'est le bouton ou le contenu du message, on regarde les clics. On ne peut pas optimiser sur tout en même temps.

Voici un tableau simple que j'utilise pour ne pas me perdre :

Taille de l'échantillon : l'erreur classique

J'ai fait cette erreur au début. J'avais une liste de 400 contacts, j'ai envoyé 20 emails dans la version A, 20 dans la version B, et j'ai tiré des conclusions. C'est statistiquement nul.

Pour qu'un test soit fiable, il faut un minimum de 200 à 300 contacts par version. En dessous, les résultats peuvent être dus au hasard. Si votre liste est petite, concentrez vos tests sur les éléments les plus impactants (l'objet et l'heure d'envoi, en priorité).

Durée du test

En général, 24 à 72 heures suffisent pour voir si une version s'en sort mieux. Mais ça dépend de votre secteur. Si vous envoyez à des professionnels, les ouvertures sont concentrées les jours de semaine. Si c'est du B2C, le weekend peut jouer.

Les indicateurs à suivre vraiment

On parle souvent du taux d'ouverture. C'est vrai que c'est un bon point de départ. Mais les indicateurs à suivre en emailing ne se limitent pas à ça, et c'est une erreur de s'arrêter là.

Le taux d'ouverture a d'ailleurs perdu un peu de fiabilité depuis les changements d'Apple Mail (la mise à jour iOS 15 qui pré-charge les emails). Dans certains cas, les ouvertures sont gonflées artificiellement. Ça ne veut pas dire qu'il faut l'ignorer, mais il faut croiser les données.

Ce que je surveille vraiment :

• Le taux de clic : est-ce que les gens cliquent sur ce que j'ai mis dans l'email ? C'est souvent plus fiable que l'ouverture pour mesurer l'engagement réel.
• Le taux de conversion derrière le clic (est-ce que ça mène à une action : achat, prise de RDV, téléchargement ?)
• Le taux de désinscription : si une version génère plus de désabonnements, c'est un signal clair.
• Le taux de spam : rare mais important, surtout si on change l'objet de façon agressive.

Pour améliorer son taux de clic, j'ai trouvé que le texte du bouton fait une vraie différence. "Télécharger le guide" convertit mieux que "Cliquer ici" dans mon secteur. Pareil pour la position du bouton : en haut ou en bas de l'email, ça change tout selon la longueur du message.

Exemples concrets de tests que j'ai menés

Ça aide de voir des cas réels plutôt que de la théorie pure.

Test 1 : l'objet avec ou sans chiffre. J'ai envoyé un email sur une offre de formation. Version A : "Formez votre équipe cet été". Version B : "3 jours pour former votre équipe, avant le 30 juin". Le taux d'ouverture de la version B était supérieur de 6 points. Le chiffre et la date limite ont clairement joué.

Test 2 : le nom d'expéditeur. J'en ai parlé plus haut. "Pierre de Petit & Associés" vs le nom de l'entreprise seul. Résultat sans appel en faveur du prénom. Depuis, j'envoie tous mes emails avec ce format.

Test 3 : heure d'envoi. Mardi 8h30 vs jeudi 14h. Sur une liste B2B, le mardi matin a nettement mieux fonctionné. Mais attention : ce résultat est propre à ma liste. J'ai vu des cas inverses chez des confrères avec des audiences différentes. C'est pour ça que le test est obligatoire, les règles générales ne s'appliquent pas toujours.

Quel outil utiliser pour faire de l'A/B testing email ?

Honnêtement, la plupart des outils d'emailing intègrent l'A/B testing dans leurs fonctionnalités de base. Mais la qualité varie beaucoup.

Certains outils vous permettent de tester uniquement l'objet. D'autres vont plus loin : test du contenu complet, du nom d'expéditeur, de l'heure d'envoi, et sélection automatique du gagnant après X heures. C'est cette dernière fonction qui m'a fait gagner du temps : je configure le test, et l'outil envoie automatiquement la version gagnante au reste de ma liste.

Si vous cherchez à choisir une plateforme adaptée à votre budget et à votre niveau, je vous recommande de consulter un comparatif des outils d'emailing avant de vous engager. Les prix varient énormément, et certains outils très accessibles font très bien le travail pour une TPE.

Ce que je conseille de vérifier avant de choisir :

• L'A/B testing est-il inclus dans l'offre de base ou en option payante ?
• Peut-on tester autre chose que l'objet ?
• Y a-t-il une sélection automatique du gagnant ?
• Les statistiques sont-elles lisibles sans être expert en analytics ?

Ce dernier point compte beaucoup quand l'équipe n'est pas technique. J'ai testé un outil pendant trois mois, les résultats étaient là mais le tableau de bord était tellement chargé que je n'arrivais pas à lire les données correctement. Là j'ai un vrai reproche : un beau tableau de bord ne remplace pas la lisibilité.

Foire aux questions sur l'A/B testing email

Combien de temps faut-il pour voir des résultats ?

En général, 24 heures suffisent pour un premier signal clair sur le taux d'ouverture. Pour le taux de clic, attendez plutôt 48 à 72 heures. Si vous testez sur une petite liste, les résultats mettront plus de temps à être significatifs.

Peut-on faire de l'A/B testing avec une petite liste ?

Oui, mais avec prudence. En dessous de 500 contacts total, les résultats seront indicatifs, pas statistiquement solides. Je les prends comme une tendance, pas comme une vérité absolue. Mieux vaut accumuler plusieurs tests sur le même élément avant de conclure.

Faut-il tester à chaque campagne ?

Non, pas forcément. Je teste sur les campagnes importantes ou récurrentes. Pour une newsletter mensuelle ou un email promotionnel qui revient souvent, le test vaut vraiment le coup. Pour un email one-shot sur une audience de 150 personnes, l'énergie est mieux dépensée ailleurs.

Comment sait-on qu'une version a vraiment gagné ?

Il faut un écart suffisant. Un point de différence sur le taux d'ouverture, ça peut être du hasard. Trois points ou plus, sur un échantillon correct, c'est un signal à prendre en compte. Certains outils indiquent directement un niveau de confiance statistique, ce qui est très pratique quand on n'est pas mathématicien.

Est-ce que les résultats d'un test sont valables pour toutes mes campagnes ?

Non. C'est l'erreur que j'ai faite au début. Un objet avec emoji peut très bien fonctionner sur une newsletter et être contre-productif sur un email de relance commerciale. Le contexte change tout. Un test apprend quelque chose sur une situation précise, pas sur tous vos emails futurs.

Est-ce que l'A/B testing ralentit mes envois ?

Un peu, oui. Si vous utilisez la sélection automatique du gagnant, il faut attendre quelques heures avant que le reste de la liste reçoive l'email. Pour des emails urgents, ce délai peut être gênant. Dans ce cas, faites le test sur une campagne précédente similaire et appliquez les apprentissages directement.

Au bout du compte, l'A/B testing demande un peu d'organisation au départ. Mais une fois la méthode en place, c'est vraiment automatique. Et les gains sur l'engagement, la conversion, et finalement le chiffre d'affaires, justifient largement le temps investi.