Le taux d'ouverture mesure le client de messagerie de ton audience

Divise par les messages délivrés, et sache ce qui n'est pas arrivé

Un message qui n'est jamais arrivé ne peut pas être ouvert : le compter au dénominateur garantit une sous-estimation. Délivrés = envoyés − rebonds, et la taille de la correction vaut exactement le taux de rebond. Sur un envoi de 100 000 avec 1 200 rebonds durs et 2 300 rebonds souples, 96 500 ont été délivrés — 96,50 %. Les 28 950 ouvertures uniques donnent donc un taux d'ouverture de 30,00 % sur les délivrés et de 28,95 % sur les envoyés. Cela paraît proche, mais le second est inférieur de 3,50 % en relatif, et l'écart grandit avec chaque point de taux de rebond.

La distinction dur/souple n'est pas du jargon marketing ; c'est une classification de protocole. La RFC 3463 définit un statut 5.X.X comme un échec permanent — un échec qu'un renvoi du message sous sa forme actuelle ne résoudra probablement pas — et un statut 4.X.X comme un échec transitoire persistant, où un envoi ultérieur peut réussir. Un rebond dur est un 5.X.X : boîte inexistante, domaine inexistant, adresse rejetée définitivement. Un rebond souple est un 4.X.X : boîte pleine, serveur temporairement indisponible, greylisting, limitation de débit.

La conséquence opérationnelle diffère fortement. Un rebond dur signifie que l'adresse a disparu et doit être supprimée immédiatement ; continuer d'y envoyer est le signal le plus net qu'un fournisseur de boîtes puisse recevoir indiquant que tu n'entretènes pas ta liste. Un rebond souple signifie réessayer, avec une limite — la plupart des expéditeurs basculent une adresse en suppression définitive après une série d'échecs souples consécutifs, et le seuil exact importe moins que le fait d'en avoir un. Un taux d'ouverture calculé sans supprimer les rebonds durs est tiré vers le bas à chaque envoi par des adresses qui n'existent plus.

Ouvertures uniques et ouvertures totales sont deux mesures différentes

Les ouvertures totales comptent des requêtes de pixel. Les ouvertures uniques comptent des destinataires ayant au moins une requête. Dans l'envoi déroulé, cela fait 54 300 et 28 950, soit 1,88 ouverture par ouvreur. Seul le chiffre unique a sa place dans un taux d'ouverture, car le dénominateur compte des personnes ; le total n'a rien à faire près d'un pourcentage, puisqu'il peut dépasser le nombre de destinataires et produire un taux supérieur à 100 %.

Le rapport entre les deux est réellement informatif, mais pas sur l'intérêt. Les requêtes répétées de pixel viennent d'un retour au message, d'un client qui recharge les images, d'un volet d'aperçu qui se redessine, et du transfert — un e-mail transféré à un collègue s'enregistre comme une ouverture supplémentaire sur la ligne du destinataire d'origine. Un bond soudain des ouvertures par ouvreur sans changement des clics est presque toujours un artefact côté client, et le prendre pour de l'engagement est la façon dont un envoi cassé se fait applaudir.

Décomposer un taux d'ouverture gonflé, et son point d'annulation

Un article voisin de cette série explique pourquoi la protection de la confidentialité dans Mail d'Apple a cassé la métrique et pourquoi le taux de clic y a survécu ; le mécanisme n'est donc pas répété ici. Ce qu'on ne trouve nulle part, c'est l'arithmétique qui permet de lire un nombre désormais structurellement gonflé. Découpe la liste délivrée en deux populations : une part m derrière un proxy qui précharge les images indépendamment du comportement humain, et le reste 1 − m dont les ouvertures sont encore des ouvertures. Si le proxy enregistre une ouverture une fraction q du temps, le taux affiché vaut R = qm + t(1 − m), où t est le vrai taux chez tous les autres.

Réarrangé, t = (R − qm)/(1 − m). À 45 % affichés et un préchargement de 95 %, cela donne 39,44 % si un dixième de la liste est proxifié, 32,50 % à un cinquième, 23,57 % à trois dixièmes, 11,67 % à deux cinquièmes et 4,09 % à 45 %. Le même nombre affiché est compatible avec un programme en bonne santé et avec un programme presque mort ; lequel des deux dépend entièrement d'une grandeur qui n'est pas dans le rapport.

La formule a un point d'annulation, et c'est la chose la plus utile de cet article. Pose t = 0 et résous : m = R/q. À 45 % affichés et 95 % de préchargement, m = 47,37 %. Dès qu'environ 47 % de ta liste délivrée est derrière un client qui précharge, la totalité du taux d'ouverture affiché s'explique par des machines et reste compatible avec zéro humain ayant ouvert quoi que ce soit. Nul besoin de connaître ta part réelle de proxy pour t'en servir ; il suffit de savoir si elle est plausiblement au-dessus du seuil, et pour la plupart des listes grand public en 2026, elle l'est.

L'instrumentation qui le remplace : témoins, groupe témoin, et clics

Un panel de témoins est un ensemble d'adresses que tu possèdes chez les principaux fournisseurs de boîtes, incluses dans chaque envoi et vérifiées ensuite pour savoir où le message a atterri. Il répond à la question à laquelle le taux d'ouverture répondait mal : est-ce que cela atteint les boîtes de réception. Sa puissance se calcule facilement. Si le placement réel en boîte de réception vaut p, la chance de voir au moins un témoin en spam vaut 1 − p à la puissance du nombre de témoins. Avec trente témoins, cela fait 26,03 % à 99 % de placement, 78,54 % à 95 %, 95,76 % à 90 % et 99,88 % à 80 %. Avec dix témoins, les mêmes quatre cas donnent 9,56 %, 40,13 %, 65,13 % et 89,26 % — un panel de dix adresses rate un vrai problème plus souvent qu'il ne l'attrape.

Un panel de témoins est une alarme, pas un instrument de mesure. Trois témoins sur trente en spam donnent un placement estimé à 90 %, mais l'erreur type sur cette proportion vaut 5,48 points, donc l'intervalle à 95 % s'étend d'environ onze points de part et d'autre. Sers-toi-en pour détecter qu'il s'est passé quelque chose, puis enquête sur l'authentification, le taux de plainte et le contenu — n'annonce pas le pourcentage des témoins comme ton taux de placement en boîte de réception, car à cette taille d'échantillon il ne distingue pas 80 % de 100 %.

Le second instrument est un groupe témoin : une tranche d'audience tirée au sort qui ne reçoit rien, de sorte que l'écart de comportement entre elle et tous les autres soit l'effet du programme plutôt que sa corrélation avec le fait d'être quelqu'un qui achète. Cette arithmétique appartient à l'article compagnon sur ce que rapporte réellement un programme e-mail, et c'est là que réside la vraie mesure une fois que les ouvertures ne veulent plus rien dire.

Le clic comme signal de segmentation, et le budget de plaintes

Dès que les ouvertures ne séparent plus les engagés des indifférents, ce sont les clics qui doivent le faire. Un clic exige une action délibérée qu'aucun proxy de confidentialité n'exécute à la place du destinataire, donc « a cliqué dans les quatre-vingt-dix derniers jours » est une définition défendable d'un abonné engagé là où « a ouvert dans les quatre-vingt-dix derniers jours » ne l'est plus. Le coût du changement est que le segment engagé rétrécit beaucoup, et c'est justement le sujet : il rétrécit parce que l'ancienne définition comptait des machines.

Ce qui rend cela important n'est pas le souci d'ordre, c'est un seuil dur publié par un fournisseur de boîtes. Les consignes aux expéditeurs de Gmail demandent de maintenir les taux de spam signalés dans Postmaster Tools sous 0,10 % et de ne jamais atteindre 0,30 % ou plus, et les exigences renforcées s'appliquent à quiconque envoie plus de cinq mille messages par jour vers des comptes Gmail, avec SPF, DKIM, DMARC et désabonnement en un clic. Ce 0,10 % est un budget, et il est dépensé presque entièrement par des gens qui ne veulent plus de tes nouvelles.

L'arithmétique mérite d'être faite une fois. Prends une liste de 200 000 dont 28 000 ont cliqué dans les quatre-vingt-dix derniers jours et 172 000 non. Si les non-cliqueurs se plaignent à 0,150 % et les cliqueurs à 0,020 %, l'envoi à toute la liste produit 263,6 plaintes sur 200 000 messages — 0,1318 %, au-dessus de la cible de 0,10 % de Gmail. N'envoie qu'aux cliqueurs et tu produises 5,6 plaintes sur 28 000 messages, soit 0,0200 % : un sixième du taux, dans le budget, sur un septième du volume. Voilà l'arbitrage, et il doit être posé délibérément plutôt que découvert après un incident de délivrabilité. La vitesse à laquelle le segment engagé se reconstitue est une autre question, et l'arithmétique du seau percé de la croissance de liste est traitée dans son propre article de cette série.

Questions fréquentes

Dois-je calculer le taux d'ouverture sur les envoyés ou sur les délivrés ?

Sur les délivrés, toujours, car un message qui a rebondi ne pouvait pas être ouvert. Délivrés = envoyés − rebonds, donc la taille de la correction vaut exactement ton taux de rebond : sur 100 000 envoyés avec 1 200 rebonds durs et 2 300 souples, 96 500 ont été délivrés et 28 950 ouvertures uniques valent 30,00 % et non 28,95 %. C'est une sous-estimation relative de 3,50 % pour un taux de rebond de 3,50 %, et elle croît avec ce taux. Quel que soit ton choix, garde le même à chaque période — un dénominateur qui change en silence d'un rapport à l'autre est pire que l'un ou l'autre choix.

Quelle est exactement la différence entre un rebond dur et un rebond souple ?

C'est une distinction de protocole, pas de marketing. La RFC 3463 classe un statut 5.X.X comme échec permanent — qu'un renvoi du message sous sa forme actuelle ne résoudra probablement pas — et un statut 4.X.X comme échec transitoire persistant, où un envoi ultérieur peut réussir. Un rebond dur est donc une boîte ou un domaine inexistant et doit être supprimé immédiatement ; un rebond souple est une boîte pleine, un serveur occupé, du greylisting ou une limitation de débit, et doit être réessayé avec un plafond d'échecs consécutifs. Continuer d'envoyer à des adresses en rebond dur est l'un des signaux négatifs les plus nets qu'un fournisseur de boîtes reçoive sur un expéditeur.

Mon taux d'ouverture est de 45 %. Est-ce bon ?

C'est indécidable sans savoir quelle part de ta liste délivrée est derrière un client qui précharge les images. Résous la décomposition : le vrai taux chez tous les autres vaut le taux affiché moins la contribution du préchargement, divisé par le reste de la liste. À 95 % de préchargement, un 45 % affiché signifie 32,50 % si un cinquième de la liste est proxifié, 23,57 % à trois dixièmes et 11,67 % à deux cinquièmes. Et il existe un point d'annulation à m = 45 %/95 % = 47,37 % : au-dessus de cette part, la totalité des 45 % est générée par des machines et reste compatible avec zéro ouverture humaine. Si tu ne peux pas estimer cette part, la réponse honnête est que le nombre est ininterprétable et qu'il faut lire les clics.

Combien d'adresses témoins faut-il pour un test de placement utile ?

Plus que ce que la plupart des gens utilisent. La probabilité d'attraper au moins un témoin en spam vaut un moins le taux de placement élevé à la puissance du nombre de témoins. Avec dix témoins, tu attrapes un problème de placement à 95 % seulement 40,13 % du temps ; avec trente, 78,54 % du temps, et un problème à 90 % dans 95,76 % des cas. Mais traite le panel comme une alarme, pas comme un instrument : trois témoins sur trente en spam estiment le placement à 90 % avec une erreur type de 5,48 points, donc l'intervalle à 95 % couvre environ onze points de part et d'autre. Assez pour dire que quelque chose a changé ; très loin d'être assez pour publier un taux de placement.

Est-il prudent d'arrêter d'écrire aux gens qui ne cliquent jamais ?

C'est généralement plus prudent que l'inverse, et l'arithmétique des plaintes montre pourquoi. Sur une liste de 200 000 adresses où 172 000 n'ont pas cliqué en quatre-vingt-dix jours et se plaignent à 0,150 %, contre 28 000 cliqueurs à 0,020 %, un envoi à toute la liste génère 263,6 plaintes — 0,1318 %, au-dessus de la cible annoncée par Gmail de maintenir les taux de spam sous 0,10 %. N'écrire qu'aux cliqueurs génère 5,6 plaintes, soit 0,0200 %. Tu perds le revenu qu'auraient produit ces non-cliqueurs, ce qui est réel mais généralement faible ; tu protéges le placement de chaque message vers tous les autres, ce qui ne l'est pas. Lance une séquence de réactivation avant de supprimer, et mesure l'arbitrage au lieu de le supposer.