Le taux de transformation des leads, et pourquoi ce n'est pas un seul nombre

C'est un produit, pas une moyenne

Personne ne transforme un lead en client en une seule étape. Un lead est qualifié, puis accepté par les ventes, puis converti en opportunité, puis signé — et chacune de ces étapes a son propre taux de passage. Le taux global de transformation est ce qui survit à toutes, ce qui en fait le produit des taux d'étape, pas leur moyenne et certainement pas l'un d'eux.

Traitons un exemple, et gardons-le pour la suite de l'article. Quatre étapes : 40 % des leads bruts sont qualifiés, 50 % de ceux-là sont acceptés, 60 % de ceux-là deviennent des opportunités, 25 % de celles-ci sont signées. Multiplie : 0,40 × 0,50 × 0,60 × 0,25 = 0,03, soit un taux global de 3,00 %. Remarque ce que la moyenne de ces quatre taux aurait donné — 43,75 % — et à quel point c'est loin du réel. Moyenner des taux d'étape n'est pas une erreur d'arrondi ; c'est une autre grandeur, dépourvue de sens.

Les quatre taux utilisés ici sont posés pour que l'arithmétique soit vérifiable, et non tirés d'une étude de référence. Les taux d'étape varient énormément selon le marché, le prix et la façon dont chaque entreprise définit ses étapes ; tout jeu de chiffres présenté comme typique doit être vu comme l'historique d'une entreprise, pas comme une cible.

Un gain en pourcentage vaut le même pourcentage global, où qu'il soit

Comme le total est un produit, multiplier un facteur par (1 + x) multiplie le produit par (1 + x). Voilà toute la démonstration. Améliore l'étape de qualification de 10 % d'elle-même, de 40 % à 44 %, et le total devient 0,44 × 0,50 × 0,60 × 0,25 = 3,30 %. Améliore plutôt le taux de signature de 10 % de lui-même, de 25 % à 27,5 %, et le total vaut 0,40 × 0,50 × 0,60 × 0,275 = 3,30 %. Identique. Le tunnel se moque du facteur auquel tu as touché.

C'est réellement utile en planification, car cela transforme une dispute inter-équipes en une seule question : quelle étape peut être améliorée du plus grand pourcentage relatif pour le moins d'argent ? Pas quelle étape est la plus grande, ni la plus visible dans le tableau de bord, ni celle dont l'équipe crie le plus fort. Une amélioration relative de 10 % sur une étape que personne ne regarde vaut exactement autant qu'une amélioration relative de 10 % sur celle dont tout le monde débat.

Dix points ne valent pas dix points, et la pire étape paie le mieux

Dans le monde réel, les améliorations arrivent en points, pas en pourcentages. Un nouveau script de qualification fait passer une étape de 40 % à 50 %. Un meilleur passage de relais fait passer l'acceptation de 50 % à 60 %. Ce sont des changements de taille égale à énoncer et de valeur très inégale à posséder. Ajoute dix points à chaque étape tour à tour et les totaux valent respectivement 3,75 %, 3,60 %, 3,50 % et 4,20 % — les mêmes dix points, valant des gains de 25,0 %, 20,0 %, 16,7 % et 40,0 % sur le taux global.

Le motif est exact, pas approximatif. Ajouter d points à une étape actuellement à s multiplie cette étape par (s + d) / s, donc le gain relatif sur le total vaut exactement d divisé par s. Dix points sur l'étape à 25 % donnent 10/25 = 40,0 %. Dix points sur l'étape à 60 % donnent 10/60 = 16,7 %. Le gain est inversement proportionnel au taux de l'étape, ce qui veut dire qu'une même amélioration absolue vaut toujours le plus à l'étape la plus faible — et les étapes les plus faibles sont d'ordinaire celles où traînent encore les correctifs bon marché, parce que personne n'y a travaillé.

Chiffrons. À 1 000 leads par mois et un contrat moyen de 12 000 €, le taux de référence de 3,00 % produit 30 clients et 360 000 €. Dix points sur le taux de signature produisent 42 clients et 504 000 €, soit 144 000 € de plus par mois. Dix points sur l'étape de qualification produisent 37,5 clients et 450 000 €, soit 90 000 € de plus. Les mêmes dix points, le même effort sur le papier, une différence de 54 000 € par mois selon l'endroit où tu les places.

Le décalage : les leads de ce mois sont les clients du trimestre prochain

Presque tous les tableaux de bord calculent le taux comme les clients signés ce mois-ci divisés par les leads créés ce mois-ci. Ces deux ensembles se recoupent à peine. Supposons qu'une cohorte de leads finisse par convertir à 3,00 %, avec des signatures tombant à 10 % le mois de création, 30 % le mois suivant, 35 % le mois d'après et 25 % au troisième mois. Le ratio naïf sur période identique compare alors les signatures du mois, venues surtout de cohortes plus anciennes et donc plus petites, au nombre de leads plus élevé de ce mois-ci.

Le biais est calculable. Avec des leads croissant d'un facteur g par mois, le taux naïf vaut le vrai 3,00 % multiplié par la somme de chaque poids de décalage divisé par g à la puissance de son mois. À 10 % de croissance mensuelle, ce facteur vaut 0,849812 : le tableau de bord affiche 2,5494 %, sous-estimant la vérité de 15,02 %. À 20 % de croissance il affiche 2,2132 %, sous-estimant de 26,23 %. Décroîs et le signe s'inverse : à −10 % par mois il affiche 3,6251 %, surestimant de 20,84 %, et à −20 % il affiche 4,5305 %, surestimant de 51,02 %.

Voilà le piège en une phrase : plus tu crois vite, plus ta conversion paraît mauvaise, et plus tu décrois vite, meilleure elle paraît. Une équipe qui atteint son objectif de leads et voit le taux baisser n'est probablement pas devenue moins bonne pour convertir. Une équipe qui célèbre un taux en hausse pendant une chute de la demande regarde un artefact arithmétique.

Les cohortes, et le marqueur de maturité qui les rend honnêtes

Le correctif consiste à cesser de diviser deux mois différents. Étiquette chaque lead avec son mois de création, et rapporte les conversions face à la cohorte qui les a produites, quel que soit le temps que cela prend. Le taux de la cohorte de janvier vaut les signatures de janvier plus celles de février plus mars plus avril, le tout divisé par les leads de janvier — un nombre qui ne devient définitif que lorsque la cohorte a fini de convertir.

Cette dernière proposition est celle que les équipes sautent, et elle produit sa propre fausse alerte. Lis la même cohorte à chaque âge avec les poids de décalage ci-dessus : elle affiche 0,30 % à l'âge zéro, 1,20 % à un mois, 2,25 % à deux mois et 3,00 % à trois. Une cohorte jeune comparée à une cohorte mûre paraît toujours catastrophique ; chaque rapport de cohorte réclame donc un marqueur de maturité à côté, et les comparaisons doivent se faire à âge égal — la cohorte de ce mois à 30 jours contre celle du trimestre dernier à 30 jours, jamais contre son chiffre achevé.

Ce qui compte comme lead décide du nombre

Chaque taux d'étape de cet article dépend d'une définition que chaque entreprise écrit pour elle-même. Un lead peut être quiconque a rempli un formulaire, ou seulement quelqu'un qui a demandé à être contacté. La qualification peut être un modèle de scoring ou un appel. L'acceptation peut être un changement de statut automatique ou le jugement d'un commercial. Déplace l'une de ces définitions et tout le produit se déplace, sans que rien n'ait changé dans l'activité.

Deux conséquences pratiques. D'abord, ce taux ne peut pas être comparé utilement à d'autres entreprises, puisque tu ne mesures pas la même chose qu'elles ; la seule comparaison valable est ton propre tunnel face à son propre passé, définitions gelées. Ensuite, si le taux s'améliore le mois où quelqu'un a resserré la définition d'un lead, rien ne s'est amélioré — le dénominateur a rétréci. Écris les définitions d'étape, versionne-les, et place la version à côté du nombre.

Questions fréquentes

Pourquoi ne pas simplement moyenner les taux d'étape ?

Parce que les étapes se succèdent et qu'un lead doit toutes les survivre. La moyenne de 40 %, 50 %, 60 % et 25 % vaut 43,75 %, tandis que le produit vaut 3,00 % — un facteur de près de quinze les sépare, et un seul des deux compte des clients. Une moyenne serait le bon outil si un lead devait franchir une étape tirée au hasard ; il doit les franchir toutes.

Quelle étape dois-je corriger en premier ?

Arithmétiquement, celle qui a le taux le plus bas, car le gain relatif obtenu en ajoutant un nombre fixe de points à une étape à s vaut exactement ces points divisés par s. Dix points sur une étape à 25 % valent +40,0 % sur le taux global ; les mêmes dix points sur une étape à 60 % valent +16,7 %. En pratique, pondère cela par la difficulté à déplacer chaque étape — une étape à 25 % peut y être parce que le problème est réellement difficile, auquel cas un gain relatif bon marché ailleurs peut quand même l'emporter.

Mon taux de conversion a chuté alors que le volume de leads montait. Quelque chose est cassé ?

Probablement pas. Si tu divises les signatures du mois par les leads du mois alors que les conversions mettent des mois à tomber, la croissance déprime mécaniquement le ratio : à 10 % de croissance mensuelle des leads, le même vrai 3,00 % s'affiche à 2,5494 %, sous-estimé de 15,02 %, et à 20 % de croissance il s'affiche à 2,2132 %, sous-estimé de 26,23 %. Recalcule par cohorte à âge fixe avant de conclure. La qualité des leads a pu baisser aussi, mais l'effet arithmétique est là dans tous les cas.

Combien de temps attendre avant de déclarer définitif le taux d'une cohorte ?

Aussi longtemps que le dit ta propre distribution de décalage, obtenue en traçant quand les signatures tombent réellement par rapport à la création du lead. Dans l'exemple traité, les signatures arrivent à 10 % au mois zéro, 30 % au mois un, 35 % au mois deux et 25 % au mois trois, si bien que la cohorte affiche 0,30 %, puis 1,20 %, puis 2,25 %, puis 3,00 %. Tout ce qui est lu avant l'épuisement de la distribution est une estimation précoce, et comparer une estimation précoce à une cohorte achevée ressemblera toujours à un effondrement.

Puis-je comparer mon taux de transformation à celui d'autres entreprises ?

Pas utilement. Le taux est entièrement déterminé par l'endroit où chaque entreprise trace la limite du mot lead, et ces limites sont tracées différemment partout — une entreprise qui compte chaque formulaire rempli et une entreprise qui ne compte que les rappels demandés divisent par des dénominateurs séparés d'un ordre de grandeur. Compare ton tunnel à son propre historique avec des définitions gelées, et note un numéro de version à côté de la mesure pour repérer quand c'est un changement de définition, et non de performance, qui l'a déplacée.