Un client qui ne rachète plus ne le dit à personne : souvent il cesse de cliquer, puis il disparaît de vos rapports. La rétention client mesure la part de clients que vous conservez d’une période à l’autre. L’emailing est l’un des endroits où l’on voit ce décrochage en premier. Encore faut-il que les emails arrivent : une base qui se dégrade en silence fausse le calcul avant même qu’il commence.
Définition de la rétention client et formule du taux
Le taux de rétention se calcule sur une période donnée (un mois, un trimestre, une année) avec la formule suivante : (clients en fin de période − nouveaux clients acquis pendant la période) / clients en début de période × 100. Les nouveaux clients sont retirés du numérateur, sinon une forte acquisition masquerait les départs. La période compte : 88 % par mois et 88 % par an décrivent des situations très différentes.
Exemple pédagogique, chiffres inventés pour la démonstration : une boutique compte 1 000 clients au 1er janvier et 1 080 au 31 décembre, dont 200 acquis dans l’année. Le taux de rétention vaut (1 080 − 200) / 1 000 × 100 = 88 %. Le churn (taux d’attrition) est son complément : clients perdus / clients en début de période × 100, soit 120 / 1 000 = 12 %.
Rétention ou fidélisation ?
La rétention se compte : elle répond à « combien sont restés ? ». La fidélisation décrit les actions qui donnent envie de rester, du programme de points à la relation suivie, ce que recouvre le marketing de rétention. L’une est un indicateur, l’autre un ensemble de leviers ; ce dernier sujet a son propre article, ici on mesure d’abord, puis on voit les premiers scénarios à mettre en place. Enquête de satisfaction (NPS), programme de points et relance de panier abandonné font partie de ces actions, développées dans l’article dédié.
Le cycle de vie du client sert de repère : un taux global mélange des clients de 6 jours et de 6 ans.
Pourquoi la rétention pèse sur les profits
Dans une publication de 2006, Bain & Company chiffre l’enjeu : en augmentant la rétention d’à peine 5 %, les profits peuvent grimper jusqu’à 95 %. Bain présente ce résultat comme une théorie datée de 2006 : il donne un ordre de grandeur, sans valeur de moyenne ni de promesse.
Deux indicateurs relient ce constat au budget. La valeur vie client (CLV, customer lifetime value) estime ce qu’un client rapporte tant qu’il reste ; le coût d’acquisition client (CAC) additionne ce qu’il a fallu dépenser pour le gagner. Si la CLV d’un segment ne couvre plus son CAC, deux pistes s’ouvrent : réduire le coût pour gagner de nouveaux leads ou allonger la durée pendant laquelle les clients déjà acquis restent actifs.
Pourquoi les benchmarks sectoriels induisent en erreur
Les compilations de « taux de rétention moyen par secteur » reposent rarement sur une méthode commune. Une entreprise peut compter un client perdu après 30 jours sans achat, une autre après 12 mois ; un abonnement SaaS signale son départ par une résiliation, alors qu’un e-commerce n’a aucun contrat qui acte la rupture. Comparer 88 % chez l’un à 60 % chez l’autre n’a donc aucun sens tant que la définition de « client actif » diffère.
Le seul point de comparaison fiable est votre propre historique, calculé toujours de la même façon, par cohorte : tous les clients acquis en mars, suivis mois après mois. Une cohorte qui perd 40 % de ses membres dès les deux premiers mois peut signaler un défaut d’accueil que la moyenne annuelle enterre. Exemple fictif : 500 clients acquis en mars, 410 encore actifs en avril, 330 en mai, 300 en juin. Le taux de rétention à 3 mois ressort à 60 %. La lecture utile est ailleurs : 90 clients sont partis dès le premier mois, 80 le deuxième, 30 le troisième. Le décrochage se concentre sur les 8 premières semaines, donc probablement sur l’accueil et la première commande, plutôt que sur la relation installée. Une moyenne annuelle de 88 % ne montrerait rien de cela, puisque les clients de 2 ans, bien plus stables, y diluent les départs récents. Pour qu’elle serve, fixez une fois pour toutes la définition d’un client actif (un achat dans les 12 derniers mois, par exemple) et notez-la dans le tableau de bord ; changer de définition en cours d’année rend la courbe illisible.
Lire la rétention dans un programme d’emailing
Le taux de rétention arrive tard : il constate le départ. L’emailing fournit des signaux plus tôt, à condition de savoir lesquels croire.
Le taux d’ouverture est le premier à écarter comme preuve d’engagement. Avec Mail Privacy Protection, Apple empêche l’expéditeur de savoir si un message a été ouvert, si bien que des messages que personne n’a lus peuvent s’afficher comme ouverts (documentation d’Apple). Sur une base où Apple Mail pèse lourd (iPhone, iPad, Mac), une hausse d’ouvertures peut donc coexister avec une baisse d’intérêt réel.
On s’appuie plutôt sur :
- le taux de clic rapporté aux envois (le CTOR, qui repose sur les ouvertures, subit le même biais) ;
- la part de contacts sans clic ni achat depuis 90 ou 180 jours, à fixer selon votre rythme d’achat ;
- les désabonnements et les plaintes pour spam, qui sont des départs déclarés ;
- le revenu par email envoyé, calculé par segment et par mois, rapproché des autres indicateurs marketing du tableau de bord.
Un segment dont les clics s’effritent 3 mois de suite mérite une alerte avant que le taux de rétention ne baisse. Fixez le seuil d’alerte vous-même, par exemple 2 mois consécutifs sans clic pour un client qui achetait chaque mois, puis mesurez combien de ces clients rachètent malgré tout : c’est ce taux de faux positifs qui dit si le signal vaut la peine d’être suivi. La segmentation par date de dernier achat et par fréquence permet de le voir sans attendre le bilan annuel.
Les inactifs coûtent plus que leur silence
Un contact inactif reste dans vos envois : la rétention rejoint là la délivrabilité. Les messages envoyés à des adresses qui n’existent plus provoquent des hard bounces et font monter le taux de rebond, ce qui signale au fournisseur d’accès une liste mal entretenue. Ceux envoyés à de simples inactifs gonflent le volume sans réponse. La réputation d’expéditeur peut en pâtir pour les messages suivants.
Côté plaintes, Google demande aux expéditeurs en masse (environ 5 000 messages ou plus par jour vers des comptes Gmail personnels) de maintenir leur taux de spam signalé sous 0,1 % et d’éviter d’atteindre 0,3 % : au-dessus de 0,3 %, l’expéditeur n’est plus éligible aux mesures d’atténuation de Google ; il ne le redevient qu’après sept jours consécutifs sous ce seuil. Relancer sans fin des inactifs consomme cette marge dès que certains cliquent sur « signaler comme spam » ; le détail des règles figure dans notre article sur les exigences de Gmail pour les expéditeurs.
Une liste se dégrade même quand on n’y touche pas
Sur les 126 millions d’adresses que CaptainVerify a vérifiées en 2025, 57 % seulement étaient confirmées valides ; l’entreprise estime en outre qu’une liste perd environ 23 % de ses adresses par an, comme détaillé dans son analyse de la valeur d’une adresse email. Changements d’emploi, boîtes abandonnées, domaines fermés : une part de vos clients « perdus » n’a peut-être jamais quitté la marque : elle ne reçoit simplement plus rien. Le calcul se pose simplement : 20 000 adresses × 23 % de perte annuelle = 4 600 contacts qui risquent de ne plus pouvoir répondre, acheter ou se désabonner en 12 mois. Ils restent pourtant dans votre dénominateur.
Un client parti à la concurrence appelle une réponse commerciale ; une adresse devenue invalide appelle un nettoyage. Les deux se distinguent par un signal simple : un client parti a généralement cliqué ou acheté avant de partir, une adresse morte rebondit ou n’a jamais réagi. Croiser la liste des clients « perdus » avec les rebonds des 12 derniers mois suffit souvent à séparer les deux groupes avant d’écrire à qui que ce soit. Pour faire le tri, un test de vérification sur un échantillon de la liste, par exemple 2 000 contacts tirés au hasard, indique la part d’adresses invalides avant d’engager une campagne de reconquête ; la vérification de liste de CaptainVerify est conçue pour ce contrôle.
Trois flux à lancer en premier
Inutile de lancer 10 scénarios d’un coup. Le premier est l’email de bienvenue, où se joue l’accueil des nouveaux inscrits ; les erreurs de ce message coûtent cher parce qu’il arrive tôt, quand l’inscrit se souvient encore de s’être inscrit. Le deuxième suit l’achat : confirmation, conseils d’usage, demande d’avis. Le troisième s’adresse à ceux qui s’éteignent, avec un email de réengagement qui précède une règle de retrait : sans réaction après 2 ou 3 relances, le contact sort des envois courants.
Ces flux relèvent de l’automatisation. Appliquer la règle de retrait à une liste pleine d’adresses mortes ne corrige rien : le nettoyage vient avant l’automatisation.
Tester et doser l’envoi
Un test A/B ne vaut que s’il porte sur une variable à la fois et sur un échantillon assez grand pour départager les versions : testez l’objet ou le bouton d’appel à l’action sans mélanger les deux. Le critère de victoire doit être le clic ou l’achat, jamais l’ouverture, pour la raison vue plus haut.
La fréquence se règle de la même manière : on l’augmente par paliers sur un segment, en surveillant désabonnements et plaintes. Chaque segment a son rythme : un acheteur mensuel supporte un envoi hebdomadaire, un client dormant beaucoup moins. La personnalisation par segment vient ensuite.
Erreurs qui faussent la lecture
Six erreurs reviennent le plus souvent :
- confondre rétention et rachat : un client qui reste abonné sans acheter est « retenu » au sens de la formule sans générer aucun revenu ;
- calculer une moyenne unique : 88 % global peut cacher, par exemple, 95 % chez les clients de plus de 2 ans et 70 % chez les nouveaux ;
- mesurer l’engagement sur les ouvertures, que Mail Privacy Protection rend peu fiables ;
- compter comme perdus des clients dont l’adresse est simplement devenue injoignable ;
- relancer les inactifs sans nettoyer la liste avant, ce qui ajoute des rebonds à un problème d’intérêt ;
- reprendre les envois d’un coup après une pause, ce qui mélange actifs et dormants.
Mieux vaut repartir par paliers, en commençant par le segment qui a cliqué récemment.
