Quelle est la longueur optimale de la ligne d’objet d’un e-mail ?

Email Marketing

By:

Chers amis du marketing, examinons le fond de la question. Les lignes d’objet sont parfois l’une des choses les plus frustrantes de l’e-mail marketing. Comment faire pour qu’elles soient à la fois brèves, amusantes, percutantes, séduisantes et captivantes ? Oui, je sais, ça n’a pas de sens. Résultat : les marketeurs sont harcelés de questions : 

  • Les lignes d’objet courtes sont-elles plus efficaces ? 
  • Quel est le nombre optimal de caractères ? 
  • La longueur de la ligne d’objet compte-t-elle vraiment ? 

Les données renferment souvent les réponses à vos questions. 

Dans cet article, je vais vous expliquer comment j’ai collecté et disséqué des données afin de déterminer le nombre idéal de mots et de caractères pour rédiger des lignes d’objet ne demandant qu’à être ouvertes (et déclenchant un clic). 

Étape 1 : Collecte des données

On pense souvent — à tort — que la bonne question à poser devrait être : quelle longueur de ligne d’objet correspond au taux d’ouvertures le plus élevé? Toutefois, cette question ne prend pas en compte certains indicateurs en aval, tels que le nombre de clics, le taux de clics d’ouverture et le taux de désabonnement. La question que nous posons est la suivante :en fonction du nombre de mots/caractères, quelle longueur de ligne d’objet génère le plus d’interactions (clics) ? Pour répondre à cette question, nous avions besoin des attributs et indicateurs de campagne suivants : 

  • Ligne d’objet 
  • Envoyé 
  • Distribué 
  • Ouvertures uniques 
  • Taux d’ouvertures (%) 
  • Nombre de clics
  • Taux de clics d’ouverture (%) 
  • Taux de désabonnement (%) 

Vous ne devinerez jamais la suite ! J’ai généré un rapport à l’aide de Marketo Engage en collectant ces attributs et indicateurs sur les six mois précédents, ce qui m’a fourni un vaste échantillon d’environ 200 campagnes d’e-mailing et plus de deux millions d’e-mails envoyés. L’idée ici est de disposer d’un échantillon suffisamment large pour obtenir une certaine pertinence statistique. 

Étape 2 : Analyse des données

Après avoir compilé des centaines de lignes de données, je devais agréger la longueur des lignes d’objet par nombre de mots. La plupart de nos lignes d’objet comprenaient entre quatre et neuf mots, et par sécurité, j’ai créé une catégorie « Plus de 10 mots ». J’ai ensuite trié les données par nombre de mots pour tous les indicateurs de campagne susmentionnés afin d’agréger les taux moyens d’ouvertures couplés aux taux moyens de clics d’ouverture. À partir de ces deux indicateurs, j’ai ensuite créé un jeu de données fictif pour déterminer le nombre de mots offrant le meilleur niveau d’interaction. 

Voici les résultats : 

Vous constatez que les taux d’ouvertures les plus élevés ont été enregistrés avec des lignes d’objet de quatre mots et que les taux d’ouvertures les plus faibles correspondaient à des lignes d’objet de neuf mots. Toutefois, il n’y avait pas de corrélation entre les taux d’ouvertures élevés et les taux de clics d’ouverture élevés. Nous devions donc examiner l’interaction globale, et pas simplement les taux d’ouvertures. C’est également logique. Il est beaucoup plus difficile d’être explicite et d’inciter à l’action en quatre mots qu’en neuf. C’est peut-être la raison pour laquelle davantage de personnes cliquent sur un e-mail dont la ligne d’objet comporte neuf mots : d’emblée, elles cernent mieux ce qu’il contient. 

Étape 3 : Extraction et modélisation des données

Nous devions intégrer les nombres moyens de mots dans un modèle avec des variables constantes pour déterminer quelle longueur de ligne d’objet générait les meilleurs taux globaux d’interaction. J’ai pour cela utilisé les indicateurs suivants : envoyé, taux d’ouvertures, ouvertures, taux de clics d’ouverture et nombre de clics. 

Voici le modèle créé à partir de 100 000 e-mails envoyés comme variable constante : 

La ligne d’objet gagnante : sept mots pour une interaction globale. Et si vous en rédigez une de huit mots, vous risquez fort d’être surpris ! Elle est presque deux fois moins performante qu’une ligne d’objet comportant seulement un mot de moins. 

J’espère que cette étude vous a fourni des informations utiles pour évaluer vos lignes d’objet en termes de taux d’ouvertures, de taux de clics d’ouverture et d’interaction globale. Et si vous vous demandez quel est le nombre idéal de caractères, nos lignes d’objet de sept mots comportaient en moyenne 41 caractères. Mais soyons réaliste : il est plus facile de compter les mots que les caractères. Il y aurait de quoi devenir fou ! 

Avez-vous d’autres conseils à partager sur les lignes d’objet ? Avez-vous trouvé la solution miracle pour que les destinataires ouvrent les e-mails et cliquent dessus ? Formulez vos commentaires ci-dessous !