Calculateur de taux de conversion des prospects

Le taux de conversion prospect → client est la part des prospects uniques d’une cohorte donnée qui sont ensuite devenus clients payants. Une cohorte regroupe les prospects créés sur une même période, depuis une même source ou un même segment. Les équipes marketing et commerciales l’utilisent pour vérifier que les prospects générés se transforment en affaires, comparer des sources ou des campagnes et estimer le nombre de prospects qu’exige réellement un objectif de chiffre d’affaires. Il mesure un résultat par personne, pas une activité, des clics ou des visites.

Divisez le nombre de nouveaux clients payants issus de la cohorte par le nombre de prospects uniques de cette même cohorte, puis multipliez par 100. Le résultat est un pourcentage. Le calculateur affiche aussi l’inverse — prospects uniques divisés par clients, c’est-à-dire le nombre de prospects nécessaires pour un client — et le nombre de prospects pas encore convertis.

Le numérateur doit être inclus dans le dénominateur : seuls comptent les clients qui étaient prospects dans cette cohorte, et ils ne peuvent pas être plus nombreux que les prospects ; c’est pourquoi l’outil refuse cette saisie. Comptez des personnes sans doublons, pas des formulaires ni des contacts : une personne qui a téléchargé trois ressources est un seul prospect.

Signification de chaque terme

Nouveaux clients payants issus des prospects

Clients payants uniques issus de la cohorte de prospects.

Où trouver cette donnée : Comptes ou personnes uniques de cette cohorte ayant signé ou payé pour la première fois pendant votre fenêtre d’observation. Extrayez-les du CRM en filtrant les affaires gagnées ou les clients sur la source et la date de création d’origine. Excluez les clients existants revenus comme prospects.

Prospects uniques

Nombre de prospects sans doublons dans la cohorte.

Où trouver cette donnée : Prospects sans doublons créés sur la période et la source retenues, par exemple tous les prospects entrants créés en mars. Fusionnez les doublons par email ou par fiche contact avant de compter, et appliquez les mêmes filtres que pour les clients.

Conversion prospect → client

Clients convertis ÷ prospects uniques de la cohorte × 100.

Exemple fictif : une entreprise a généré 1 000 prospects uniques sur un trimestre, et 40 d’entre eux sont devenus clients payants à la fin de la fenêtre d’observation.

1. Conversion prospect → client40 ÷ 1.000 × 100 = 4 %

Conversion prospect → client = 4 %

40 ÷ 1 000 × 100 = 4 % ; il a donc fallu 1 000 ÷ 40 = 25 prospects par client, et 960 prospects ne sont pas (encore) convertis. Si cinq prospects de la même cohorte signent le mois suivant, le taux passe à 45 ÷ 1 000 = 4,5 % et le ratio à environ 22,2 prospects par client — sans aucun nouveau prospect, simplement parce que la cohorte a eu plus de temps.

Chiffres fictifs, utilisés pour montrer le calcul. Ce ne sont pas des données réelles d’entreprise.

Utilisez ce taux quand vous devez relier la génération de prospects aux clients réels : avant de fixer un objectif de prospects, pour comparer deux sources ou deux campagnes, ou quand une équipe annonce « plus de prospects » et que vous voulez savoir si davantage d’affaires ont suivi.

Il traduit aussi un objectif de chiffre d’affaires en besoin de prospects. Si un client demande 25 prospects dans un segment, dix clients de plus exigent environ 250 prospects supplémentaires de même qualité — à condition que cette qualité se maintienne quand le volume augmente.

Calculez-le par cohorte et par source plutôt que pour toute l’entreprise d’un coup. Un taux global mêlant webinaires, publicité payante, recommandations et listes de prospection masque le canal qui produit réellement des clients.

Le nombre de prospects est le chiffre le plus facile à faire grimper et le moins fiable pour prévoir le chiffre d’affaires. Une campagne peut doubler le volume en abaissant la barre — audience élargie, contenu téléchargeable sans intention d’achat, jeu-concours — sans presque aucun client supplémentaire. Le volume monte, le taux de conversion baisse, et le chiffre d’affaires bouge à peine.

Ce qui prédit le chiffre d’affaires, c’est le volume multiplié par la qualité, et le taux de conversion est la façon de mesurer cette qualité a posteriori. Deux sources qui livrent chacune 500 prospects ne se valent pas si l’une convertit à quelques pour cent et l’autre à une fraction de ce niveau. Suivez le taux par source et par segment, et considérez une hausse du volume accompagnée d’une baisse de conversion comme un signal pour examiner qui entre dans l’entonnoir.

La qualité dépend aussi de l’adéquation et du moment : le prospect correspond-il aux clients que vous savez servir, a-t-il un vrai problème que vous résolvez, est-il proche d’une décision ? Les critères de qualification, la rapidité d’attribution et le suivi influencent tous le taux ; un chiffre faible n’est donc pas forcément un problème marketing — il peut venir d’une réponse lente ou d’une partie de la cohorte jamais travaillée par les commerciaux.

Un taux plus élevé signifie qu’une plus grande part de la cohorte est devenue cliente. Il n’a de sens que comparé à votre propre référence : même source, même segment et même fenêtre d’observation sur des périodes antérieures.

Attention au décalage de cohorte. Une cohorte récente paraît presque toujours moins bonne qu’une ancienne, car beaucoup de ses prospects sont encore dans le cycle de vente. Comparez des cohortes du même âge — par exemple 90 jours après la création du prospect — ou attendez que le cycle habituel soit écoulé.

Ne comparez pas ce taux avec un taux visite → prospect ou MQL → SQL. Leurs dénominateurs sont différents et ils mesurent d’autres étapes de l’entonnoir.

Leviers concrets

• Convenir avec les commerciaux d’une définition écrite du prospect et des prospects à traiter obligatoirement, puis vérifier que chaque prospect de la cohorte a bien été travaillé.
• Réduire le délai entre la création du prospect et le premier contact humain.
• Réorienter le budget vers les sources dont les cohortes convertissent, pas seulement vers celles qui produisent le plus de prospects.
• Supprimer les points de collecte à faible intention (jeux-concours, contenus sans lien avec l’offre) ou les orienter vers la maturation au lieu de les compter comme prospects commerciaux.
• Analyser par source les prospects perdus ou non traités pour repérer les problèmes d’adéquation avant d’acheter plus de volume.

Erreurs fréquentes

• Compter au numérateur des clients qui ne viennent pas de la cohorte, comme des recommandations ou des comptes existants.
• Compter des formulaires ou des contacts avec doublons au lieu de prospects uniques.
• Comparer une cohorte de deux semaines avec une cohorte qui a eu six mois pour convertir.
• Mélanger plusieurs dénominateurs (visites, MQL, SQL, opportunités) dans un même rapport sans les nommer.
• Considérer un volume de prospects plus élevé comme un succès avant de connaître la conversion de la cohorte.

Comparaison de scénarios

Les scénarios prudent et optimiste font varier les clients convertis de ±20 % et les prospects uniques de ±20 %. Ils montrent la sensibilité du taux à chaque terme de la fraction ; ce sont des illustrations, pas des prévisions.

Remarquez que davantage de prospects à clients constants fait baisser le taux. Le scénario qui compte est souvent celui où les clients augmentent avec les prospects : si le volume progresse mais pas les clients, les prospects supplémentaires n’étaient pas ceux dont vous aviez besoin.

Le résultat décrit une cohorte à un instant donné. Les prospects continuent de convertir après la fermeture de la fenêtre ; le taux est donc un plancher tant que le cycle de vente habituel n’est pas écoulé.

L’attribution influe sur le numérateur. Un client exposé à plusieurs campagnes peut être attribué à une source en premier contact et à une autre en dernier contact ; indiquez la règle utilisée.

Les petites cohortes donnent des taux instables : avec 50 prospects, un client de plus ou de moins déplace le taux de deux points.

Le taux ne dit rien de la valeur des clients. Une source moins performante en conversion peut apporter des clients plus importants ou plus fidèles.