Click Through Rate (CTR)

  • Concept
  • Débutant
  • Transversal
  • Toujours utilisé

En bref

Le CTR mesure le pourcentage de personnes ayant cliqué sur un lien ou une publicité parmi celles qui l'ont vu.

Définition complète

Le taux de clic (Click Through Rate, ou CTR) est un indicateur qui mesure le pourcentage de personnes ayant cliqué sur un lien, une publicité ou un résultat, parmi celles qui l’ont vu s’afficher. Il permet de savoir si un message donne envie d’en savoir plus.

Formule : Taux de clic = (Nombre de clics / Nombre d’affichages) x 100

Par exemple, si une publicité s’affiche 1 000 fois et reçoit 25 clics, son taux de clic est de 2,5 %.

Attention : un taux de clic élevé ne garantit pas des ventes ou des résultats concrets. Un message très cliqué mais qui ne mène pas à une page utile peut attirer des visiteurs déçus qui repartent aussitôt.

À quoi ça sert

Le taux de clic permet de savoir si un titre, une image ou une publicité attire suffisamment l’attention pour donner envie d’en savoir plus. Il aide à comparer plusieurs versions d’un même message pour choisir la plus efficace.

Il sert aussi à évaluer la pertinence d’un ciblage publicitaire : un taux de clic très faible peut signaler que le message s’adresse à des personnes peu concernées, plutôt qu’un problème de contenu.

Enfin, dans une campagne publicitaire payante, le taux de clic influence souvent le coût de diffusion : un message qui attire davantage de clics coûte généralement moins cher par clic, ce qui en fait un indicateur suivi de près par les annonceurs.

Cas d'usage typiques

– Comparer : quelle version d’une publicité ou d’un titre d’e-mail obtient le meilleur taux de clic ? / Choisir la formulation la plus efficace.
– Évaluer : le ciblage d’une campagne publicitaire touche-t-il vraiment les bonnes personnes ? / Corriger un ciblage trop large ou mal choisi.
– Diagnostiquer : pourquoi une publicité très vue reçoit-elle très peu de clics ? / Identifier un problème de message, d’image ou de public visé.
– Optimiser : quel objet d’e-mail donne le plus envie d’ouvrir puis de cliquer sur le lien à l’intérieur ? / Améliorer les résultats d’une campagne d’e-mailing.
– Suivre : le taux de clic d’une publicité baisse-t-il avec le temps ? / Repérer le moment où il faut renouveler un visuel devenu trop familier.

Ce que tu sauras faire

Calculer et interpréter un taux de clic pour évaluer et améliorer l'attractivité d'un message, d'une publicité ou d'un e-mail.

Mises en situation

Situation 1 : une publicité vue mais jamais cliquée

Contexte : Une publicité pour un salon de coiffure s’affiche des milliers de fois mais génère très peu de clics.

Application : Le gérant teste une nouvelle image et un message plus précis mettant en avant une offre concrète.

Résultat attendu : Le taux de clic augmente nettement avec le nouveau message, confirmant que le premier n’était pas assez engageant.

Situation 2 : un e-mail jamais ouvert au bon endroit

Contexte : Une boutique en ligne envoie une newsletter avec un bon taux d’ouverture mais très peu de clics vers les produits en promotion.

Application : Elle met le lien vers la promotion plus haut dans l’e-mail et utilise un bouton plus visible.

Résultat attendu : Le taux de clic de la newsletter double par rapport aux envois précédents.

Situation 3 : un ciblage publicitaire trop large

Contexte : Une entreprise de formation professionnelle diffuse une publicité auprès d’un très large public, avec un taux de clic très faible.

Application : Elle restreint le ciblage aux personnes ayant déjà manifesté un intérêt pour la formation continue.

Résultat attendu : Le taux de clic augmente fortement, car le message atteint désormais un public réellement concerné.

Application guidée : comparer deux titres d’annonce

Contexte : Une annonce publicitaire A obtient 40 clics pour 2 000 affichages, tandis qu’une annonce B obtient 60 clics pour 2 000 affichages.

Question : Quel est le taux de clic de chaque annonce, et laquelle faut-il privilégier ?

Résultat attendu : L’annonce A a un taux de clic de 2 % et l’annonce B de 3 % ; l’annonce B doit être privilégiée, mais il faut aussi vérifier que ses clics se transforment bien en résultats concrets avant de généraliser ce choix.

Application guidée : distinguer un problème de message d’un problème de cible

Contexte : Une campagne publicitaire pour une salle de sport obtient un taux de clic de 0,3 %, très inférieur à la moyenne habituelle du secteur.

Question : Comment déterminer si le problème vient du message publicitaire ou du ciblage choisi ?

Résultat attendu : Tester le même visuel auprès d’un public différent, plus proche des clients habituels de la salle : si le taux de clic reste bas partout, le problème vient du message ; s’il s’améliore avec un public mieux ciblé, le problème venait du ciblage.

Pour bien le retenir

L'analogie

Le taux de clic, c’est comme l’affiche d’un film à l’entrée d’un cinéma : beaucoup de gens la voient en passant, mais seuls quelques-uns s’arrêtent pour lire le résumé. Le taux de clic mesure combien de passants se sont arrêtés, sans dire s’ils ont ensuite acheté un billet.

« Voir n'est pas cliquer, et cliquer n'est pas acheter. »

Pièges à éviter

À ne pas confondre avec

Une confusion fréquente consiste à croire qu'un taux de clic élevé signifie automatiquement une campagne réussie. En réalité, il faut aussi regarder ce qui se passe après le clic : la personne achète-t-elle, s'inscrit-elle, ou repart-elle aussitôt ?

Une autre erreur est de comparer le taux de clic de canaux très différents, comme un e-mail et une publicité sur un réseau social, sans tenir compte du fait que chaque canal a ses propres habitudes et ses propres niveaux de taux de clic normaux.

Enfin, il ne faut pas oublier qu'un taux de clic très bas n'est pas toujours un échec : sur un public très large et peu qualifié, il peut simplement refléter un ciblage à affiner plutôt qu'un mauvais message.

Évolution historique

Apparition : Années 1990, avec l'apparition des premières bannières publicitaires en ligne

Quels changements depuis l’arrivée de l’IA ?

Avant

Améliorer un taux de clic demandait de tester manuellement plusieurs versions d’un message, souvent sur une longue période, avant de savoir laquelle fonctionnait le mieux.

Aujourd’hui

Des outils s’appuyant sur l’intelligence artificielle peuvent générer et tester automatiquement plusieurs variantes d’un titre ou d’une image publicitaire, puis ajuster la diffusion en temps réel vers les versions les plus cliquées, ce qui accélère fortement l’optimisation, même pour de petites campagnes.

Évolution historique

Années 1990 : les premières bannières publicitaires sur internet font apparaître le besoin de mesurer le nombre de clics obtenus.

Années 2000 : les moteurs de recherche généralisent la publicité payante au clic, rendant le taux de clic central dans le pilotage des campagnes.

Années 2010 : les réseaux sociaux et le ciblage publicitaire de plus en plus précis permettent d’analyser le taux de clic par public, par format et par créneau horaire.

Années 2020 : l’intelligence artificielle et l’automatisation des campagnes publicitaires facilitent le test rapide de nombreuses variantes pour améliorer le taux de clic en continu.