200 SaaS B2B self-serve, 4 modèles de conversion, 2 marqueurs transverses. Voici exactement d'où viennent les moyennes auxquelles ton funnel est comparé — et comment les lire.
Les bandes de référence croisent trois sources publiques — les benchmarks ChartMogul, les données ProductLed et les benchmarks produit de Kyle Poyar (édition 2026) — recoupées avec les données mesurées sur mes propres missions.
Le panel retenu : 200 produits B2B self-serve, c'est-à-dire des SaaS où l'utilisateur s'inscrit et paie seul, sans passer par une équipe commerciale. Les produits sales-led en sont exclus par construction.
Une moyenne situe, elle ne prescrit pas. La distribution des taux de conversion est bimodale : deux SaaS du même modèle peuvent avoir des funnels très différents et être sains tous les deux. C'est pour ça que le rapport croise toujours ton chiffre avec le contexte de ton produit — et qu'on le fait ensemble pendant le call.
La répartition du panel par modèle et les références Essai → Payant sont indicatives : elles servent à situer, pas à trancher. Le diagnostic précis se fait sur tes données, pendant l'audit.
Part des visiteurs de ta landing qui créent un compte, sur un mois. Inscrits ÷ visiteurs.
Part des inscrits qui atteignent la première valeur de ton produit dans les 7 jours. Activations ÷ inscrits.
Pour les modèles à essai : part des essais arrivés à terme qui saisissent une carte.
Le bout en bout du funnel : part des inscrits du mois qui deviennent clients payants. Payants ÷ inscrits.
Part des clients payants toujours là 30 jours après leur premier paiement.
Ton chiffre dépasse la moyenne d'au moins 10 %.
Ton chiffre est à ±10 % de la moyenne de ton modèle.
Entre 70 % et 90 % de la moyenne : un écart réel, rattrapable vite.
En dessous de 70 % de la moyenne : c'est là que le manque à gagner se chiffre.
Le tout est recoupé avec les données mesurées sur mes missions (+80 clients, +20 M€ récupérés).