Bien lire une courbe de rétention commence par l'analyse de cohortes

Qu'est-ce que l'analyse de cohortes?

Dans le reporting produit et revenu, l'analyse de cohortes est la pratique consistant à regrouper les utilisateurs selon un événement de départ commun, comme la semaine de leur inscription, puis à suivre le comportement de ce même groupe dans le temps au lieu de mesurer toute la base d'utilisateurs comme un seul ensemble. Une cohorte est l'un de ces groupes, et un tableau de cohortes aligne plusieurs cohortes côte à côte pour qu'une équipe puisse comparer comment chacune s'est comportée durant sa première semaine, sa quatrième semaine et sa douzième semaine. Le résultat qui rend l'analyse de cohortes utile est la courbe de rétention, qui trace la part d'une cohorte encore active à chaque période après l'événement de départ.

Qu'est-ce qu'une cohorte?

Une cohorte est un groupe d'utilisateurs qui partagent un événement déterminant survenu dans la même fenêtre de temps, le plus souvent une date d'inscription, une date de premier achat ou une première utilisation d'une fonctionnalité précise. Chaque utilisateur d'une cohorte est mesuré selon la même horloge, en comptant les périodes depuis cet événement commun plutôt que par date de calendrier, si bien qu'un utilisateur inscrit en semaine un et un utilisateur inscrit en semaine dix sont tous deux lus à "semaine 4 depuis l'inscription" sur le même axe. Cette horloge commune est ce qui rend les cohortes comparables entre elles, puisque deux cohortes peuvent être alignées période par période même si elles ont démarré à des dates de calendrier différentes.

Quelle est la différence entre une cohorte d'acquisition et une cohorte comportementale?

Une cohorte d'acquisition regroupe les utilisateurs selon le moment où ils sont arrivés, comme tous ceux inscrits durant la même semaine, tandis qu'une cohorte comportementale regroupe les utilisateurs selon ce qu'ils ont fait, comme tous ceux ayant terminé l'onboarding ou tous ceux passés à un plan payant. Les cohortes d'acquisition répondent à la question de savoir si un produit devient meilleur ou pire pour garder les utilisateurs qu'il attire au fil du temps, puisque chaque nouvelle semaine d'inscription devient sa propre ligne sur le graphique. Les cohortes comportementales répondent à la question de savoir si une action précise change ce qui se passe ensuite, puisqu'une équipe peut comparer la courbe de rétention des utilisateurs ayant pris cette action à celle des utilisateurs qui ne l'ont pas prise. Les deux types de cohorte reposent sur la même logique de rétention; seule la règle de regroupement qui répartit les utilisateurs en lignes change.

Comment calcule-t-on la rétention à l'intérieur d'une cohorte?

La rétention d'une cohorte sur une période donnée est le nombre d'utilisateurs de cette cohorte encore actifs pendant cette période, divisé par le nombre d'utilisateurs avec lequel la cohorte a démarré.

cohort retention rate = active users in period / users in original cohort x 100

Une cohorte de 500 utilisateurs inscrits en janvier, dont 175 encore actifs au mois trois, affiche un taux de rétention au mois trois de 35%.

Comment lire une courbe de rétention?

Une courbe de rétention trace le taux de rétention d'une cohorte en fonction des périodes depuis l'événement de départ, et c'est la forme de cette ligne, pas un point isolé dessus, qui indique à une équipe si le produit retient ses utilisateurs. La plupart des courbes chutent fortement dans les premières périodes, à mesure que les utilisateurs ayant essayé le produit une fois sans revenir quittent la cohorte, puis se courbent et s'aplatissent en une pente bien plus douce que la chute initiale. Lisez le point d'aplatissement comme ce qui se rapproche le plus d'une base stable: une courbe qui continue de chuter en période dix a un problème de churn persistant, tandis qu'une courbe stabilisée dès la période quatre s'est installée sur un groupe d'utilisateurs qui reviennent sans cesse.

La cohorte A et la cohorte B s'installent toutes deux sur un plateau, mais B perd moins d'utilisateurs en chemin et se stabilise à un niveau plus élevé, la différence qu'un seul taux de rétention moyen ne ferait jamais ressortir.

Pourquoi un taux de rétention moyen masque-t-il ce qu'un tableau de cohortes montre?

Un seul taux de rétention moyen masque le schéma parce qu'il mélange en un seul chiffre des cohortes situées à des points totalement différents de leur propre courbe, si bien qu'une entreprise en progression et une entreprise en déclin peuvent afficher la même moyenne par coïncidence. Un utilisateur acquis il y a huit semaines et déjà stabilisé sur le plateau compte de la même façon qu'un utilisateur acquis la semaine dernière et encore dans la chute initiale abrupte, même si leur comportement de rétention signifie des choses différentes pour l'avenir du produit. Deux produits peuvent afficher une rétention moyenne identique de 45% ce mois-ci alors que l'un a des cohortes qui se stabilisent à 53% et l'autre des cohortes qui continuent de chuter au-delà de 53% vers un plancher inconnu, et seul le tableau de cohortes distingue ces deux situations.

Que faire après avoir lu un tableau de cohortes?

Comparez les cohortes récentes à des cohortes plus anciennes dans la même colonne pour voir si la rétention progresse ou recule à chaque période, puisqu'une cohorte plus récente qui affiche un meilleur score qu'une cohorte plus ancienne en semaine 4 est un premier signe qu'un changement récent du produit a aidé. Segmentez les cohortes comportementales les unes contre les autres, comme les utilisateurs ayant terminé une étape précise de l'onboarding contre ceux l'ayant sautée, pour tester si cette étape explique une courbe plus forte plutôt qu'une coïncidence. Associez le tableau de cohortes aux données de funnel de la même période, puisqu'une cohorte qui décroche tôt est souvent restée bloquée à une étape précise plutôt que d'avoir perdu tout intérêt d'un coup.

Comment l'analyse de cohortes se rattache-t-elle au churn et à l'engagement?

La courbe de rétention d'une cohorte et son churn rate décrivent les mêmes utilisateurs sous deux angles opposés, puisque les utilisateurs qu'une cohorte perd entre deux périodes sont exactement les utilisateurs comptés comme churnés durant cette fenêtre. Lire les courbes de rétention à côté du taux d'engagement et du parcours client sous-jacent montre non seulement combien d'utilisateurs une cohorte a gardés, mais ce que ces utilisateurs ont réellement fait avant que ceux qui sont partis n'arrêtent de revenir. L'analytique en temps réel de Flowsery suit les parcours utilisateurs et les événements d'objectif au moment où ils se produisent, si bien que l'activité qui alimente un tableau de cohortes provient des mêmes données que le reste du reporting d'une équipe plutôt que d'un export séparé.

Questions fréquentes

Quelle est la définition la plus simple de l'analyse de cohortes?

L'analyse de cohortes regroupe les utilisateurs selon un événement de départ commun, comme leur semaine d'inscription, puis suit le comportement de ce même groupe dans le temps au lieu de faire la moyenne de toute la base d'utilisateurs. Le résultat est généralement une courbe de rétention ou un tableau de cohortes montrant comment l'activité de chaque groupe change période par période.

Quelle est la différence entre une cohorte et un segment?

Une cohorte est définie par un événement de départ commun et suivie à partir de ce point fixe dans le temps, tandis qu'un segment est un groupe défini par un trait commun, comme le pays ou le type de plan, mesurable à n'importe quel moment donné. Une cohorte intègre toujours un axe temporel; un segment n'en a pas besoin.

Combien d'utilisateurs faut-il avant que l'analyse de cohortes soit utile?

Il n'existe pas de minimum fixe, mais une cohorte avec trop peu d'utilisateurs produit une courbe de rétention qui oscille fortement dès qu'un seul utilisateur part ou reste, ce qui rend le schéma difficile à croire. Attendez que les cohortes hebdomadaires ou mensuelles contiennent chacune assez d'utilisateurs pour que le comportement d'une seule personne ne déplace pas toute la ligne avant de tirer des conclusions de sa forme.

Pourquoi une courbe de rétention chute-t-elle fortement au début avant de s'aplatir?

La forte chute initiale reflète les utilisateurs ayant essayé le produit une fois sans trouver de raison de revenir, tandis que le plateau plus plat qui suit représente le groupe plus restreint ayant trouvé une valeur durable et continuant à revenir. Repérer où une courbe s'aplatit, pas seulement jusqu'où elle est tombée, indique à une équipe si elle a trouvé un noyau stable d'utilisateurs.

Deux cohortes peuvent-elles avoir la même rétention moyenne mais des courbes différentes?

Oui, une cohorte peut chuter vite au début et s'aplatir à un plancher bas tandis qu'une autre chute lentement et se stabilise à un plancher plus élevé, tout en aboutissant à une rétention moyenne globale similaire sur toute la période mesurée. Seul le tableau de cohortes période par période, et non une simple moyenne, montre laquelle de ces deux situations se produit réellement.

En quoi une cohorte d'acquisition diffère-t-elle d'une cohorte comportementale?

Une cohorte d'acquisition regroupe les utilisateurs selon le moment où ils sont arrivés, comme leur semaine d'inscription, et sert à voir si la rétention s'améliore de version en version. Une cohorte comportementale regroupe les utilisateurs selon une action qu'ils ont prise, comme terminer l'onboarding, et sert à tester si cette action précise change la courbe de rétention par rapport aux utilisateurs qui ne l'ont pas prise.

Quelle doit être la durée de chaque période dans un tableau de cohortes?

La plupart des tableaux de cohortes utilisent des périodes hebdomadaires ou mensuelles selon le moment où l'événement de départ commun a eu lieu, puis suivent chaque cohorte sur cette même horloge. Les périodes hebdomadaires montrent la chute initiale abrupte avec plus de détail, ce qui compte pour un produit où le churn apparaît vite. Quelle que soit la durée choisie, chaque ligne du tableau doit l'utiliser, sinon les colonnes ne correspondent plus.

Le même taux de rétention moyen peut-il signifier deux choses différentes pour une entreprise?

Deux produits peuvent tous les deux afficher un taux de rétention moyen de 45% ce mois-ci alors que l'un a des cohortes qui se stabilisent à 53% et l'autre a des cohortes qui continuent de chuter au-delà de 53% vers un plancher inconnu. La moyenne traite les deux entreprises de la même façon, mais seul le tableau de cohortes montre laquelle a trouvé une base stable et laquelle continue de perdre du terrain.

Pourquoi associer un tableau de cohortes à des données de funnel?

Un tableau de cohortes montre que la rétention a chuté, mais pas à quel endroit du produit cela s'est produit. L'associer à des données de funnel de la même période montre si une cohorte qui chute tôt s'est bloquée à une étape précise, plutôt que de simplement perdre tout intérêt d'un coup. Cette distinction change ce qu'une équipe corrige: une étape bloquée plutôt qu'un produit que personne ne veut garder.

Comment la courbe de rétention d'une cohorte et son taux de churn sont-ils liés?

La courbe de rétention d'une cohorte et son taux de churn décrivent les mêmes utilisateurs depuis des directions opposées. Les utilisateurs qu'une cohorte perd entre deux périodes sont exactement les utilisateurs comptés comme churn pendant cette fenêtre, si bien qu'une courbe qui passe de 48% à 40% entre deux périodes décrit le même groupe que le taux de churn compte comme perdu.