Une courbe de rétention agrégée mélange des clients arrivés à des moments différents, par des canaux différents, avec des attentes différentes. L'analyse de cohortes sépare ces populations pour rendre la comparaison possible.
La réponse courte. Une cohorte est un groupe défini par un critère commun, le plus souvent la période d'arrivée. En suivant plusieurs cohortes côte à côte, on distingue ce qui relève d'une évolution du produit de ce qui relève d'une évolution de la population acquise. C'est la seule méthode qui permette de dire si une modification a réellement amélioré la rétention.
Cet article traite la méthode. Pour le panorama général des données de rétention, voir notre article dédié.
Les quatre types de cohortes utiles
La cohorte d'acquisition
Groupée par période d'inscription : janvier, février, mars. C'est la forme la plus courante et le point de départ naturel.
Elle répond à : la rétention des nouveaux clients s'améliore-t-elle ou se dégrade-t-elle dans le temps ?
La cohorte d'activation
Groupée non par date d'arrivée mais par franchissement d'une étape : ceux qui ont réussi leur premier import, ceux qui ne l'ont pas fait.
Elle répond à : cette étape est-elle réellement déterminante pour rester ? C'est la cohorte la plus utile pour valider votre définition de l'activation.
La cohorte comportementale
Groupée par usage : ceux qui utilisent la fonctionnalité X, ceux qui ne l'utilisent pas.
Elle répond à : quels comportements sont associés à la rétention ? Attention à la causalité, sur laquelle nous revenons plus bas.
La cohorte par forfait ou segment
Groupée par plan tarifaire, taille de compte ou canal d'acquisition.
Elle répond à : quel segment retenons-nous bien, et lequel perdons-nous ?
Lire une table de rétention
Une table de cohortes se lit dans deux directions, et confondre les deux est l'erreur la plus fréquente.
En ligne, vous suivez une cohorte qui vieillit. Cela vous montre la forme de sa courbe : chute puis plateau, ou déclin continu.
En colonne, vous comparez plusieurs cohortes au même âge. C'est la seule lecture qui permette de dire « la rétention au troisième mois s'améliore », parce qu'elle compare des choses comparables.
Une amélioration visible en colonne, sur plusieurs cohortes consécutives, est un signal solide. Une amélioration sur une seule cohorte peut n'être que du bruit.
Les erreurs qui faussent la lecture
Les cohortes trop petites. Une cohorte de douze comptes produit des variations de plusieurs points qui ne signifient rien. Regroupez sur des périodes plus larges plutôt que d'interpréter du bruit.
Les cohortes incomplètes. La cohorte du mois en cours n'a pas fini son premier mois. La faire figurer à côté des autres suggère un effondrement qui n'est qu'un artefact de calendrier.
La confusion entre corrélation et causalité. Constater que les comptes utilisant la fonctionnalité X restent davantage ne prouve pas que X retient. Il se peut que les comptes déjà engagés découvrent X. Pousser X aux comptes désengagés ne produira alors aucun effet. Seul un test permet de trancher.
Le changement de définition en cours de route. Si vous modifiez la définition d'un compte actif, les cohortes avant et après ne sont plus comparables. Datez vos définitions.
Ce que les cohortes ne disent pas
Une table de cohortes localise un problème avec précision : cette population, à ce moment, décroche. Elle n'en donne jamais la raison.
Pour la raison, il faut demander. Les demandes de fonctionnalités émanant des comptes d'une cohorte qui décroche sont particulièrement informatives, tout comme les réponses aux enquêtes de résiliation de cette même cohorte. Croiser une cohorte problématique avec le feedback qu'elle a produit est l'étape qui transforme une observation en action.
Ce que FlagUp apporte, et ce qu'il faut ailleurs
FlagUp ne construit pas de tables de cohortes. Cela relève d'un outil d'analytics produit ou d'une requête sur votre base.
FlagUp couvre la couche qualitative que vous croisez ensuite avec ces cohortes : le feedback collecté, regroupé et noté en sentiment, et les signaux de risque de départ issus du texte. Quand une cohorte décroche, ce corpus est l'endroit où chercher pourquoi.
Questions fréquentes
Quelle taille minimale pour une cohorte ?
Il n'y a pas de seuil absolu, mais en dessous de quelques dizaines de comptes les variations deviennent difficiles à distinguer du bruit. Élargissez la période plutôt que de conclure.
Mensuel ou hebdomadaire ?
Mensuel dans la plupart des cas SaaS. L'hebdomadaire n'a d'intérêt que si votre cycle d'activation se compte en jours.
Comment savoir si une amélioration est réelle ?
En la voyant se répéter sur plusieurs cohortes consécutives, à âge égal. Une seule cohorte ne suffit jamais.
En quoi cela diffère-t-il des données de rétention en général ?
L'analyse de cohortes est une méthode à l'intérieur de ce domaine. Le panorama couvre aussi l'activation, l'adoption et la segmentation, qui ne sont pas nécessairement analysées par cohorte.
Faut-il un outil dédié ?
Non pour commencer. Une table de cohortes mensuelles se produit avec une requête SQL. L'outil aide quand vous voulez multiplier les segmentations rapidement.
Pour aller plus loin
- Les données de rétention, pour le panorama général
- Les benchmarks de churn, pour la question des repères
- La boucle de feedback structurée, pour agir sur ce que vous trouvez