Les données de rétention vous disent avec une grande précision combien de clients partent et quand. Elles ne vous disent jamais pourquoi. C'est la limite structurelle de toute mesure quantitative, et c'est ce qui rend la couche qualitative indispensable.
La réponse courte. Quatre familles de données couvrent l'essentiel : la courbe de rétention, les indicateurs d'activation, les indicateurs d'adoption, et la segmentation. Ensemble, elles localisent le problème. Le feedback utilisateur l'explique.
Cet article traite le panorama général. L'analyse de cohortes, qui est une méthode précise à l'intérieur de ce panorama, fait l'objet d'un article dédié.
La courbe de rétention
C'est la vue la plus fondamentale : quelle proportion d'une population reste active au fil du temps.
Trois formes se rencontrent couramment.
La courbe qui chute puis se stabilise. Une part importante part très tôt, puis le reste demeure. C'est le profil le plus fréquent et le plus sain : le plateau indique que le produit tient sa promesse pour un segment identifiable. Le travail porte alors sur la chute initiale, c'est-à-dire l'activation.
La courbe qui décline régulièrement sans plateau. Le produit n'installe pas d'habitude durable. C'est le profil le plus préoccupant, parce qu'aucun segment ne s'ancre.
La courbe qui remonte. Rare, généralement liée à une saisonnalité ou à un retour d'utilisateurs après une absence.
Regardez la forme avant de regarder les chiffres. La forme oriente le diagnostic ; le niveau absolu n'a de sens que comparé à vous-même.
L'activation
L'activation mesure si un nouvel utilisateur atteint le moment où le produit devient utile pour lui.
Le point à définir est propre à chaque produit : premier import réussi, première invitation acceptée, première intégration connectée. Il ne se devine pas, il se déduit en comparant le comportement des comptes qui restent et de ceux qui partent.
Une chute initiale forte sur la courbe de rétention pointe presque toujours vers l'activation, pas vers le produit dans son ensemble.
L'adoption
L'adoption mesure l'usage dans la durée : quelles fonctionnalités sont utilisées, à quelle fréquence, par qui.
Le signal le plus utile n'est pas le taux d'adoption d'une fonctionnalité, mais le décrochage d'usage sur un compte qui était actif. Un compte dont la fréquence de connexion baisse depuis six semaines est un signal plus précoce que n'importe quelle enquête.
La segmentation
Une courbe agrégée mélange des populations qui n'ont rien à voir. Segmentez au minimum par :
- canal d'acquisition,
- taille de compte,
- forfait,
- cas d'usage principal quand vous pouvez l'identifier.
Il est courant qu'un taux global médiocre cache un segment excellent et un segment catastrophique. Agir sur la moyenne revient alors à agir sur personne. La même logique s'applique au suivi des comptes : les stratégies Customer Success se choisissent par segment, pas pour tout le parc.
La limite, et comment la dépasser
Vos données vous diront que les comptes acquis par un canal donné partent au bout de deux mois. Elles ne vous diront pas si c'est parce que le canal attire les mauvaises attentes, parce qu'une fonctionnalité manque, ou parce que l'onboarding ne correspond pas à ce segment.
Les trois hypothèses appellent trois actions opposées. Choisir sans savoir, c'est jouer.
La couche qualitative répond à cette question. Concrètement : un widget de feedback dans le produit, une boîte à suggestions où les besoins s'accumulent et se votent, et une enquête au moment de la résiliation. Les demandes de fonctionnalités émanant des comptes qui décrochent sont particulièrement informatives.
Ce que FlagUp couvre, et ce qu'il ne couvre pas
FlagUp ne produit pas de courbes de rétention, ne mesure pas l'activation et ne fait pas d'analytics d'événements. Ces besoins relèvent d'un outil d'analytics produit.
FlagUp couvre la couche qualitative : collecte du feedback, regroupement, note de sentiment, et signaux de risque de départ construits à partir de ce que les utilisateurs écrivent. C'est la moitié complémentaire, pas un remplacement. La plupart des équipes utilisent les deux.
Questions fréquentes
Quelle est la différence avec l'analyse de cohortes ?
L'analyse de cohortes est une méthode particulière consistant à suivre dans le temps des groupes constitués selon un critère commun. C'est un outil à l'intérieur du panorama décrit ici.
Quel taux de rétention viser ?
Il n'existe pas de cible universelle : elle dépend du modèle, du segment et du prix. Comparez-vous à votre propre évolution plutôt qu'à un repère externe.
Faut-il un outil d'analytics pour commencer ?
Non. Une courbe de rétention par cohorte mensuelle se construit à partir de votre base de données. L'outil devient utile quand vous voulez segmenter finement et rapidement.
Le décrochage d'usage prédit-il le départ de façon fiable ?
Il le prédit souvent, pas toujours. Certains comptes ont un usage saisonnier légitime. C'est un signal à croiser, pas une conclusion.
Par où commencer avec peu de données ?
Par la forme de la courbe et par la définition de votre point d'activation. Ces deux éléments orientent presque toujours le premier chantier.
Pour aller plus loin
- L'analyse de cohortes, pour la méthode détaillée
- Les benchmarks de churn, pour la question des repères
- Les signaux de churn, pour la couche prédictive