Comment fonctionne l'analyse de cohortes ?
Vous regroupez les utilisateurs selon leur date d'arrivée — les inscrits de janvier, ceux de février — puis vous mesurez le même comportement pour chaque groupe au même âge relatif : jour 1, jour 7, jour 30. Le résultat prend généralement la forme d'une grille où chaque ligne est une cohorte et chaque colonne un âge. Lire une colonne de haut en bas répond à la question qu'une moyenne agrégée ne peut pas trancher : les nouvelles cohortes retiennent-elles mieux que les anciennes, ou le produit fait-il du surplace pendant que l'acquisition croît ?
Comment lire une courbe de rétention ?
Tracez le taux de rétention d'une cohorte en fonction du temps écoulé depuis l'inscription : la courbe part de 100 % et descend. Sa forme compte plus que n'importe quel point isolé. Une courbe qui glisse vers zéro signifie que tous les utilisateurs finissent par partir — la croissance remplit un seau percé, et votre taux d'attrition rattrapera l'acquisition. Une courbe qui s'aplatit signifie qu'un noyau d'utilisateurs s'est installé. Les praticiens de la croissance lisent souvent une courbe qui s'aplatit comme un signal de product-market fit ; c'est une heuristique plutôt qu'un test formel, mais une heuristique largement éprouvée.
Pourquoi c'est important pour une équipe de deux personnes
Les métriques agrégées avantagent les produits en croissance : quand les inscrits de ce mois-ci sont plus nombreux que ceux de l'an passé, la moyenne est dominée par des utilisateurs trop récents pour être partis. Les cohortes suppriment cette distorsion avec un simple regroupement — et la requête est assez simple pour tourner en SQL sur vos propres événements. Croisez la colonne du jour 30 avec votre taux d'activation pour vérifier que les changements d'onboarding tiennent dans la durée. Que faire quand une cohorte fléchit — parcours de reconquête, messages de cycle de vie — est traité dans le guide rétention et flux de reconquête.
Quelles sont les erreurs courantes de l'analyse de cohortes ?
Trois reviennent sans cesse. Des cohortes trop petites pour faire signal — dans une cohorte de 20 utilisateurs, une seule personne déplace la rétention de cinq points ; lisez la tendance sur plusieurs cohortes plutôt que sur une seule. Comparer des cohortes d'âges différents — une cohorte de deux mois paraît toujours meilleure qu'une cohorte de douze mois au mois douze, faute de données. Et définir « actif » trop largement — si l'ouverture d'un e-mail compte comme rétention, la courbe vous flatte. Rattachez « actif » à l'action qui délivre la valeur cœur de votre produit, pas à une simple connexion.