Cohortes de rétention : découvrez ce que cachent les moyennes

Définition simple

Une cohorte de rétention est un groupe d'utilisateurs qui se sont inscrits au cours de la même période (généralement une semaine ou un mois), suivis sur des périodes ultérieures pour voir quel pourcentage reste actif. Contrairement au taux de désabonnement global, qui regroupe tous les utilisateurs, l'analyse de cohorte isole chaque groupe afin que vous puissiez voir si les nouveaux utilisateurs restent mieux que les plus anciens.

Cette distinction est importante. Votre taux de désabonnement global peut être de 6 % chaque mois, mais si votre cohorte de janvier se maintient à 45 % après 3 mois et que votre cohorte de mars se maintient à 60 %, votre produit s'améliore. Les mesures globales cachent cela. Les cohortes le révèlent.

Pourquoi c'est important

Cohorte de rétention est une métrique critique pour les fondateurs bootstrappés car elle représente la réalité de votre entreprise. Avant la PMF, cette métrique peut sembler abstraite. Mais une fois que vous avez des clients payants et une récurrence de revenu, ignorer cette métrique devient dangereux pour votre trajectoire de croissance.

La plupart des fondateurs solo commettent l'erreur de se concentrer sur la mauvaise métrique au mauvais moment. Avant 1 000 $ MRR, les meilleures métriques sont l'activation et le produit-marché fit. Entre 1 000 $ et 10 000 $ MRR, cohorte de rétention devient très pertinent. Au-delà de 10 000 $ MRR, elle devient l'une de vos trois leviers de croissance principaux.

La raison pour laquelle les fondateurs solo échouent rarement à cause d'un manque d'idées brillantes. Ils échouent parce qu'ils ne mesurent pas systématiquement les métriques qui comptent et ne itèrent pas sur les améliorations.

Erreurs courantes

1. Calcul trop précoce. Si vous avez 5 clients, cette métrique est du bruit, pas du signal. Attendez au moins 50 clients et 2-3 mois de données avant de tirer des conclusions. Trop tôt et vous verrez la variance aléatoire, pas les modèles réels.

2. Ignorer les variations par segment. Vos clients acquis via blog peuvent se comporter différemment de ceux acquis via annonces payantes. Vos clients d'entreprise peuvent fonctionner différemment que vos petits clients. Segmentez toujours vos métriques pour voir le vrai signal.

3. Optimiser sans contexte. Améliorer cette métrique de 10% signifie-t-elle 10% plus de revenu ? Pas nécessairement. Comprendre l'impact en amont et en aval avant d'optimiser. Concentrez-vous sur le changement qui aura le plus grand impact sur les revenus.

4. Oublier que la causalité fonctionne dans les deux sens. Une métrique basse peut indiquer un problème produit, un problème de positionnement ou que vous attirez les mauvais clients. Avant d'optimiser, comprenez pourquoi elle est basse.

Comment agir sur la base de cela

Calculez cette métrique pour vos 30 derniers clients maintenant. Avez-vous les données ? Si oui, établissez une base de référence et écrivez-la. C'est votre première étape vers l'amélioration.

Identifiez votre segment de client de plus grande valeur. Est-ce une cohérte mensuelle spécifique ? Un canal d'acquisition ? Un type de client ? Concentrez-vous sur ce segment et essayez d'améliorer cette métrique pour eux.

Lancez une petite expérience pour améliorer cette métrique de 5-10%. Mesurez, apprenez, itérez. Le compounding sur 12 mois de ces petites améliorations crée une énorme différence.

Comment le calculer

Regroupez les utilisateurs par semaine d'inscription, puis suivez le pourcentage encore actif aux semaines 1, 2, 4, 8, 12.

Exemple pour une cohorte de février (100 inscriptions) :

Week	Active users	Retention
0	100	100%
1	64	64%
2	48	48%
4	35	35%
8	28	28%
12	24	24%

La baisse la plus importante se situe toujours de la semaine 0 à la semaine 1. Si vous pouvez faire passer ce chiffre de 64 % à 75 %, chaque chiffre en aval s'améliore. C'est pourquoi l'intégration est si importante.

Exemple

Vous exécutez une application de budgétisation. Votre cohorte de novembre (80 utilisateurs) a un taux de rétention de 18 % à la semaine 8. Vous repensez l'expérience de première exécution en décembre pour afficher un exemple de budget pré-rempli au lieu d'un écran vide. Votre cohorte de décembre (90 utilisateurs) affiche une rétention de 29 % à la semaine 8. Même produit, mêmes canaux marketing, mais une meilleure première impression. Alignez les deux courbes de cohorte côte à côte et vous pourrez littéralement voir l’impact de ce changement. Aucune autre mesure ne vous donne cette clarté quant à l'efficacité d'un changement de produit spécifique.

Lecture connexe

• [Taux de désabonnement](/fr/glossary/taux de désabonnement)
• [Taux d'activation](/fr/glossary/taux d'activation)