Lorsque vous développez et lancez une application, le succès à long terme ne se limite pas à faire télécharger votre application. Il s’agit d’inciter vos utilisateurs à l’utiliser régulièrement. Pour cela, vous devez aller au-delà des metrics de base comme le nombre de téléchargements et même le nombre d’utilisateurs actifs quotidiens (DAU) / mensuels (MAU). En effet, ces derniers ne mesurent que superficiellement la croissance et la rétention. Vous devez approfondir votre connaissance du comportement des utilisateurs de votre application en utilisant une méthode : l’analyse de cohorte.
Nous nous sommes inspirés de ce très bon article de Pushpa Makhija pour clevertap.com ainsi que de notre expérience sur le sujet pour vous proposer cet article.
Sommaire
Qu’est-ce que l’analyse de cohorte ?
L’analyse de cohorte est un sous-ensemble de l’analyse comportementale. Pour analyser les données d’une plateforme ecommerce ou d’une application, l’approche consiste à diviser es utilisateurs en groupes apparentés au lieu de les considérer comme une seule unité. Ces groupes apparentés, ou cohortes, partagent généralement des caractéristiques ou des expériences communes dans un laps de temps défini.
L’analyse de cohorte est un outil permettant de mesurer l’engagement des utilisateurs au fil du temps. Elle permet de savoir si l’engagement des utilisateurs s’améliore réellement au fil du temps ou s’il semble s’améliorer uniquement en raison de la croissance.
L’analyse de cohorte s’avère précieuse car elle permet de séparer les mesures de croissance des mesures d’engagement, la croissance pouvant facilement masquer les problèmes d’engagement. En réalité, le manque d’activité des anciens utilisateurs est masqué par le nombre impressionnant de nouveaux utilisateurs, ce qui a pour conséquence de dissimuler le manque d’engagement d’un petit nombre de personnes.
Exemple d’analyse de cohorte
Comprenons l’utilisation de l’analyse de cohorte avec un exemple. Voici ci-dessous une cohorte quotidienne d’utilisateurs qui ont utilisé l’application pour la première fois et l’ont revisitée dans les 10 jours suivants.
Source clevertap.com
À partir du tableau de rétention ci-dessus, nous pouvons déduire ce qui suit :
- 1358 utilisateurs ont lancé l’application le 26 janvier. La rétention au premier jour était de 31,1%, la rétention au septième jour était de 12,9%, et la rétention au neuvième jour était de 11,3%. Ainsi, le 7ème jour après avoir utilisé l’application, 1 utilisateur sur 8 ayant lancé l’application le 26 janvier était encore un utilisateur actif de l’application.
- Sur l’ensemble des nouveaux utilisateurs durant cette période (13 487 utilisateurs), 27% des utilisateurs sont conservés le 1er jour, 12,5% le 7ème jour et 12,1% le 10ème jour.
En outre, la lecture du tableau de cohorte ci-dessus présente deux avantages principaux :
- La durée de vie du produit. En comparant différentes cohortes au même stade de leur cycle de vie, on peut voir quel pourcentage des personnes d’une cohorte reviennent à l’application après 3 jours et ainsi de suite. Les premiers mois du cycle sont liés à la qualité de votre expérience d’onboarding et aux performances de l’équipe chargée de la réussite du client.
- La durée de vie de l’utilisateur. Etudier la relation à long terme avec les personnes d’une cohorte quelconque. Pour savoir combien de temps les personnes reviennent et quelle est la force ou la valeur de cette cohorte. On peut supposer que cela est lié à la qualité du produit, des opérations et du support.
Quels que soient les paramètres d’évaluation clés que vous définissez pour l’entreprise, l’analyse de cohorte vous permet de voir comment les paramètres évoluent au cours de la vie du client et de la vie du produit.
Contactez Cartelis
pour enfin capitaliser sur vos données clients.
Cartelis vous accompagne dans le cadrage et le déploiement d'une stratégie data et CRM vraiment impactante.
Analyse client, Choix des outils, Pilotage projet et Accompagnement opérationnel.
Prendre contact avec CartelisDonnées de cohorte
Pour l’analyse de cohorte, la répartition dans les différents groupes d’utilisateurs peut être réalisée de deux façons :
- Cohortes d’acquisition : Répartissez les utilisateurs en fonction du moment où ils se sont inscrits pour la première fois à votre produit. Pour les utilisateurs de votre application, vous pouvez diviser vos cohortes par jour, semaine ou mois de lancement de l’application, et ainsi suivre les cohortes quotidiennes, hebdomadaires ou mensuelles. Dans ce cas, en mesurant la rétention de ces cohortes, vous pouvez déterminer combien de temps les gens continuent à utiliser votre application depuis leur point de départ.
- Cohortes comportementales : Répartissez les utilisateurs en fonction de leur comportement sur votre application au cours d’une période donnée. Il peut s’agir d’un nombre quelconque d’actions distinctes qu’un utilisateur peut effectuer : Installation de l’application, Lancement de l’application, Désinstallation de l’application, Transaction ou Chargement, ou toute combinaison de ces actions / événements.
Dans ce cas, une cohorte peut être un groupe d’utilisateurs qui ont effectué certaines actions dans un délai donné – par exemple, dans les 3 premiers jours d’utilisation de l’application. Vous pouvez ensuite contrôler combien de temps les différentes cohortes restent actives dans votre application après avoir effectué certaines actions.
Voyons maintenant comment vous pouvez utiliser les cohortes d’acquisition et de comportement pour déterminer exactement ce que font vos utilisateurs et quand ils le font.
Cohortes d’acquisition : Détecter les moments problématiques de votre application
Reprenons la cohorte quotidienne ci-dessous, qui est une cohorte d’acquisition.
Source clevertap.com
Une façon de visualiser cette information est de tracer une courbe de rétention, montrant la rétention de ces cohortes dans le temps. Ce graphique permet de déduire très facilement quand les utilisateurs quittent votre produit.
Source clevertap.com
Cette courbe de rétention reflète immédiatement une donnée importante : environ 75 % des utilisateurs cessent d’utiliser l’application après le premier jour. Après cette première baisse importante, une deuxième baisse rapide se produit après le 5e jour – jusqu’à moins de 12 %, avant que la courbe ne commence à se stabiliser après le 7e jour, laissant environ 11 % des utilisateurs initiaux toujours actifs dans l’application au 10e jour.
La courbe de rétention ci-dessus indique que les utilisateurs n’accèdent pas suffisamment rapidement à la valeur de base de l’application, ce qui entraîne les baisses. Il est donc évident qu’il faut améliorer l’expérience d’onboarding pour que l’utilisateur accède à la valeur de base le plus rapidement possible, ce qui augmentera la rétention.
Ainsi, les cohortes d’acquisition sont très utiles pour identifier les tendances et le moment où les gens se bousculent, mais il est difficile d’obtenir des informations exploitables. Comprendre pourquoi les utilisateurs ne reviennent pas, par exemple. C’est pourquoi cela nécessite l’utilisation d’un autre type de cohortes, les cohortes comportementales
Cohortes comportementales : Analyse de la rétention
Un exemple simple de cohorte comportementale peut être : « tous les utilisateurs qui lisent les avis avant d’acheter un produit ». Cela peut apporter des réponse à des questions intéressantes, comme :
- Les utilisateurs qui lisent les commentaires ont-ils un taux de conversion plus élevé que les utilisateurs qui ne lisent pas les commentaires ?
- Les utilisateurs sont-ils plus engagés (sessions plus longues), passent plus de temps dans l’application, moins d’abandons ?
Un utilisateur d’application, après l’installation et/ou le lancement d’une application, prend des centaines de décisions et manifeste d’innombrables petits comportements qui l’amènent à décider de rester ou de partir. Ces comportements peuvent être n’importe quoi, par exemple, utiliser la fonction principale Y mais pas la fonction principale Z, ne s’engager qu’avec des notifications de type X, etc.
Testons le comportement des utilisateurs en comparant la rétention entre les cohortes inférieures :
Source clevertap.com
Les deux segments d’utilisateurs avaient l’intention de faire des transactions sur votre application. Mais un segment d’utilisateurs a choisi de passer à la caisse, l’autre a choisi d’abandonner votre application. Que pouvez-vous faire pour réduire l’abandon du panier d’achat ?
L’analyse des cohortes permet d’obtenir des réponses à des questions telles que :
- Quel est le meilleur moment pour renouer avec vos utilisateurs ? Quel est le meilleur moment pour se re-commercialiser ?
- Quel est le taux d’acquisition de nouveaux utilisateurs pour maintenir (voire augmenter) le taux de conversion de votre application ?
À partir des tableaux de rétention ci-dessus, vous pouvez conclure que la majorité des utilisateurs qui avaient abandonné le panier d’achat n’ont pas repris contact avec l’application, même pas un jour après la date d’acquisition. Vous avez donc moins de 24 heures pour les recibler avec la nouvelle offre et augmenter les chances d’obtenir des revenus.
À partir de ces données, vous pouvez développer une approche systématique et quantitative pour savoir comment les utilisateurs peuvent tomber amoureux de votre application – et ensuite faire en sorte que cela se reproduise encore et encore. Vous pouvez également élaborer des stratégies pour augmenter votre taux de fidélisation après avoir déterminé ce qui fonctionne et ce qui ne fonctionne pas.
Vous souhaitez en savoir plus sur la rétention client ? Découvrez notre article sur le sujet.
La puissance de l’analyse de cohorte réside dans le fait qu’elle permet non seulement de voir quels clients partent et quand ils partent. Mais aussi de comprendre pourquoi les clients quittent votre application et donc de régler ce problème. C’est ainsi que l’on peut identifier le degré de fidélisation des utilisateurs et déterminer les principaux facteurs de croissance, d’engagement et de revenus de l’application.
Si le sujet de l’analyse de cohorte vous intéresse, n’hésitez pas à piocher dans ces ressources pour comprendre comment la mettre en place :
N’hésitez pas à nous laisser un commentaire si vous avez utilisé l’analyse de cohorte d’une autre façon pour optimiser votre produit !
Laisser un commentaire