L’art de mesurer la rétention de vos visiteurs ou clients

Pour réussir à fidéliser davantage vos clients, il faut évidemment mesurer précisément votre rétention, le fameux taux d’attrition, ou churn rate en anglais. La question est classique, et pourtant ce n’est jamais une question simple. En partie parce qu’une mesure fiable de la rétention suppose au préalable une définition précise de ce que l’on entend par « rétention », et ce que cette définition dépend beaucoup de votre activité. Une mauvaise définition de la rétention conduit fatalement à une mauvaise mesure. On va essayer de vous donner quelques conseils utiles pour calculer (ou affiner) votre rétention.

Quelle période de retours choisir pour définir la rétention ?

La définition du taux de rétention est a priori très simple et très claire : le taux de rétention définit la proportion d’utilisateurs (ou de clients) qui reste utilisateurs (ou clients) d’une période à l’autre. Si 60% de vos utilisateurs actifs à la date N sont toujours utilisateurs actifs à la date N+1, votre taux de rétention est de 60% (et votre taux d’attrition de 40%). Cet exemple est théorique, car il suppose que vous n’avez acquis aucuns nouveaux utilisateurs entre N et N+1 comme nous le verrons, mais il permet de bien comprendre ce qu’est le taux de rétention.

Le taux de rétention exprime votre capacité à « retenir » vos utilisateurs, et donc à les fidéliser. Le problème, c’est que cette définition de la rétention et du taux qui en découle se garde bien de répondre à cette question décisive : quelle période ou fréquence de retours choisir ? A partir de combien de temps d’inactivité un utilisateur est considéré comme inactif ? En réalité, il est tout à fait logique que les définitions de la rétention ne donnent aucunes indications sur la fréquence pertinente dans la mesure où cette fréquence dépend du service en question.

Si vous développez un site ou une application de streaming musical (type Spotify), l’idéal serait que les utilisateurs utilisent votre service tous les jours. Mais si vous développez une application de réservation de billets d’avions, vous pourrez vous estimer satisfait si les utilisateurs utilisent le service une fois tous les six mois.

Lorsque l’on cherche à mesurer la rétention, la première chose à faire est de définir une fréquence de retour de référence. C’est très important car la manière dont on définit la rétention a des impacts sur les actions marketing, et plus largement sur le développement de votre activité. Concrètement, à partir de quelle période d’inactivité devez-vous envoyer à vos utilisateurs une campagne de reconquête (email, coupon de réduction, bonus…) ? Si vous envoyez trop tôt, cela agacera vos utilisateurs. Si vous envoyez trop tard, la reconquête deviendra très difficile et vous risquez de perdre beaucoup d’utilisateurs. Bien définir la fréquence de retour est indispensable pour calculer le taux de rétention, mais aussi pour calculer des métriques plus complexes comme la valeur vie des clients.

Voici quatre conseils pour fixer la fréquence cible entre deux retours et définir la rétention :

• Dans l’idéal, avec quelle fréquence souhaiteriez-vous que vos utilisateurs utilisent votre service ? Vous devez commencer par répondre à cette question. Vous devez aussi définir la fréquence qui vous paraît atteignable et réaliste d’après la nature de votre produit. La fréquence choisie dépend de vos objectifs.
• Vous devez analyser vos données actuelles, en utilisant la méthode des cohortes. L’idée est de comparer plusieurs groupes (chaque groupe regroupant des personnes qui se sont inscrites le même jour), en examinant l’évolution des taux de retours de ces différents groupes au fil du temps.

A titre d’exemple, voici l’évolution du taux de retours de personnes qui se sont inscrites le 1er janvier 2015, en prenant pour unité d’analyse le mois :

On constate dans cet exemple une chute entre le mois de janvier et le mois de février. Entre janvier et février, la moitié des utilisateurs qui se sont inscrits le 1er janvier ont cessé d’utiliser le service. Mais cela ne nous apprend rien sur la périodicité d’utilisation des utilisateurs actifs. Il faut donc changer d’unité. Voici l’évolution du taux de retours de cette même cohorte, en prenant cette fois pour unité de référence la semaine et non plus le mois :

L’unité hebdomadaire ne permet pas d’en apprendre beaucoup plus. On constate toujours une chute entre janvier (W4) et février (W5).  On constate une réduction, mais pas de périodicités d’utilisation.

Cette fois-ci, on peut clairement voir la périodicité. Il y a un pic tous les trois jours. Ce qui signifie que la fréquence d’utilisation idéale se situe entre deux jours et trois jours. Dit autrement : un utilisateur qui se rend en moyenne une fois tous les deux ou trois jours sur votre service peut être considéré comme un utilisateur actif.

• Si votre diagramme ne fait pas apparaître clairement des périodes, et que vous visez par exemple une période de retour comprise entre 8 et 20 jours, il est toujours conseillé de choisir la plus petite période. Pour deux raisons : premièrement, c’est beaucoup plus challengeant. Votre objectif est de viser une utilisation la plus fréquente possible de votre service. Deuxièmement, il est plus compliqué de mesurer la rétention pour des périodes de retour de 20 jours (si vous voulez apporter des modifications ou faire des A/B tests, vous devrez attendre 20 jours avant d’obtenir les données).
• Renseignez-vous sur la rétention moyenne des produits similaires au vôtre. C’est un conseil qui peut sembler trivial, mais que l’on oublie assez souvent d’appliquer.

Maintenant que l’on sait comment déterminer la période de retour idéale, abordons la deuxième question : comment mesurer le taux de rétention ?

Comment mesurer le taux de rétention ?

Si vous avez déjà essayé de mesurer le taux de rétention ou que vous avez creusé le sujet, vous avez surement dû vous poser des tas de questions. Pour faciliter la compréhension, nous allons nous intéresser à l’évolution du taux de rétention au jour le jour (Daily Retention Rate).

Comment s’y prendre pour calculer le taux de rétention ? L’erreur la plus fréquente consiste à calculer la rétention en comparant le nombre d’utilisateurs actifs d’une journée à l’autre. En suivant le raisonnement suivant :

• J’avais 10 000 utilisateurs actifs le 20/02/2017
• J’avais 9 000 utilisateurs actifs le 21/02/2017
• Donc mon taux de rétention est de 90%.

Disons-le tout de suite : ce résultat est incorrect. En effet, il est possible qu’aucun des 10 000 utilisateurs qui se sont inscrits le 20 février ne revienne le lendemain et que les 9 000 utilisateurs actifs du 21 février soient de nouveaux utilisateurs, qui se sont inscrits dans la journée du 21. Dans ce cas, le taux de rétention est égal à 0% – ce qui est une très mauvaise nouvelle ! Le raisonnement illustré ci-dessus ne serait correct que si et seulement si aucuns nouveaux utilisateurs ne s’étaient inscrits le 21 février, ce qui est très improbable.

Une solution déjà plus pertinente consisterait à raisonner de cette manière :

• J’avais 10 000 utilisateurs actifs le 20/02, dont 2 000 qui se sont inscrits le jour même.
• J’avais 9 000 utilisateurs actifs le 21/02, dont 3 000 qui se sont inscrits le jour même.
• Par conséquent, taux de rétention = ((9 000 – 3 000) / (10 000 – 2 000)) = 75%.

Cette méthode de calcul est bien meilleure que la première, mais n’est toujours pas complètement satisfaisante. Pourquoi ? Parce que l’on met dans le même « sac » les utilisateurs qui sont inscrits depuis un ou deux jours et ceux qui se sont inscrits depuis un an.

La seule méthode efficace pour mesurer l’évolution du taux de rétention d’un jour à l’autre sur plusieurs mois ou années est la méthode des cohortes. A première vue, ce n’est pas la méthode qui permet le plus facilement de visualiser l’évolution du taux de rétention. Mais c’est la méthode qui seule permet d’obtenir toutes les informations nécessaires pour calculer de la manière la plus précise qui soit le taux de rétention.

L’analyse des cohortes consiste, on l’a vu plus haut, à répartir les utilisateurs en groupes distincts (= en cohortes). Chaque groupe réunit les utilisateurs qui se sont inscrits le même jour, la même semaine ou le même mois (à vous de le définir). Cette technique permet de calculer l’évolution du taux de rétention pour chaque groupe. Voici un exemple de tableau d’analyse de cohortes (réalisé via Mixpanel) :

MixPanel fait partie des outils de référence en matière de data analyse. Pour découvrir d’autres outils d’analyse des données, nous vous invitons à lire notre article « La boite à outils du Data Analyst« .

Dans cet exemple, chaque cohorte représente une ligne et réunit les utilisateurs qui se sont inscrits la même semaine. Au total, il y a 9 cohortes. Le taux de rétention de la cohorte de janvier est de 84,63% la première semaine, de 79,08% la deuxième semaine, de 73,52% la troisième semaine, etc. On observe à peu près les mêmes tendances pour les autres cohortes. A ceci près que la baisse du taux de rétention est plus rapide dans les dernières cohortes. Visiblement, quelque chose s’est produit entre temps : une décision marketing, un bug du produit, etc. L’analyse des cohortes permet de déceler des variations de rétention très fines et d’observer de manière précise les impacts que vos actions ont sur la rétention.

Résumons-nous. Pour calculer la rétention, vous devez procéder en deux temps :

• Vous devez tout d’abord définir une période/fréquence de retour cible. De préférence, choisissez une période courte, mais en prenant toujours en compte les données dont vous disposez déjà sur le comportement de vos utilisateurs et en faisant du benchmarking (comparaison des taux de rétention de services équivalents).
• Vous devez privilégier la méthode des cohortes pour obtenir des résultats précis et clair sur votre taux de rétention.

CRM / Data - Plus de 15 ressources & templates gratuits à télécharger.

Découvrir