Pourquoi l''analyse de cohortes change tout
L''analyse de cohortes (cohort analysis) est l''outil d''analytics qui révèle ce que les moyennes cachent. Une entreprise peut afficher une croissance globale flatteuse alors que chaque nouvelle cohorte se dégrade — symptôme d''un produit qui perd en pertinence. À l''inverse, une croissance plate peut masquer des cohortes qui s''améliorent fortement, signe que le produit s''affine.
Concrètement : on regroupe les utilisateurs par mois d''acquisition (cohorte de janvier, cohorte de février, etc.) puis on suit leur rétention, leurs revenus ou leur engagement mois après mois.
Les types de cohortes les plus utilisés
| Type de cohorte | Critère de regroupement | Cas d''usage |
|---|---|---|
| Acquisition | Mois ou semaine de signup | SaaS, e-commerce, app mobile |
| Comportementale | Première action clé (ex. : « a invité un collègue ») | Mesurer l''effet d''une activation |
| Tarification | Plan choisi à l''acquisition | Comparer la rétention par tier |
| Canal d''acquisition | Source du lead (SEO, paid, referral) | Mesurer la qualité par canal |
| Géographique | Pays ou ville | Adapter le produit par marché |
Lecture d''une matrice de cohorte
Une matrice de rétention type, en pourcentage de clients encore actifs :
| Cohorte | M0 | M1 | M2 | M3 | M4 | M5 |
|---|---|---|---|---|---|---|
| Janv. (100 clients) | 100 % | 78 % | 65 % | 58 % | 53 % | 50 % |
| Févr. (120 clients) | 100 % | 80 % | 68 % | 60 % | 56 % | — |
| Mars (140 clients) | 100 % | 84 % | 72 % | 64 % | — | — |
| Avril (160 clients) | 100 % | 87 % | 76 % | — | — | — |
| Mai (180 clients) | 100 % | 89 % | — | — | — | — |
Lecture :
- Chaque ligne représente une cohorte.
- La colonne « M0 » est toujours à 100 % (mois d''acquisition).
- Plus on va à droite, moins on a de données (les cohortes récentes n''ont pas encore vécu autant de mois).
- Une amélioration verticale (chaque cohorte fait mieux que la précédente sur la même colonne) = produit qui s''améliore.
Dans l''exemple ci-dessus, la rétention M1 passe de 78 % à 89 % en cinq mois : le produit s''est nettement amélioré (meilleur onboarding, nouvelles features rétentantes).
La courbe de rétention : trois formes possibles
- Décroissante puis flat : santé idéale. Après un churn initial, un noyau dur reste fidèle. Facebook, Slack, Notion.
- Décroissante exponentielle : l''entreprise perd sans cesse. Modèle viable uniquement avec une acquisition massive et continue.
- « Smile curve » : la rétention re-monte à long terme grâce aux comebacks. Très rare, signe d''un produit indispensable.
Outils pour faire de l''analyse de cohortes
- Mixpanel, Amplitude, Heap, PostHog : outils dédiés au product analytics, matrices de cohortes en un clic.
- Google Analytics 4 : intègre une vue cohortes simplifiée.
- dbt + Looker / Metabase : pour les équipes data qui veulent du sur-mesure.
- Stripe Sigma : cohortes de revenus directement depuis les données de facturation.
Cohort analysis et LTV
L''analyse de cohortes est la méthode la plus rigoureuse pour calculer la LTV. Au lieu d''appliquer une formule moyennée (souvent fausse), on observe réellement combien chaque cohorte a payé cumulativement sur 12, 24 ou 36 mois. C''est ainsi que se valorisent les SaaS lors des dues diligence : un investisseur examine d''abord les cohortes, pas la croissance globale.
Erreurs classiques à éviter
- Mélanger les segments : une cohorte « tous clients » est inutile, il faut séparer par persona, plan ou canal.
- Comparer des cohortes de tailles trop différentes : 10 utilisateurs vs 1 000, le bruit statistique masque tout.
- Ne regarder que la rétention logo : un client peut rester mais payer moins. Toujours doubler par une cohorte de revenus.
- Conclure trop tôt : il faut au minimum 3 à 6 mois de recul pour qu''une cohorte ait du sens.
Les 4 questions auxquelles répond la cohort analysis
- Notre produit s''améliore-t-il ? (Comparaison verticale dans la matrice).
- Quel canal d''acquisition recrute les meilleurs clients ? (Cohortes par source).
- Quel plan tarifaire fidélise le mieux ? (Cohortes par plan).
- Quelle action d''onboarding fait basculer un utilisateur en client à long terme ? (Cohortes comportementales — le fameux « aha moment »).