Analytique app et rétention : events et cohortes
Quels évènements suivre dans une app mobile, comment lire les cohortes, où repérer la chute de rétention : un cadre analytique pas à pas.
Équipe rabbitclipPublié: 6 min de lecture
En bref
L'analytique d'application ne consiste pas à compter combien de fois un bouton est touché, mais à voir à quelle étape une personne pose l'application et ne revient pas. La rétention mesure si une personne ayant installé l'application l'ouvre encore un jour plus tard, une semaine plus tard et un mois plus tard ; sans lire ces trois points ensemble, un nombre de téléchargements ne dit rien à lui seul.
Une mesure bien construite montre quel écran perd les utilisateurs et quelle fonctionnalité les fait revenir. Une mesure mal construite collecte des dizaines d'évènements et ne répond toujours à aucune vraie question, car ce qui compte réellement pour l'activité n'a jamais été défini au départ.
Cet article couvre quels évènements méritent d'être suivis, à quoi sert la lecture par cohorte, pourquoi le premier jour et la première semaine comptent plus que les mois suivants, comment construire un plan analytique étape par étape et les erreurs qui reviennent.
Quels évènements suivre
Un évènement enregistre une action précise que fait une personne dans l'application : inscription terminée, premier rendez-vous réservé, article ajouté au panier, abonnement démarré. L'évènement qui mérite d'être suivi est celui directement lié au revenu ou à la fidélité, pas chaque tap sur chaque écran.
Dans l'application d'une chaîne de spas, l'évènement qui compte est «rendez-vous terminé», pas «écran d'accueil ouvert». Dans une application d'approvisionnement B2B, c'est «demande de devis envoyée», l'action la plus proche du véritable objectif de l'application. Sans trancher cela tôt, une équipe finit par collecter des milliers de lignes de données qu'elle ne peut jamais utiliser pour décider.
Une règle utile consiste à demander, pour chaque nouvelle fonctionnalité, ce qui change pour l'activité si elle est utilisée. Si la réponse est claire, cette action devient un évènement ; si elle ne l'est pas, l'objectif de la fonctionnalité doit d'abord être clarifié avant d'ajouter un évènement.
Ce qu'est une cohorte, et pourquoi on la lit par semaine et non par jour
Une cohorte est le groupe de personnes qui ont installé l'application pour la première fois la même semaine. Ce groupe est ensuite suivi pour voir combien ouvrent encore l'application une semaine plus tard, un mois plus tard ; chaque nouvelle semaine forme sa propre cohorte, ce qui permet de les comparer entre elles.
La lecture jour par jour fait ressortir des variations parasites comme la différence semaine-weekend ou les jours fériés ; la lecture par cohorte sert justement à filtrer ce bruit. Quand un écran d'onboarding change, comparer la courbe de rétention des cohortes avant et après le changement montre s'il a réellement fonctionné.
Un tableau de cohortes montre, dans une application d'achat, quelle semaine de nouveaux utilisateurs revient acheter, et dans une application de réservation, quelle semaine réserve un second rendez-vous ; cela porte bien plus d'information qu'un simple total cumulé.
Pourquoi le premier jour et la première semaine sont décisifs
Le moment aha est celui où une personne découvre pour la première fois la vraie valeur de l'application : une livraison qui arrive sans accroc, un premier cours réservé avec succès. Si la personne n'atteint pas ce moment lors de la première session ou du premier jour, l'envie de revenir chute rapidement.
C'est pourquoi le comportement du premier jour et de la première semaine porte plus d'information que celui des mois suivants. Une personne qui n'a jamais touché la fonctionnalité centrale en semaine un est bien plus difficile à reconquérir en fin de mois que quelqu'un qui n'a jamais été perdu au départ.
L'onboarding se trouve donc au centre d'un plan analytique ; le nombre d'étapes et le temps mis pour atteindre le moment aha est un indicateur qui mérite d'être suivi à part.
Comment repérer les signaux qui font chuter la rétention
Une analyse d'entonnoir déroule dans l'ordre les étapes vers un objectif ; elle montre à quelle étape une partie des utilisateurs décroche. Dans une application B2B, si des utilisateurs quittent le formulaire de devis à la troisième étape sans le finir, le problème se trouve dans le formulaire lui-même.
Les plantages et les écrans lents sont aussi des signaux techniques qui font chuter la rétention ; une personne qui rencontre un plantage à sa deuxième ouverture ne revient souvent pas pour une troisième. C'est pourquoi un plan analytique doit couvrir la stabilité technique, pas seulement le comportement utilisateur.
Les formulaires de retour et les avis sur les stores, lus avec les chiffres, montrent ce qu'un signal signifie réellement ; le chiffre répond au où, l'avis complète le pourquoi.
Étape par étape : construire un plan analytique
Un plan analytique commence sur le papier, avant d'installer un quelconque outil : quelle action suivre, quelle cohorte observer et quel seuil compte comme bon sont tous écrits en premier.
- Définir une ou deux actions centrales importantes pour l'activité (le moment aha)
- Marquer cette action avec un nom d'évènement unique et cohérent, ne pas créer plusieurs évènements aux noms similaires
- Mettre en place des cohortes hebdomadaires de nouveaux utilisateurs, suivre la rétention à jour un et jour sept
- Dérouler les étapes vers le moment aha comme un entonnoir, marquer où le décrochage a lieu
- Revoir la mesure chaque mois, comparer la courbe de cohorte après chaque changement produit
Erreurs fréquentes
Les erreurs qui reviennent dans la mise en place analytique viennent moins de la collecte des données que de l'échec à les transformer en bonne question.
- Marquer chaque bouton comme son propre évènement et noyer les données dans le bruit
- Ne regarder que le nombre de téléchargements et ne jamais suivre la rétention
- Lire tous les utilisateurs comme un seul groupe sans distinction de cohorte
- Mettre en place un outil analytique et ne plus le regarder pendant des mois
- Poursuivre un objectif vague comme «l'engagement» sans jamais définir le moment aha
L'analytique d'application prend son sens une fois le bon évènement choisi, la lecture par cohorte en place et la première semaine sous surveillance ; le choix de l'outil vient après. Lors d'un appel découverte avec rabbitclip, le dispositif de mesure existant est examiné et l'action qui compte vraiment pour l'activité est clarifiée ensemble.
Questions fréquentes
Comment se calcule le taux de rétention ?
Il suit le pourcentage de personnes ayant ouvert l'application pour la première fois une semaine donnée qui l'ouvrent encore une semaine ou un mois plus tard ; un outil montre ce chiffre par cohorte.
Quels évènements faut-il absolument suivre ?
La fin de l'inscription et les une ou deux actions centrales les plus proches du revenu ou de la fidélité de l'activité, pas chaque tap sur chaque écran.
L'analyse de cohorte vaut-elle la peine pour une petite application ?
Oui ; même avec une base d'utilisateurs modeste, voir quelle semaine revient affine les décisions produit.
Combien de temps prend la mise en place de l'analytique ?
La mise en place technique est rapide une fois la liste d'évènements et la définition des cohortes fixées ; le vrai temps passe surtout à décider ce qu'il faut mesurer.
