Une moyenne globale ment souvent par omission. Si votre taux d'utilisateurs actifs reste stable d'un mois à l'autre, vous pourriez croire que tout va bien. Mais ce chiffre peut cacher une fuite : les anciens utilisateurs partent, masqués par un afflux de nouveaux. La photo d'ensemble paraît figée alors que le bateau prend l'eau.
L'analyse de cohorte résout ce problème en figeant un groupe à sa naissance. Tous les utilisateurs acquis en janvier forment la cohorte de janvier, et on les suit ensuite sans jamais y ajouter personne. On observe alors purement comment cette génération se comporte, mois après mois, indépendamment des arrivées suivantes. Le temps devient l'axe d'analyse central.
Le tableau de rétention est la représentation classique. Chaque ligne correspond à une cohorte, le plus souvent un mois d'acquisition. Les colonnes mesurent le temps écoulé depuis l'arrivée : mois 0 (l'acquisition), mois 1, mois 2, et ainsi de suite. La couleur de chaque cellule traduit le taux d'utilisateurs encore actifs : foncé quand la rétention est forte, pâle quand elle s'effrite.
Deux lectures cohabitent. En suivant une ligne, vous voyez comment une cohorte se vide avec le temps. En comparant une colonne, vous mettez plusieurs cohortes au même âge côte à côte : c'est ainsi que l'on détecte qu'une génération plus récente retient mieux ou moins bien que les précédentes.
Si vous reportez une ligne du tableau sur un graphique, vous obtenez une courbe de rétention. Sa forme raconte presque tout. La chute initiale, du mois 0 au mois 1, est toujours la plus marquée : une grande partie des nouveaux venus essaient une fois sans revenir. C'est attendu, et ce n'est pas le signal à surveiller en priorité.
Ce qui compte, c'est la suite. Une bonne rétention se reconnaît à un aplatissement de la courbe : après quelques mois, elle cesse de descendre et se stabilise sur un plateau. Ce plateau, même modeste, représente le noyau d'utilisateurs réellement fidèles, ceux sur qui repose la valeur durable du produit. À l'inverse, une courbe qui continue de glisser vers zéro signale un produit qui ne retient personne, où chaque euro d'acquisition finit par s'évaporer.
Mesurer l'impact d'un changement. Vous refondez l'accueil d'un nouvel utilisateur en avril ? Comparez la cohorte d'avril aux précédentes au même âge. Si sa rétention au mois 1 grimpe nettement, l'amélioration porte ses fruits, sans que l'effet soit dilué dans une moyenne tous mois confondus.
Surveiller la qualité de l'acquisition. Si vos campagnes ramènent de plus en plus de monde mais que les cohortes récentes retiennent de moins en moins, c'est que vous achetez du volume de mauvaise qualité. Le tableau le montre avant que le chiffre d'affaires ne décroche.
Estimer la valeur vie client. En combinant rétention et revenu moyen par utilisateur, on projette combien rapporte une cohorte sur toute sa durée de vie, ce qui borne le budget d'acquisition acceptable.
Le tableau décrit un comportement, il n'en livre jamais la cause. Une cohorte qui décroche vous alerte, mais c'est à vous d'enquêter pour comprendre pourquoi. Les petites cohortes sont aussi trompeuses : sur un faible volume, un écart de quelques utilisateurs fait bondir un pourcentage qui n'a aucune signification statistique.
Enfin, les colonnes les plus récentes sont incomplètes par construction : la cohorte de ce mois n'a pas encore vécu son mois 3. Il faut donc résister à la tentation de comparer une cohorte jeune et une cohorte mûre sur des données partielles, sous peine de conclusions hâtives.
