L'analyse de cohorte regroupe tes clients selon le mois où ils t'ont rejoint, puis suit chaque groupe séparément dans le temps. Au lieu d'une moyenne globale, tu vois comment le groupe de janvier se comporte au troisième mois comparé au groupe de juin. Cela sépare l'effet de tes changements de produit de l'effet de la croissance.
Tu construis un tableau de cohortes avec les mois d'arrivée en lignes et les mois écoulés depuis l'arrivée en colonnes. Chaque cellule indique combien de membres de ce groupe sont encore actifs. Lire une colonne de haut en bas te dit si les clients plus récents se comportent mieux que les plus anciens.
Un exemple. Ta cohorte de janvier compte 200 clients. Après trois mois, 120 paient encore, donc la rétention au troisième mois est de 60 %. Ta cohorte de juin compte 500 clients, et après trois mois 350 restent, soit 70 %. Quelque chose que tu as changé entre janvier et juin a fonctionné. Un chiffre de rétention global sur tous les clients masquerait cela, parce que le groupe de juin, plus important, tire la moyenne de son côté.
Les cohortes révèlent aussi le problème inverse. Une croissance rapide fait paraître le churn global faible, simplement parce que la plupart des clients sont récents et que personne n'a encore eu le temps de partir. Quand la croissance ralentit, le churn qui était toujours là devient visible.
L'erreur que font les fondateurs est de comparer des cohortes d'âges différents. Ta cohorte de juin existe depuis trois mois et celle de janvier depuis huit. Bien sûr, une plus grande part du groupe de janvier est partie. Compare le troisième mois avec le troisième mois, le sixième avec le sixième, et ne confronte jamais les chiffres d'une jeune cohorte à toute la vie d'une ancienne.
Tu n'as pas besoin d'une grande base de clients pour cela. Avec 50 clients par mois, tu peux déjà voir si la rétention au deuxième mois évolue. Les tableaux de cohortes fonctionnent aussi pour le chiffre d'affaires, la fréquence de commande et l'usage, pas seulement pour la rétention.
