Qu'est-ce qu'une cohorte ?

Une cohorte est un groupe de clients qui partagent une caractéristique de départ — généralement le mois de leur premier achat — et sont suivis ensemble au fil du temps, le « chronomètre » de chaque client démarrant à son propre premier achat plutôt qu'à une date calendaire. Cette réindexation par âge est ce qui rend comparables les groupes acquis à des moments différents.

Qu'est-ce que l'analyse de cohorte ?

L'analyse de cohorte regroupe les clients en fonction de leur date d'acquisition et suit chaque groupe dans le temps, afin que vous puissiez voir si le comportement a changé ou si la composition des clients a évolué. Une métrique agrégée évolue pour l'une ou l'autre de ces raisons et ne peut pas les distinguer, c'est ainsi qu'une rétention globale stable peut masquer deux grandes tendances opposées.

Pourquoi regrouper par mois d'acquisition ?

Parce que le premier achat est le seul événement que chaque client a exactement une fois, il est enregistré de manière fiable et ne change jamais rétrospectivement. Regrouper sur un événement répétable comme le premier abonnement rend l'appartenance ambiguë, car un client peut annuler et recommencer, ce qui réécrit discrètement chaque graphique historique construit sur cette base.

Comment comparer équitablement deux cohortes ?

Comparez-les au même âge, pas à la même date calendaire. Une cohorte acquise il y a quatre mois a quatre mois d'historique et une acquise le mois dernier en a un, donc tout chiffre cumulatif favorise la plus ancienne par construction. Lisez une colonne du tableau de cohortes — mois 1 contre mois 1 — plutôt que les lignes.

Qu'est-ce que le biais de survie dans l'analyse de cohorte ?

Il se produit lorsque le dénominateur d'une courbe de rétention est constitué des clients toujours actifs plutôt que de la taille de la cohorte d'origine. Mesuré de cette manière, le taux augmente à mesure que les clients les moins engagés sont exclus du calcul, et une cohorte en détérioration peut ressembler à une cohorte en amélioration. Le dénominateur doit rester fixe à la taille de la cohorte de départ tout au long.

Quelle doit être la taille d'une cohorte ?

Suffisamment grande pour que la variation ordinaire ne noie pas le signal. Une cohorte de 40 clients avec un taux de répétition de 20% représente huit personnes, donc deux clients de plus ou de moins la fait osciller entre 15% et 25%. Passez à des cohortes trimestrielles plutôt que de lisser le graphique, et affichez toujours la taille de la cohorte à côté du pourcentage.

Mesure

Cohorte

Une cohorte est un groupe de clients qui partagent une caractéristique de départ — le plus souvent la période durant laquelle ils ont effectué leur premier achat — et qui sont ensuite suivis ensemble au fil du temps.

L'analyse par cohortes est ce qui distingue un changement dans l'activité d'un changement dans la composition. Une métrique agrégée évolue lorsque de nouveaux clients se comportent différemment, lorsque d'anciens clients se comportent différemment, ou lorsque leurs proportions changent, et elle ne peut pas vous dire lequel.

Segmentez les cohortes par canal d'acquisition ainsi que par date. Les clients acquis avec une forte réduction sur leur première commande se fidélisent différemment, et les mélanger avec des clients organiques rend les deux courbes illisibles.

Le diagnostic erroné classique qu'elle prévient : la rétention globale semble stable, donc l'équipe produit en conclut que rien n'a changé. L'analyse par cohortes révèle que chaque nouvelle cohorte se fidélise en fait mieux, tandis que la composition a évolué vers un canal d'acquisition moins cher qui fidélise moins bien — deux grands mouvements opposés qui, en moyenne, donnent une ligne droite. Agir sur le chiffre stable signifie réparer un produit qui s'améliore et développer un canal qui ne le fait pas.

Qu'est-ce qui définit une cohorte, et pourquoi le mois d'acquisition est la valeur par défaut

Une cohorte a besoin de deux choses : un événement de départ partagé, et une horloge qui démarre à cet événement. La seconde est la partie que les gens oublient et celle qui fait tout le travail. Une fois que la chronologie de chaque client est réindexée de sorte que le mois 0 soit leur propre premier mois plutôt qu'un mois calendaire, les clients acquis en janvier et en juillet deviennent directement comparables au même âge. Sans cette réindexation, vous avez un filtre, pas une cohorte.

Le mois d'acquisition est l'événement de départ par défaut pour une raison simple : c'est le seul événement que chaque client a exactement une fois, il ne change jamais rétrospectivement, et il est enregistré de manière fiable. Comparez cela à l'analyse par cohortes basée sur la « première souscription » — un client peut s'abonner, annuler et s'abonner à nouveau, de sorte que l'événement de départ est ambigu et que l'appartenance à la cohorte peut changer après coup, ce qui réécrit discrètement l'historique dans chaque graphique construit sur cette base.

La date d'acquisition n'est pas le seul axe utile, seulement le plus sûr pour commencer. Les cohortes comportementales — premier produit acheté, canal d'acquisition, prix plein versus réduction sur la première commande, appareil, pays — sont souvent plus diagnostiques, et elles se combinent : la cohorte de mars acquise via les réseaux sociaux payants avec 20 % de réduction est une cohorte légitime et souvent celle qui explique un problème de rétention. La règle qui survit à toutes ces segmentations est que l'indice temporel doit être l'âge, et non la date calendaire.

Le mois est le grain standard pour l'e-commerce car la plupart des cycles de répétition sont mesurés en semaines ou en mois. Les cohortes hebdomadaires pour une entreprise réalisant quelques centaines de commandes par mois sont principalement du bruit ; les cohortes trimestrielles pour une entreprise réalisant des dizaines de milliers de commandes cachent trop d'informations. Choisissez le grain qui vous donne des cohortes suffisamment grandes pour être lues, puis ne le modifiez plus.

Lecture d'un triangle de cohortes

Le résultat standard est un triangle : une ligne par cohorte, une colonne par mois d'âge, et de moins en moins de cellules à mesure que vous descendez vers des cohortes qui n'existent pas depuis assez longtemps pour les remplir. La forme n'est pas un défaut. C'est la représentation honnête du fait que les cohortes récentes ont moins d'historique, et tout graphique qui le cache fait une moyenne sur des données qui n'existent pas.

Il y a trois façons de le lire et elles répondent à trois questions différentes. Sur une ligne, c'est le vieillissement d'une cohorte : comment un seul groupe de clients décline. Le long d'une colonne, c'est la comparaison qui compte réellement pour les décisions — les cohortes plus récentes sont-elles meilleures que les plus anciennes au même âge ? Le long de la diagonale, c'est un mois calendaire vécu simultanément par chaque cohorte, et c'est là que les pannes de site, les ruptures de stock et les promotions apparaissent comme une bande traversant les cohortes de tout âge.

Cohorte d'acquisition	Clients	Mois 1	Mois 2	Mois 3	Mois 4
Janvier	1,200	22%	15%	12%	10%
Février	1,350	23%	16%	13%	—
Mars	1,900	25%	17%	—	—
Avril	2,400	26%	—	—	—

Exemple de triangle de cohortes : taux de réachat par mois depuis la première commande

Les erreurs qui font mentir un graphique de cohortes

Lisez la colonne du mois 1 dans cet exemple : 22 %, 23 %, 25 %, 26 %. Les cohortes plus récentes se réengagent plus tôt, ce qui est une réelle amélioration. Remarquez maintenant que les cohortes augmentent également — de 1 200 à 2 400 — de sorte que le taux de réachat agrégé pour l'ensemble des clients est tiré vers le comportement du groupe le plus récent et le plus important, et pourrait évoluer dans presque toutes les directions selon la manière dont les cohortes plus anciennes vieillissent. La vue par cohorte et la vue agrégée peuvent pointer dans des directions opposées sans qu'aucune des deux ne soit fausse.

Comparer des cohortes d'âge inégal. Avril n'a eu qu'un mois et janvier en a eu quatre, donc toute mesure cumulative favorise janvier par construction. Comparez toujours à âge égal — mois 1 contre mois 1 — et ne classez jamais les cohortes par un chiffre cumulé à ce jour.
Survie dans le dénominateur. Une courbe de rétention calculée sur les « clients toujours actifs » mesure les survivants, pas la cohorte. Le dénominateur doit rester la taille de la cohorte d'origine pendant toute la durée de vie de la courbe, sinon le nombre augmente à mesure que les clients les moins engagés sont exclus du calcul.
Censure à droite en bas. Les cohortes les plus récentes ont des lignes incomplètes. Les inclure dans une moyenne de synthèse la tire vers le bas ; les exclure entièrement la biaise vers le haut en supprimant les preuves les plus récentes. Affichez le triangle et laissez les lacunes visibles.
Analyse par cohortes basée sur un événement répétable. Première souscription, première installation d'application, première connexion — n'importe lequel de ces événements peut se produire deux fois, ce qui rend l'appartenance à la cohorte modifiable et chaque graphique historique instable.
Effets calendaires se manifestant à des âges différents. Le Black Friday est le mois 1 pour la cohorte d'octobre et le mois 11 pour celle de décembre précédent, de sorte qu'un pic saisonnier apparaît à une position différente sur chaque courbe. Faire la moyenne des courbes étale un événement réel sur tout l'axe horizontal.
Modifier la définition de la cohorte sans réécrire l'historique. Un tableau de cohortes où « nouveau client » signifiait quelque chose de différent avant juin est l'équivalent de deux graphiques tracés sur un même axe.

Quand les chiffres sont trop petits pour agir

L'analyse par cohortes échoue discrètement sur de petits volumes car un pourcentage d'un petit nombre évolue par grands pas. Une cohorte de 40 clients avec un taux de réachat de 20 % au mois 1 représente 8 personnes ; deux clients de plus ou de moins donnent 15 % ou 25 %, et un envoi retardé peut produire cela. Un graphique de telles cohortes ressemble à une entreprise avec une rétention extrêmement volatile, alors qu'il s'agit en réalité d'une entreprise avec des cohortes de 40 clients.

La réponse pratique est d'élargir le grain plutôt que de lisser le graphique — des cohortes trimestrielles de 500 sont lisibles là où des cohortes mensuelles de 160 ne le sont pas — et de placer la taille de la cohorte dans une colonne à côté des taux afin que personne ne lise un pourcentage sans savoir de quoi il est le pourcentage. L'exemple de triangle ci-dessus le fait délibérément.

Agissez ensuite sur la comparaison des colonnes plutôt que sur celle des lignes. La ligne vous indique que les clients déclinent, ce qu'ils font toujours. La colonne vous indique si les cohortes que vous acquérez ce trimestre sont meilleures au même âge que celles que vous avez acquises le trimestre dernier, et c'est la seule question du graphique sur laquelle on peut agir.

Questions fréquentes

Qu'est-ce qu'une cohorte ?: Une cohorte est un groupe de clients qui partagent une caractéristique de départ — généralement le mois de leur premier achat — et sont suivis ensemble au fil du temps, le « chronomètre » de chaque client démarrant à son propre premier achat plutôt qu'à une date calendaire. Cette réindexation par âge est ce qui rend comparables les groupes acquis à des moments différents.
Qu'est-ce que l'analyse de cohorte ?: L'analyse de cohorte regroupe les clients en fonction de leur date d'acquisition et suit chaque groupe dans le temps, afin que vous puissiez voir si le comportement a changé ou si la composition des clients a évolué. Une métrique agrégée évolue pour l'une ou l'autre de ces raisons et ne peut pas les distinguer, c'est ainsi qu'une rétention globale stable peut masquer deux grandes tendances opposées.
Pourquoi regrouper par mois d'acquisition ?: Parce que le premier achat est le seul événement que chaque client a exactement une fois, il est enregistré de manière fiable et ne change jamais rétrospectivement. Regrouper sur un événement répétable comme le premier abonnement rend l'appartenance ambiguë, car un client peut annuler et recommencer, ce qui réécrit discrètement chaque graphique historique construit sur cette base.
Comment comparer équitablement deux cohortes ?: Comparez-les au même âge, pas à la même date calendaire. Une cohorte acquise il y a quatre mois a quatre mois d'historique et une acquise le mois dernier en a un, donc tout chiffre cumulatif favorise la plus ancienne par construction. Lisez une colonne du tableau de cohortes — mois 1 contre mois 1 — plutôt que les lignes.
Qu'est-ce que le biais de survie dans l'analyse de cohorte ?: Il se produit lorsque le dénominateur d'une courbe de rétention est constitué des clients toujours actifs plutôt que de la taille de la cohorte d'origine. Mesuré de cette manière, le taux augmente à mesure que les clients les moins engagés sont exclus du calcul, et une cohorte en détérioration peut ressembler à une cohorte en amélioration. Le dénominateur doit rester fixe à la taille de la cohorte de départ tout au long.
Quelle doit être la taille d'une cohorte ?: Suffisamment grande pour que la variation ordinaire ne noie pas le signal. Une cohorte de 40 clients avec un taux de répétition de 20% représente huit personnes, donc deux clients de plus ou de moins la fait osciller entre 15% et 25%. Passez à des cohortes trimestrielles plutôt que de lisser le graphique, et affichez toujours la taille de la cohorte à côté du pourcentage.