Les entreprises sont constamment à la recherche de tactiques utiles pour améliorer les performances et les résultats de leur marque. L’analyse de cohorte est souvent négligée, mais elle peut fournir des informations pertinentes et des conseils pratiques pour améliorer l’acquisition, la rétention et la monétisation.
Par définition, une cohorte est un groupe de personnes qui ont une caractéristique commune pendant une période de temps. Par exemple, les personnes nées entre 1972 et 1988 qui ont été frappées par la foudre sont une cohorte.
Cependant, comme nous parlons d’analyse de cohorte, nous devrons être un peu plus précis sur le type de cohorte que nous souhaitons suivre. Dans le monde de l’analyse de cohorte pour les produits numériques, une cohorte est un groupe d’utilisateurs qui ont effectué une action ou un ensemble d’actions communes pendant une période spécifique sur votre site Web ou votre application.
Pour une mise en œuvre réussie d’un programme d’analyse, plutôt que de regarder tous vos utilisateurs comme une seule unité, l’analyse de cohorte les divise en groupes pour analyse. En analysant les différences de comportement entre ces cohortes, les chefs de produit peuvent repérer des modèles à plusieurs moments du cycle de vie du client. Ces modèles permettent d’orienter les décisions sur les produits pour mieux répondre aux besoins des utilisateurs et d’améliorer l’expérience utilisateur.
Vos cohortes peuvent ressembler à ceci:
- Inscription à l’essai au cours des 30 derniers jours
- Payer les clients en mai
- Joueurs acquis via des publicités sur les réseaux sociaux
Le point important à retenir est que l’analyse de cohorte permet aux chefs de produit de poser une question très spécifique, d’analyser uniquement les données pertinentes et de prendre des mesures à ce sujet.
Voici sept façons dont l’analyse de cohorte peut optimiser les performances et les résultats de l’entreprise:
1. Effets de comportements uniques
L’identification des utilisateurs par les actions individuelles qu’ils entreprennent est essentielle à leur rétention. L’utilisation de ces informations dresse un portrait inestimable des utilisateurs et de leur parcours avec votre produit. Par exemple, le jeu en ligne est une industrie qui analyse constamment le comportement des utilisateurs pour améliorer l’expérience utilisateur.
Le jeu est un excellent cas d’utilisation, car les sociétés de jeux essaient de comprendre l’UX sur une plate-forme mobile par rapport à une autre. En mesurant la rétention des cohortes sur Android par rapport à iOS, par exemple, ils peuvent identifier de légères différences et affiner les expériences en fonction du système d’exploitation utilisé pour empêcher les joueurs de se retourner prématurément.
Un autre exemple dans l’espace numérique est une entreprise de formation en ligne, ABA English, avec des versions de bureau et mobiles de son application. Grâce à une recherche de cohorte sur le comportement des utilisateurs, ses analystes ont remarqué que les élèves atteindraient un certain point dans leur leçon, puis abandonneraient, pour ne jamais revenir. Pour comprendre pourquoi, il a construit deux cohortes: les utilisateurs de bureau principaux et les utilisateurs mobiles principaux.
ABA English a appris que la leçon n’était pas une question ou un défi difficile, mais plutôt un bug d’interface qui empêchait le bouton «sauter» d’apparaître sur l’application mobile. Il a été en mesure d’identifier le problème exact, de le résoudre et d’améliorer considérablement son UX en analysant le comportement utilisateur unique.
(Après avoir déployé le correctif, ABA English a pu voir la rétention se stabiliser sur tous les systèmes d’exploitation.)
2. Testez votre hypothèse
Supposons que vous pensez qu’un utilisateur exécute un comportement particulier pour une raison spécifique qui se traduit par une augmentation des inscriptions aux essais. En tant que version beaucoup plus sophistiquée des tests A / B, l’analyse de cohorte permet aux chefs de produit de tester rapidement et efficacement une hypothèse et d’obtenir des commentaires pertinents beaucoup plus rapidement.
Par exemple, si vous supposez qu’une action particulière entreprise, comme un bouton ou une fenêtre contextuelle, sur votre site ou application peut être la clé pour augmenter les inscriptions aux essais, vous pouvez définir des cohortes par plate-forme, démographique, géographique, etc. et comparez immédiatement les résultats pour voir comment chaque groupe a répondu à ladite action.
Envoyer du trafic vers une page de destination par rapport à essayer de comprendre les effets à long terme des utilisateurs qui sont acquis via différents canaux et interagissent via plusieurs points de contact (boîte de réception e-mail, connexion directe au site Web) ne sont que quelques-unes des précieuses informations qui peuvent être glanées. lorsque vous testez votre hypothèse avec une analyse de cohorte.
L’exemple ci-dessous montre les résultats d’un test où la fonctionnalité du produit a été modifiée parmi différentes cohortes, dans ce cas, les utilisateurs ponctuels, les plus grands dépensiers (baleines) et autres, pour déterminer s’il y a eu des changements significatifs dans la durée moyenne de la session et le temps passé par utilisateur.
3. Optimisation de l’entonnoir de conversion
Dans l’exemple ci-dessous, un chef de produit de commerce électronique voulait comprendre comment les utilisateurs de différentes sources de trafic interagissaient avec leur site Web. En analysant l’entonnoir de conversion ventilé par source de trafic, ils ont pu déterminer que les taux de conversion pour les utilisateurs provenant de Bing n’étaient pas du tout en conversion.
Fort de cette compréhension, ils ont confronté le service marketing pour identifier l’écart dans l’expérience client. Il s’avère que le service marketing avait testé des annonces pour des produits qui n’étaient même pas encore répertoriés sur le site Web. Pas étonnant que ce trafic n’ait pas été converti!
4. Acquisition de clients par canal
De nombreuses entreprises avec lesquelles nous travaillons cherchent à analyser le trafic entrant entre leurs différents canaux. Cela devient de plus en plus difficile lorsque ces cycles d’intégration sont longs. Une entreprise particulière avec un cycle de vente de trois à six mois a eu beaucoup de mal à comprendre l’efficacité de ses campagnes de marketing et, finalement, la valeur des opportunités potentielles. Afin de résoudre ce problème, ils se sont tournés vers l’équipe produit pour obtenir de l’aide.
Leur objectif était de comprendre au cours du premier mois d’un lancement quelles campagnes marketing fonctionnaient (et ne fonctionnaient pas). En utilisant l’analyse de cohorte pour segmenter les clients par canal d’acquisition, ils ont pu identifier les différences de rétention très tôt dans le cycle de vie. Les clients de Facebook et d’Outbrain avaient une rétention d’un et deux jours considérablement plus élevée, un indicateur avancé que ces campagnes pourraient être plus efficaces pour inciter les clients à passer plus rapidement de la version gratuite à la version premium.
Cela leur a permis de doubler leurs efforts productifs et de libérer des ressources pour des déploiements moins réussis. C’était également une victoire évidente pour l’équipe produit, car elle a pu concentrer son temps sur la conversion d’utilisateurs hautement engagés en clients premium.
5. Monétisation
Faire payer ou payer plus aux clients existants est une préoccupation considérable pour les chefs de produit. La clé d’une monétisation réussie consiste à identifier les comportements associés aux utilisateurs les plus susceptibles de se convertir à des services premium. Les entreprises en ligne d’aujourd’hui, en particulier dans le SaaS et les jeux, ont réalisé qu’il est beaucoup plus facile de capturer les utilisateurs avec un essai gratuit et de les encourager à se mettre à niveau ultérieurement.
Dans une stratégie basée sur la monétisation, les chefs de produit doivent analyser le comportement des utilisateurs qui ont effectué la mise à niveau juste avant le point de mise à niveau. Il est courant de constater que les utilisateurs atteignent un mur de paiement spécifique dans la fonctionnalité d’un produit qui les pousse à mettre à niveau. En suivant et en stockant toutes les actions comportementales des utilisateurs qui passent de gratuit à premium, vous pouvez identifier exactement quelles actions au sein de votre produit mènent à des conversions réussies et en faire des fonctionnalités importantes dans l’expérience de votre client.
6. Analysez le temps des utilisateurs pour prendre les mesures souhaitées
L’analyse de vos meilleurs clients génère des informations sur la rétention et la conversion. Ces informations vous permettent d’améliorer continuellement le temps nécessaire à un utilisateur pour effectuer l’action souhaitée.
L’industrie Fintech, par exemple, est connue pour sa culture concurrentielle et a beaucoup à gagner de l’analyse comportementale des cohortes. Sa nature inhérente d’engagement à long terme fournit l’environnement parfait pour analyser les comportements appropriés et créer des modèles d’utilisateurs. En examinant les cohortes, les sociétés Fintech peuvent segmenter le comportement des utilisateurs qui effectuent certaines actions souhaitées, et si ces actions ont entraîné une rétention ou un taux de désabonnement. Ces informations spécifiques permettent d’améliorer les cycles d’engagement et de rétention des clients.
Une entreprise de Fintech, Leverate, a récemment intégré l’analyse de cohorte comportementale dans sa plateforme de trading Forex pour aider ses clients à mieux comprendre comment le marché des devises affecte le comportement des traders. Par exemple, dès que la devise plonge, certains traders veulent sauter dessus, tandis que d’autres sont plus timides. Sur la base des comportements des utilisateurs, Leverate a pu utiliser cette intelligence pour communiquer et interagir avec les commerçants à un niveau plus personnel.
7. Améliorez la rétention
Supposons que votre chaîne soit peu performante et qu’elle pourrait, grâce à une amélioration, augmenter les taux de rétention. La segmentation des utilisateurs par différents canaux est bénéfique lorsque l’objectif est d’améliorer la rétention.
Les marques SaaS lancent souvent de nouveaux produits et des mises à niveau de plateforme tout en utilisant des analyses pour fournir des informations critiques sur le taux de désabonnement / la rétention. L’analyse de cohorte permet aux marques de séparer et d’analyser les utilisateurs par ceux qui se sont inscrits après le lancement d’un nouveau produit ou une mise à niveau détaillant les différences de comportement fondamentales.
L’analyse de cohorte est un outil puissant permettant aux entreprises de comprendre le comportement de leurs clients, afin d’augmenter l’acquisition, la rétention et la monétisation des utilisateurs. Avec la bonne plateforme pour collecter et analyser le comportement des utilisateurs, vous pouvez augmenter les taux de rétention dans les canaux peu performants, mettre des ressources plus étendues derrière les canaux qui produisent. Il en résulte l’identification de modèles et de tendances d’utilisateurs qui sont autrement des opportunités manquées.
