Analyse par cohortes

Les cohortes Adapty sont conçues pour répondre à plusieurs questions importantes :

1. À quel jour une cohorte est-elle rentabilisée ?
2. Combien d’argent l’application génère-t-elle pour une cohorte donnée ?
3. Combien puis-je dépenser pour attirer un client payant ?
4. Combien de temps faut-il pour amortir les dépenses publicitaires ?

Les cohortes s’appuient sur les données de l’application collectées via le SDK et les notifications du store, sans nécessiter de configuration supplémentaire de votre part.

Cohortes par renouvellements ou par jours

Vous pouvez analyser les cohortes par renouvellements ou par jours. Ce paramètre modifie les intitulés des colonnes et, par conséquent, l’approche d’analyse.

Le suivi par jours fournit des informations précieuses pour la budgétisation et la compréhension des délais de paiement. C’est particulièrement utile pour suivre les produits non basés sur un abonnement, comme les consommables ou les achats uniques. Dans ce mode, la couleur bleue dans les cellules du tableau tend à se concentrer au milieu des lignes pour deux raisons principales. D’une part, la vue par jours permet de voir rapidement les paiements associés aux produits de courte durée, alors que dans la vue par renouvellements, ils sont regroupés avec les renouvellements mensuels et annuels. D’autre part, les paiements différés contribuent à ce schéma de distribution, certains utilisateurs payant plus tard que prévu.

Le suivi par renouvellements montre quant à lui la rétention et le churn des cohortes d’un paiement à l’autre, sans tenir compte de la date. Les utilisateurs tardifs qui ont payé avec un délai quelconque (qui peut se compter en mois) sont ajoutés au nombre de leur période d’abonnement. Cette approche ne reflète pas la situation des revenus calendaires, mais elle est nettement plus pratique pour analyser la rétention et le churn des cohortes et en tirer des enseignements comportementaux.

Choisissez le mode qui vous convient ou utilisez les deux pour multiplier les conclusions et les idées.

Comment Adapty construit les cohortes

Voyons, à travers l’exemple des cohortes par renouvellements, comment le tableau est construit. Pour constituer les cohortes, nous utilisons deux mesures : les installations de l’application et les transactions (achats). Chaque ligne d’une cohorte représente un intervalle de temps spécifique, allant d’un jour à un an. Chaque ligne commence par le nombre d’utilisateurs qui ont installé l’application durant cet intervalle et ont activé un abonnement ou effectué un achat de produit à vie ou hors abonnement.

Chaque colonne suivante de la ligne indique le nombre d’utilisateurs ayant renouvelé leur abonnement jusqu’à cette période. M3 correspond au mois 3 et signifie que les abonnés ont effectué 3 renouvellements consécutifs jusqu’à ce point ; W7 correspond à la semaine 7, et Y2 à l’année 2. Vous pouvez parfois voir P2 dans les cohortes. P désigne la période d’abonnement. Adapty l’affiche à la place de W/M/Y lorsque plusieurs produits avec des périodes de renouvellement différentes sont présents dans la même cohorte.

Nous utilisons des dégradés de couleur pour mettre en évidence les différences de valeurs entre cohortes. Les valeurs les plus élevées ont des couleurs plus saturées.

L’image ci-dessous montre une cohorte typique.

1. Cette cohorte affiche les données uniquement pour les produits hebdomadaires (repère n°1).
2. Elle n’exclut pas les produits et affiche les revenus en valeurs absolues (repère n°2).
3. La période de temps est les 6 derniers mois, et la durée de cohorte est de 1 mois (repère n°3).
4. La ligne Total (repère n°4) affiche la valeur cumulée pour chaque période. Le montant de 442 K$ dans la première cellule de la ligne Total cumule les revenus de la première période (activation de l’abonnement) de tous les mois (nov., déc., etc.) jusqu’à la fin de la période. La cellule Total indique le nombre de clients ayant installé l’application durant toute la période.
5. La première colonne de la ligne Nov 2023 (repère n°5) affiche les revenus de la première période (activation de l’abonnement) de 37,7 K$ pour les clients ayant installé l’application en novembre 2023. Le nombre de ces clients, soit 95 129, est affiché dans la colonne d’en-tête. La deuxième colonne de la ligne Nov 2023 affiche les revenus de la semaine 2 (abonnements renouvelés jusqu’à la 2e semaine) de 8 770 $ pour les clients ayant installé l’application en novembre 2023.
6. Dans le tableau, vous pouvez voir le chiffre d’affaires total, l’ARPU, l’ARPPU et l’ARPAS (repère n°6). Vous pouvez en savoir plus sur ces métriques un peu plus loin dans cet article.
7. Vous pouvez configurer les colonnes dans la partie droite du tableau via le menu déroulant Columns (repère n°7).
8. Au-dessus du tableau, à droite (repère n°8), se trouve également un menu déroulant pour calculer les commissions des stores et les taxes pour des analyses de cohortes spécifiques. Vous pouvez découvrir comment Adapty calcule les commissions des stores et les taxes dans cet article. Après avoir choisi l’option correspondante dans le menu déroulant, les données de revenus seront recalculées en conséquence.
9. Sur le côté droit du tableau, vous pouvez voir les revenus prédits (Predicted Revenue) et la valeur vie prédite (Predicted LTV) (repère n°9). Le champ Predicted Revenue estime le revenu total généré par une cohorte d’abonnés dans un délai donné, tandis que le champ Predicted LTV représente la valeur anticipée de chaque utilisateur de la cohorte.

Vous pouvez survoler n’importe quelle cellule de la cohorte pour afficher les métriques détaillées de cette période.

Les cellules avec des lignes obliques en arrière-plan correspondent aux périodes non encore terminées ; les valeurs qu’elles contiennent sont donc susceptibles d’augmenter.

Durée de cohorte et période

Deux paramètres de temps contrôlent ce qu’affiche le tableau :

• Time frame — la plage de dates. Configurez-la dans le calendrier au-dessus du tableau.
• Cohort length — la taille de chaque ligne : jour, semaine, mois, trimestre ou année. Avec une longueur mensuelle, chaque ligne couvre un mois d’installations.

Les deux fonctionnent indépendamment. Par exemple : une période de 6 mois avec une longueur de cohorte mensuelle vous donne un tableau avec 6 lignes. Une période d’1 an avec une longueur de cohorte hebdomadaire vous donne 52 lignes.

Filtres, métriques, segments de cohortes et export CSV

Par défaut, Adapty construit les cohortes à partir des données de tous les achats. Vous pouvez filtrer par durée de produit, produits spécifiques, pays, store, paywall, segment et données d’attribution.

À droite du panneau de contrôle, un bouton permet d’exporter les données de cohortes au format CSV. Vous pouvez ensuite l’ouvrir dans Excel ou Google Sheets, ou l’importer dans votre propre système analytique.

Il existe 6 métriques pouvant être affichées dans les cohortes : Subscriptions, Payers, Revenue, ARPU, ARPPU et ARPAS. Vous pouvez les afficher en valeurs absolues ou en variation relative par rapport au début de la cohorte.

Abonnements, payeurs, revenu total, ARPU, ARPPU et ARPAS

Subscriptions correspond au nombre total d’abonnements actifs, d’achats à vie et d’achats hors abonnement effectués par une cohorte dans la période sélectionnée. Suivre cette métrique vous aide à comprendre le comportement des clients et l’efficacité de vos offres. Ces informations vous permettent d’affiner votre stratégie produit, d’adapter vos actions marketing et d’optimiser vos sources de revenus.

Payers correspond au nombre total d’utilisateurs ayant effectué un achat au sein d’une cohorte. Cette métrique vous permet de comprendre combien d’utilisateurs uniques contribuent à vos revenus. Pour les applications comportant une part significative d’achats hors abonnement, elle peut mettre en évidence la portée réelle de vos offres : elle indique si une large base d’utilisateurs effectue des achats ou si les revenus sont générés par un groupe restreint d’acheteurs récurrents. Comprendre le nombre de payeurs aide à évaluer l’engagement des clients, à planifier des actions marketing ciblées et à optimiser les stratégies de revenus.

Total revenue correspond aux revenus cumulés d’une cohorte dans la période sélectionnée (par ex. du 25 nov. 2022 au 24 mai 2023). Cette métrique vous permet de savoir combien d’argent vous avez collecté auprès des utilisateurs d’une cohorte donnée et de calculer le ROAS. Par exemple, si les dépenses publicitaires de septembre 2022 s’élevaient à 10 000 $, et que les revenus totaux de la cohorte de septembre 2022 sont de 30 000 $, le ROAS est de 3:1.

ARPU est le revenu moyen par utilisateur. Il est calculé comme suit : revenu total / nombre d’utilisateurs uniques. 60 000 $ de revenus / 5 000 utilisateurs = 12 $ d’ARPU. Il est utile de comparer cette valeur au coût par installation (CPI) pour évaluer l’efficacité de vos campagnes marketing.

ARPPU est le revenu moyen par utilisateur payant. Il est calculé comme suit : revenu total / nombre d’utilisateurs payants uniques. 60 000 $ de revenus / 1 000 utilisateurs payants = 60 $ d’ARPPU. Il vous permet de comprendre combien vous rapporte en moyenne un client payant.

ARPAS est le revenu moyen par abonné actif. Il est calculé comme suit : revenu total / nombre d’abonnés actifs. Par abonnés, nous entendons ceux qui ont activé une période d’essai ou un abonnement. 60 000 $ de revenus / 1 500 abonnés = 40 $ d’ARPAS.

Commissions et taxes

Un aspect important du calcul des revenus dans les cohortes est la prise en compte des commissions des stores et des taxes (qui peuvent varier selon le pays du compte store de l’utilisateur). Adapty prend actuellement en charge le calcul des commissions et des taxes pour l’App Store et le Play Store dans l’analyse par cohortes. Pour plus de détails sur la façon dont Adapty calcule les taxes et les commissions dans ses analyses, veuillez consulter notre documentation.

Revenue vs Proceeds

Revenue et Proceeds sont tous deux des métriques financières. Vous pouvez considérer Revenue comme le chiffre d’affaires brut et Proceeds comme le chiffre d’affaires net. Revenue ne tient pas compte des frais de l’App Store / Play Store, contrairement à Proceeds. Par conséquent, Proceeds est toujours inférieur à Revenue.

La commission effectivement déduite varie en fonction de plusieurs facteurs, notamment l’éligibilité à des programmes comme le Small Business Program (15 %), les taux réduits pour les abonnements de longue durée (15 % après un an de renouvellement), les taux spécifiques à certains pays et les taux standard (jusqu’à 30 %).

Adapty détermine automatiquement le taux de commission applicable pour chaque transaction de vos clients et calcule les Proceeds en conséquence. Pour plus d’informations sur la façon dont les taux de commission sont déterminés, consultez la documentation Commissions et taxes du store.

Gestion des remboursements

Deux règles s’appliquent universellement à toutes les métriques de cohortes :

• Un remboursement est daté du jour où il a été émis, et non de la date d’achat d’origine. Un remboursement n’affecte une cohorte que lorsque sa date tombe dans la période sélectionnée.
• Un remboursement ne retire jamais un utilisateur de sa cohorte et ne modifie jamais le nombre d’installations. L’appartenance à une cohorte est fixée au moment de l’installation de l’application.

Au-delà de ces règles, l’effet d’un remboursement dépend de la métrique et du mode d’affichage. Lisez la colonne correspondant au mode que vous utilisez.

Un remboursement soustrait le montant remboursé du revenu, quel que soit le mode de comptabilisation des revenus actif.

Taux de conversion et ARPPU

Les remboursements n’affectent pas un taux de conversion basé sur les installations, car le nombre d’installations ne change jamais. Un taux de conversion basé sur les utilisateurs payants est différent. Les remboursements le réduisent dans la vue par jours, mais pas dans la vue par renouvellements.

Dans la vue par renouvellements, les colonnes Revenue et Payers affichent chacune une période individuellement. La colonne ARPPU, en revanche, ne le fait pas. Chaque cellule ARPPU cumule tout, de la première période de la cohorte jusqu’à la période de la colonne. Elle couvre donc toujours plusieurs périodes à la fois, en excluant les utilisateurs remboursés. Pour cette raison, diviser le Revenue d’une seule période par ses utilisateurs payants ne reproduira pas l’ARPPU affiché.

Exemple. Un utilisateur installe l’application en février et souscrit un abonnement, puis reçoit un remboursement intégral en avril. En consultant la cohorte de février par jours :

• Période février–mars, avant que le remboursement n’entre dans la fenêtre : l’utilisateur compte pour 1 utilisateur payant, et son revenu est inclus en totalité.
• Période février–juin, après que le remboursement est entré dans la fenêtre : l’utilisateur compte pour 0 utilisateur payant, et son revenu tombe à 0.

Dans les deux périodes, le nombre d’installations de février et la rétention restent identiques.

La gestion des remboursements par les métriques compare ces mêmes règles entre le MRR, les graphiques de revenus et les exports de données.

Prédiction : Revenue et LTV

Le revenu prédit est une estimation du revenu total qu’une cohorte d’abonnés payants devrait générer dans la période sélectionnée après la création de la cohorte. Il est calculé en multipliant la LTV prédite de la cohorte par le nombre prédit d’utilisateurs payants au sein de la cohorte. Par exemple, si la LTV prédite est de 50 $ et qu’il y a 100 utilisateurs payants dans une cohorte, le revenu prédit sera de 5 000 $.

La LTV prédite est la valeur vie estimée par abonné payant, représentant le revenu moyen que chaque abonné payant devrait générer dans la période sélectionnée après la création de la cohorte.

Ces prédictions sont basées sur les schémas historiques de rétention des cohortes, en utilisant les données propres à l’application lorsqu’un historique suffisant est disponible, et des moyennes inter-applications dans le cas contraire. Pour une documentation détaillée sur le modèle de prédiction d’Adapty, veuillez consulter notre documentation sur les prédictions.

Les cohortes Adapty fournissent des informations détaillées sur le comportement des utilisateurs et les performances financières de votre application. En analysant les cohortes par renouvellements ou par jours, vous pouvez déterminer à quel moment les cohortes deviennent rentables, suivre les revenus, calculer le revenu moyen par utilisateur et comprendre le temps nécessaire pour amortir les dépenses publicitaires. Grâce à des filtres, des métriques et des options d’export personnalisables, Adapty vous donne les moyens de prendre des décisions basées sur les données et d’optimiser vos stratégies d’acquisition d’utilisateurs et de monétisation pour maximiser le succès de votre application.