Analyse de la rétention

Les graphiques de rétention peuvent vous aider à répondre aux questions suivantes :

1. Comment votre application fidélise-t-elle ses clients d’une période à l’autre ?
2. Quels produits sont les plus attractifs et retiennent le mieux les utilisateurs ?
3. Quels groupes d’utilisateurs sont les plus fidèles ?
4. Quel niveau de rétention peut servir de référence pour la croissance ?
5. Et bien sûr, comment économiser de l’argent en investissant dans l’audience déjà acquise plutôt qu’en cherchant de nouveaux utilisateurs.

Vous trouverez des informations précieuses sur le comportement des utilisateurs en définissant des filtres et des groupes.

La rétention est calculée à partir des données que nous collectons via le SDK et les notifications du store — aucune configuration supplémentaire n’est requise de votre côté.

Comment calculons-nous la rétention ?

En observant le graphique de rétention, vous voyez comment le nombre d’utilisateurs évolue selon l’étape franchie : l’essai (si la case « show trials » est cochée), le 1er paiement, le 2e paiement, etc. Voici ce qui est comptabilisé lorsque vous choisissez une plage de dates pour le graphique de rétention.

Par exemple, vous avez sélectionné les 3 derniers mois dans le calendrier et la case « show trials » est décochée. Cela signifie que seuls les utilisateurs ayant effectué leur 1er abonnement au cours des 3 derniers mois sont comptés. Si la case « show trials » est cochée et que les 3 derniers mois sont sélectionnés, nous comptons tous les utilisateurs ayant démarré un essai au cours de ces 3 derniers mois. Pour ces abonnés, la rétention absolue à l’étape N correspond au nombre de ceux ayant effectué le Nième paiement. La valeur relative de rétention à l’étape N est calculée comme le ratio entre le nombre absolu de Nièmes paiements et le nombre total d’abonnements (ou d’essais) sur la période sélectionnée.

Adapty date chaque abonné selon le jour où son abonnement a commencé — le début du trial pour les produits avec une période d’essai, le premier paiement pour les produits sans. Quelqu’un qui commence un trial le 1er mars et paie le 1er avril appartient à mars, quelle que soit la configuration de Show trials.

Produits avec des durées différentes

Les étapes du graphique correspondent aux périodes d’abonnement, pas à des intervalles de temps fixes. P2 désigne la deuxième période pour chaque produit : un abonné hebdomadaire l’atteint au bout d’une semaine, et un abonné annuel au bout d’un an. Les deux se retrouvent dans la même colonne.

Si vous proposez plusieurs durées, la courbe par défaut les mélange, et elle évolue à chaque changement de votre mix produit. Utilisez le groupement ou le filtrage par Duration ou Product pour analyser une durée à la fois.

Gestion des remboursements

Les remboursements ne sont pas exclus de la rétention. Un utilisateur remboursé reste comptabilisé sur la courbe de rétention, ce qui peut faire paraître la Rétention plus élevée que les Abonnements actifs ou les Revenus pour la même cohorte.

Pour une comparaison complète entre les métriques, consultez Comment les métriques gèrent les remboursements.

Opportunités de rétention

Voyons comment tirer le meilleur parti de la fonctionnalité de rétention d’Adapty. Plutôt que de se limiter à une passion pour les chiffres, il est plus utile d’envisager la valeur business concrète que peuvent apporter les résultats analytiques. Avant de plonger dans les détails du graphique, il vaut mieux clarifier l’impact que ces données peuvent avoir. Gardons donc en tête le POURQUOI et le COMMENT.

1 - travailler avec son audience. Avant tout, la rétention concerne l’audience cible, ses préférences, et la question de savoir si votre produit répond à ses attentes tout au long de sa durée de vie en tant que client. Si vous vous êtes demandé comment mesurer la relation fondamentale de votre activité qui génère des revenus, la rétention est là pour vous. Cette mesure est utile car il est généralement moins coûteux de vendre à un client existant qu’à un inconnu. Et ce coût est faible pour deux raisons : moins d’efforts pour conclure la vente et un panier moyen plus élevé. Il peut donc être judicieux d’investir dans la fidélité de vos abonnés lorsque la rétention baisse.

2 - travailler avec le produit. La deuxième raison du POURQUOI, c’est que les graphiques de rétention montrent la durée de vie réelle de consommation de votre produit et permettent des prévisions à long terme. Et si vous souhaitez vous améliorer, corrigez le travail qui délivre le produit pour modifier sa durée de vie, puis refaites vos prévisions pour vous rapprocher de vos objectifs commerciaux. Ces ajustements peuvent s’inscrire dans une vision stratégique, en tandem avec une routine de prévision. Et oui, ce processus ne s’arrête jamais, car nous courons tous vite pour rester à la même place dans un environnement en constante évolution.

3 - travailler avec le marché. Aller plus vite que les principaux concurrents, c’est bien, mais parfois sortir de la course ordinaire peut apporter davantage de bénéfices. Lorsque vous analysez le comportement des utilisateurs dans différents pays et stores, certaines particularités locales peuvent ouvrir des insights remarquables et de nouvelles opportunités pour l’activité. Le contexte culturel et de marché peut être analysé sous l’angle de la rétention pour être ensuite utilisé dans la segmentation et le développement futur. Par exemple, vous pourrez trouver de l’eau bleue dans certaines régions et y croître plus rapidement.

L’utilisation des données de rétention ne se limite bien sûr pas à cette interprétation de base, mais c’est un bon point de départ si vous souhaitez obtenir rapidement de la valeur concrète.

Courbes, vue tableau, filtres et export CSV

Maintenant que nous avons établi les bases concernant les objectifs de rétention et les principaux modes d’interprétation, passons en revue les outils qui facilitent tout cela.

Le cœur de la fonctionnalité de rétention dans Adapty est le graphique. Il montre comment le niveau de rétention évolue en fonction des étapes du cycle de vie d’un utilisateur.

Ces étapes sont affichées sur l’axe horizontal : Trial, Paid (le 1er abonnement), P2 (le 2e abonnement), P3, P4, etc.

Notez que l’axe commence par l’étape Trial uniquement lorsque la case « Show trials » est cochée.

Pour le calcul des données, cette case fonctionne de la façon suivante. Lorsque « Show trials » est sélectionné et que l’axe commence par l’étape Trial, seuls les scénarios incluant des essais sont affichés — les transactions provenant directement des installations ne sont pas prises en compte, et l’étape Paid ne contient que les transactions issues des essais. Lorsque « Show trials » n’est pas sélectionné et que l’axe commence par l’étape Paid, cette première étape regroupe toutes les premières transactions, qu’elles proviennent d’essais ou directement d’installations.

Lorsque vous survolez le graphique, une fenêtre contextuelle affichant un résumé des données apparaît. De même, si vous survolez une colonne du tableau ci-dessous, une fenêtre contextuelle récapitulative s’affiche avec les données correspondantes sur le graphique. Le tableau contient les mêmes regroupements et filtres que ceux choisis pour le graphique.

Combinez librement filtres et regroupements pour une analyse avancée. Collectez de vraies informations à partir des données. Variez :

1. Type de produit.
2. Durée.
3. Plage de temps.
4. Pays.
5. Attribution.
6. Store.

Utilisez les contrôles #Absolu et %Relatif pour afficher les données souhaitées.

Enfin, à droite du panneau de contrôle, un bouton permet d’exporter les données du funnel en CSV. Vous pouvez ensuite l’ouvrir dans Excel ou Google Sheets, ou l’importer dans votre propre système analytique pour continuer l’analyse et les prévisions dans l’environnement de votre choix.