Comment réaliser l'analyse de cohorte pour mesurer la fidélisation des clients ?

Le vrai succès du marketing n'est pas de permettre une vente unique, mais de construire une relation client aussi longue que possible. Cela fait de la fidélisation de la clientèle, un objectif prioritaire pour tout spécialiste du marketing.

Pourquoi les spécialistes du marketing devraient-ils se concentrer sur la fidélisation des clients comme mesure de la réussite marketing ?

Il existe de nombreuses raisons pour lesquelles votre marque doit se concentrer sur une stratégie de fidélisation solide . Pour commencer, l'acquisition de nouveaux clients est cinq fois plus coûteuse que le coût de fidélisation des clients existants De plus, les entreprises à faible fidélité client manquent rapidement de nouveaux clients et finissent par tomber dans une spirale descendante de retours négatifs.

Cependant, en cette ère de choix abondants et de fidélisation éphémère de la clientèle, comment votre entreprise peut-elle assurer la fidélisation de la clientèle ? Les techniques d'analyse de données telles que l'analyse de cohorte peuvent-elles être utiles ?

Qu'est-ce qu'une analyse de cohorte ?

Pour augmenter le taux de fidélisation de la clientèle, vous devez identifier ce qui fait que les clients existants restent. Il existe aujourd'hui de nombreuses techniques d'analyse qui peuvent vous aider. L'augmentation multiple de la puissance de calcul, l'analyse avancée et les progrès de la science du comportement ont permis aux entreprises de créer de nouvelles façons de fidéliser leurs clients. L'analyse de cohorte en fait partie.

Une cohorte est un groupe d'utilisateurs qui partagent une caractéristique commune sur une certaine période de temps. L'analyse de cohorte est l'étude des caractéristiques communes de ces utilisateurs sur une période donnée.

Voici un exemple pour vous aider à mieux comprendre l'analyse de cohorte.

Prenons un groupe d'utilisateurs qui se sont inscrits à votre application mobile entre le 25 janvier et le 3 février. L'analyse de cohorte vous aide à comprendre combien de clients continuent d'être des utilisateurs actifs dans les jours/semaines/mois qui suivent.

Dans le tableau ci-dessus, vous verrez que la première colonne indique les jours ou les utilisateurs ont téléchargé l'application. La colonne intitulée « Users» indique le nombre d'utilisateurs de l'application téléchargée pour ce jour. Les colonnes adjacentes avec les nombres en pourcentages indiquent le pourcentage d'utilisateurs qui utilisent l'application dans les jours suivants depuis le jour où ils ont installé l'application. La rangée du bas avec des chiffres en gras indique les valeurs moyennes.

Si l'outil d'analyse que vous utilisez le prend en charge, vous pouvez également explorer davantage les données démographiques des utilisateurs, telles que le sexe, l'emplacement, la langue, l'utilisateur de l'appareil, la plate-forme du système d'exploitation mobile et bien plus encore.

Maintenant, toute analyse doit avoir une direction spécifique pour produire des conclusions significatives. Dans l'analyse de cohorte, cela peut être réalisé avec deux types d'analyses différents.

Quels sont les types d'analyse de cohorte

Il existe deux types d'analyse de cohorte :

1. Cohortes d'acquisition

2. Cohortes comportementales

Cohortes d'acquisition

Cette cohorte divise les utilisateurs en fonction du moment où ils ont été acquis ou ont souscrit à un produit. Selon votre produit, l'acquisition d'utilisateurs peut être suivie quotidiennement, hebdomadairement ou mensuellement.

Par exemple, une application mobile grand public pour la productivité peut suivre ses cohortes d'acquisition au quotidien. D'un autre côté, une application mobile B2B avec un groupe d'utilisateurs ciblé se concentrerait sur l'acquisition mensuelle. Cohortes comportementales

Les cohortes comportementales regroupent les utilisateurs en fonction des activités qu'ils entreprennent dans l'application pendant une période donnée.

Par exemple, les utilisateurs qui partagent du contenu à l'aide des boutons de partage. La période de temps, encore une fois, varie d'une application à l'autre. Pour une application de contenu, une journée est un bon laps de temps. Pour une application de plateforme d'investissement en ligne, par exemple, 3 mois seraient plus aptes à observer le comportement des utilisateurs.

Pourquoi utiliser l'analyse de cohorte ?

L'analyse de cohorte est une meilleure façon d'examiner les données dans le temps. Son application n'est pas limitée à une seule industrie ou fonction. Par exemple, les sites de e-commerce peuvent utiliser l'analyse de cohorte pour repérer les produits qui ont le plus de potentiel de croissance des ventes. Dans le marketing numérique, cela peut aider à identifier les pages Web qui fonctionnent bien en fonction du temps passé sur les sites Web, des conversions ou des inscriptions. Dans le marketing produit, cette analyse peut être utilisée pour identifier le succès du taux d'adoption des fonctionnalités ou également pour réduire les taux de désabonnement.

L'analyse de cohorte est largement utilisée dans les secteurs verticaux suivants :

• Site marchand

• Application mobile

• Logiciel cloud

• Le marketing numérique

• Jeux en ligne

• Sécurité de site Web

Dans toutes ces industries, l'analyse de cohorte est couramment utilisée pour identifier les raisons pour lesquelles les clients partent et ce qui peut être fait pour les empêcher de partir. Cela nous amène au calcul du taux de rétention client (CRR). Le taux de rétention client est calculé à l'aide de cette formule CRR = ((EN)/S) X 100

La formule a trois composants :

• E – Le nombre de clients à la fin de la période.

• N – Le nombre de clients acquis au cours de cette période.

• S – Le nombre de clients au début (ou début) de la période.

Pour mesurer la fidélisation de la clientèle, on retrouve la différence entre le nombre de clients acquis au cours de la période et le nombre de clients restants à la fin de la période. Cela donne une image fidèle des clients retenus. Pour trouver le pourcentage de ces clients qui ont été retenus depuis le début, nous divisons le résultat par le nombre de clients au début. Cela donne le taux de fidélisation de la clientèle.

Un CRR plus élevé signifie une plus grande fidélité de la clientèle. En comparant le CRR de votre entreprise avec la moyenne du secteur, vous pouvez voir où vous vous situez en terme de fidélisation de la clientèle. Si le CRR montre un taux faible, des mesures correctives peuvent être prises à l'aide de l'analyse des données, et c'est là que l'analyse de cohorte peut aider.

Utilisez l'analyse de cohorte pour mesurer la fidélisation des clients

L'analyse de cohorte pointe vers un processus de prise de décision basé sur les Data.

En tant que spécialiste du marketing, vous serez impliqué dans plusieurs tâches telles que la gestion de campagnes, l'ajustement du tunnel de conversion des clients, l'introduction de nouvelles fonctionnalités de produits, etc. L'analyse de cohorte permet d'évaluer le succès de chacune de ces activités.

Il présente également plusieurs avantages qui vous aideront à mieux performer. Certains de ces avantages de l'analyse de cohorte comprennent :

• Prédire le comportement futur des utilisateurs avec les données actuelles

• Identifier les fonctionnalités, les activités ou les changements qui fidélisent les clients

• Planification proactive des activités d'engagement client en fonction de l'adoption des fonctionnalités

• Mettre en place un système marketing non intrusif et purement data-driven

Toutes ces activités, individuellement et collectivement, contribuent à maximiser la fidélisation de la clientèle.

Effectuer une analyse de cohorte à l'aide de Google Analytics

Google Analytics est l'outil de prédilection de tout spécialiste du marketing pour extraire des données sur le trafic de sites Web, des mesures clés et également des conversions. Il propose également une offre d'analyse de cohorte soignée (en mode bêta pour le moment) que vous pouvez utiliser même si vous n'êtes pas un utilisateur expérimenté de GA.

Pour commencer une analyse de cohorte à l'aide de Google Analytics, accédez à AUDIENCE > Analyse de cohorte.

Exemple d'analyse de cohorte du compte Google Analytics du Google merchandise store.

En haut du rapport, vous trouverez plusieurs paramètres de cohorte qui peuvent être modifiés pour générer le rapport de cohorte. Les paramètres que vous pouvez modifier incluent le type de cohorte, la taille de la cohorte, la métrique et la plage de dates.

Voici la signification de chacun de ces termes :

• Type de cohorte : Le groupe de clients/données que vous souhaitez analyser. Actuellement, Google Analytics ne propose qu'un seul type de cohorte : la date d'acquisition, qui correspond à la première fois que l'utilisateur a interagi avec votre élément.

• Taille de la cohorte : La taille de la cohorte fait référence à la période pour laquelle vous souhaitez que l'analyse de cohorte soit effectuée. Cela peut être un jour, une semaine ou un mois.

• Plage de dates : La période pour laquelle vous souhaitez effectuer l'analyse de cohorte est définie dans la plage de dates. Google Analytics propose les plages de dates pour un mois, "les 2 derniers mois" et "les 3 derniers mois".

• Métrique : le rapport d'analyse de cohorte peut se concentrer sur des métriques spécifiques par utilisateur. La métrique par défaut définie dans Google Analytics est la rétention des utilisateurs.

Les autres mesures que vous pouvez choisir incluent :

• Objectifs atteints par utilisateur

• Pages vues par utilisateur

• Revenu par utilisateur

• Durée de session par utilisateur

• Sessions par utilisateur

• Transactions par utilisateur

Comment lire un tableau de cohorte

Un tableau de cohorte ressemblera au tableau périodique des éléments. Sauf que dans un tableau de cohorte, au lieu d'éléments chimiques, chaque ligne et colonne abrite une valeur qui permet d'arriver à une conclusion.

Un tableau de cohorte est généralement lu une colonne ou une ligne à la fois pour une interprétation significative. La plupart des utilisateurs d'analyse de cohorte utilisent un codage couleur pour distinguer les cellules en fonction de leur valeur.

Par exemple, examinons la cohorte de fidélisation ci-dessous pour une application . Le tableau ci-dessous montre les jours du mois de septembre 2019 dans la colonne 1. Le nombre d'utilisateurs installés sur l'application est indiqué dans la deuxième colonne intitulée « Utilisateurs ». J0, J1, J2… correspondent au nombre de jours depuis que l'utilisateur a installé une application. Vous pouvez effectuer une analyse de cohorte en examinant la colonne du jour et le pourcentage de haut en bas.

Pour simplifier la visualisation des données et repérer les zones problématiques, un tableau de cohorte utilise un codage couleur. En règle générale, différentes nuances de la même couleur sont utilisées pour indiquer comment les valeurs fluctuent du maximum au minimum.

Revenons à l'exemple du nombre d'utilisateurs qui continuent à utiliser le produit les jours suivants. Dans un monde idéal, 100% des clients qui s'inscrivent devraient rester des utilisateurs actifs. Malheureusement, dans le monde réel, les clients continuent d'abandonner.

Vous pouvez utiliser l'analyse de cohorte pour identifier les jours où la baisse a été importante. La baisse peut ensuite être attribuée à des activités spécifiques menées au cours du mois.

Lisons maintenant le tableau d'analyse de cohorte ci-dessous.

Exemple d'une analyse de cohorte sur le rapport d'analyse d'iTunes montrant le nombre d'installation d'une application mobile (Trip Guider) par jour et sa réutilisation entre 1 et 12 jours après son installation.

Exemple de lecture : Les utilisateurs qui ont installé l'application le 27 mai, 41% ont utilisé l'application le lendemain, ils étaient 31% 4 jours après et plus que 18% le 6e jour. Ce pourcentage continue de diminuer au cours des prochains jours.

Vous pouvez effectuer la même analyse pour chaque jour où l'application a été installée.

Quelle conclusion pouvez vous en tirer et comment tirer parti de ce type d'analyse ?

Comment tirer parti de l'analyse de cohorte pour maximiser la fidélisation des clients

L'analyse de cohorte peut donner un aperçu comportemental de vos clients. Relier tous les points du comportement et planifier des campagnes marketing pour fidéliser la clientèle peut être complexe. La clé est de le diviser en plusieurs campagnes, chacune avec un objectif spécifique, afin que la somme de tous les efforts se traduise par une augmentation du taux de fidélisation de la clientèle.

Voici quelques stratégies que vous pouvez essayer après avoir effectué l'analyse de cohorte de vos données :

1. Optimiser le parcours utilisateur : le plus souvent, mais pas toujours, vos utilisateurs peuvent être désabonnés ou deviennent inactifs lorsque le parcours utilisateur est difficile. L'analyse de cohorte peut repérer le moment exact dans le parcours lorsque les utilisateurs quittent le service. Le parcours utilisateur peut alors être rationalisé pour les faire rester plus longtemps, utilisez pour cela les techniques d'A/B tests vu auparavant dans le DataBlog.

2. Planifier les e-mails de réactivation : les e-mails de réactivation ont pour tâche de conseiller doucement les clients lorsqu'ils sont prêts pour le prochain achat. Des métriques telles que les intervalles de temps entre deux achats aident à planifier correctement les campagnes de goutte à goutte de réactivation pour garder les clients au courant.

3. Offres ciblées : l'analyse de cohorte peut montrer quel type de clients achète le plus et ce qu'ils achètent le plus. Ces données peuvent être utilisées pour créer des offres ciblées, des coupons, la livraison gratuite, etc. qui aideront à fidéliser les clients existants.

4. Introduire des programmes de fidélité : l'utilisation de points de fidélité, de récompenses et de systèmes de gamification similaires pour la fidélisation de la clientèle est populaire parmi les spécialistes du marketing. Mais, le défi de l'introduction de ces programmes de fidélité est d'identifier le bon ensemble de clients qui sont fidèles et qui le resteront pendant un certain temps. Avec l'analyse de cohorte, vous pouvez affiner l'ensemble exact de clients qui peuvent être conservés plus longtemps avec les programmes de fidélité.

Alors, êtes-vous prête.e.s pour l'analyse de cohorte ?

L'analyse de cohorte est un moyen simple d'examiner vos données. Mais, pour la mettre en œuvre avec succès, vous avez besoin d'outil marketing puissante, Google analytics pourra vous montrer des analyses rapides du comportement de vos utilisateurs web et avec Firebase pour vous applications mobiles. Pour aller plus loin sur unne plate-forme unique où vous pouvez compiler des données, et agir sur ces information avec l'aide d'une analyse de cohorte, un data warehouse comme Big Query où vous pourrez générer en langage SQL des analyses de cohorte.

Il est tout à fait possible de créer un fichier Excel vous permettant d'effectuer une analyse de cohorte, retrouvez le dans le forum DataFamily.