Analyse de cohortes dans GA4 : comprendre et améliorer la rétention

· 11 min · Analyse de données

Mesurez la rétention client avec l’analyse de cohortes dans GA4 et repérez ce qui fait revenir (ou fuir) vos utilisateurs. Méthodes, benchmarks et actions concrètes.

Pourquoi l’analyse de cohortes est indispensable pour la rétention La plupart des tableaux de bord marketing répondent à une question de volume : « Combien d’utilisateurs sont venus ? ». L’analyse de cohortes répond à une question de valeur : « Combien reviennent, quand, et pourquoi ? ». C’est un changement de perspective crucial, car une croissance saine repose rarement sur l’acquisition seule.

Une cohorte est un groupe d’utilisateurs partageant un point commun (souvent une date ou une action). En rétention, on regroupe typiquement les utilisateurs par date d’acquisition (jour/semaine/mois) et on observe leur comportement au fil du temps.

Ce que la cohorte permet de voir, que les moyennes cachent : • Si votre produit/expérience crée une habitude (retour régulier) ou seulement un pic ponctuel. • Si une campagne d’acquisition attire des utilisateurs « curieux » mais peu qualifiés. • Si une refonte, un changement de prix, un bug ou une promo a modifié durablement la fidélité.

Rétention : de quoi parle-t-on exactement ? La rétention mesure la part d’utilisateurs qui reviennent après leur première visite/interaction. On la suit souvent à J+1, J+7, J+30 (ou S+1, S+4 en B2B).

Exemple simple : • 1 000 nouveaux utilisateurs le 1er avril • 180 reviennent le 2 avril → rétention J+1 = 18% • 90 reviennent le 8 avril → rétention J+7 = 9%

Benchmarks réalistes (à contextualiser) Les benchmarks varient énormément selon le modèle (contenu, e-commerce, SaaS, app). Ordres de grandeur souvent observés : • Site de contenu : J+1 = 8–20%, J+7 = 3–10%, J+30 = 1–5% • E-commerce (retour sur site, pas achat) : J+1 = 5–12%, J+7 = 2–6%, J+30 = 1–3% • SaaS / outil B2B : S+1 = 20–40%, S+4 = 10–25%, M+3 = 8–20% • App mobile (très variable) : J+1 = 20–35%, J+7 = 10–20%, J+30 = 5–12%

À retenir : une « bonne » rétention dépend surtout de votre promesse, de votre fréquence d’usage attendue, et de la qualité de l’activation.

Comprendre les cohortes dans GA4 (concepts et limites) GA4 propose une exploration dédiée appelée Exploration de cohortes (Cohort exploration). Elle permet d’analyser des groupes d’utilisateurs selon : • Une dimension de cohorte (souvent First touch ou Acquisition date) • Une métrique de retour (rétention basée sur les utilisateurs revenants) • Une granularité temporelle (jour, semaine, mois)

Les notions clés à maîtriser • Cohorte d’acquisition : utilisateurs regroupés par date de première visite/first_open. • Période 0 : moment d’entrée dans la cohorte (jour/semaine/mois d’acquisition). • Période N : N jours/semaines/mois après la période 0. • Rétention utilisateur : proportion d’utilisateurs actifs à la période N. • Churn (attrition) : 1 − rétention (sur la période considérée).

Ce que GA4 mesure réellement GA4 s’appuie sur l’activité utilisateur (sessions/événements) et sur l’identification possible (User-ID, Google signals, device ID selon contexte). Cela implique : • Une rétention « retour » = l’utilisateur a eu une activité mesurable, pas forcément un achat. • Des variations selon consentement, cross-device et politique cookies.

Limites fréquentes (et comment les contourner) • Périmètre trop large : une cohorte « tous utilisateurs » masque des écarts énormes par canal, pays, device. • Événements mal définis : si l’activation n’est pas instrumentée, on ne peut pas relier rétention et usage. • Fenêtre d’analyse inadaptée : en B2B, raisonner en jours peut être trompeur ; en app, raisonner en mois peut être trop lent.

Actions recommandées : • Définir un événement d’activation (ex. sign_up_completed, first_purchase, add_to_cart, view_pricing). • Segmenter par canal, campagne, device, pays, nouveau vs récurrent. • Choisir une granularité alignée sur votre cycle (jour pour app/contenu, semaine pour SaaS, mois pour e-commerce à cycle long).

Mettre en place une analyse de cohortes dans GA4 (pas à pas) Cette section vise un objectif : obtenir une vue de rétention fiable et exploitable, puis la segmenter pour comprendre les écarts.

Étape 1 : préparer les fondations de mesure Avant d’ouvrir GA4, vérifiez que vous mesurez correctement : • Nouveaux utilisateurs (first_visit / first_open) • Événements clés (conversion ou événements recommandés) • User-ID si vous avez un login (pour une meilleure cohérence cross-device)

Checklist actionnable : • Vérifier que les événements critiques existent : - sign_up / login (si pertinent) - view_item, add_to_cart, begin_checkout, purchase (e-commerce) - generate_lead (B2B) • Marquer 1 à 3 événements comme conversions (pas 15) pour garder un signal clair.

Étape 2 : créer l’exploration de cohortes Aller dans Explorer (Explorations) Choisir Exploration de cohortes Définir : - Cohort inclusion (critère d’entrée) : par défaut « First touch (first_visit/first_open) » - Return criteria : utilisateur actif (ou événement spécifique selon besoin) - Granularity : jour/semaine/mois - Calculation : rétention (pourcentage)

Conseil : commencez par une cohorte simple (acquisitio…