Exemple fictif : une cellule absente n’est pas zéro
Deux cohortes A et B comptent chacune 100 personnes initiales. Dans cet exemple, chaque cellule compte un retour dans la période J7 ou J30 prise séparément. A a atteint les deux périodes ; B a atteint J7 mais pas encore J30. Les pourcentages gardent les 100 personnes initiales au dénominateur.
| Cellule du cas fictif | Retours / population initiale | Taux |
|---|---|---|
| A à J7 | 30 / 100 | 30 % |
| A à J30 | 20 / 100 | 20 % |
| B à J7 | 40 / 100 | 40 % |
| B à J30 | Non observable | — |
Rendre les cellules comparables
- Définissez ce qui compte comme retour et les bornes de chaque période, avec le fuseau horaire. Un jour calendaire n’est pas nécessairement une fenêtre glissante de 24 heures.
- Dans GA4, les modes Standard, Rolling et Cumulative ne comptent pas les mêmes retours : période seule, présence dans la période observée et toutes les précédentes, ou retour cumulé. Ne mélangez pas leurs cellules.
- Marquez les horizons non atteints comme non observables. Comparez le même âge et des populations compatibles ; les changements d’acquisition peuvent expliquer une différence.
Décrire une évolution sans lui attribuer une cause
Les 40 % de B à J7 contre 30 % de A représentent 10 points de différence, pas la preuve d’un effet produit. Vérifiez effectifs, incertitude et conditions de suivi. Une observation de rétention n’est ni une prévision certaine de valeur client ni une démonstration causale.
Références primaires
Comparer les cohortes au même âge
Une cohorte récente n’a pas eu autant de temps pour revenir qu’une ancienne. Fixez événement d’entrée, unité, intervalles et événement de retour. Affichez les périodes encore incomplètes et distinguez rétention ponctuelle, retour dans une fenêtre et activité cumulée ; ces définitions ne sont pas interchangeables.
- Aligner les cohortes sur le temps écoulé depuis l’entrée.
- Définir qui appartient au dénominateur de chaque intervalle.
- Marquer les fenêtres non arrivées à maturité.
Pourquoi une case vide ne doit-elle pas devenir zéro ?
Elle peut correspondre à une période future ou incomplète, pas à une absence d’activité. Conservez cet état afin de ne pas conclure à une chute de rétention qui n’a pas encore été mesurée.
Référence primaire : Google SRE — Data processing pipelines. Méthode connexe : consulter le guide pratique.
Laisser aux cohortes le même temps d’observation
Exemple fictif : ces données ne décrivent aucun client ni résultat réel.
Une cohorte ancienne a eu plusieurs mois pour revenir ; une cohorte récente est comparée sur la même colonne sans avoir atteint cet âge.
- Définir événement d’entrée et retour, puis comparer les cohortes au même âge avec les mêmes exclusions. Marquer les cellules dont la période est incomplète.
- Différer la comparaison des périodes non mûres. Une baisse apparente peut provenir d’un temps d’observation différent plutôt que d’une perte de fidélité.
Référence primaire : Google Analytics — Cohort exploration. Méthode connexe : consulter le guide pratique.