Analyse des produits

Définir, suivre et interpréter les indicateurs de produit à chaque étape de son cycle de vie : découverte, croissance et maturité.

Quand l'utiliser

Utilisez cette compétence pour :

• Sélection d’un cadre d’indicateurs (AARRR, North Star, HEART)
• Définition des KPI par phase de développement du produit (pré-PMF, croissance, maturité)
• Conception de tableaux de bord et hiérarchie des indicateurs
• Analyse des cohortes et de la fidélisation
• Adoption des fonctionnalités et interprétation de l'entonnoir

Flux de travail

1. Sélection d’un cadre métrique

• AARRR pour les boucles de croissance et la visibilité de l’entonnoir
• North Star pour l'alignement stratégique interfonctionnel
• HEART pour la qualité de l'UX et la mesure de l'expérience utilisateur

2. Définir des indicateurs clés de performance (KPI) adaptés à chaque étape

• Pré-PMF : activation, fidélisation précoce, succès qualitatif
• Croissance : efficacité d'acquisition, expansion, vitesse de conversion
• Maturité : profondeur de la fidélisation, qualité du chiffre d'affaires, efficacité opérationnelle

3. Concevoir les niveaux du tableau de bord

• Niveau direction : 5 à 7 indicateurs stratégiques
• Niveau « Santé du produit » : acquisition, activation, fidélisation, engagement
• Couche « fonctionnalités » : adoption, profondeur, utilisation répétée, corrélation des résultats

4. Effectuer une analyse par cohorte et de fidélisation

• Segmenter par cohorte d’inscription ou par cohorte d’exposition aux fonctionnalités
• Comparer les courbes de fidélisation, et non des instantanés ponctuels
• Identifier les points d’inflexion autour de l’intégration et du moment de la première valeur

5. Interpréter et agir

• Relier l’évolution des indicateurs aux modifications apportées au produit et au calendrier de lancement
• Distinguer le signal du bruit en s’appuyant sur le contexte d’une période par rapport à une autre
• Proposer une action produit claire pour chaque risque ou opportunité majeur lié aux indicateurs

Conseils sur les KPI par étape

Avant le PMF

• Taux d’activation
• Rétention à la première semaine
• Délai avant la première valeur
• Note de l'entretien sur l'adéquation problème-solution

Croissance

• Taux de conversion par étape du tunnel de conversion
• Utilisateurs fidèles mensuels
• Adoption des fonctionnalités par les nouvelles cohortes
• Indicateurs proxy d’expansion / de vente incitative

Maturité

• Indicateurs de produit alignés sur la fidélisation du chiffre d’affaires net
• Part des utilisateurs intensifs et intensité d’utilisation
• Indicateurs de risque de désabonnement par segment
• Indicateurs de produit relatifs à la fiabilité et à la réduction des demandes d’assistance

Principes de conception des tableaux de bord

• Présenter des tendances, et non des estimations ponctuelles isolées.
• Attribuer un responsable à chaque KPI.
• Associer chaque KPI à un objectif, un seuil et une règle de décision.
• Utiliser par défaut des filtres de cohorte et de segment.
• Privilégier des périodes comparables (hebdomadaire vs hebdomadaire, mensuel vs mensuel).

Voir :

• references/metrics-frameworks.md
• references/dashboard-templates.md

Méthode d’analyse par cohorte

1. Définissez l'événement d'ancrage de la cohorte (inscription, activation, premier achat).
2. Définir le comportement de fidélisation (jour d'activité, action clé, session répétée).
3. Construisez une matrice de fidélisation par cohorte (semaine/mois) et par tranche d’âge.
4. Comparer la forme des courbes entre les cohortes.
5. Signaler les points de désengagement précoce et analyser les frictions du parcours client.

Interprétation de la courbe de fidélisation

• Chute brutale en début de courbe, plateau bas : inadéquation de l’intégration ou faible valeur initiale.
• Baisse modérée, plateau stable : audience de base solide avec un taux de désabonnement prévisible.
• Aplatissement à un niveau bas : le produit est utilisé de manière occasionnelle ; réexaminez les indicateurs de valeur.
• Amélioration des cohortes les plus récentes : les améliorations apportées à l'intégration ou au positionnement portent leurs fruits.

Anti-modèles

Outils

scripts/metrics_calculator.py

Utilitaire CLI pour l’analyse de la rétention, des cohortes et des entonnoirs à partir de données CSV. Prend en charge les sorties au format texte et JSON.

# Retention analysis
python3 scripts/metrics_calculator.py retention events.csv
python3 scripts/metrics_calculator.py retention events.csv --format json

# Cohort matrix
python3 scripts/metrics_calculator.py cohort events.csv --cohort-grain month
python3 scripts/metrics_calculator.py cohort events.csv --cohort-grain week --format json

# Funnel conversion
python3 scripts/metrics_calculator.py funnel funnel.csv --stages visit,signup,activate,pay
python3 scripts/metrics_calculator.py funnel funnel.csv --stages visit,signup,activate,pay --format json

Format CSV pour la fidélisation/les cohortes :

user_id,cohort_date,activity_date
u001,2026-01-01,2026-01-01
u001,2026-01-01,2026-01-03
u002,2026-01-02,2026-01-02

Format CSV pour l’entonnoir :

user_id,stage
u001,visit
u001,signup
u001,activate
u002,visit
u002,signup

Références croisées

• Connexes : product-team/experiment-designer — pour la planification de tests A/B après identification des opportunités de métriques
• Connexes : product-team/product-manager-toolkit — pour la hiérarchisation RICE des fonctionnalités basées sur des indicateurs
• Connexes : product-team/product-discovery — pour la cartographie des hypothèses lorsque les indicateurs révèlent des inconnues
• Connexes : finance/saas-metrics-coach — pour les indicateurs spécifiques au SaaS (ARR, MRR, taux de désabonnement, LTV)