Un client acquis en novembre pendant le Black Friday vaut-il autant qu’un client acquis en mars ? Les clients venus de Google Ads rachètent-ils plus souvent que ceux venus de Meta ? Ces questions, un tableau de bord classique ne sait pas y répondre. L’analyse de cohorte, si.
C’est un outil que beaucoup d’e-commerçants connaissent de nom sans vraiment l’utiliser. Pourtant, c’est l’un des moyens les plus simples de savoir si vos campagnes publicitaires sont rentables sur la durée, et pas seulement au premier achat.
Qu’est-ce qu’une analyse de cohorte ?
Une cohorte, c’est un groupe de clients qui ont un point commun à un moment donné. Le plus souvent, ce point commun est la date du premier achat : tous les clients qui ont commandé pour la première fois en janvier forment la cohorte de janvier.
L’analyse de cohorte consiste à suivre chaque groupe dans le temps : combien reviennent le mois suivant, combien rachètent au bout de trois mois, combien ils ont dépensé au total après six mois. Au lieu de mélanger tous les clients, on compare des groupes homogènes.
Exemple : une boutique de café en grains acquiert 1 000 nouveaux clients en janvier. Un mois plus tard, 180 ont racheté. Trois mois plus tard, 260 ont passé au moins une deuxième commande. Ces chiffres décrivent la cohorte de janvier, et on peut les comparer à ceux de février, de mars ou de novembre.
Pourquoi l’analyse de cohorte est utile pour vos campagnes Ads
Google Ads et Meta mesurent surtout le premier achat. Un CPA de 40 € peut sembler cher si le panier moyen est de 45 €. Mais si ces clients rachètent trois fois dans l’année, le calcul change complètement.
L’analyse de cohorte permet de répondre à trois questions très concrètes :
- combien de temps faut-il pour qu’un client acquis en publicité devienne rentable,
- quels canaux ou quelles campagnes apportent des clients qui reviennent,
- quel CPA maximum vous pouvez accepter, en tenant compte des achats suivants.
C’est le complément naturel de la LTV (valeur vie client) : la LTV donne une moyenne, la cohorte montre comment cette valeur se construit, mois après mois.
Comment créer une analyse de cohorte dans GA4 ?
GA4 propose un modèle prêt à l’emploi. D’après la page d’aide Google Analytics sur l’exploration des cohortes, la démarche est la suivante :
- dans Explorer, ouvrir la Galerie de modèles et choisir Exploration des cohortes,
- définir le critère d’inclusion : par exemple « Toute transaction » pour regrouper les clients selon leur premier achat sur la période,
- définir le critère de retour : « Toute transaction » pour suivre les rachats,
- choisir la précision : par jour, par semaine (du dimanche au samedi) ou par mois,
- choisir le type de calcul : standard, glissant ou cumulé,
- ajouter si besoin une répartition, par exemple par source ou par catégorie d’appareil.
Deux limites à connaître. Les cohortes GA4 reposent sur l’appareil de l’utilisateur, pas sur le User-ID : un client qui rachète depuis un autre appareil n’est pas reconnu. Et l’exploration est limitée à 60 cohortes. Pour suivre des clients sur plusieurs mois, les données de votre boutique sont souvent plus fiables.
Si votre GA4 n’est pas encore bien configuré pour l’e-commerce, mon guide GA4 explique les événements à vérifier.
Comment le faire avec Shopify ou un simple tableur ?
Shopify propose un rapport d’analyse de cohorte clients. Par défaut, il regroupe les clients selon la date de leur première commande, puis affiche leurs achats suivants par semaine, par mois ou par trimestre. On peut aussi filtrer la cohorte selon le canal marketing ou le produit de la première commande.
Sur un autre outil (WooCommerce, PrestaShop, CRM), un export des commandes suffit. Il faut trois colonnes :
- l’identifiant du client (e-mail ou numéro client),
- la date de la commande,
- le montant de la commande, ou mieux la marge.
Dans un tableur, on calcule pour chaque client le mois de sa première commande, puis l’écart en mois entre chaque commande et cette première commande. Un tableau croisé dynamique avec les cohortes en lignes et les mois écoulés en colonnes fait le reste.
Comment lire un tableau de cohortes ?
Le tableau se lit dans deux sens. En ligne, on suit une cohorte dans le temps. En colonne, on compare les cohortes entre elles au même âge.
Exemple fictif, pour la boutique de café en grains, avec un chiffre d’affaires cumulé par client :
- cohorte de janvier : 32 € au premier achat, 51 € après 3 mois, 74 € après 6 mois,
- cohorte de mars : 30 € au premier achat, 52 € après 3 mois, 79 € après 6 mois,
- cohorte de novembre (Black Friday) : 41 € au premier achat, 47 € après 3 mois, 55 € après 6 mois.
La cohorte de novembre dépense plus au premier achat, grâce aux offres groupées. Mais elle revient beaucoup moins. Si la marge est de 40 %, un client de mars rapporte environ 32 € de marge en six mois, contre 22 € pour un client du Black Friday.
Un CPA identique sur deux périodes ne veut pas dire une rentabilité identique : tout dépend de ce que la cohorte rachète ensuite.
Cohortes par canal : Google Ads, Meta, organique
L’analyse devient encore plus utile quand on découpe les cohortes par canal d’acquisition. Dans Shopify, le filtre sur le canal marketing de la première commande le permet. Dans GA4, une répartition par source ou par groupe de canaux par défaut donne une première idée.
C’est souvent là qu’on découvre des écarts importants. Par exemple, des clients acquis par une campagne de promotion très agressive rachètent peu, alors que des clients venus d’une recherche sur le nom de la marque reviennent souvent. Ces informations aident à régler les objectifs d’acquisition dans Google Ads. Je l’explique dans mon article sur les objectifs de cycle de vie client, qui permettent de miser davantage sur les nouveaux clients à forte valeur.
Pensez aussi à surveiller le panier moyen de chaque cohorte : une baisse de panier sur les nouvelles cohortes est souvent le premier signe d’une acquisition qui se dégrade.
Mon avis
Je trouve que l’analyse de cohorte est l’outil le plus sous-utilisé par les e-commerçants que j’accompagne. Elle ne demande ni budget ni outil payant, juste un export de commandes et une heure de travail. Et elle change souvent la façon de juger une campagne.
Selon moi, elle est indispensable dès qu’un produit peut être racheté : cosmétiques, alimentation, animaux, consommables. Pour un produit acheté une seule fois, comme un canapé, elle a moins d’intérêt, et je regarde plutôt le parrainage et les ventes additionnelles.
Mon retour d’expérience
Quand je reprends un compte publicitaire e-commerce, je demande presque toujours un export des commandes pour construire les cohortes. C’est souvent là qu’on comprend pourquoi un CPA jugé trop élevé est en réalité rentable, ou l’inverse. Cette lecture m’aide ensuite à fixer des objectifs de CPA ou de ROAS réalistes, en accord avec la stratégie entre nouveaux clients et rétention.
Si vous voulez mettre en place ce suivi, c’est un travail que je fais en tant que consultant analytics.
FAQ : analyse de cohorte
Qu’est-ce qu’une cohorte en marketing ?
C’est un groupe de clients qui partagent une caractéristique à un moment donné, le plus souvent le mois de leur premier achat.
À quoi sert une analyse de cohorte ?
Elle sert à suivre le comportement de chaque groupe dans le temps : taux de rachat, chiffre d’affaires cumulé, rétention. Elle permet de savoir si des clients acquis à des périodes ou par des canaux différents ont la même valeur.
Comment faire une analyse de cohorte dans GA4 ?
Dans Explorer, choisissez le modèle Exploration des cohortes, puis définissez le critère d’inclusion, le critère de retour, la précision (jour, semaine, mois) et le type de calcul.
Quelle différence entre analyse de cohorte et LTV ?
La LTV est une valeur moyenne par client sur une durée. L’analyse de cohorte montre comment cette valeur évolue, mois par mois, pour chaque groupe de clients.
Faut-il un outil payant pour faire une analyse de cohorte ?
Non. GA4 et Shopify proposent un rapport de cohortes, et un export de commandes dans un tableur suffit pour la plupart des boutiques.
