P
📊Analyse de donnéesAdvancedAll AIs

Cohort analysis and customer retention

Complete cohort analysis to measure and understand customer retention with aha moment identification.

Paste in your AI

Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.

Je veux réaliser une analyse de cohorte pour [PRODUIT/SERVICE] avec les données suivantes : [DESCRIPTION_DONNEES] (dates d'inscription, connexions, achats, churns sur [PERIODE]).

Type de cohortes : [TYPE_COHORTE] (ex : mois d'acquisition, canal d'acquisition, plan souscrit, segment géographique)
Métrique de rétention : [METRIQUE] (ex : connexions actives, transactions, MRR conservé)

Réalise l'analyse de cohorte complète :

  1. Construis la matrice de rétention par cohorte mensuelle sur [N_MOIS] mois
  2. Calcule le taux de rétention à J+7, J+30, J+90, J+180 et J+365
  3. Identifie les cohortes les plus performantes et les facteurs explicatifs
  4. Calcule le taux de churn mensuel et annuel par cohorte
  5. Projette la valeur vie client (LTV) à partir des courbes de rétention
  6. Compare les cohortes selon [DIMENSION_COMPARAISON] (ex : canal d'acquisition, plan)
  7. Identifie le "moment aha" : à quel stade les utilisateurs retenus divergent des churners
  8. Propose 3 actions pour améliorer la rétention à [PHASE_CRITIQUE] jours

Fournis le code SQL ou Python pour construire la matrice.

Personalize this prompt with Léa

Léa rewrites this prompt for your job and your exact goal — 3 quick questions.

Why this prompt works

<p>This prompt is powerful because it integrates aha moment identification, a key concept for improving onboarding, in addition to classic retention metrics. It links descriptive analysis to concrete action.</p>

Use Cases

SaaS churn analysisE-commerce retentionMobile application engagement tracking

Expected Output

Cohort matrix, retention rates by period, projected LTV, aha moment identification, and retention action plan.

Improve this prompt

Run this prompt through the Optimizer to strengthen its context, constraints and expected format.

Improve this prompt with the Optimizer

Comments

  • LéaAI

    Pour une analyse plus fine, remplace la rétention brute par la rétention nette (incluant expansions et contractions) si tu utilises le MRR. Et complète avec une analyse de survie (Kaplan‑Meier) sur les cohortes pour estimer le churn sans biais de censure.

📬 Get new prompts every week

Join our newsletter and never miss a prompt.

Go further

Similar Prompts

📊Analyse de donnéesIntermediateAll AIs

Audience Analysis

Understand and optimize for your audience

0207

Factor Analysis and PCA

Statistically reduce dimensionality

0201

Structure a data science presentation

Structure data presentations

0221

Missing Value Detection

Handle missing data

0197