Analyse de cohorte et rétention clients
Analyse de cohorte complète pour mesurer et comprendre la rétention clients avec identification du moment aha.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
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.
Pourquoi ce prompt fonctionne
Ce prompt est puissant car il intègre l'identification du moment aha, concept clé pour améliorer l'onboarding, en plus des métriques classiques de rétention. Il lie l'analyse descriptive à l'action concrète.
Cas d'usage
Résultat attendu
Matrice de cohorte, taux de rétention par période, LTV projetée, identification du moment aha et plan d'action rétention.
Formez-vous en profondeur
Découvrez le skill complet sur Prompt Guide pour maîtriser cette technique de A à Z.
Voir sur Prompt GuideTermes du glossaire
Prompts similaires
Détection d'anomalies dans les données
Détecte les anomalies et valeurs aberrantes dans un dataset avec plusieurs méthodes statistiques et scoring de sévérité.
Prévision des ventes par forecasting
Construit un modèle de forecasting des ventes avec comparaison de méthodes, scénarios et intervalles de confiance.
Analyse des données de stocks et d'inventaire
Analyse complète des données d'inventaire avec classification ABC/XYZ, calcul des seuils et optimisation du BFR.
Analyse d'une enquête et d'un questionnaire
Analyse complète des résultats d'une enquête avec statistiques, segmentation, analyse verbatim et rapport de synthèse.