Le taux de rétention est le pourcentage de clients ou d'utilisateurs qui continuent d'utiliser un produit ou restent abonnés sur une période donnée, calculé en divisant le nombre de clients conservés à la fin de la période par le nombre présent au début, en excluant les nouveaux clients acquis pendant cette période. Il se mesure le plus souvent sur des intervalles standard, comme des fenêtres de 30 jours, mensuelles ou annuelles, et est fréquemment analysé par l'analyse de cohortes, où les utilisateurs sont regroupés selon la période de leur première inscription et où leur comportement est suivi au cours des semaines ou des mois suivants, ce qui révèle si la rétention s'améliore, se dégrade ou reste stable d'une cohorte à l'autre à mesure que le produit et l'expérience d'onboarding évoluent.
La rétention est largement considérée comme l'un des indicateurs de santé les plus importants pour les entreprises à abonnement et fondées sur des applications, en raison de sa relation cumulative avec le chiffre d'affaires et l'efficacité de la croissance. Une entreprise dotée d'une bonne rétention peut croître régulièrement même avec un rythme modeste d'acquisition de nouveaux clients, puisque moins de clients existants doivent être remplacés à chaque période, alors qu'une entreprise à faible rétention, parfois décrite comme essayant de remplir un seau percé, doit acquérir en continu de grands volumes de nouveaux clients rien que pour maintenir un chiffre d'affaires stable, ce qui fait grimper les coûts d'acquisition client globaux et réduit la valeur vie client. Cette relation est formalisée dans le calcul très répandu de la valeur vie client, où celle-ci augmente fortement lorsque le taux d'attrition, l'inverse du taux de rétention, diminue, de sorte que même de petites améliorations de la rétention, comme un gain de deux ou trois points de pourcentage de rétention mensuelle, peuvent produire des effets disproportionnés sur le chiffre d'affaires à long terme.
Le taux de rétention se distingue généralement de notions voisines mais distinctes : le taux d'attrition (churn), qui mesure le pourcentage de clients perdus plutôt que conservés sur la même période ; et la stickiness (adhérence), souvent mesurée par le ratio entre utilisateurs actifs quotidiens et utilisateurs actifs mensuels, qui reflète la fréquence d'engagement plutôt que la survie à long terme. Les entreprises décomposent couramment la rétention selon les caractéristiques des cohortes, comme le canal d'acquisition, le niveau tarifaire ou l'achèvement de l'onboarding, car ces ventilations révèlent fréquemment que la rétention varie considérablement selon le segment ; les utilisateurs qui franchissent un jalon d'onboarding précis, par exemple, affichent souvent une rétention à long terme nettement supérieure à celle des autres, ce qui justifie couramment l'investissement dans l'UX d'onboarding.
Une idée reçue courante consiste à traiter le taux de rétention comme un chiffre unique et statique qui représenterait fidèlement l'ensemble de la base clients, alors que les courbes de rétention de différentes cohortes se comportent souvent très différemment, et qu'une entreprise doit distinguer l'attrition contractuelle, où un abonnement arrive simplement à échéance, de l'attrition volontaire, où un client résilie activement, car les interventions pour y répondre diffèrent sensiblement. Un autre écueil fréquent consiste à ne mesurer la rétention qu'au niveau du compte pour des produits à plusieurs utilisateurs, ce qui peut masquer les premiers signes de désengagement, comme la diminution du nombre de sièges actifs au sein d'un compte qui n'a pas encore formellement résilié, un schéma souvent considéré comme un indicateur avancé d'une attrition future du chiffre d'affaires plutôt que d'une attrition d'utilisateurs.
Dans les missions de conseil en CRO, UX et croissance, le taux de rétention est généralement traité comme un indicateur de validation différé qui confirme si les améliorations en amont, comme un parcours d'onboarding repensé, un programme de personnalisation ou une modification de la page de tarifs, se traduisent par des clients qui restent plus longtemps et génèrent plus de valeur vie client, plutôt que par un simple taux de conversion initial plus élevé. Les consultants construisent couramment des courbes de rétention segmentées par canal d'acquisition ou par achèvement de l'onboarding pour identifier les leviers en amont qui prédisent le mieux la rétention à long terme, puis priorisent les expérimentations autour de ces leviers, car améliorer même légèrement la rétention à 30 ou 90 jours a souvent un effet cumulé sur le chiffre d'affaires supérieur à celui d'une amélioration équivalente du seul taux de conversion en haut du tunnel.
La nature cumulative de la rétention se perçoit le plus facilement par une comparaison simple : une entreprise à abonnement qui conserve 90 % de ses clients d'un mois sur l'autre garde en moyenne un client pendant environ dix mois avant qu'il parte, alors qu'en conservant 95 % de ses clients, cette durée de vie moyenne passe à environ vingt mois, doublant la valeur vie client grâce à un changement qui paraît modeste lorsqu'on l'énonce comme un écart de cinq points de pourcentage. Cette relation non linéaire explique précisément pourquoi les équipes de croissance expérimentées considèrent de petits gains de rétention durables comme au moins aussi précieux que de grands succès d'acquisition ponctuels, et pourquoi les courbes de rétention, plutôt qu'un pourcentage à un instant donné, sont la manière privilégiée de communiquer la performance de rétention aux parties prenantes.
Autres termes commençant par R
Cadre de priorisation RICE (RICE Prioritization Framework)Real User Monitoring (RUM)Gestion des mises en production (Release Management)Ressources bloquant le rendu (render-blocking resources)Design responsive (Responsive Design)Retargeting (reciblage publicitaire)RétrospectiveRetour sur dépenses publicitaires (ROAS)Gestion des retours (returns management)
