Une hiérarchie des métriques d'analyse produit est le cadre structuré qui organise les métriques d'un produit, de la métrique nord-étoile de plus haut niveau aux indicateurs avancés et aux métriques de diagnostic — permettant à chaque équipe de comprendre comment leurs décisions quotidiennes se connectent au résultat le plus important de l'entreprise, et d'identifier rapidement quel levier spécifique est à l'origine des changements dans la métrique nord-étoile.
?
Comment les entreprises SaaS identifient-elles et définissent-elles leur métrique nord-étoile ?
La métrique nord-étoile (NSM) est la métrique unique qui capture le mieux la valeur fondamentale que le produit offre aux clients — et qui, lorsqu'elle augmente, est la plus fiable pour corréler avec le succès commercial à long terme. Elle occupe le sommet de la hiérarchie des métriques car toutes les autres métriques devraient expliquer les mouvements de la NSM. Choisir la bonne NSM nécessite de répondre à la question suivante : quelle est l'action spécifique que les clients entreprennent et qui, lorsqu'ils la réalisent fréquemment et en profondeur, signifie qu'ils reçoivent la pleine valeur du produit ? Bons exemples de NSM : Slack utilise « Messages envoyés » (lorsque les équipes envoient des messages, elles communiquent dans Slack plutôt que par e-mail — la valeur fondamentale) ; Amplitude utilise « Utilisateurs interrogeant chaque semaine » (utilisateurs extrayant activement des insights du produit) ; Zendesk utilise « Tickets résolus » (la tâche principale de chaque équipe de support utilisant la plateforme). Mauvaises NSM : revenus (un indicateur retardé, pas une mesure directe de la livraison de valeur) ; utilisateurs enregistrés (une métrique de vanité détachée de l'utilisation réelle) ; ou pages vues (un proxy qui peut augmenter pour de mauvaises raisons). La NSM doit être compréhensible par chaque personne de l'entreprise et directement améliorable par plusieurs équipes.
?
Comment le Product Ops devrait-il concevoir un arbre de métriques reliant la métrique nord-étoile aux métriques opérationnelles quotidiennes ?
Un arbre de métriques (également appelé arbre de drivers ou arbre de KPI) est un diagramme hiérarchique qui montre mathématiquement comment les métriques opérationnelles de niveau inférieur se combinent pour produire la métrique nord-étoile. Processus de construction : commencez par la NSM en haut. Demandez « quels sont les deux ou trois facteurs qui, lorsqu'ils sont multipliés ou additionnés, produisent la NSM ? » Ceux-ci deviennent les métriques de niveau 2. Pour chaque métrique de niveau 2, posez la même question — quels sont les facteurs qui la produisent ? Ceux-ci deviennent les métriques de niveau 3. Continuez jusqu'à atteindre des métriques que des équipes spécifiques peuvent influencer directement par leur travail quotidien. Exemple d'arbre partiel : NSM = Utilisateurs actifs hebdomadaires × Fonctionnalités utilisées par utilisateur. Niveau 2a : Utilisateurs actifs hebdomadaires = Nouveaux utilisateurs acquis × Taux de rétention à la semaine 1. Niveau 2b : Fonctionnalités utilisées par utilisateur = Étendue des fonctionnalités adoptées × Profondeur d'utilisation par fonctionnalité. Niveau 3a sous Nouveaux utilisateurs acquis : Démarrages d'essai × Taux d'activation d'essai. Le Product Ops construit et maintient cet arbre dans Notion ou un outil de BI, et l'utilise dans chaque réunion de revue de produit pour expliquer ce qui motive les changements de la NSM : « La NSM a diminué de 5 % cette semaine — l'analyse de niveau 2 montre que les utilisateurs actifs hebdomadaires sont stables mais que les fonctionnalités par utilisateur ont diminué : le niveau 3 montre que l'adoption en largeur a chuté spécifiquement pour la fonctionnalité X. »
?
Comment les équipes produit utilisent-elles les métriques de diagnostic pour identifier les causes profondes des mouvements de la métrique nord-étoile ?
Les métriques de diagnostic (également appelées « métriques de garde-fou » ou « métriques de santé ») se situent en dessous de la NSM dans la hiérarchie et sont examinées lorsque la NSM évolue de manière inattendue. Le principe : un changement de la métrique nord-étoile a un driver spécifique et identifiable qui peut être trouvé en parcourant l'arbre de métriques. Une investigation diagnostique efficace suit la structure de l'arbre : si la NSM a diminué, vérifiez les métriques de niveau 2 — la baisse provient-elle de la branche du nombre d'utilisateurs ou de la branche de la profondeur d'utilisation ? Si le niveau 2 montre que le nombre d'utilisateurs est le driver, vérifiez le niveau 3 — la baisse provient-elle de l'acquisition (moins de nouveaux utilisateurs) ou de la rétention (utilisateurs existants qui churnent plus rapidement) ? Si la rétention est le driver, vérifiez le niveau 4 — la baisse est-elle concentrée dans un segment d'utilisateurs spécifique, une zone de produit spécifique, ou une cohorte spécifique d'une période d'acquisition spécifique ? Au moment où l'enquête a traversé trois ou quatre niveaux, la cause profonde est généralement suffisamment spécifique pour être actionnable : « La rétention à 7 jours pour les utilisateurs qui se sont inscrits via le lancement Product Hunt a diminué de 45 % à 28 % par rapport à notre cohorte standard — les utilisateurs de cette campagne ont tendance à être des équipes plus petites qui atteignent la limite de fonctionnalités du plan gratuit avant de pouvoir s'activer pleinement. » Cette découverte spécifique permet une réponse ciblée, et non un effort d'amélioration large et non ciblé.
Défi de Connaissance
Vous maîtrisez Hiérarchie des métriques d'analyse produit ? Essayez maintenant de deviner le mot associé de 5 lettres !
Écrivez ou utilisez le clavier