Segmentation dans l’analytique mobile — définition, critères et méthodes d’identification des groupes

Qu’est-ce que la segmentation des utilisateurs?

La segmentation des utilisateurs est une méthode analytique qui divise l’audience en groupes (segments) selon des caractéristiques communes pour un engagement différencié. Contrairement à l’analyse de cohortes, les segments ne sont pas liés au temps — un utilisateur peut appartenir à plusieurs segments simultanément et en changer selon son activité.

L’objectif de la segmentation est de remplacer les communications de masse par des communications ciblées : envoyer différentes notifications push aux débutants et aux utilisateurs expérimentés, afficher un contenu différent dans le fil d’actualité et proposer des remises personnalisées. Selon McKinsey (2024), les entreprises dotées d’une segmentation avancée augmentent leurs revenus de 15 à 20 % grâce à un engagement personnalisé.

Types de segmentation dans l’analytique mobile

Segmentation comportementale

La segmentation comportementale — division des utilisateurs selon leurs actions dans l’application : fréquence de lancement, achats effectués, écrans consultés, niveaux terminés. C’est le type de segmentation le plus précieux pour les décisions produit car il reflète directement l’engagement. Par exemple, le segment « utilisateurs actifs payants » (3+ achats par mois) constitue la base des programmes de fidélité.

Segmentation démographique

La segmentation démographique — regroupement par sexe, âge, géolocalisation, langue et centres d’intérêt. Les données sont collectées via le profil utilisateur, lors de l’inscription ou via les SDK des plateformes analytiques. Le segment « utilisateurs de 18 à 25 ans de Moscou » permet d’adapter le ton et le style visuel à un public jeune, tandis que les géo-segments permettent de lancer des promotions régionales locales.

Segmentation technique

La segmentation technique — division par système d’exploitation, modèle d’appareil, version de l’application, type de connexion (Wi-Fi / données mobiles) et capacité mémoire. Essentielle pour les tests de performance : si le taux de crash sur Android 14 dépasse 2 %, le segment est isolé pour correction urgente. Selon Firebase Blog (2024), les segments techniques aident à réduire le temps de détection des bogues de 40 %.

Analyse RFM dans la segmentation

L’analyse RFM — méthode de segmentation des clients basée sur trois paramètres : Recency (temps depuis le dernier achat), Frequency (fréquence d’achat) et Monetary (montant d’achat). Chaque paramètre est noté sur une échelle de 1 à 5, 5 étant la valeur la plus élevée. La combinaison de trois chiffres (R-F-M) détermine le type de client.

Le segment 5-5-5 (« champions ») — les utilisateurs les plus précieux qui achètent fréquemment, récemment et pour des montants élevés. Le segment 1-1-1 (« perdus ») — utilisateurs qui n’ont pas acheté depuis longtemps et dépensent peu. Selon Optimove (2024), la segmentation RFM augmente le ROI des campagnes marketing de 30 à 50 % grâce à un ciblage précis.

Implémentez l’analyse RFM dans votre système CRM ou plateforme analytique. Définissez une stratégie pour chaque segment : fidélisez les « champions » avec des programmes de fidélité, reconquérez les « perdus » avec des promotions et éduquez les « nouveaux » pour les convertir en acheteurs réguliers.

Comment appliquer la segmentation en pratique

Appliquer la segmentation commence par une hypothèse : quel groupe d’utilisateurs devrait se comporter différemment? Par exemple, « les utilisateurs qui ont effectué leur premier achat pourraient convertir plus rapidement à un deuxième avec la bonne incitation. » En vous basant sur l’hypothèse, définissez le segment dans votre plateforme analytique et configurez une expérience.

La deuxième étape consiste à intégrer les segments dans les canaux produit et marketing : notifications push, campagnes email, messages in-app et tests A/B. Des plateformes comme Amplitude et Firebase permettent d’exporter les segments vers Google Analytics, Adjust et d’autres réseaux publicitaires pour la publicité ciblée.

La troisième étape est l’étalonnage itératif. Les segments ne sont pas statiques : après le lancement d’une campagne, vérifiez si le comportement du groupe a changé. Si un segment ne répond pas à la personnalisation, redéfinissez les critères ou fusionnez-le avec un autre segment pour augmenter la signification statistique.

Exemples pratiques de segments pour différents modèles d’affaires

Les segments varient selon le modèle d’affaires de l’application. Pour le e-commerce, le segment clé est celui des « abandonneurs de panier » (utilisateurs ayant ajouté des articles mais non payé). Pour les jeux — les « utilisateurs payants » répartis par niveau de dépense : les baleines (5 % des meilleurs joueurs générant 50 % des revenus) et les vairons (petits achats fréquents).

Chaque segment nécessite un scénario de communication unique. Il est important non seulement de définir le segment, mais aussi de configurer un pipeline : événement → segment → action (push, email, in-app) avec un délai. Selon Braze (2024), l’automatisation des segments avec un délai temporel augmente la conversion des notifications push de 40 %. Mesurez l’efficacité de chaque segment via la métrique ROMI (Return on Marketing Investment) — coût de la campagne par segment par rapport aux revenus supplémentaires des utilisateurs activés. Pour un calcul précis du ROMI, tenez compte non seulement des conversions directes de la première semaine, mais aussi de l’impact sur le LTV et la rétention dans les 30 jours suivant la campagne.

Outils de segmentation et exemples de code

Pour créer des segments dans Firebase Analytics, utilisez le code Kotlin ci-dessous. Il envoie un événement avec des paramètres personnalisés, à partir desquels des audiences et des segments sont construits dans la console Firebase.

val firebaseAnalytics = Firebase.analytics
val bundle = Bundle().apply {
    putString("user_tier", "premium")
    putInt("purchase_count", 12)
    putString("country", "RU")
}
firebaseAnalytics.logEvent("segment_update", bundle)

Après avoir envoyé des événements, créez une audience dans la console Firebase en utilisant le paramètre user_tier = « premium » et utilisez-la pour les notifications push ciblées via Cloud Messaging.

Segmentation comportementale : analyse approfondie

La segmentation comportementale mérite une attention particulière car elle fournit l’image la plus précise de l’engagement des utilisateurs. Contrairement aux attributs démographiques, le comportement reflète directement la valeur que l’utilisateur tire du produit. Les principales métriques comportementales pour la segmentation : fréquence de lancement (actif quotidien / hebdomadaire / mensuel), profondeur de session (temps et nombre d’écrans), actions cibles accomplies et historique d’achats.

Pour construire des segments comportementaux, utilisez une combinaison d’actions et de fenêtres temporelles. Exemple : le segment « dormants mais précieux » — utilisateurs qui ne se sont pas connectés depuis 14 jours mais qui ont effectué 2+ achats au cours des 30 derniers jours. Ce segment a un fort potentiel de réactivation via le remarketing. Selon Clevertap (2024), les campagnes ciblant les segments « dormants précieux » affichent un ROI de 6:1 grâce au pouvoir d’achat déjà confirmé de l’audience.

Les segments comportementaux sont aussi divisés par étape du cycle de vie : nouveaux (0–7 jours), actifs (7–30 jours), matures (30–90 jours) et désabonnés (90+ jours). Définissez des KPI et des scénarios d’engagement pour chaque étape. Par exemple, pour les nouveaux utilisateurs, priorisez l’intégration et la première action cible ; pour les matures, concentrez-vous sur la rétention et la vente incitative. Automatisez la transition des utilisateurs entre les étapes via des événements webhook dans un système CRM ou CDP. Utilisez le throttling : n’envoyez pas plus d’un message par jour pour éviter de provoquer un désabonnement à cause du spam. Selon Braze (2024), les segments avec des limites de fréquence de communication affichent une rétention 25 % plus élevée en réduisant la fatigue liée aux notifications push.

Erreurs courantes de segmentation

La première erreur — des segments trop petits. Un segment de 50 utilisateurs n’est pas statistiquement significatif : tout test A/B aura une marge d’erreur supérieure à 30 %. La taille minimale d’un segment pour des conclusions fiables est de 500 utilisateurs. Si un segment est trop petit, fusionnez-le avec les segments voisins.

La deuxième erreur — chevauchement des segments sans tenir compte des priorités. Un utilisateur peut être à la fois « nouveau » et « payant ». Définissez une hiérarchie des segments pour que la campagne pour les « nouveaux » n’écrase pas la campagne pour les « payants ». Selon Amplitude (2024), 35 % des équipes perdent des conversions à cause de règles de segmentation conflictuelles.

La troisième erreur — utiliser uniquement des données démographiques sans données comportementales. Le sexe et l’âge sans tenir compte des actions dans l’application donnent une image superficielle. Combinez démographie et comportement : le segment « femmes de 25 à 35 ans ayant effectué 2+ achats » est plus efficace que simplement « femmes de 25 à 35 ans ».