Demandez à une équipe produit comment se passe l'onboarding et vous obtiendrez en général l'une de ces deux réponses : un haussement d'épaules, ou un dashboard. Ce dashboard affiche vingt chiffres. Inscriptions, connexions, sessions, DAU, vues de product tours, NPS, un graphique de funnel en six étapes. Tout le monde y jette un œil à la réunion du lundi, personne n'a changé une seule décision à cause de lui depuis six mois, et le seul chiffre qui aurait compté, l'endroit exact où les nouveaux utilisateurs bloquent, n'y figure même pas.
Le problème n'est pas la mesure, c'est la sélection. Les métriques d'onboarding utilisateur ne sont utiles que si chacune est rattachée à une décision : quand celle-ci baisse, on regarde tel point ; quand elle monte, on en fait davantage. Une douzaine de chiffres de ce type, alignés le long du funnel qu'un nouvel utilisateur parcourt réellement, vous en apprendront plus qu'une centaine qui se contentent d'exister.
Ce guide présente ce dispositif : le funnel d'onboarding comme cadre de mesure, douze métriques à suivre avec leurs formules et ce qu'il faut faire quand chacune bouge, les métriques de vanité à laisser hors du tableau de bord, comment instrumenter le tout sans projet de data engineering, et comment mener une revue hebdomadaire qui se termine par une décision plutôt que par un hochement de tête.
Points clés
- Mesurez le funnel, pas les totaux. L'onboarding est une séquence ; un pourcentage de complétion unique masque la seule étape qui casse vraiment.
- Le taux d'activation est la métrique clé de voûte : en aval de la configuration, en amont de la rétention et du chiffre d'affaires. Définissez-le à partir de vos propres données, pas du benchmark de quelqu'un d'autre.
- Mesurez toujours par cohorte d'inscription. Les chiffres par semaine calendaire bougent dès que le marketing dépense de l'argent, ce qui les rend inutiles pour juger l'onboarding.
- Associez chaque taux à une durée. « 80 % s'activent » n'a pas du tout le même sens au bout de deux heures qu'au bout de trois semaines ; le taux et la vitesse sont deux métriques, pas une seule.
- Si un chiffre ne changerait aucune décision, retirez-le du dashboard. Les inscriptions, les vues de product tours et le total des connexions sont les suspects habituels.
- Instrumentez d'abord la couche de guidage. Les analytics par étape des product tours et des checklists vous donnent tout le funnel d'onboarding sans pipeline d'événements.
Le funnel d'onboarding : le cadre auquel chaque métrique se rattache
Avant de choisir des métriques, mettez-vous d'accord sur la séquence qu'elles mesurent. Presque tous les onboardings SaaS suivent les cinq mêmes étapes, quel que soit le produit :
Cinq étapes, cinq questions. Les métriques qui ne se rattachent à aucune étape relèvent généralement du marketing ou de l'usage produit en général, pas de l'onboarding.
Deux règles font fonctionner ce cadre. D'abord, mesurez par cohorte d'inscription, pas par période calendaire : regroupez les utilisateurs selon leur semaine d'inscription et suivez ce groupe dans le temps. Les chiffres calendaires bougent dès que l'acquisition dépense de l'argent, ce qui les rend inutiles pour juger si l'onboarding s'est amélioré. Ensuite, associez chaque taux à une durée : 70 % d'utilisateurs qui s'activent en trois semaines, ce n'est pas du tout le même produit que 70 % qui s'activent dans la première heure, et un seul des deux a un problème d'onboarding.
Métriques des étapes 1 et 2 : commencent-ils, et vont-ils jusqu'au bout ?
1. Taux de passage de l'inscription au démarrage
Formule : utilisateurs ayant commencé l'onboarding ÷ utilisateurs ayant créé un compte × 100.
La métrique qui manque le plus souvent au tableau de bord, et souvent la plus grosse fuite. Une part non négligeable des comptes ne fait jamais le moindre pas : inscription par curiosité, interruption, ou arrivée sur un écran qui ne leur donnait rien à faire. Si ce chiffre est bas, le problème est votre premier écran : un dashboard vide sans prochaine action évidente, un état vide qui n'explique rien, ou un écran de bienvenue qui exige un effort avant de montrer de la valeur.
2. Taux de complétion de la configuration, global et par étape
Formule : utilisateurs ayant terminé la configuration ÷ utilisateurs l'ayant commencée × 100, et la même chose par étape.
Suivez les deux. Le chiffre global vous dit qu'il y a un problème ; la ventilation par étape vous dit laquelle, et c'est la seule version sur laquelle vous pouvez agir. Guettez le schéma classique où une seule étape (en général une autorisation à accorder, une intégration ou un import de données) concentre la majorité des abandons.
Une seule étape dévore ce funnel. Un agrégat de « 26 % d'activation » la masque complètement ; la vue par étape la désigne en trois secondes, et désigne du même coup le travail du prochain sprint.
3. Délai avant la première action
Formule : nombre médian de minutes entre l'inscription et la première action significative dans le produit.
Utilisez la médiane, pas la moyenne : une poignée d'utilisateurs revenus trois semaines plus tard suffit à transformer une moyenne en fiction. Cette métrique est le système d'alerte précoce du time to value : si la première vraie action prend vingt minutes, la valeur arrive en dehors de la session où se trouve l'enthousiasme.
4. Point de décrochage de l'onboarding
Formule : l'étape qui présente la plus forte perte en pourcentage entre deux étapes consécutives.
Ce n'est pas un taux mais un emplacement, et sans doute l'élément le plus actionnable de toute la liste. Publiez-le chaque semaine en le nommant (« nous perdons 44 % à l'étape Connecter une source de données »), car une étape nommée trouve un responsable, alors qu'un pourcentage n'obtient qu'un hochement de tête.
Métriques des étapes 3 et 4 : la valeur est-elle vraiment arrivée ?
5. Taux d'activation
Formule : utilisateurs ayant réalisé l'action d'activation ÷ utilisateurs de la cohorte d'inscription × 100.
La clé de voûte. Tout ce qui est en amont existe pour la faire monter et tout ce qui est en aval en dépend. La difficulté n'est pas le calcul, c'est la définition : trouvez le comportement précoce qui distingue le mieux les utilisateurs encore présents au jour 30 de ceux qui ne le sont plus, et faites-en votre événement d'activation. Puis ne la bougez plus : une définition qui dérive transforme chaque courbe de tendance en mensonge. La méthode complète se trouve dans notre guide pour augmenter l'activation des utilisateurs.
6. Time to value (TTV)
Formule : durée médiane entre l'inscription et le premier moment de vraie valeur.
Le jumeau de l'activation : l'une mesure si les utilisateurs y arrivent, l'autre combien de temps il leur faut. Suivez-les ensemble, car elles évoluent indépendamment : une refonte qui augmente l'activation tout en doublant le temps nécessaire pour y parvenir a généralement empiré les choses. Consultez le guide du time to value pour savoir comment définir ce moment et le raccourcir.
7. Taux de complétion de la checklist d'onboarding
Formule : utilisateurs ayant terminé tous les éléments de la checklist ÷ utilisateurs ayant vu la checklist × 100.
Utile dans les deux sens. Comme résultat, elle vous dit si votre parcours guidé fonctionne ; comme diagnostic, la complétion élément par élément vous dit quelle tâche les utilisateurs refusent de faire. Un élément que tout le monde saute est soit mal expliqué, soit réellement inutile, et les deux réponses valent la peine d'être connues. Pour concevoir le parcours lui-même, voyez notre guide de la checklist d'onboarding.
8. Engagement sur le guidage : complétion des product tours et des tooltips
Formule : utilisateurs ayant terminé le tour ÷ utilisateurs l'ayant commencé × 100, plus le décrochage par étape.
Pas les « vues » : la complétion. Un product tour avec 90 % de vues et 20 % de complétion est fermé, pas consulté, et son décrochage par étape désignera généralement le moment précis où vous en avez trop demandé. C'est aussi la métrique la moins coûteuse à instrumenter de toute la liste, car les outils de guidage la suivent nativement.
9. Étendue de l'adoption des fonctionnalités la première semaine
Formule : nombre moyen de fonctionnalités clés distinctes utilisées par un nouvel utilisateur au cours de ses sept premiers jours.
La profondeur d'engagement, dès le départ. Les utilisateurs qui touchent à trois fonctionnalités clés la première semaine se comportent très différemment de ceux qui n'en touchent qu'une ; l'étendue est l'un des meilleurs prédicteurs de rétention qui soient, et c'est la métrique qui vous dit si l'onboarding enseigne le produit ou seulement son premier écran. Associez-la à un travail de découverte des fonctionnalités.
Métriques de l'étape 5 : est-ce que ça a tenu ?
10. Rétention à la première semaine (et à 30 jours) par cohorte
Formule : utilisateurs actifs entre les jours 1 et 7 ÷ utilisateurs de la cohorte d'inscription × 100, à répéter pour le jour 30.
Le verdict sur tout ce qui précède. Les changements d'onboarding apparaissent ici en premier et de la façon la plus honnête, c'est pourquoi la rétention par cohorte est le bon tableau de score pour une équipe onboarding, même si ce n'est pas à proprement parler une métrique d'onboarding. Lisez-la comme une courbe plutôt que comme un point ; notre guide de la courbe de rétention explique comment distinguer une courbe qui se stabilise d'une courbe qui chute, et notre article sur la rétention des utilisateurs couvre les benchmarks.
11. Tickets de support pour 100 nouveaux utilisateurs
Formule : tickets liés à l'onboarding ÷ nouveaux utilisateurs de la cohorte × 100.
La métrique la plus sous-estimée de cette liste, parce qu'elle convertit la confusion en un chiffre qu'une équipe finance comprend. Elle s'accompagne en plus de données qualitatives gratuites : le texte du ticket nomme l'étape exacte qui a échoué. Une baisse des tickets par nouvel utilisateur est l'un des signaux les plus clairs qu'un changement de guidage a fonctionné, et c'est la métrique qui justifie d'investir dans le support in-app.
12. Conversion de l'essai en payant selon le statut d'activation
Formule : conversions payantes ÷ essais démarrés × 100, ventilées selon que l'utilisateur s'est activé ou non.
Toute la valeur est dans la ventilation. Comparer la conversion des utilisateurs activés à celle des non-activés fait passer l'onboarding du statut de centre de coûts à celui d'argument de chiffre d'affaires, et l'écart entre les deux chiffres est le meilleur plaidoyer que vous ferez jamais pour investir dans l'onboarding. Pour les détails pratiques, voyez notre guide de la conversion des essais gratuits.
Les métriques de vanité à laisser hors du dashboard
Chacune d'elles apparaît en permanence sur les dashboards d'onboarding, et aucune ne résiste à la question « que ferions-nous différemment si ce chiffre bougeait ? »
| Métrique de vanité | Pourquoi elle induit en erreur | Suivez plutôt ceci |
|---|---|---|
| Total des inscriptions | Mesure les dépenses marketing, pas l'onboarding | Passage de l'inscription au démarrage et taux d'activation |
| Vues de product tours / tooltips | Compte la diffusion, pas la compréhension | Taux de complétion et décrochage par étape |
| Total des connexions | Mélange nouveaux utilisateurs et power users | Rétention par cohorte selon la semaine d'inscription |
| Durée moyenne des sessions | Une longue session peut signifier de la confusion | Délai avant la première action, time to value |
| Taux d'ouverture des e-mails | Ouvrir n'est pas agir | Clics vers le produit, puis activation |
| Délai moyen d'activation | Les valeurs aberrantes font de la moyenne une fiction | La médiane, plus la distribution |
Le filtre à une question. Pour chaque chiffre de votre tableau de bord, demandez-vous : « si celui-ci s'améliorait de 20 % demain, que ferions-nous différemment ? » Si la réponse honnête est « rien », ce n'est pas une métrique ; c'est une humeur. Réduire le dashboard aux chiffres qui passent ce test est généralement ce qu'une équipe onboarding peut faire de plus rentable sur tout le trimestre.
Comment instrumenter tout cela sans équipe data
Si la plupart des équipes ne mesurent pas correctement l'onboarding, ce n'est pas faute d'accord sur les métriques qui comptent ; c'est que les instrumenter ressemble à un trimestre de travail d'ingénierie. Ce n'est pas une fatalité. Coupez la liste en deux :
- La moitié funnel vient de votre couche de guidage. Complétion de la configuration par étape, complétion des éléments de checklist, décrochage dans les product tours et les tooltips, temps entre les étapes : ce sont toutes des propriétés de l'expérience d'onboarding elle-même, et les outils qui délivrent cette expérience les suivent nativement. Aucun événement à définir, aucun pipeline à maintenir.
- La moitié résultats vient de vos données produit. Activation, rétention par cohorte, étendue d'usage des fonctionnalités, conversion des essais. La plupart des équipes ont déjà ces événements ; ce qui manque généralement, c'est le découpage par cohorte et une définition stable de l'activation, deux décisions d'analyse plutôt que d'ingénierie.
Commencez par la moitié funnel : c'est la partie que vous pouvez activer cette semaine, et elle contient le point de décrochage, c'est-à-dire l'endroit où se trouve le travail. Rattachez ensuite la moitié résultats pour prouver qu'une étape corrigée a réellement fait bouger la rétention. Notre guide de l'analyse produit traite plus en détail le volet résultats.
Transformer le dashboard en décision hebdomadaire
Les métriques ne changent rien tant qu'un rituel ne les rattache pas à une décision. Une revue hebdomadaire de l'onboarding de 20 minutes, cinq questions, toujours dans le même ordre :
1. Où la cohorte de cette semaine a-t-elle perdu le plus de monde ?
Nommez l'étape, pas le pourcentage. La réponse est un endroit du produit, et les endroits ont des responsables.
2. Le changement de la semaine dernière a-t-il fait bouger cette étape ?
Comparez cohorte à cohorte, pas semaine à semaine. Si vous n'avez rien changé, dites-le : un chiffre inchangé après une semaine sans changement, c'est aussi une information.
3. Le taux d'activation et le time to value évoluent-ils dans le même sens ?
Si le taux a augmenté mais que le délai s'est allongé, vous avez probablement ajouté du guidage là où il fallait retirer du travail.
4. À quel sujet les nouveaux utilisateurs écrivent-ils au support ?
Le texte des tickets est la moitié qualitative de chacun des chiffres ci-dessus, et il nomme généralement la correction à apporter. Croisez-le avec ce que vos sondages in-app ont recueilli la même semaine.
5. Quel est le changement unique que nous livrons avant la prochaine revue ?
Un seul. Une revue qui produit cinq idées ne produit rien ; une revue qui produit un changement livré cumule ses effets chaque semaine où elle a lieu.
Mesurer l'onboarding : à faire et à éviter
✅ À faire
- Regrouper les utilisateurs par cohorte d'inscription, toujours
- Suivre la complétion par étape, pas seulement en global
- Associer chaque taux à une durée médiane
- Définir l'activation à partir de vos propres données de rétention
- Publier chaque semaine, en la nommant, l'étape au plus fort décrochage
- Ventiler la conversion des essais selon le statut d'activation
- Compter les tickets de support liés à l'onboarding pour 100 nouveaux utilisateurs
- Terminer chaque revue par un changement livré
❌ À éviter
- Présenter la santé de l'onboarding à travers le total des inscriptions
- Utiliser des moyennes là où il y a des valeurs aberrantes ; prenez des médianes
- Compter les vues de product tours comme de l'engagement
- Changer la définition de l'activation en cours de trimestre
- Comparer votre taux à un benchmark que vous ne pouvez pas examiner
- Mesurer par semaine calendaire quand l'acquisition est irrégulière
- Garder des chiffres sur lesquels personne n'agirait
- Attendre un pipeline de données avant de mesurer quoi que ce soit
Mesurer l'onboarding sans construire de pipeline
Avec Kompassify, le funnel d'onboarding est instrumenté par le simple fait de construire l'onboarding :
- Chaque étape est mesurée par défaut. Les product tours, les checklists, les tooltips et les sondages remontent les démarrages, les complétions et le décrochage par étape sans qu'un développeur ait à définir des événements.
- Voyez où les gens bloquent, étape par étape. Les analytics par étape désignent le moment précis où les utilisateurs partent, la métrique qui transforme un dashboard en sprint.
- Comparez les segments entre eux. Admins contre membres, offre contre offre, la cohorte de ce mois-ci contre celle du mois dernier : les comparaisons qui expliquent un agrégat.
- Modifiez le parcours et remesurez la même semaine. Comme le guidage se déploie sans release, la boucle entre « nous pensons que cette étape est le problème » et « nous le savons » se compte en jours, pas en trimestres.
Kompassify est conforme au RGPD et hébergé dans l'UE, gratuit jusqu'à 100 utilisateurs actifs mensuels, avec des offres payantes à partir de $129/mois.
Sachez exactement où bloquent vos nouveaux utilisateurs
Kompassify vous permet de créer des product tours, des checklists et des tooltips d'onboarding par-dessus votre produit existant, et mesure automatiquement chacune de leurs étapes. Identifiez le point de décrochage par son nom, corrigez-le sans release, et regardez la cohorte suivante progresser. Conforme au RGPD, hébergé dans l'UE et gratuit jusqu'à 100 utilisateurs actifs mensuels.
Commencer gratuitement →Questions fréquentes
Que sont les métriques d'onboarding utilisateur ?
Les métriques d'onboarding utilisateur sont les chiffres qui décrivent avec quelle fiabilité les nouveaux utilisateurs passent de l'inscription à un vrai bénéfice tiré du produit. Elles s'inscrivent dans un funnel : combien de personnes commencent la configuration, combien la terminent, combien de temps il leur faut pour atteindre la première action significative, combien atteignent l'activation, et combien sont encore là une semaine plus tard. Les bonnes métriques d'onboarding ont un point commun : chacune a un responsable clair et une action claire quand elle bouge. Un chiffre sur lequel personne n'agirait n'est pas une métrique, c'est de la décoration.
Quelle est la métrique d'onboarding la plus importante ?
Le taux d'activation : la part des nouveaux utilisateurs qui réalisent l'action qui prédit de façon fiable la rétention dans votre produit. C'est la plus importante parce qu'elle se trouve au carrefour de toutes les autres : elle dépend de la complétion de la configuration et du délai avant la première action, et elle conditionne la rétention à la première semaine et la conversion de l'essai en payant. Si vous ne pouvez suivre qu'un seul chiffre, suivez l'activation, et définissez-la à partir de vos propres données en identifiant le comportement précoce qui distingue les utilisateurs qui restent de ceux qui partent.
Comment calculer le taux de complétion de l'onboarding ?
Divisez le nombre d'utilisateurs qui ont terminé la séquence d'onboarding définie par le nombre de ceux qui l'ont commencée, sur une fenêtre de cohorte fixe : taux de complétion = terminés ÷ commencés × 100. Deux détails le rendent honnête. Mesurez par cohorte d'inscription plutôt que par semaine calendaire, pour qu'un pic d'inscriptions ne fausse pas le taux. Et mesurez par étape autant qu'en global : un agrégat de 46 % vous dit qu'il y a un problème, alors que la vue par étape vous dit que c'est l'étape trois, et c'est la seule version sur laquelle vous pouvez agir.
Quel est un bon taux d'activation pour un SaaS ?
Il n'existe pas de chiffre universel, parce que l'activation se définit produit par produit : une équipe compte une source de données connectée, une autre un collègue invité, une autre un projet publié. Un taux qui paraît faible face au benchmark de quelqu'un d'autre peut être excellent pour un produit dont la configuration est plus lourde. La comparaison utile, c'est votre propre tendance et vos propres cohortes : la cohorte d'inscription de ce mois-ci s'active-t-elle plus vite et en plus grand nombre que celle du mois dernier ? Visez cet écart plutôt qu'un chiffre sectoriel dont vous ne voyez pas la définition.
Que sont les métriques de vanité dans l'onboarding ?
Des chiffres qui bougent sans rien vous apprendre sur quoi agir. Le nombre d'inscriptions est le cas classique : il mesure le marketing, pas l'onboarding. Les vues de product tours, les impressions de tooltips et les taux d'ouverture d'e-mails mesurent la diffusion, pas la compréhension. Le total des connexions mélange la dixième visite d'un power user avec la première d'un nouvel utilisateur. Le test : si ce chiffre progressait de 20 % demain, feriez-vous quoi que ce soit différemment ? Si ce n'est pas le cas, il a sa place dans un rapport que personne ne lit plutôt que sur le dashboard que votre équipe regarde chaque semaine.
Sur quelle durée faut-il mesurer l'onboarding ?
Mesurez sur deux fenêtres. Une courte, en général la première session et les premières 24 heures, indique si la configuration fonctionne tout court. Une plus longue, typiquement de 7 à 30 jours selon votre cycle d'usage, indique si la valeur est réellement arrivée. Les produits à usage hebdomadaire ont besoin d'une fenêtre de 30 jours pour obtenir un signal fiable ; les produits à usage quotidien peuvent lire l'essentiel de l'histoire en une semaine. Fixez la fenêtre, publiez-la et ne la changez jamais en silence, car une fenêtre déplacée rend toute comparaison historique dénuée de sens.
Comment suivre les métriques d'onboarding sans équipe data ?
Instrumentez la couche de guidage plutôt que de construire un pipeline. Une plateforme no-code comme Kompassify suit les étapes de vos product tours et de vos checklists d'onboarding : qui a commencé, qui a terminé, où les gens ont décroché, combien de temps a pris chaque étape, et l'affiche à côté des segments dont viennent les utilisateurs, sans qu'un développeur ait à instrumenter des événements. Cela couvre le funnel d'onboarding de bout en bout ; vous pouvez ensuite y rattacher les métriques de résultat dont vous disposez déjà dans votre outil d'analyse produit. Kompassify est conforme au RGPD et hébergé dans l'UE, gratuit jusqu'à 100 utilisateurs actifs mensuels, avec des offres payantes à partir de $129/mois.