Comment réaliser une analyse de cohortes avec iDBQuery ?

L'analyse de cohortes regroupe les utilisateurs selon un événement de départ commun, généralement leur mois d'inscription ou de premier achat, et suit le comportement de chaque groupe dans le temps. Dans iDBQuery, vous ne construisez pas le tableau croisé à la main : - Connectez la source qui contient les inscriptions et l'activité (une table users Postgres, un export de facturation, un CSV, ou les trois à la fois). - Demandez quelque chose comme « Construis une cohorte d'inscriptions mensuelle et montre le pourcentage encore actif dans chacun des 6 mois suivants. » - iDBQuery génère le SQL fenêtré, l'exécute sur le modèle vivant et renvoie une grille de cohortes (cohortes sur le côté, décalage de période en haut) ou une carte de chaleur de rétention.

Un exemple concret : une équipe SaaS demande « Montre la rétention du revenu par cohorte trimestrielle sur les deux dernières années. » iDBQuery regroupe les clients par leur premier trimestre payant, calcule le revenu retenu à chaque trimestre suivant et rend le graphique en triangle. Vous pouvez ensuite enchaîner avec « Quelle cohorte a eu la pire baisse au mois 3 ? » sans repartir de zéro.

Ce qui le distingue d'un outil de BI : vous ne définissez jamais d'abord la logique de cohorte dans une couche de modélisation. Il n'y a ni modèle dbt, ni LookML, ni tableau croisé préconstruit. Et chaque chiffre est auditable, cliquez donc n'importe quelle cellule de cohorte et iDBQuery montre les lignes exactes qui la sous-tendent, vous laissant faire confiance à un chiffre de rétention de 3 % avant qu'il n'entre dans une présentation au conseil. Comme il fonctionne à travers les sources, une cohorte peut joindre les dates d'inscription de votre base de données produit au revenu de votre export de facturation en une seule question.