Le problème du diagnostic du product-market fit est plus courant que la plupart des opérateurs ne l'admettent. Les équipes célèbrent les premières tractions comme un PMF, poussent vers la croissance, et découvrent six mois plus tard que la demande sous-jacente n'était pas aussi forte que le signal initial le suggérait. La cause profonde est presque toujours que les opérateurs mesurent les mauvaises choses. Le chiffre d'affaires précoce n'est pas un PMF. Un NPS élevé n'est pas un PMF. La couverture presse n'est pas un PMF. Ce sont des signaux positifs, mais ils sont compatibles avec une entreprise qui aura du mal à croître parce que le produit ne résout pas un problème que suffisamment de personnes se soucient profondément de résoudre au point de payer de manière répétée et d'en parler à leur entourage.

Rétention par cohorte : le signal primaire

La mesure la plus rigoureuse du PMF provient de l'analyse de la rétention, spécifiquement des courbes de rétention par cohorte. Prenez tous les utilisateurs qui ont démarré au cours d'un mois donné, suivez leur activité pendant douze mois, et tracez la courbe de rétention. La forme de la courbe est plus informative que toute métrique isolée. Une courbe qui tend vers zéro signifie que les clients partent et ne reviennent pas, ce qui est le signal le plus clair possible que le produit ne tient pas sa promesse de valeur centrale. Une courbe qui se stabilise à un chiffre non nul signifie que vous avez un noyau retenu : des personnes qui ont trouvé une valeur réelle dans le produit et continuent d'y revenir. La hauteur du plancher et la raideur de la chute initiale comptent toutes deux, mais l'existence d'un plancher est l'indicateur primaire.

Le test de Sean Ellis

Le signal qualitatif qui complète le mieux les données de rétention est le test de Sean Ellis, réutilisé avec rigueur. Posez aux utilisateurs actifs la question : « Comment vous sentiriez-vous si vous ne pouviez plus utiliser ce produit ? » et mesurez le pourcentage qui répond « très déçu ». Le benchmark original de 40 % d'Ellis a été débattu, mais la logique sous-jacente est solide : si une super-majorité de vos utilisateurs n'était pas significativement affectée par la disparition du produit, le produit ne résout pas un problème critique. Le test est le plus utile quand il est accompagné d'un suivi qualitatif : demandez aux utilisateurs qui ont répondu « très déçu » exactement ce qu'ils feraient à la place, et demandez aux utilisateurs qui ont répondu « pas très déçu » ce qui manque. Ce dernier groupe pointe souvent directement vers les changements produit nécessaires pour renforcer le fit.

L'existence d'un plancher de rétention — un pourcentage non nul d'utilisateurs qui reviennent mois après mois — est le signal PMF le plus honnête disponible.

Taux de recommandation organique

Le taux de recommandation organique est le troisième signal que les opérateurs expérimentés examinent. Dans une situation de vrai PMF, les clients recommandent le produit sans y être invités parce qu'il résout un problème si bien que le fait d'en parler aux autres est la réponse naturelle. Le NPS mesure cette intention, mais le suivi réel des recommandations est plus fiable. Si vous pouvez attribuer 20 % ou plus de l'acquisition de nouveaux clients à des recommandations directes de clients existants, sans programme de parrainage actif les incitant, c'est un fort signal PMF. Si les taux de recommandation sont proches de zéro malgré des clients qui semblent satisfaits, cela signifie généralement que le produit est adéquat mais pas remarquable : résolvant le problème suffisamment bien pour que les gens continuent à l'utiliser mais pas si bien qu'ils en soient des ambassadeurs spontanés.

Le PMF dépend de la catégorie

Le PMF dépend aussi de la catégorie. Les produits grand public et les produits B2B à cycles de vente courts peuvent montrer des signaux PMF en trois à six mois. Les produits enterprise avec des contrats de douze mois ne peuvent pas montrer de vraies données de rétention avant au moins dix-huit à vingt-quatre mois après la première cohorte, ce qui signifie que les évaluations précoces du PMF sont nécessairement plus qualitatives. Pour les produits enterprise, les signaux pertinents sont le taux de renouvellement sur la première cohorte, les revenus d'expansion dans les comptes et la disposition des clients à servir de références. Les fondateurs dans les marchés enterprise devraient être particulièrement prudents avant de déclarer un PMF basé sur les signatures de contrats initiales, car le vrai test est de savoir si ces clients renouvellent et s'ils étendent leur usage au fil du temps.

Sources et lectures complémentaires : Sean Ellis, 'The Startup Pyramid,' startup-marketing.com | Andrew Chen, 'The Power User Curve,' andrewchen.com | Brian Balfour, 'Product/Market Fit is Not Enough,' brianbalfour.com | Sequoia Capital, 'Product/Market Fit,' sequoiacap.com | First Round Capital, 'How Superhuman Built an Engine to Find Product/Market Fit,' firstround.com/review