Pendo

Pendo expose plusieurs types d'objets via son API d'agrégation : visiteurs, comptes, pages, fonctionnalités, événements de suivi, guides et réponses aux sondages NPS. Cette intégration se concentre sur trois d'entre eux — les événements de fonctionnalité, les événements de guide et les métadonnées visiteur — parce qu'ils sont les objets les plus directement façonnés par les décisions de l'équipe produit. Les agrégats au niveau des comptes et les événements de pages vues ont été exclus : ils manquent soit d'attribution individuelle, soit servent d'indicateurs de vanité déconnectés de la contribution de l'équipe. Six KPIs ont été retenus, sélectionnés selon trois critères : capacité d'attribution à un visiteur identifié, résistance au contournement, et équilibre entre signaux avanceurs d'activation et confirmation retardée de l'engagement.

Adoption des fonctionnalités : mesurer la découverte et la vitesse d'activation

Feature Adoption Rate mesure la proportion de visiteurs ayant cliqué sur une fonctionnalité donnée au moins une fois au cours de la période. Time to First Use mesure le nombre moyen de jours qui s'écoulent entre l'exposition d'un visiteur à un guide d'onboarding et sa première interaction avec la fonctionnalité que ce guide promouvait. Ces deux indicateurs traitent le même phénomène — la découverte de fonctionnalité — sous deux angles différents.

Feature Adoption Rate répond à la question de savoir si une fonctionnalité est atteinte par la population utilisateur. Time to First Use répond à la question de la durée nécessaire à un utilisateur pour agir après avoir été exposé à une information sur cette fonctionnalité. Un taux d'adoption élevé combiné à un Time to First Use long suggère que la découverte se produit passivement, sans que le guide joue un rôle causal dans l'activation — la fonctionnalité est trouvée par d'autres voies, ou les utilisateurs y reviennent après avoir oublié le guide. Un taux d'adoption faible combiné à un Time to First Use court identifie le schéma opposé : les utilisateurs qui suivent un guide agissent rapidement, mais la majorité des utilisateurs n'est jamais exposée à ce guide, ce qui pointe vers un problème de ciblage ou de positionnement plutôt que de contenu.

Feature Adoption Rate comporte un risque de contournement : un chef de produit peut l'augmenter artificiellement en rendant une fonctionnalité saillante dans la navigation sans démontrer de création de valeur réelle. Pour cette raison, il est lu en conjonction avec Days Active et NPS Score, décrits ci-dessous. Une hausse de Feature Adoption Rate non accompagnée d'un signal d'engagement durable ou d'une amélioration de la satisfaction suggère une découverte cosmétique plutôt qu'une adoption réelle.

Efficacité de l'onboarding : lire les résultats des guides en binome

Guide Completion Rate mesure la proportion de vues de guide aboutissant à ce qu'un visiteur complète l'intégralité de la séquence. Guide Abandonment Rate mesure la proportion de vues de guide aboutissant à ce que le visiteur ferme le guide avant sa fin. Ces deux indicateurs sont structurellement couplés : ils partagent le même dénominateur (les événements guideSeen) et couvrent ensemble la quasi-totalité des issues d'une exposition à un guide.

La raison pour laquelle les deux sont suivis plutôt que de s'appuyer uniquement sur le taux de complétion est que le comportement de fermeture porte une information que la non-complétion ne porte pas. Un visiteur qui ne complète pas un guide peut avoir navigué vers une autre page, réduit la fenêtre, ou simplement laissé l'onglet ouvert — aucun de ces comportements ne signale une friction. Un visiteur qui ferme explicitement le guide signale que ce guide a été perçu comme une interruption. Un Guide Abandonment Rate élevé identifie donc un problème spécifique et actionnable : la pertinence, le positionnement ou le moment d'affichage du guide génère de la résistance, pas seulement de l'indifférence. Cette distinction est invisible lorsque seul le taux de complétion est disponible.

Guide Completion Rate est classé comme indicateur retardé parce qu'il reflète le résultat d'un flux d'onboarding déjà déployé. Guide Abandonment Rate opère comme signal avanceur : une hausse des taux de fermeture sur un guide récemment modifié est détectable avant la clôture du prochain cycle d'adoption ou de rétention, offrant une opportunité de correction anticipative.

Profondeur d'engagement et satisfaction : signaux de validation retardés

Days Active mesure le nombre moyen de jours où un visiteur a été actif dans le produit au cours de la période de reporting. NPS Score capture la dernière note de satisfaction soumise par un visiteur via un sondage in-app, sur une échelle de zéro à dix. Les deux sont des indicateurs retardés : ils confirment des tendances que les indicateurs avanceurs ont déjà suggérées.

Days Active sert de contre-indicateur principal à Feature Adoption Rate. Une équipe produit qui lance une nouvelle fonctionnalité peut faire monter le taux d'adoption à court terme via des guides in-app et des modifications de navigation. Si cette fonctionnalité apporte une valeur réelle, Days Active devrait rester stable ou augmenter à mesure que les utilisateurs reviennent dans le produit pour l'utiliser régulièrement. Si Days Active reste plat ou décline tandis que le taux d'adoption augmente, la fonctionnalité attire des interactions uniques plutôt que de construire une habitude — un schéma qui prédit le churn indépendamment de ce que suggère la métrique d'adoption.

NPS Score apporte une dimension de validation différente. Il capte la valeur perçue plutôt que la fréquence comportementale : un utilisateur peut être très actif dans un produit qu'il trouve frustrant, ou peu actif dans un produit qu'il valorise fortement. La combinaison de Days Active et de NPS Score distingue ces deux cas. Un visiteur avec un Days Active en hausse et un NPS Score en baisse constitue un risque de churn malgré son engagement comportemental — un signal que des problèmes de qualité produit s'accumulent sous un schéma d'usage apparemment sain.

Périmètre et limites de l'intégration

Le modèle de données de Pendo est centré sur le visiteur : chaque événement appartient à un visitorId, non à un membre de l'équipe produit. La chaîne d'attribution d'un KPI à la contribution d'un chef de produit spécifique est donc indirecte. Feature Adoption Rate et les métriques de guide sont attribuables au PM qui a créé le tag de fonctionnalité ou le guide concerné, mais uniquement si l'équipe maintient une correspondance consistante entre les objets Pendo et les propriétaires individuels. Sans cette discipline opérationnelle, les KPIs mesurent des résultats au niveau produit sans identifier qui en est responsable.

De plus, l'intégration dépend de la configuration Pendo du client. Si visitorId est paramétré sur l'adresse e-mail de l'utilisateur — ce que Pendo recommande sans l'imposer — l'attribution se résout directement. Si visitorId est un identifiant interne opaque, une recherche de métadonnées secondaire est nécessaire, créant une dépendance vis-à-vis de l'architecture de données du client. NPS Score n'est disponible que pour les clients utilisant la collecte NPS in-app de Pendo ; les équipes ayant recours à des outils de sondage externes trouveront ce champ vide. Ces KPIs d'intégration reflètent autant la profondeur et la consistance de l'instrumentation Pendo de l'équipe que la performance produit réelle.