Stratégie growth hacking : AARRR pour diagnostiquer, ICE pour choisir ses tests
Publié par : Éloïse Delaunay-Clerval — Rédactrice spécialisée en marketing
Une stratégie de growth hacking commence par une question précise : à quel endroit du parcours client perdez-vous de la valeur ? Le framework AARRR aide à repérer ce point faible ; les méthodes ICE et PIE servent ensuite à choisir les expériences à lancer. L’objectif n’est pas d’accumuler des « hacks », mais de transformer des hypothèses en décisions mesurables.
Si votre recherche porte sur Boostmetrics, il faut distinguer cette méthode générale d’un éventuel outil ou service : aucune fonctionnalité spécifique ne peut lui être attribuée ici sans documentation vérifiable. La démarche suivante reste applicable indépendamment de la solution de pilotage retenue.
Partir du problème de croissance, pas du canal à développer
Le growth hacking est une démarche transverse d’expérimentation qui mobilise marketing, produit, analyse de données et service client. Popularisé par Sean Ellis en 2010, le terme ne désigne ni une recette miracle ni une simple technique d’acquisition massive. Une expérience peut concerner une publicité, mais aussi l’onboarding, le prix ou la compréhension d’une fonctionnalité.
Testez vos connaissances sur le growth hacking
Répondez aux six questions, puis validez pour découvrir votre score et les corrections.
Avant de chercher davantage de visiteurs, examinez ce que deviennent les utilisateurs déjà acquis. Si peu atteignent une première valeur concrète ou reviennent ensuite, amplifier l’acquisition risque surtout d’amplifier les pertes. La rétention doit donc être analysée avant d’augmenter les dépenses, sans pour autant négliger la qualité des canaux entrants.
Un exemple cité en B2C évoque la perte de 50 à 70 % des utilisateurs activés au bout de 30 jours. Ce n’est pas une norme applicable à toutes les entreprises : c’est une illustration du risque de confondre inscription et adoption durable. Votre diagnostic doit porter sur vos propres cohortes, c’est-à-dire des groupes d’utilisateurs entrés sur une même période.
Fixez enfin les limites de l’expérimentation : budget, temps disponible, contraintes techniques et protection des données personnelles. Une hausse de conversion obtenue par une interface trompeuse ou des sollicitations excessives n’est pas un progrès durable.
Lire le parcours avec AARRR et choisir une métrique prioritaire
Le framework AARRR comprend 5 phases : Acquisition, Activation, Rétention, Recommandation et Revenu. La variante AAARRR ajoute une sixième étape, l’Awareness, ou sensibilisation : elle aide à distinguer l’exposition à la marque de l’arrivée effective de prospects. Ces étapes constituent une grille de lecture, pas nécessairement un parcours strictement linéaire.
| Étape | Événement à suivre | Métrique utile | Expérience possible |
|---|---|---|---|
| Sensibilisation | Exposition auprès de la cible | Portée qualifiée | Tester un angle de contenu |
| Acquisition | Arrivée d’un prospect qualifié | Conversion par canal, coût d’acquisition client | Aligner publicité et page d’arrivée |
| Activation | Première action apportant de la valeur | Part des inscrits atteignant cette action | Simplifier l’onboarding |
| Rétention | Retour à un usage utile | Rétention par cohorte, attrition | Tester un accompagnement ciblé |
| Recommandation | Invitation suivie d’une activation | Nouveaux utilisateurs activés issus du parrainage | Déplacer le moment de l’invitation |
| Revenu | Achat ou abonnement | Conversion payante, panier moyen, revenu mensuel récurrent | Clarifier la présentation des offres |
Définissez l’activation selon la valeur du produit. Une session de 30 secondes ou la consultation de 2 pages peut servir d’indicateur exploratoire, sans démontrer un bénéfice réel. Pour un logiciel, réaliser une première tâche utile est souvent plus pertinent que simplement ouvrir un compte.
Choisissez ensuite une OMTM, ou One Metric That Matters : la métrique prioritaire du cycle de travail. Elle peut changer avec le principal blocage. La North Star Metric représente plutôt une boussole durable liée à la valeur délivrée. Ni l’une ni l’autre ne dispense de surveiller le revenu, les coûts et la satisfaction.
Vérifiez la mesure avant l’interprétation : événements non dupliqués, utilisateurs internes exclus, dénominateurs cohérents et fenêtres d’observation identiques. Google Analytics, Mixpanel ou Kissmetrics peuvent soutenir cette analyse ; aucun outil ne corrige une définition ambiguë de la conversion.
Transformer le diagnostic en hypothèses et départager ICE et PIE
Le brainstorming doit partir des frictions observées : questions au support, abandons du parcours, entretiens clients ou différences entre segments. Réunissez marketing, produit et service client, puis séparez la production d’idées de leur évaluation. Cette séparation évite d’écarter trop tôt une piste inhabituelle mais testable.
Formulez chaque hypothèse ainsi : « Pour ce segment, modifier cet élément devrait améliorer cette métrique, parce que nous avons observé cette difficulté. » Exemple : proposer un modèle prérempli aux nouveaux comptes pourrait améliorer la réalisation de leur première tâche, car la configuration initiale semble provoquer des abandons. C’est une hypothèse, pas un résultat acquis.
| Méthode | Critères | Quand l’utiliser |
|---|---|---|
| ICE | Impact, Confidence, Ease : impact, confiance, facilité | Comparer des idées dont les preuves et les efforts diffèrent |
| PIE | Potential, Importance, Ease : potentiel, importance, facilité | Comparer des zones ou parcours selon leur marge d’amélioration et leur poids |
Une convention simple consiste à noter chaque critère de 1 à 5, puis à calculer la moyenne. Une facilité de 5 désigne une mise en œuvre facile ; une confiance de 1 signale peu de preuves. Cette formule est un choix de fonctionnement, non une règle universelle : conservez la même convention pour toutes les idées comparées.
Avec ICE, une expérience notée 4 en impact, 2 en confiance et 5 en facilité obtient 3,67. Ce score ouvre la discussion ; il ne prédit pas le succès. Documentez les raisons des notes pour éviter qu’une intuition enthousiaste devienne artificiellement une priorité.
Dans votre tableau d’expérimentations, prévoyez au minimum : hypothèse, segment, étape AARRR, métrique, score, responsable, effort estimé, statut et apprentissage. Vous obtenez un historique exploitable plutôt qu’une liste d’idées oubliées.
Lancer un test interprétable, puis décider sans surpromettre
Avant le lancement, précisez la version de référence, la variante, la population éligible et l’effet minimal qui justifierait le changement. Dimensionnez l’échantillon selon le taux de conversion initial, cet effet et le niveau d’incertitude accepté. La durée doit aussi couvrir les variations pertinentes d’activité, sans être choisie uniquement par commodité.
Pour un test A/B, répartissez aléatoirement les utilisateurs entre les versions et conservez une affectation stable. Comparez les conversions rapportées aux effectifs exposés, pas seulement leur nombre brut. Évitez les modifications simultanées qui empêcheraient d’identifier la cause du résultat.
Ajoutez un filet de sécurité à chaque expérience : une métrique principale pour progresser et des métriques garde-fous pour détecter les dégâts collatéraux. Une relance peut augmenter les achats tout en multipliant les désabonnements ; un onboarding raccourci peut stimuler l’activation tout en surchargeant le support. Définir à l’avance ces seuils de vigilance évite de célébrer un gain local qui fragilise l’ensemble du parcours.
Ne clôturez pas un test dès qu’un écart paraît favorable. Les observations répétées et les comparaisons multiples augmentent le risque de faux positif si le protocole ne les encadre pas. Examinez l’incertitude statistique et l’intérêt économique : une différence détectable peut rester trop faible pour rentabiliser le déploiement.
- Déployer si le gain est suffisamment étayé, utile et compatible avec les garde-fous.
- Itérer si une friction persiste et qu’une nouvelle hypothèse précise peut être formulée.
- Arrêter si l’expérience dégrade le parcours ou si son coût dépasse sa valeur attendue.
- Déclarer non concluant si l’échantillon ne permet pas de trancher : absence de preuve ne signifie pas absence d’effet.
Consignez enfin le protocole, les résultats et la décision, puis contrôlez les performances après déploiement. La stratégie devient réellement cumulative lorsque chaque test améliore la prochaine décision, y compris lorsqu’il ne produit aucun gain.
