Analyser la santé du compte
Analyse approfondie de l'utilisation du produit d'un compte B2B pour préparer les QBR, évaluer le risque de renouvellement, identifier des opportunités d'expansion ou prioriser les interventions CS.
Instructions
Étape 0 : Identifier le compte et découvrir le contexte
Obtenir l'identifiant du compte :
- Nom de l'entreprise, ID de l'organisation, ID du compte ou valeur de propriété de groupe
- Demander à l'utilisateur s'il n'est pas fourni
Rechercher des travaux existants :
Utilisez Amplitude:search pour trouver des tableaux de bord, graphiques ou notebooks existants pour ce compte. Si trouvé, demandez à l'utilisateur s'il souhaite une nouvelle analyse ou examiner l'existant.
Étape 1 : Triage rapide de la santé
Utilisez Amplitude:query_dataset pour exécuter ces requêtes en parallèle :
Tendance d'utilisation :
- Événement :
_active, Métrique :uniques, Grouper par : propriété du compte - Période : Derniers 60 jours, intervalle quotidien
- Montre : L'activité augmente-t-elle ou diminue-t-elle ?
Qualité d'engagement :
- Calculer le DAU et le MAU pour le compte
- Obtenir le ratio DAU/MAU (fidélité)
- Montre : Quel est le niveau d'engagement des utilisateurs actifs ?
Momentum des utilisateurs :
- Nombre d'utilisateurs actifs semaine après semaine
- Montre : L'équipe grandit-elle ou rétrécit-elle ?
Classer la santé :
- Bonne : MAU en croissance, DAU/MAU >40 %, WoW positif
- À risque : MAU stable/en baisse, DAU/MAU 20-40 %, WoW négatif
- Critique : Forte baisse, DAU/MAU <20 %, WoW négatif prolongé
Étape 2 : Analyse au niveau utilisateur
Utilisez Amplitude:query_dataset avec un groupBy au niveau utilisateur :
Utilisateurs puissants :
- Top 3-5 utilisateurs par volume d'événements (champions à mobiliser)
Utilisateurs désabonnés :
- Utilisateurs actifs dans la période précédente mais pas dans la période actuelle (risques de rétention)
Utilisation des licences :
- Utilisateurs actifs dans les 30 derniers jours par rapport au nombre total de sièges
Étape 3 : Analyse de l'utilisation des fonctionnalités
Utilisez Amplitude:query_dataset groupé par événements/fonctionnalités :
Étendue des fonctionnalités :
- Quelles fonctionnalités principales sont utilisées (demander à l'utilisateur 5 à 10 fonctionnalités clés)
- Taux d'adoption par fonctionnalité
Tendances des fonctionnalités :
- Utilisation au cours des 90 derniers jours par fonctionnalité
- Identifier les fonctionnalités en croissance vs en déclin
Focus selon la santé :
- Si à risque/critique : Trouver les fonctionnalités abandonnées (utilisées il y a 60 à 90 jours, pas dans les 30 derniers)
- Si bonne santé : Trouver les opportunités d'expansion (fonctionnalités premium pas encore essayées)
Étape 4 : Analyse des retours du compte
Obtenir les sources de retours :
Utilisez Amplitude:get_feedback_sources pour voir ce qui est disponible.
Obtenir les insights de retours :
Utilisez Amplitude:get_feedback_insights filtré par :
- ampId pour chaque utilisateur du compte
- dateStart/dateEnd : Derniers 90 jours
- types :
bug,painPoint,complaint,request,lovedFeature
Obtenir des mentions spécifiques :
Pour les top 3-5 insights, utilisez Amplitude:get_feedback_mentions pour obtenir des citations.
Corréler avec le comportement :
- Plainte sur la fonctionnalité X ? Interroger leur utilisation de la fonctionnalité X
- Demande pour la fonctionnalité Y ? Vérifier s'ils ont atteint des limites que Y résoudrait
- Éloge pour la fonctionnalité Z ? Valider qu'ils sont de gros utilisateurs de Z
Étape 5 : Présenter le rapport de santé du compte
Structurez la sortie comme suit :
Rapport de santé du compte : [Nom du compte]
Résumé exécutif
[2-3 phrases : Score de santé, tendance clé, recommandation principale]
Score de santé : [🟢 Bonne santé | 🟡 À risque | 🔴 Critique]
[Une phrase justificative avec la métrique clé]
Métriques clés
| Métrique | Actuelle | Tendance | Statut |
|---|---|---|---|
| MAU | X | ↑↓→ Y% | 🟢🟡🔴 |
| DAU/MAU | X% | ↑↓→ Y% | 🟢🟡🔴 |
| Utilisation des licences | X% | ↑↓→ | 🟢🟡🔴 |
| Fonctionnalités adoptées | X/Y | ↑↓→ | 🟢🟡🔴 |
🚨 Facteurs de risque (le cas échéant)
- [Problème] - [Impact]
- Données d'utilisation : [métrique/tendance]
- Retours clients : [thème avec X mentions] - [citation représentative]
✅ Signaux positifs
- [Ce qui fonctionne] - [Preuve issue de l'utilisation + des retours]
👥 Intelligence utilisateur
Champions (à mobiliser)
- [ID/Nom de l'utilisateur] : [Résumé de l'activité] - Action : [Recommandation CS spécifique]
À risque (à contacter)
- [ID/Nom de l'utilisateur] : [Date de dernière activité / modèle de déclin] - Action : [Recommandation de suivi]
Inactifs (>30 jours)
- [Nombre] utilisateurs ([X]% des licences)
💡 Principaux points de douleur et demandes
Points de douleur
- [Thème] (X mentions)
- [Description concise]
- Preuve : [Données comportementales] + "[Citation]" - [Source, Date]
- Action : [Que faire]
Demandes de fonctionnalités
- [Thème] (X mentions)
- [Ce qu'ils veulent]
- Preuve : "[Citation]" - [Source, Date]
- Statut de la roadmap : [Sur la roadmap/Non planifié/À l'étude]
Ce qu'ils aiment ❤️
- [Fonctionnalité] : "[Citation]"
📊 Adoption des fonctionnalités
Utilisation élevée : [Fonctionnalité] - [X utilisateurs] (↑Y%) En déclin : [Fonctionnalité] - [X utilisateurs] (↓Y%) - À investiguer Non exploité (Upsell) : [Fonctionnalité premium] - Pourrait résoudre [point de douleur]
🎯 Recommandations
🔥 Cette semaine
- [Action spécifique avec nom de l'utilisateur/contact]
📅 Ce mois-ci
- [Action stratégique avec contexte]
💰 Opportunités d'expansion
- [Signal d'upsell avec preuve]
📎 Détails
- Date de l'analyse : [Date]
- Période : [Derniers X jours]
- Confiance : [Haute/Moyenne/Faible selon le volume de données]
Bonnes pratiques
- Toujours nommer les utilisateurs - Le CS a besoin de savoir qui contacter, pas des agrégats
- Relier les retours au comportement - Valider les plaintes avec les données d'utilisation
- Être précis dans les recommandations - "Appeler Sarah à propos de la fonctionnalité X" pas "améliorer l'engagement"
- Montrer les tendances, pas les instantanés - La direction est plus importante que la valeur ponctuelle
- Signaler les lacunes de données - Noter le faible volume, les propriétés manquantes ou les données incomplètes
- Prioriser par impact - Se concentrer sur les problèmes affectant plusieurs utilisateurs ou des champions
Modèles courants
Risques de désabonnement :
- Champion désabonné + baisse de l'utilisation globale
- Plusieurs plaintes sur le même problème + preuve comportementale de friction
- Baisse de l'utilisation des licences + retours négatifs
Signaux d'expansion :
- Atteinte des limites du plan (utilisateurs, API, stockage)
- Demandes de fonctionnalités premium + engagement élevé
- Nouveaux utilisateurs ajoutés + retours positifs