Expert en Quiz Funnel
Skill expert pour concevoir, auditer, coder et optimiser un quiz funnel + paywall haute conversion. Couvre stratégie, copy, personnalisation, intégration paywall, benchmarks 2026, A/B test playbook et stack technique.
Le quiz funnel est l'arme #1 de conversion mobile/SaaS 2024-2026. Cal AI (30M$ ARR), Noom (750M$ ARR), Flo (9M$/mois), Cal AI, Opal, Stoic, BetterMe, Blinkist tournent tous sur ce pattern : quiz → plan personnalisé → paywall. Ce skill encode ce qui marche.
Quand utiliser ce skill
Déclencheurs :
- "Concevoir un quiz funnel / onboarding quiz / tunnel d'abonnement"
- "Optimiser un paywall (app mobile, SaaS web, freemium, trial)"
- "Auditer un onboarding existant"
- "Personnaliser un paywall selon les réponses utilisateur"
- "Choisir hard paywall vs freemium vs soft paywall"
- "Définir trial mechanics (3j vs 7j vs 14j vs reverse trial)"
- "Faire un teardown style Noom / Cal AI / Blinkist"
- "Coder un quiz funnel Next.js"
- "Page de pricing SaaS (Linear, Notion, Anthropic style)"
- Sous-skill Dashboard Réponse : "back-office quiz", "dashboard admin quiz", "voir les réponses", "voir les leads / sessions", "taux d'abandon par étape", "taux de complétion", "distribution des réponses par question", "export CSV des leads", "page admin pour une session" → router vers 12-admin-dashboard.md.
NE PAS déclencher pour :
- Onboarding produit B2B post-signup pur (utiliser
onboarding-cro) - Cancel flow / churn save flows (utiliser
churn-prevention) - Landing page publique sans quiz (utiliser
landing-page-expert)
Thèse centrale (à imprimer dans la mémoire de l'agent)
- L'onboarding est une conversion de croyance, pas un tour de produit. Chaque écran doit déplacer l'utilisateur d'un état "incertitude" vers "ce produit comprend mon cas, peut me donner un résultat, vaut le prochain engagement".
- Le questionnaire est un asset de conversion uniquement s'il produit une personnalisation visible. Si une réponse ne change ni le plan, ni le paywall, ni le segment, ni l'expérience → la question doit disparaître.
- Les 5 écrans avant le paywall comptent plus que le paywall lui-même (Stormy, 4500+ A/B tests). Onboarding + paywall = un seul funnel.
- Le Jour 0 est tout : 90% des démarrages de trial arrivent le Jour 0 (Adapty 2026), 84% des annulations arrivent Jour 0-1 sur trial 3j (RevenueCat 2026). Si l'aha n'est pas dans la première session, c'est mort.
- Le hard paywall n'a pas de pénalité de rétention vs le freemium (RevenueCat 2026, 115k apps : rétention Y1 ~27% vs ~28%). La croyance "le freemium retient mieux" est morte. Le choix = fonction du CAC, pas d'idéologie.
- Un quiz long convertit SI chaque question paie son loyer. Noom = 113 écrans qui marchent. La majorité des quiz longs ne sont que de la friction.
Workflow par défaut quand on invoque ce skill
Étape 1 — Diagnostic
Avant tout output, comprendre :
- Modèle économique : abonnement mobile / SaaS B2B / SaaS B2C / hybride web-to-app / achat unique ?
- Plateforme : iOS uniquement / Android uniquement / hybride / web uniquement ?
- CAC & LTV cible : si CAC > 30€ → hard paywall probablement ; si CAC < 5€ et viralité → soft/freemium.
- Catégorie : Santé & Fitness / Éducation / Productivité / IA / Finance / Lifestyle / Dating / Outils SaaS dev / SaaS PLG / Enterprise sales-led ? Les benchmarks et patterns dominants varient.
- Aha moment : quelle est l'action qui corrèle le plus avec la rétention Jour 7 ? (À faire trouver à l'utilisateur si pas clair.)
- État actuel : zéro / quiz existant à auditer / paywall existant à optimiser / cold redesign ?
- Contraintes Apple/Google : hard paywall iOS Jan 2026 = toggle paywall mort (rejet Guideline 3.1.2), bouton de fermeture obligatoire, etc. Voir reference 04.
Si plusieurs infos manquent et bloquent → demander à l'utilisateur en un seul tour groupé (max 3-5 questions). Sinon avancer avec des assumptions explicitées.
Étape 2 — Choix structurels (avant copy)
Décider dans cet ordre, en s'appuyant sur les références :
| Décision | Référence | Default 2026 |
|---|---|---|
| Hard / soft / freemium / reverse trial | 05 §Hard vs soft | Hard pour abonnement B2C mobile si CAC justifie ; reverse trial pour SaaS PLG mature ; freemium pour produit réseau/social |
| Longueur du quiz | 02 §Long vs court | 8-12 questions Santé/Éducation ; 4-6 utilitaires ; 30+ style Noom si justifié |
| Placement du paywall | 04 §Placement | Après plan personnalisé (pattern dominant) ; FitnessAI/Rootd ont +2x install-to-trial avec paywall avant onboarding (à tester) |
| Durée du trial | 04 §Trial mechanics | 3j (config top Adapty weekly+3d trial) ou 7j (sweet spot général) ; 14-30j Productivité/Business |
| Plans visibles | 05 §Number of plans | Plan unique visible + lien "Voir tous les plans" surpasse souvent 3 plans en mobile ; SaaS = 3 self-serve + Enterprise |
| Plan par défaut | — | Annuel présélectionné → 2-3x mix annuel, +70% revenu annuel (Sunflower/Stormy) |
| Texte CTA | 08 | "Continuer" bat le descriptif de +111% (Stormy) ; "Démarrer l'essai gratuit" / "Essayer pour 0,00€" / "Obtenir [Nom du Plan]" |
| Affichage du prix | 05 §Price framing | Affichage par semaine (39,99€/an → "0,77€/semaine") + badge "ÉCONOMISEZ 75%" ; rond pour SaaS premium (20€, 30€) |
| Web-to-app vs IAP | 04 §Web-to-app | Hybride IAP+web sur iOS US (web uniquement perd 6,5% net vs IAP) ; web-to-app standard pour Santé/Éducation/IA à LTV élevée |
Étape 3 — Architecture du flow (livrable principal)
Mapper le funnel écran par écran avec, pour CHAQUE écran :
- Objectif/croyance convertie (ex. "L'app comprend mon contexte")
- Type d'écran (entrée / question / micro-insight / chargement / résultat / paywall / engagement)
- Question + 4-5 options (si Q) ou copy headline + sous-titre (si insight/résultat/paywall)
- Personnalisation déclenchée : quelle variable cet écran alimente en aval
- Risque d'abandon + atténuation
- Suivi d'événement (voir 11)
Modèle de flow gagnant (à adapter) :
[Promesse d'entrée : axée sur le résultat, 1 écran max]
→ Question d'objectif (objectif principal)
→ Situation actuelle (état actuel)
→ Friction (blocage principal)
→ MICRO-INSIGHT #1 (utiliser réponses 1-3 → "On va adapter ton plan pour…")
→ Question de niveau/contexte
→ Préférence/fréquence
→ MICRO-INSIGHT #2 (preuve sociale segmentée : "Les [segment] obtiennent +X en Y semaines")
→ Question d'engagement (engagement léger)
→ Écran de chargement (3-7s, "On construit ton plan…")
→ Résultat personnalisé / aperçu (score + plan + timeline)
→ [Optionnel : Première petite action / aperçu]
→ PAYWALL personnalisé (headline = objectif, bullets = points de douleur, CTA = verbe d'action)
→ Compte/email (pour sauvegarder/sync, jamais avant)
→ Permission au moment de l'usage
→ Accueil avec prochaine action
Étape 4 — Copy concrète
Pour chaque écran, livrer une copy précise (voir 08-copy-library.md pour la bibliothèque) :
- Pas de features → résultats / outcomes
- Une idée par question, 4-5 options mutuellement exclusives
- Questions sensibles : précéder d'un "On te demande ça pour adapter le plan, pas pour te juger"
- Toujours fournir une échappatoire : "Passer" / "Je ne sais pas encore" / "Autre"
- Copy de chargement honnête : "On calcule ton plan à partir de tes réponses" (pas "Analyse en cours" générique)
- Titre du paywall = objectif personnalisé : "Débloque ton plan 14 jours [objectif]" pas "Choisis un plan"
Étape 5 — Logique de personnalisation
Décrire le mapping réponses → outputs :
- Variables collectées (typées) → ID de segment
- Segment → modèle de plan / variante de paywall / pricing
- Pattern de code réutilisable (voir 03-personalization-engine.md pour exemples Next.js+Zustand)
Test de validité : si deux utilisateurs avec des réponses opposées voient le même résultat, ce n'est pas une vraie personnalisation. À supprimer ou refactoriser.
Étape 6 — Design et intégration du paywall
Voir 04-paywall-integration.md. En résumé :
- Layout : une seule page, sans défilement, 3-5 bullet points avec icônes (pas de tableau sur mobile), liste de plans horizontale, badge "Le plus populaire" sur la cible.
- Mécanique de trial : iOS = pas de toggle paywall (mort Jan 2026, rejet 3.1.2). Utilisez le pattern timeline Blinkist (Aujourd'hui → Rappel Jour X → Débit Jour Y) → +23% de conversion trial prouvée, -55% de plaintes.
- Affichage du prix : annuel présélectionné, affichage par semaine ("0,77€/semaine"), badge "ÉCONOMISEZ 75%".
- Preuve sociale : nombre d'utilisateurs + 4,2-4,5★ + nombre d'avis + 1-2 témoignages.
- CTA : "Continuer" / "Démarrer l'essai gratuit" / "Essayer pour 0,00€" + "Aucun engagement, annulez à tout moment".
- Bouton de fermeture visible (Apple HIG, sinon rejet Review).
- Drawer de sortie (reformulation → downsell → OTO 25-33%) capable de capter +15-20% de revenu, mais limite de 2-3 expositions et audit Apple.
Étape 7 — Backlog A/B test priorisé
Ne pas tester au hasard. Prioriser par taux de gain Adapty 2026 :
| Type de test | Taux de gain LTV | Priorité |
|---|---|---|
| Localisation | 62,3% | #1 (le plus sous-estimé) |
| Structure du trial | 59,6% | #2 |
| Durée du plan | 58,7% | #3 |
| Nombre de plans | 57,1% | #4 |
| Changements de prix | 45,5% LTV / 28,3% conv brute | #5 (lift €, pas %) |
| Visuel/copy uniquement | 34,6% | #6 (bas) |
Les apps qui font 14,7+ expériences/an gagnent jusqu'à 40x de revenu vs les non-testeurs. Voir 09-ab-test-playbook.md.
Étape 8 — Instrumentation analytics
Taxonomie d'événements minimum :
onboarding_started
onboarding_step_viewed (step_index, step_label)
onboarding_step_completed
question_answered (question_id, answer_id, segment)
insight_viewed (insight_id)
loading_viewed
result_viewed (segment, score, plan_id)
paywall_viewed (paywall_variant, segment, trial_duration, plan_interval, price)
paywall_plan_selected
paywall_closed (reason: x | back | scroll_off)
trial_started
purchase_completed (price, currency, plan_interval)
exit_offer_viewed
exit_offer_accepted
permission_priming_viewed
permission_granted
signup_completed
first_value_completed
d0_returned, d1_returned, d7_retained
trial_cancelled (Day 0/1/2…)
refund_requested
first_renewal
Ne JAMAIS optimiser sur le démarrage de trial sans regarder le payé + remboursement + première reconduction + rétention D7. Voir 11-metrics-and-tracking.md.
Étape 9 — Backend admin "Dashboard Réponse" (sous-skill)
GA4/Mixpanel ne suffisent pas pour une équipe support/produit/sales : il faut un back-office maison qui montre, par session, les réponses brutes + l'état de conversion + un funnel par étape avec abandon + la distribution des réponses par option. C'est le sous-skill Dashboard Réponse (12-admin-dashboard.md).
Déclencheur spécifique : "back-office", "dashboard admin", "voir les réponses", "taux d'abandon par étape", "taux de complétion", "voir une session", "export CSV des leads".
Le sous-skill livre, en fonctionnant sur n'importe quel quiz funnel (schema-agnostic) :
- Modèle de données Prisma :
QuizSession(identité + answers JSON + UTM + état conversion + resultData) +QuizEvent(log d'événements granulaire pour le vrai funnel et le temps par étape). - Configuration du quiz unique (
lib/quiz/config.ts) — source de vérité partagée front/admin pour les libellés des questions et options. - 35+ métriques calculées : volume (24h/7j/30j), engagement (étape moyenne/médiane atteinte, rebond, complétion, étape de sortie principale), capture d'email, conversion (taux, temps de paiement, remboursement), funnel par étape avec abandon absolu et en %, distribution des réponses par option × lift de conversion vs taux global, top sources UTM/pays/appareil, tendance journalière sur 14 jours, segments convertisseurs.
- 4 pages admin : vue d'ensemble KPI/funnel/tendance, liste de sessions filtrable, détail de session (toutes les réponses + timeline des événements + JSON brut), distribution des réponses par question.
- Export CSV sécurisé (
/api/admin/export). - Auth fail-closed via middleware Basic Auth (ou NextAuth/Clerk) — refuser 503 si secret absent.
- Checklist d'intégration en 8 étapes pour brancher le sous-skill sur un projet existant.
À utiliser en complément de l'étape 8 (instrumentation des événements) : les événements alimentent le dashboard, le dashboard alimente la décision de croissance.
Étape 10 — Format de sortie
Selon la requête, livrer :
- Audit → framework SCORE (Specific / Commitment / Output / Reduced friction / Experimentation), section par section, avec problématique → impact → recommandation → priorité.
- Stratégie → carte du funnel + écran par écran + copy + logique de personnalisation + séquencement du paywall + événements + backlog A/B + risques.
- Code → composants React/Next.js avec store Zustand typé + persistance + analytics câblé + suivi d'événements. Stack de référence : Next.js 14 App Router + TypeScript + Tailwind + Framer Motion + Zustand persist + Prisma/Postgres + Stripe webhook. Voir 10-tech-stack.md.
- Teardown → carte du flow + copy textuelle + tactiques psycho + chiffres connus + ce qui s'applique au cas utilisateur.
Tableau de référence rapide — chiffres signature 2026 à connaître
| Chiffre | Source | Utilisation |
|---|---|---|
| Hard paywall 5x conversion vs freemium (D35 10,7% vs 2,1%) | RevenueCat 2026 | Argumentaire pour basculer freemium → hard si CAC le permet |
| Rétention Y1 identique hard ~27% vs freemium ~28% | RevenueCat 2026 | Démontre le mythe "freemium retient mieux" |
| Apps 14,7+ exp/an = jusqu'à 40x revenu | Adapty 2026 | Justifier l'investissement dans les tests |
| 89,4-90% des démarrages de trial le Jour 0 | RevenueCat / Adapty 2026 | Prioriser la première session |
| Paywall avant onboarding +2x install-to-trial | FitnessAI/Rootd | Tester placement alternatif |
| Single plan + 'Voir tous les plans' bat 3 plans | Stormy | Layout mobile optimal |
| CTA 'Continuer' +111% vs descriptif | Stormy | Copy du CTA |
| Timeline Blinkist +23% trial conv, -55% plaintes | Blinkist | Pattern trial iOS |
| Exit drawer +15-20% revenu capté | Benchmark | Récupération d'abandon |
| Localisation = 62,3% win rate | Adapty 2026 | Priorité test #1 |
| Toggle paywall = rejet Guideline 3.1.2 | Apple Jan 2026 | Contrainte iOS fatale |
Références du skill
| # | Fichier | Contenu |
|---|---|---|
| 01 | references/01-market-benchmarks.md | Benchmarks marché + études de cas (Cal AI, Noom, Duolingo, 30+ apps) |
| 02 | references/02-questionnaire-design.md | Design de questionnaire : longueur, structure, cognitive load, sequence |
| 03 | references/03-personalization-engine.md | Moteur de personnalisation : mapping segment → plan → paywall + code Next.js+Zustand |
| 04 | references/04-paywall-integration.md | Intégration paywall : placement, trial mechanics, web-to-app, contraintes Apple/Google, design system |
| 05 | references/05-paywall-benchmarks-2026.md | Benchmarks paywall 2026 (RevenueCat, Adapty) : hard vs soft, nombre de plans, pricing, etc. |
| 06 | references/06-teardown-library.md | Bibliothèque de teardowns : analyse détaillée de 30+ funnels |
| 07 | references/07-ab-test-playbook.md | Playbook A/B test : priorisation, design, analyse, itération |
| 08 | references/08-copy-library.md | Bibliothèque de copy : templates, frameworks, exemples gagnants |
| 09 | references/09-metrics-and-tracking.md | Métriques et suivi : events, KPIs, dashboards, pièges à éviter |
| 10 | references/10-tech-stack.md | Stack technique : Next.js, Zustand, Stripe, RevenueCat, Superwall, Adapty |
| 11 | references/11-funnels-reference.md | Schémas de funnel : logiques de routage, edge cases, anti-patterns |
| 12 | references/12-admin-dashboard.md | Sous-skill Dashboard Réponse : back-office admin complet (Prisma + 4 pages + métriques + export CSV) |
Contributeurs
- G. Authier — conception du skill, benchmarks 2026, teardowns, framework SCORE
- Contributions via PR sur le dépôt
Licence
Privé — usage interne. Non redistribuable sans autorisation.