Cohort analysis : mesurer la vraie valeur de vos campagnes Meta

Le piège du ROAS instantané

Votre campagne Meta affiche un ROAS de 1.8x après 7 jours. La décision parait évidente : c'est en dessous de votre seuil de 3x, il faut couper ou réduire le budget.

Mais cette décision est peut-etre une erreur coûteuse.

Le ROAS affiché dans Meta Ads Manager est un instantané. Il mesure les revenus générés dans la fenêtre d'attribution (7 jours post-clic par défaut) rapportés à la dépense. Il ne prend pas en compte les achats répétés, les upsells, les abonnements renouvelés, ni le comportement du client sur les 30, 60 ou 90 jours suivants.

Pour un e-commerce avec un taux de réachat de 25% a 60 jours, le ROAS réel d'une campagne de prospection peut etre 40 a 70% plus élevé que le ROAS instantané. Pour un SaaS avec un LTV/CAC sain, l'écart est encore plus important.

L'analyse de cohortes permet de capturer cette valeur différée et de prendre des décisions basées sur la rentabilité réelle, pas sur un snapshot trompeur.

Qu'est-ce qu'une cohorte dans le contexte Meta Ads ?

Une cohorte est un groupe d'utilisateurs qui partagent une caractéristique commune à un moment donné. Dans notre contexte, c'est le groupe de personnes acquises via Meta Ads pendant une période définie (une semaine, un mois, une campagne spécifique).

L'analyse classique vs l'analyse par cohorte

Analyse classique (Ads Manager) :

• Campagne lancée en semaine 1 : 500 EUR dépensés, 2 000 EUR de revenu = ROAS 4x
• Décision : scaler

Analyse par cohorte :

• Cohorte semaine 1 : 50 clients acquis pour 500 EUR (CAC = 10 EUR)
• Revenu J0-J7 : 2 000 EUR (ROAS 4x)
• Revenu J8-J30 : 600 EUR de réachats
• Revenu J31-J60 : 400 EUR de réachats
• Revenu J61-J90 : 300 EUR de réachats
• Revenu total a J90 : 3 300 EUR (ROAS réel = 6.6x)

La différence entre 4x et 6.6x est massive. Elle peut faire la différence entre couper une campagne rentable et la scaler.

Comment construire une analyse de cohorte

Les données nécessaires

Pour une analyse de cohorte fiable, vous avez besoin de :

1. Date d'acquisition : quand le client a été acquis (premier achat ou première inscription)
2. Source d'acquisition : quelle campagne Meta l'a acquis (via UTM ou attribution)
3. Historique transactionnel : tous les achats/paiements du client dans le temps
4. Coût d'acquisition : combien vous avez payé pour acquérir cette cohorte

La plupart de ces données existent dans votre CRM, votre outil e-commerce (Shopify, WooCommerce) ou votre base de données. Le défi est de les connecter.

Méthode 1 : Le spreadsheet manuel

Pour démarrer, un Google Sheet suffit. Voici la structure :

Onglet 1 : Cohortes

| Cohorte | Période | Clients acquis | Dépense Meta | CAC | |---------|---------|---------------|-------------|-----| | C-2026-W01 | 1-7 jan | 52 | 1 200 EUR | 23 EUR | | C-2026-W02 | 8-14 jan | 47 | 1 100 EUR | 23 EUR | | C-2026-W03 | 15-21 jan | 61 | 1 400 EUR | 23 EUR |

Onglet 2 : Revenu par cohorte dans le temps

| Cohorte | J0-J7 | J8-J14 | J15-J30 | J31-J60 | J61-J90 | |---------|-------|--------|---------|---------|---------| | C-2026-W01 | 2 800 EUR | 420 EUR | 560 EUR | 380 EUR | 290 EUR | | C-2026-W02 | 2 400 EUR | 360 EUR | 480 EUR | 320 EUR | 250 EUR | | C-2026-W03 | 3 100 EUR | 490 EUR | 610 EUR | 410 EUR | 310 EUR |

Onglet 3 : ROAS cumulé

| Cohorte | ROAS J7 | ROAS J14 | ROAS J30 | ROAS J60 | ROAS J90 | |---------|---------|----------|----------|----------|----------| | C-2026-W01 | 2.3x | 2.7x | 3.2x | 3.5x | 3.7x | | C-2026-W02 | 2.2x | 2.5x | 2.9x | 3.2x | 3.4x | | C-2026-W03 | 2.2x | 2.6x | 3.0x | 3.3x | 3.5x |

Ce tableau révèle un pattern crucial : les campagnes qui semblent à peine rentables a J7 (ROAS 2.2x) dépassent votre seuil de 3x a J30 grace aux réachats.

Méthode 2 : Outils d'analytics e-commerce

Des plateformes comme Triple Whale, Lifetimely (pour Shopify), ou Polar Analytics automatisent l'analyse de cohortes en connectant directement vos données Shopify avec vos données Meta Ads.

Avantages :

• Mise à jour automatique quotidienne
• Visualisations de cohortes prêtes à l'emploi
• Segmentation par campagne, audience, créative
• Projection LTV basée sur les courbes historiques

Coûts : 100 a 500 EUR/mois selon l'outil et le volume

Méthode 3 : SQL + data warehouse

Pour les annonceurs avancés, la combinaison BigQuery (ou un autre data warehouse) + outil de BI (Looker Studio, Metabase) offre le maximum de flexibilité.

La logique SQL de base :

SELECT
  DATE_TRUNC(first_purchase_date, WEEK) as cohort,
  DATEDIFF(order_date, first_purchase_date) as days_since_acquisition,
  SUM(revenue) as total_revenue,
  COUNT(DISTINCT customer_id) as customers
FROM orders
JOIN customers ON orders.customer_id = customers.id
WHERE acquisition_source = 'meta'
GROUP BY 1, 2
ORDER BY 1, 2

Cette requête vous donne le revenu par cohorte à chaque intervalle temporel, que vous pouvez ensuite visualiser en tableau croisé.

Utiliser les cohortes pour optimiser vos campagnes Meta

Identifier les campagnes à forte LTV

Toutes les campagnes Meta ne génèrent pas des clients de la meme qualité. L'analyse de cohorte révèle quelles campagnes et audiences produisent les meilleurs clients sur la durée.

Exemple concret :

| Campagne | CAC | ROAS J7 | ROAS J60 | LTV moyenne | |----------|-----|---------|----------|-------------| | Prospection - Lookalike Acheteurs | 28 EUR | 2.1x | 4.2x | 180 EUR | | Prospection - Intérêts Broad | 18 EUR | 3.2x | 3.8x | 95 EUR | | Advantage+ Shopping | 22 EUR | 2.8x | 5.1x | 210 EUR |

En regardant uniquement le ROAS J7, la campagne par intérêts semble la meilleure (3.2x). Mais l'analyse de cohorte révèle que Advantage+ génère les clients les plus rentables sur la durée (LTV 210 EUR, ROAS J60 de 5.1x).

Sans cette analyse, vous auriez probablement réduit le budget Advantage+ au profit des intérêts broad, perdant ainsi vos meilleurs clients potentiels.

Le LTV-based bidding

Si vous connaissez la LTV par cohorte, vous pouvez ajuster vos CPA cibles en conséquence.

Une campagne avec un CAC de 50 EUR semble chère si votre premier achat moyen est de 60 EUR. Mais si la LTV à 90 jours de cette cohorte est de 200 EUR, votre ratio LTV/CAC est de 4x, ce qui est excellent.

La formule : CPA cible = LTV attendue x marge brute / ratio LTV/CAC minimum

Si votre LTV attendue est 200 EUR, votre marge brute est 50%, et votre ratio LTV/CAC minimum acceptable est 3x : CPA cible = 200 x 0.50 / 3 = 33 EUR

La courbe de payback

Le payback period est le temps nécessaire pour récupérer votre investissement publicitaire sur une cohorte. C'est une métrique cruciale pour la gestion de trésorerie.

Si votre cohorte de janvier génère un ROAS de 1x à J30, 2x à J60 et 3x à J90, votre payback est de 30 jours (le point où vous récupérez votre mise). Tout ce qui vient après est du profit.

Les implications sont directes :

• Payback < 30 jours : vous pouvez scaler agressivement (votre cash-flow le supporte)
• Payback 30-60 jours : scaling modéré, surveillez la trésorerie
• Payback 60-90 jours : scaling prudent, vous financez 2 a 3 mois de croissance

Les benchmarks de rétention par secteur

Pour évaluer si vos cohortes sont bonnes ou mauvaises, voici des benchmarks de rétention d'achat (pourcentage de la cohorte qui effectue un second achat) :

| Secteur | J30 | J60 | J90 | |---------|-----|-----|-----| | Mode / Textile | 8-12% | 14-18% | 18-24% | | Cosmétique / Beauté | 12-18% | 20-28% | 28-35% | | Alimentation / Boissons | 15-22% | 25-35% | 35-45% | | Supplements / Santé | 18-25% | 30-40% | 40-50% | | SaaS (renouvellement) | 85-92% | 78-88% | 72-85% | | Services (abonnement) | 75-85% | 65-78% | 58-72% |

Si vos cohortes Meta sont significativement en dessous de ces benchmarks, le problème n'est peut-etre pas vos campagnes mais votre produit ou votre expérience post-achat. L'analyse de cohorte permet de distinguer un problème d'acquisition d'un problème de rétention.

Les limites de l'analyse de cohorte

L'attribution reste imparfaite

Attribuer chaque client à une campagne Meta spécifique n'est pas toujours possible. Les parcours multi-touch, les conversions post-vue, et les limites de tracking créent un flou sur l'origine exacte. Acceptez une marge d'erreur de 10 a 20% et focalisez-vous sur les tendances plutôt que sur les chiffres absolus.

La taille de l'échantillon

Une cohorte de 10 clients n'est pas statistiquement fiable. Visez un minimum de 50 clients par cohorte pour des analyses exploitables. Si votre volume est faible, agrégez par mois plutôt que par semaine.

Le temps nécessaire

L'analyse de cohorte demande de la patience. Vous ne connaîtrez le ROAS réel à 90 jours d'une cohorte que 90 jours après son acquisition. Utilisez les données historiques pour estimer les courbes futures, mais restez prudent sur les projections.

Conclusion

Le ROAS instantané est une demi-vérité. L'analyse de cohorte est le seul moyen de mesurer la valeur réelle d'une campagne Meta sur la durée. Elle demande un peu plus de travail que la lecture des chiffres dans Ads Manager, mais les décisions qui en découlent sont incomparablement meilleures.

Commencez simple avec un Google Sheet. Suivez 3 a 4 cohortes mensuelles pendant un trimestre. Vous découvrirez probablement que certaines campagnes que vous pensiez médiocres sont en réalité vos meilleures sources de clients, et inversement.

Chez Pulsoria, l'analyse de cohorte est intégrée à notre reporting mensuel. Nous ne prenons jamais de décision de scaling ou de coupe budgétaire sur la base du seul ROAS J7. C'est cette vision long terme qui permet d'optimiser réellement la rentabilité publicitaire de nos clients.

Sources

• Meta Business Help Center, "About attribution windows", 2025. https://www.facebook.com/business/help/458681590974355
• Shopify Engineering, "Cohort Analysis for E-commerce: A Practical Guide", 2025. https://shopify.engineering/cohort-analysis-ecommerce
• HubSpot, "Customer Cohort Analysis: What It Is and How to Do It", 2025. https://blog.hubspot.com/service/cohort-analysis
• Triple Whale, "LTV-Based Meta Ads Optimization: 2025 Benchmarks", 2025. https://www.triplewhale.com/blog/ltv-meta-ads
• Recharge, "Subscription Cohort Analysis and Payback Period Benchmarks", 2025. https://rechargepayments.com/blog/cohort-analysis-benchmarks