Rétention : ce que mesurent les apps qui gagnent

Duolingo calcule le retour chaque jour

Que sait Duolingo de demain ?

Dans le code de Duolingo, un dossier s'appelle churn. Chaque jour, pour chaque compte, il recalcule latest_tomorrow_prob : la probabilité que vous ne reveniez pas demain. La valeur est individuelle et rafraîchie quotidiennement, là où la plupart des équipes regardent une moyenne mensuelle.

Le score vaut ce que valent ses données. Duolingo enregistre :

• La surface qui vous a ramené : widget, lanceur, raccourci.
• Les leçons terminées.
• Les plantages.
• Les événements session_end et app_open.
• Le réseau Wi-Fi auquel vous vous connectez.

Chaque signal répond à sa propre question. Êtes-vous revenu de vous-même, ou une notification vous a-t-elle poussé ? Avez-vous progressé, ou seulement ouvert l'app ?

Les réponses façonnent les messages. Un ami qui vient de vous dépasser, un classement qui bouge, un gel de série à récupérer : le ton reste le même pendant que la raison de revenir change.

Une app plus petite peut bâtir une version grossière du même score. Écrire la formule vous oblige à nommer les signaux qui comptent dans votre produit.

Les jeux ajustent le plateau

Comment un jeu retient-il sans nouveau contenu ?

• Block Blast. Un modèle XGBoost tourne localement pour estimer la valeur publicitaire d'un joueur à partir du modèle de téléphone, du pays, de l'historique de publicités et de réglages comme la vibration coupée. Ce score décide de la difficulté et du prix des récompenses. La règle MultiClearBoostThenkillTrait facilite le plateau juste avant de déclencher la mort, pour donner l'impression d'une partie exceptionnelle. La récompense de renaissance ajoute 10 % au score, et les équipes testent la minute exacte où l'offre apparaît.
• Candy Crush. Après plusieurs échecs sur un niveau, la probabilité de tomber sur la couleur dont vous avez besoin augmente. L'analyse relève 231 paramètres de fonctionnalités configurables, des jeux de règles différents selon les comptes, et une collecte qui va jusqu'à la luminosité de l'écran et à la taille de police du téléphone.
• Crossy Road. Les trois premiers cadeaux valent 100 à 120 pièces, assez pour une machine complète. Ensuite la moyenne tombe autour de 31 pièces, le temps d'attente entre deux tours passe de 3 à 180 minutes selon le nombre de personnages possédés, et la chance de retomber sur un personnage manquant baisse de 70 % à 10 %, sauf si vous regardez une seconde publicité, qui peut doubler la mise.

Ces systèmes retiennent, et ils se lisent aussi comme un mode d'emploi de la compulsion. Avant d'en copier un, demandez-vous ce que l'utilisateur garde quand il ferme l'app.

Rétention ou compulsion ?

L'utilisateur reviendrait-il si la pression s'arrêtait ?

Chacun de ces jeux fabrique une perte, puis vend le moyen de l'annuler. Block Blast vous laisse aligner les lignes juste avant de mettre fin à la partie, puis propose la renaissance. Crossy Road réduit le cadeau à mesure que votre collection grandit, puis vend la publicité qui double la mise.

Trois tests départagent la rétention et la pression :

• Le test du lundi. Coupez les notifications pendant une semaine et comptez qui revient : c'est votre vraie rétention.
• Le test de la valeur. Un utilisateur peut-il expliquer en une phrase ce qu'il a accompli dans l'app cette semaine ? Si la réponse est « j'ai maintenu ma série », la série est devenue le produit.
• Le test du prix caché. La mécanique fonctionne-t-elle encore quand l'utilisateur en connaît le fonctionnement ? Si elle s'effondre dès qu'il comprend, vous vendez de l'ignorance plutôt qu'un service.

Une série qui représente une compétence survit à la fermeture, tout comme un graphe social qui existe en dehors de l'app. Une jauge qui ne monte que si vous payez ne laisse rien derrière elle.

Ce qu'il faut instrumenter

Quels chiffres vous disent que la première semaine a fonctionné ?

Signal	Ce qu'il vous dit
Complétion de la première session	Combien d'installations atteignent l'événement qui définit la valeur
J1, J7 et J30 par source	Si un canal achète des utilisateurs qui ne restent pas
Retour spontané	Les sessions qui ne suivent pas une notification, divisées par les utilisateurs actifs
Taux d'ouverture par type de message	Si un message bat un autre message ou ne sert à rien
Temps jusqu'au deuxième usage	Le meilleur prédicteur précoce que la première session a fonctionné

La méthode d'itération d'Ayo Omolewa ajoute des traces OpenTelemetry sur le parcours critique et des enregistrements de session sur un échantillon. Un agent IA branché sur ces données peut trouver en quelques heures l'écran où les gens décrochent, là où un tableau de bord met des semaines.

La liste de vérification des sept jours

• Nommez un nombre : activation, rétention à J7 ou mise à niveau.
• Instrumentez la première session écran par écran, avec les abandons.
• Séparez le retour spontané du retour poussé.
• Coupez les notifications pendant 72 h sur un échantillon et mesurez la différence.
• Listez les mécaniques qui fabriquent une perte, et décidez consciemment de les garder ou non.
• Lancez une expérience 50/50 sur la variable la plus suspecte, gardez le gagnant, recommencez.

Sources

• Ayo Omolewa, analyse de Duolingo : dossier churn, probabilité de retour quotidienne, signaux d'entrée et notifications personnalisées — instagram.com/reel/DeUlQTQxv5O
• Ayo Omolewa, analyse de Block Blast : modèle XGBoost local, difficulté ajustée, renaissance et expérimentations — instagram.com/reel/DecfvksvHiW
• Charles Liu, analyse de Candy Crush : probabilités de couleurs, 231 configurations, segmentation — instagram.com/reel/DerlD7DxnCW
• Charles Liu, analyse de Crossy Road : cadeaux décroissants, temps d'attente, probabilités de relance — instagram.com/reel/DeqQs8ztMKE
• Ayo Omolewa, méthode d'itération : un nombre, traces OpenTelemetry, enregistrements de session, test 50/50 — instagram.com/reel/DeNKjDeyYIl