Où les nouvelles inscriptions calent-elles avant d'atteindre la première valeur ?
Reconstituez le parcours de l'inscription à la première valeur en passant par l'onboarding, repérez l'étape qui perd le plus de comptes et classez les corrections qui récupèrent le plus de chiffre d'affaires. Conçu avec Amplitude, HubSpot et Salesforce dans Querri.
Ouvrir QuerriCe dont vous aurez besoin
Querri (Essai gratuit) pour réunir les données entre systèmes, définir la première valeur et construire le tunnel
Exports Amplitude, HubSpot et Salesforce (événements produit, cycle de vie et source des contacts, ainsi que la liste des comptes convertis)
Une clé partagée qui aligne les enregistrements entre les systèmes : un identifiant de compte interne (idéal), avec l'e-mail et le domaine d'entreprise comme solutions de repli
Ressources gratuites
Commencez votre essai gratuit ici →Jeux de données d'exemple
Jeux de données de démonstration synthétiques, pas de vraies données client. Sans risque à télécharger et à explorer. Suivez le guide et vous obtiendrez les mêmes chiffres que ceux présentés ci-dessous.
Besoin d'aide ?
Si vous avez des questions, vous pouvez demander une démo ou écrire à notre équipe.
Avant de commencer
La plupart des rapports d'onboarding s'arrêtent à un décompte d'inscriptions. Ils vous disent combien de personnes ont démarré, mais pas où ces personnes calent discrètement avant d'obtenir la moindre valeur. Alors les équipes continuent de déverser des inscriptions dans le haut du tunnel pendant que la même étape défaillante laisse fuir les comptes par le milieu.
Alors, où les nouvelles inscriptions calent-elles réellement ? Ce playbook reconstitue tout le parcours (inscription, actions d'onboarding, première valeur, conversion finale) en réunissant trois systèmes dans une vue unique au niveau du compte : Amplitude pour le comportement, HubSpot pour la source d'acquisition, et Salesforce pour les comptes devenus clients au final. Vous repérerez le principal point de blocage, verrez qui il pénalise le plus, et classerez les corrections selon les comptes perdus.
Comment ça marche :
- • Importez le flux d'événements Amplitude, les données de cycle de vie des contacts HubSpot et la liste des comptes convertis Salesforce
- • Définissez explicitement la première valeur, puis reconstituez le tunnel de l'inscription à la première valeur de chaque compte
- • Repérez l'étape qui perd le plus de comptes, puis segmentez ce décrochage par source d'acquisition
- • Comparez le temps jusqu'à la première valeur des comptes convertis à celui des comptes devenus inactifs
- • Produisez une liste priorisée d'étapes d'onboarding à corriger, classées selon les comptes que chacune perd
Suivez les étapes
Importez Amplitude, HubSpot et Salesforce
Importez les exports des trois systèmes, ou connectez-les directement. Amplitude vous donne le comportement : le flux d'événements de chaque nouvelle inscription, avec les identifiants utilisateur et compte, le nom de l'événement et l'horodatage. HubSpot fournit le volet acquisition, alors apportez les contacts avec leur source d'origine, leur campagne et leur étape de cycle de vie. Salesforce est le résultat, alors apportez la liste des comptes convertis avec le domaine d'entreprise et la date de clôture. Querri profile chaque fichier et le rend prêt à analyser.
Astuce : Exportez au moins 12 mois d'événements Amplitude afin que les comptes lents à s'activer ne soient pas coupés, et incluez l'e-mail et le domaine d'entreprise sur chaque enregistrement. Ce sont ces champs qui permettent à Querri de recoudre le même compte entre les trois systèmes.
Définissez la première valeur et construisez le tunnel
La première valeur est le premier moment où un compte obtient réellement le bénéfice pour lequel il s'est inscrit. Déclarez-la explicitement, puis demandez à Querri de reconstituer le parcours de chaque compte de l'inscription jusqu'à ce moment :
"Définis la première valeur comme l'événement first_analysis_completed. Pour la cohorte de nouvelles inscriptions, construis le tunnel d'onboarding de account_created à email_verified, workspace_created, data_source_connected, import_completed, first_analysis_started, jusqu'à first_analysis_completed. Compte les comptes atteignant chaque étape et le décrochage entre elles."
Remarquez la définition. La première valeur, c'est first_analysis_completed, un résultat abouti et utile, et pas simplement le fait d'importer un fichier ou de terminer la configuration. Sur 2,400 nouvelles inscriptions, 1,149 l'atteignent. Cela représente un taux d'activation de 47.9 %, et vous pouvez maintenant voir exactement où les 1,251 autres décrochent.
Repérez le décrochage et segmentez-le par source
Une étape perd bien plus de comptes que toutes les autres. Repérez-la, puis demandez à Querri de décomposer ce blocage selon la source d'acquisition HubSpot dont provient chaque compte :
"Identifie l'étape du tunnel avec le plus fort décrochage. Puis fais la jointure des inscriptions avec leur source d'origine HubSpot et, pour chaque source, montre les inscriptions, le nombre atteignant la première valeur, le taux de première valeur, et la part des comptes qui connectent une source de données mais ne terminent jamais leur premier import."
Le principal blocage se situe entre la connexion d'une source de données et l'achèvement du premier import. 563 comptes, soit 30 % de tous ceux qui arrivent jusque-là, ne franchissent jamais l'étape. C'est plus que les quatre étapes suivantes réunies. Et ce n'est pas uniforme. La Recherche payante amène le plus d'inscriptions mais cale à l'import près de la moitié du temps, tandis que les inscriptions Recommandation et Partenaire passent sans encombre.
Comparez le temps jusqu'à la première valeur : convertis vs inactifs
Apportez maintenant le résultat commercial. Demandez à Querri de faire correspondre les inscriptions à la liste des comptes convertis Salesforce et de comparer la façon dont les deux groupes progressent vers la première valeur :
"Fais correspondre les comptes à la liste des comptes convertis Salesforce sur company_domain. Compare les comptes convertis aux comptes devenus inactifs sur : la part atteignant la première valeur, la part ne l'atteignant jamais, le temps médian jusqu'à la première valeur, et la part atteignant la première valeur en moins d'une heure."
Atteindre la première valeur est le signal précoce le plus clair d'un futur client. 97 % des comptes convertis l'ont atteinte, contre 41 % des comptes devenus inactifs. Seuls 3 % des clients ne l'ont jamais atteinte, contre 59 % des non-clients. Les comptes convertis y parviennent aussi un peu plus vite. C'est une association, pas une preuve de causalité, mais c'est un signal autour duquel il vaut la peine de construire l'onboarding.
Produisez la liste priorisée des corrections
Rassemblez le tout dans une liste classée unique : les étapes d'onboarding à corriger, ordonnées selon les comptes que chacune perd. Puis laissez Querri rédiger le récit dont vos équipes croissance et produit ont besoin pour décider quoi corriger en premier.
Le récit que Querri rédige :
Sur 2,400 nouvelles inscriptions, 1,149 atteignent la première valeur (47.9 %). Les fuites ne sont pas uniformes, alors corrigez-les dans l'ordre des comptes perdus.
- • L'import est le goulet d'étranglement : 563 comptes connectent une source mais ne terminent jamais le premier import (30 %), généralement à cause d'une erreur d'import. Corrigez-le en premier.
- • La Recherche payante amène le plus d'inscriptions mais le taux de première valeur le plus bas (31 %) ; la Recommandation et le Partenaire atteignent la valeur autour de 70 %.
- • La première valeur prédit le chiffre d'affaires : 97 % des clients l'atteignent, contre 41 % des comptes devenus inactifs.
- • L'onboarding v2 a déjà fait passer le taux connexion-vers-import de 66 % à 74 %.
Ce que vous pouvez créer ou exporter :
- Une présentation exécutive de 10 diapositives que vous pouvez présenter en direct, partager par lien ou télécharger
- Les tableaux du tunnel, de la segmentation par source et des corrections priorisées, exportables vers Excel, CSV ou Google Sheets
- Les graphiques de tunnel et de cohorte (décrochage par étape, taux de première valeur par source, temps jusqu'à la première valeur) en PNG ou SVG
- Un pont d'identité réutilisable qui unifie Amplitude, HubSpot et Salesforce en enregistrements au niveau du compte, avec un récapitulatif de la couverture des correspondances
- Un projet enregistré que vous pouvez automatiser pour actualiser le tunnel à mesure que de nouvelles inscriptions et de nouveaux événements arrivent
Conseils pour un tunnel de première valeur sur lequel votre équipe peut agir
Définissez la première valeur comme la valeur reçue, pas la configuration terminée
« Onboarding terminé » et « connecté » ne sont pas la première valeur. Choisissez le premier événement où le compte obtient réellement le bénéfice qu'il est venu chercher, ici un résultat d'analyse abouti, et déclarez-le explicitement. Cette seule définition détermine tout ce que le tunnel mesure.
Mesurez le tunnel au niveau du compte
Plusieurs utilisateurs appartiennent à une même entreprise, et le chiffre d'affaires se rattache au compte. Remontez les événements produit au niveau du compte pour que l'activation, la source et la conversion s'alignent toutes sur la même unité. N'utilisez les utilisateurs individuels que lorsque vous mesurez spécifiquement l'adoption par siège.
Classez les corrections selon les comptes perdus, pas le taux de décrochage
Une perte de 30 % sur une étape que tout le monde atteint l'emporte sur une perte de 50 % sur une étape que presque personne n'atteint. Classez selon les comptes perdus, pas selon le taux de décrochage, et corrigez dans cet ordre.
Segmentez toujours le blocage par source
Un tunnel moyen masque la vraie histoire. Ici, la Recherche payante cale à l'import quatre fois plus souvent que la Recommandation. Décomposez chaque décrochage par source d'acquisition afin de pouvoir corriger l'étape d'onboarding et remettre en question la dépense qui l'alimente.
Suivez le temps jusqu'à la première valeur comme un KPI
Le temps jusqu'à la première valeur est simplement l'horodatage de la première valeur moins l'horodatage de l'inscription, et il couvre à la fois l'Efficacité et la Qualité dans les Cinq Dimensions de Querri. Suivez la médiane, les 25e et 75e centiles, et la part atteignant la valeur en moins d'une heure, d'un jour et d'une semaine.
Vous avez un dictionnaire de données ? Apportez-le. Vous n'en avez pas ? Construisez un premier jet dans Querri.
Un dictionnaire de données documente ce que signifient les champs de vos données, comment les termes métier importants sont définis, et comment les différents systèmes sont liés entre eux. Dans ce playbook, nous avons inclus un exemple de dictionnaire de données afin que Querri dispose du contexte nécessaire pour comprendre ce que représente chaque champ et comment interpréter les données Amplitude, HubSpot et Salesforce. Dans votre propre entreprise, ce contexte peut se trouver dans un tableur, un wiki interne, un plan de tracking, une documentation CRM ou un catalogue de données.
Montrez-moi comment en apporter ou en construire un
Si vous avez déjà un dictionnaire de données
Importez-le aux côtés des données que vous souhaitez analyser et indiquez à Querri comment vous voulez qu'il soit utilisé. Querri peut travailler sur plusieurs Sources dans un même projet, examiner leur structure et leur contenu, identifier les types de données et les relations, et joindre les Sources quand c'est nécessaire.
"Utilise notre dictionnaire de données comme référence pour interpréter les données Amplitude, HubSpot et Salesforce de ce projet. Utilise ses définitions pour les champs, la terminologie métier et les relations connues entre les Sources. Si les données semblent en contradiction avec le dictionnaire, signale le conflit plutôt que de faire une supposition."
Si vous n'avez pas de dictionnaire de données
Utilisez Querri pour créer un premier jet utile. Importez les Sources que vous voulez documenter, puis demandez à Querri de les inspecter et de construire un tableau contenant tout ce dont un bon dictionnaire a besoin :
- Nom de la Source
- Nom du champ ou de la colonne
- Type de données inféré
- Exemples de valeurs
- Signification métier probable
- Relations possibles avec des champs d'autres Sources
- Questions ou ambiguïtés nécessitant une clarification humaine
"Passe en revue les Sources de ce projet et crée un dictionnaire de données de premier jet. Pour chaque champ, indique la Source, le nom du champ, le type de données inféré, des exemples de valeurs, la signification métier probable, et tout champ qui semble utile pour joindre les Sources. Signale les définitions que tu ne peux pas déterminer avec certitude au lieu de deviner."
Ajoutez ensuite le contexte métier que seule votre équipe connaît
Querri peut déduire beaucoup de choses des données elles-mêmes, mais certaines définitions requièrent une connaissance humaine. Querri peut reconnaître que first_analysis_completed est un événement Amplitude, mais votre équipe doit tout de même préciser que c'est l'événement que vous utilisez pour définir la première valeur. D'autres règles que Querri ne peut pas apprendre à partir des seules données :
- • company_domain est la clé privilégiée pour faire correspondre les entreprises HubSpot aux comptes Salesforce
- • Les comptes d'employés internes doivent être exclus de l'analyse client
- • « Converti » signifie qu'une opportunité Salesforce a atteint Closed Won
- • Un champ HubSpot spécifique fait foi pour le canal d'acquisition
Enregistrez vos définitions standard une seule fois
Quand une définition est un standard de l'entreprise, enregistrez-la une fois au lieu de la répéter dans chaque conversation. Ajoutez des règles applicables à toute l'organisation dans les Paramètres de contexte, et Querri les applique automatiquement à chaque analyse menée par votre équipe. Pour la vue d'ensemble, la Bibliothèque Querri est l'endroit où vit le contexte de données de votre entreprise : elle apprend votre activité et maintient vos sources, définitions et règles métier cohérentes partout. Une fois votre dictionnaire au point, vous pouvez l'exporter vers CSV ou Excel pour l'utiliser en dehors de Querri.
Un bon dictionnaire de données s'améliore avec la relecture humaine
Considérez le dictionnaire généré par Querri comme un point de départ, pas comme l'autorité finale. Querri fait la partie fastidieuse : profiler les champs et proposer des définitions. Votre équipe confirme la signification métier, corrige les définitions ambiguës, et ajoute les règles qui ne peuvent pas être apprises à partir des données. Cela vous donne quelque chose de bien plus utile qu'une liste de noms de colonnes. Cela vous donne une référence partagée sur la façon dont votre entreprise comprend réellement ses données.
Questions fréquentes
Qu'est-ce que la « première valeur », exactement ?
Pourquoi réunir Amplitude, HubSpot et Salesforce plutôt que d'utiliser simplement un tunnel Amplitude ?
Comment faire correspondre des enregistrements entre trois systèmes qui ne partagent pas un même identifiant ?
La première valeur doit-elle être un événement unique ou toute une séquence ?
En quoi est-ce différent d'un simple tunnel d'onboarding ?
Un temps jusqu'à la première valeur plus court n'est-il pas simplement corrélé à la conversion plutôt que sa cause ?
Combien de temps faut-il pour construire cela ?
Autres ressources populaires
Exemples
Parcourir tous les cas d'usage
Découvrez comment d'autres équipes utilisent Querri pour l'analyse de données.
Blog
Comment fonctionne l'IA agentique
Découvrez comment les agents IA de Querri transforment votre analyse de données.
Démo
Demander une démonstration
Voyez Querri en action avec vos propres données.
Tarifs
Comparer les offres
Trouvez l'offre adaptée aux particuliers, aux équipes ou aux entreprises.