| name | growth-hacking-strategist |
| description | Stratégies de growth hacking — acquisition, activation, rétention, referral et revenue selon le framework AARRR. Se déclenche avec "growth hacking", "AARRR", "acquisition", "rétention", "viral loop", "growth". Also triggers on "growth strategy", "AARRR funnel", "acquisition and retention". |
Growth Hacking Strategist
Workflow
1. Cartographier le funnel AARRR actuel
Collecter les métriques réelles pour chaque étape avant toute action :
| Étape | Métrique clé | Outil de mesure |
|---|
| Acquisition | Visiteurs uniques, CAC par canal | GA4, Mixpanel |
| Activation | Taux "Aha moment" (ex: premier post, premier achat) | Amplitude, Heap |
| Rétention | Courbe J1/J7/J30, churn mensuel | Mixpanel cohort |
| Referral | K-factor, taux de partage | Viral Loops, custom |
| Revenue | MRR, LTV, LTV/CAC | Stripe, ChartMogul |
Exemple de calcul K-factor :
K = invitations_envoyées_par_user × taux_conversion_invitation
# K > 1 = croissance virale, K < 1 = croissance linéaire
# Ex : 3 invitations × 0,25 de conversion = K 0,75
2. Identifier le goulot d'étranglement prioritaire
Utiliser le framework ICE pour prioriser les expériences :
Score ICE = (Impact × Confiance × Facilité) / 3
# Impact : 1-10 (combien ça déplace la métrique nord ?)
# Confiance : 1-10 (données probantes ?)
# Facilité : 1-10 (effort d'implémentation inversé)
Critères de décision :
- Rétention J7 < 25 % → priorité #1 avant toute acquisition
- Taux d'activation < 40 % → optimiser l'onboarding avant le referral
- LTV/CAC < 3 → revoir le pricing ou réduire le CAC avant de scaler
- K-factor > 0,5 → investir dans la boucle virale
3. Acquisition — trouver les canaux rentables
Tester 3 à 5 canaux en parallèle avec un budget fixe, mesurer le CAC réel :
Canal,Dépense,Inscriptions,Activations,CAC_brut,CAC_activé
SEO,0,450,180,0,0
Paid_Google,1200,95,62,12.6,19.4
LinkedIn_Ads,800,40,28,20,28.6
Referral,150,220,195,0.7,0.8
Cold_email,200,38,22,5.3,9.1
Règle de coupure : si CAC_activé > LTV/3 après 2 semaines → stopper le canal.
Canaux PLG (Product-Led Growth) à privilégier en 2026 :
- Freemium avec limite qui crée la friction au bon moment
- Intégrations (embed dans Slack, Notion, etc.)
- Templates publics/communauté (SEO + activation)
- API publique pour les développeurs
4. Activation — réduire le time-to-value
Identifier l'Aha moment avec une analyse de corrélation :
actions = ['created_first_project', 'invited_teammate', 'exported_report']
for action in actions:
users_who_did = cohort[cohort[action] == True]['retained_d30'].mean()
users_who_not = cohort[cohort[action] == False]['retained_d30'].mean()
lift = users_who_did / users_who_not
print(f"{action}: lift rétention J30 = {lift:.2f}x")
Checklist onboarding haute conversion :
5. Rétention — analyser par cohorte
SELECT
DATE_TRUNC(first_seen, WEEK) AS cohort_week,
DATE_DIFF(activity_date, first_seen, DAY) AS day_number,
COUNT(DISTINCT user_id) AS active_users
FROM user_activity
GROUP BY 1, 2
ORDER BY 1, 2;
Leviers rétention selon le day_number critique :
- Churn J1-J3 → problème d'activation, revoir l'onboarding
- Churn J7-J14 → manque d'habitude, ajouter triggers comportementaux
- Churn J30+ → problème de valeur core, revoir le product-market fit
6. Referral — construire la boucle virale
Structure d'un programme de referral efficace :
Incitation bilatérale : parrain +X / filleul +Y
Déclencheur timing : juste après l'Aha moment (pas à l'inscription)
Friction minimale : lien unique, pas de création de compte pour partager
Tracking : UTM + referral_code dans l'URL
Exemple de calcul de ROI referral :
Coût referral = reward_parrain + reward_filleul = 10€ + 10€ = 20€
LTV filleul moyen = 180€
ROI = (180 - 20) / 20 = 800%
vs CAC paid ads = 45€ → referral 2,25x moins cher
7. Revenue — optimiser le pricing
Tests A/B pricing à prioriser :
- Ancrage : afficher le plan le plus cher en premier
- Plan recommandé : badge visuel sur le plan milieu de gamme
- Facturation annuelle : proposer -20 % pour réduire le churn
- Grandfathering : protéger les anciens clients lors d'une hausse de prix
Métriques de santé revenue (seuils 2026) :
LTV/CAC > 3x → viable
CAC payback < 12 mois → sain pour SaaS B2B
Net Revenue Retention (NRR) > 110 % → expansion > churn
Logo churn mensuel < 2 % → rétention correcte
8. Itérer — processus de growth sprint
Template d'une expérience documentée :
## Expérience #42 — [Titre court]
**Hypothèse** : Si [action], alors [métrique] augmentera de [X]% car [raison].
**Critère de succès** : +15% taux d'activation J7 (stat sig 95%, n=500)
**Durée** : 2 semaines
**Résultat** : +8% (non significatif, p=0.12)
**Apprentissage** : Le segment mobile ne répond pas à ce trigger — à retester desktop.
**Prochaine étape** : segmenter par device dans l'expérience suivante.
Cadence recommandée :
- Lundi : revue métriques + priorisation ICE
- Mardi-Jeudi : implémentation + lancement
- Vendredi : analyse résultats + documentation
Anti-patterns et pièges
- Scaler avant product-market fit : dépenser en paid ads quand la rétention J30 < 20 % = argent brûlé.
- Dark patterns : faux comptes à rebours, abonnements cachés, désinscription difficile — détruisent la confiance et exposent aux régulations (RGPD, DSA 2026).
- Optimiser une étape isolée : améliorer le taux d'inscription sans regarder le taux d'activation fausse les métriques.
- Tests A/B trop courts : conclure avant la taille d'échantillon requise → faux positifs. Utiliser un calculateur de puissance statistique.
- Ignorer les cohortes : les métriques agrégées cachent la dégradation de rétention sur les nouvelles cohortes.
- Copier les tactiques hors contexte : le growth loop Dropbox (stockage bonus) ne fonctionne que si le produit est naturellement collaboratif.
Bonnes pratiques 2026
- AI-powered personalization : utiliser les LLMs pour personnaliser les séquences d'onboarding en temps réel selon le comportement (ex: contenu de l'email J1 adapté au job title détecté).
- Zero-party data : collecter les préférences explicitement (quiz d'onboarding) plutôt que d'inférer — conformité RGPD + meilleure personnalisation.
- Community-Led Growth : Discord/Slack communautaire comme canal d'acquisition et de rétention — coût d'acquisition proche de zéro à maturité.
- Micro-conversions tracking : instrumenter les étapes intermédiaires (scroll depth, feature hover) pour diagnostiquer les frictions avant que les utilisateurs quittent.
- PLG + Sales motion : déclencher un contact Sales automatiquement quand un utilisateur freemium atteint les limites du plan (PQL = Product Qualified Lead).
