Enquête product-market fit : le test des 40 % et la suite
La question de Sean Ellis mot pour mot, le seuil des 40 % de « très déçus », qui interroger, combien de réponses il faut et comment segmenter les résultats.
Une enquête product-market fit (adéquation produit-marché) mesure la part d'utilisateurs actifs qui seraient « très déçus » s'ils ne pouvaient plus utiliser votre produit, et le seuil habituel est de 40 %. Sean Ellis l'a fixé après avoir vu les startups en forte croissance le dépasser et celles en difficulté rester en dessous. Traitez-le comme une heuristique, pas comme une loi, et publiez-le toujours avec la taille de l'échantillon et la marge d'erreur.
Ce guide donne la question exacte, à qui l'envoyer, combien de réponses il faut avant que le chiffre veuille dire quelque chose, les quatre questions de suivi et la méthode de segmentation popularisée par Superhuman, pour que le résultat tienne quand un investisseur ou un responsable financier commence à poser des questions.
La question product-market fit de Sean Ellis
Posez une seule question, avec ces quatre réponses, dans cet ordre, et ne la reformulez pas. La question porte sur la perte, pas sur l'appréciation : elle sépare les personnes qui dépendent du produit de celles qui l'approuvent simplement. Les questions de satisfaction flattent le produit, car des utilisateurs polis se disent satisfaits d'outils qu'ils abandonneraient demain.
Gardez l'ordre des réponses fixe (pas de mélange) et conservez les quatre options. Passer à une échelle en cinq points ou supprimer « Plutôt déçu » casse la comparaison avec le seuil des 40 %, qui a été observé avec ce format.
Comment calculer le score
Le score est la part de réponses « Très déçu » parmi les personnes qui utilisent encore le produit. Retirez les réponses « Sans objet » avant de diviser et indiquez combien il y en avait : un groupe « Sans objet » important signifie que votre liste contenait des utilisateurs partis.
Score PMF = Très déçu ÷ (toutes les réponses − réponses Sans objet) × 100
Un exemple illustratif avec des chiffres inventés : 180 personnes répondent. 12 choisissent Sans objet, 71 Très déçu, 64 Plutôt déçu et 33 Pas déçu. Le score est 71 ÷ 168 = 42 %.
Ce que le seuil des 40 % veut dire, et ce qu'il ne veut pas dire
La ligne des 40 % est une règle empirique que Sean Ellis a tirée de son travail avec des startups. D'après son expérience, les entreprises qui peinaient à croître avaient presque toujours moins de 40 % d'utilisateurs répondant « très déçu », et celles qui avaient une forte traction dépassaient généralement ce seuil. Elle vient de la pratique, pas d'une étude publiée, et c'est un chiffre rond. Trois conséquences en découlent quand quelqu'un conteste votre résultat.
- Le chiffre appartient à un segment, pas à une entreprise. Interrogez uniquement des enthousiastes et dépasser 40 % est facile ; interrogez tous les inscrits et ce ne l'est pas. Précisez toujours qui a été interrogé et comment ces personnes ont été sélectionnées.
- Il a une marge d'erreur. Les 42 % ci-dessus viennent de 168 réponses, donc la marge d'erreur à 95 % est d'environ plus ou moins 7,5 points : la part réelle pourrait se situer entre 35 % et 50 % environ. Ce résultat ne montre pas que vous êtes au-dessus de la ligne. Il montre que vous en êtes proche.
- C'est un ressenti déclaré, pas un comportement. Les cohortes de rétention, la fréquence d'usage et la croissance organique sont des comportements. Présentez le score à côté de vos courbes de rétention, pas à leur place.
| Votre résultat | Ce qu'il suggère | Que faire ensuite |
|---|---|---|
| Au-dessus de 40 %, avec toute la marge d'erreur au-dessus | Forte adhésion dans le groupe interrogé | Trouvez le segment où elle est la plus forte et concentrez-vous dessus ; vérifiez que la rétention le confirme |
| La marge d'erreur inclut 40 % | Non concluant | Collectez plus de réponses ou resserrez le segment avant de communiquer quoi que ce soit |
| En dessous de 40 %, avec toute la marge d'erreur en dessous | Pas encore, pour ce groupe | Segmentez les résultats et étudiez les utilisateurs qui ont bien répondu « très déçu » |
| Moins de quelques dizaines de réponses | Une tendance seulement | Lisez les réponses ouvertes comme des notes d'entretien et ne citez pas de pourcentage |
Qui interroger
N'envoyez l'enquête qu'aux personnes qui ont utilisé le cœur de votre produit plus d'une fois et récemment. La recommandation d'Ellis lui-même est d'interroger les personnes qui ont fait l'expérience du cœur du produit, l'ont utilisé au moins deux fois et l'ont utilisé au cours des deux dernières semaines. Les autres répondent à une autre question : quelqu'un qui n'a jamais commencé ne peut pas regretter ce qu'il n'a pas utilisé, et quelqu'un parti il y a des mois a déjà tranché.
Construisez la liste à partir des données de votre produit, puis appliquez ces filtres :
- Excluez les salariés, les amis, les investisseurs et les répondants de panels rémunérés.
- Excluez les comptes inscrits qui n'ont jamais atteint l'action principale (le premier rapport envoyé, le premier fichier partagé, ce que « l'utiliser » veut dire chez vous).
- Envoyez l'enquête à tous les utilisateurs éligibles ou à un échantillon aléatoire d'entre eux, pas à ceux qui lisent votre newsletter ou écrivent dans votre canal communautaire.
- Présentez séparément les utilisateurs payants et gratuits et, en B2B, les utilisateurs finaux séparément de la personne qui a acheté le produit.
- Choisissez un moment neutre : pas juste après la résolution d'un ticket de support, ni juste après un écran de félicitations.
Combien de réponses il faut
Quelques dizaines de réponses donnent une tendance ; pour affirmer que vous dépassez 40 %, il faut assez de réponses pour que la marge d'erreur passe au-dessus de la ligne. Le tableau donne la marge d'erreur à 95 % autour d'un résultat de 40 %, avec la formule standard d'une proportion dans un échantillon aléatoire simple.
| Réponses complètes | Marge d'erreur autour de 40 % | Fourchette plausible |
|---|---|---|
| 30 | environ ±18 points | 22 % à 58 % |
| 50 | environ ±14 points | 26 % à 54 % |
| 100 | environ ±10 points | 30 % à 50 % |
| 200 | environ ±7 points | 33 % à 47 % |
| 400 | environ ±5 points | 35 % à 45 % |
Dit autrement : un résultat de 50 % demande environ 100 réponses pour se situer nettement au-dessus de 40 %, et un résultat de 45 % en demande environ 400. Si votre base d'utilisateurs actifs est petite et que vous en interrogez une grande partie, la correction pour population finie réduit la marge. Le calculateur de marge d'erreur gère les deux cas, et le guide sur la taille d'échantillon détaille le calcul.
Les questions de suivi
Posez quatre questions ouvertes et courtes après la question principale. Elles transforment un score en plan : les deux premières vous disent qui aime le produit et pourquoi, la troisième ce qui freine les gens et la quatrième contre quoi vous êtes vraiment en concurrence.
| Question de suivi | À quoi elle sert |
|---|---|
| Principal avantage | Les mots de vos utilisateurs les plus engagés pour décrire la valeur, qui deviennent le cœur de votre positionnement |
| Type de personnes qui en profiteraient le plus | Les utilisateurs se décrivent eux-mêmes, ce qui vous donne le profil de votre meilleur segment |
| Comment améliorer | Ce qui empêche les utilisateurs « plutôt déçus » de dépendre de vous |
| Ce qu'ils utiliseraient à la place | Vos vraies alternatives, qui peuvent être un tableur, un collègue ou rien du tout plutôt qu'un concurrent identifié |
N'ajoutez une question de classification (fonction, taille d'entreprise, usage principal) que si les données de votre produit ne la contiennent pas déjà, et tirez l'offre, l'ancienneté et la fréquence d'usage de vos propres données au lieu de les demander. Rendez les questions de suivi facultatives, car un texte obligatoire produit du remplissage, et gardez l'enquête entière sous deux minutes. Si les réponses sur les améliorations parlent surtout du prix, menez une enquête de prix avant de changer quoi que ce soit.
Segmenter les résultats : la méthode Superhuman
Le plus utile à faire des résultats est de trouver le segment qui aime déjà le produit et de construire pour lui. Rahul Vohra, fondateur et CEO de Superhuman, a décrit une méthode en quatre étapes dans l'article de First Round Review « How Superhuman Built an Engine to Find Product/Market Fit ».
- Segmentez pour trouver vos soutiens. Lisez les réponses du groupe « très déçu » à « quel type de personnes en profiterait le plus ». Ces personnes se décrivent souvent elles-mêmes, ce qui vous donne le profil de votre client à fortes attentes (high-expectation customer), une notion de persona que Vohra attribue à Julie Supan. Recalculez le score pour les seuls utilisateurs qui correspondent à ce profil. Un score qui paraît faible dans l'ensemble peut être bien plus fort dans un segment.
- Comprenez ce que les très déçus aiment. Regroupez leurs réponses sur le principal avantage en thèmes. Les thèmes en tête sont ce que vous devez protéger.
- Comprenez ce qui retient les plutôt déçus. Lisez leurs réponses sur les améliorations, mais seulement celles des personnes dont le principal avantage correspond à ce qu'aiment les très déçus : elles veulent la même chose et quelque chose les en empêche. Mettez de côté le groupe « pas déçu », car construire pour lui éloigne le produit de ceux qui lui accordent déjà de la valeur.
- Construisez la feuille de route et suivez le score. Vohra a partagé la feuille de route à peu près en deux : une moitié pour renforcer ce que les utilisateurs aiment, l'autre pour lever ce qui freine les plutôt déçus. Relancez l'enquête à intervalles réguliers auprès des nouveaux utilisateurs éligibles et suivez le score du segment cible.
| Groupe | Réponses à lire | Pour |
|---|---|---|
| Très déçu | Principal avantage, type de personne | Définir le segment cible et protéger ce qu'il aime |
| Plutôt déçu, même principal avantage | Comment améliorer | Corriger ce qui les empêche de dépendre de vous |
| Plutôt déçu, autre principal avantage | Lecture rapide | Noter un besoin différent ; ne pas le poursuivre pour l'instant |
| Pas déçu | Lecture rapide | Repérer les thèmes récurrents ; ne pas planifier autour |
Présentez chaque segment avec son nombre de réponses. Dans un segment de 15 réponses, une seule personne qui change d'avis déplace le score de près de 7 points, alors lisez les petits segments comme des indices. Pour regrouper les réponses ouvertes en thèmes de la même façon à chaque vague, utilisez une grille de codage ; la méthode est dans analyser les réponses ouvertes.
Erreurs fréquentes
- Interroger toute la liste de diffusion. Filtrez sur les utilisateurs récents et réguliers du cœur du produit avant l'envoi.
- Reformuler la question ou les réponses. Utilisez la formulation exacte, sinon la comparaison avec 40 % ne tient plus.
- Citer un pourcentage tiré de 25 réponses. Indiquez le nombre de réponses et la marge d'erreur, ou seulement la tendance.
- Un score unique pour des utilisateurs très différents. Segmentez par fonction, usage et offre avant de conclure.
- Construire la feuille de route autour des utilisateurs « pas déçus ». Leurs demandes tirent le produit vers des personnes qui n'en ont pas besoin.
- Une introduction qui réclame des compliments (« Aidez-nous à montrer combien vous nous aimez »). Utilisez une introduction neutre et aucune incitation qui attirerait des non-utilisateurs.
- Faire du score un objectif. Associez-le aux cohortes de rétention ; si la rétention ne se stabilise pas, un score élevé ne suffit pas.
Le faire dans Claform
Créez la question principale comme une question à choix unique avec les quatre réponses dans l'ordre ci-dessus, sans mélange, puis ajoutez les quatre questions de suivi comme questions à texte court facultatives. Pour ne toucher que les utilisateurs actifs, affichez l'enquête dans votre produit avec le widget web ou l'un des SDK mobiles, ciblée par événement, écran ou attribut utilisateur, ou envoyez-la par e-mail à une liste filtrée à partir des données de votre produit. La vue des résultats affiche la part de chaque réponse, et Clue AI regroupe les réponses ouvertes en thèmes avec leurs effectifs. À partir de l'offre Professional, la comparaison par question de l'AI Analyst répartit chaque mesure selon une question, comme la fonction ou l'usage, et masque les groupes de moins de dix réponses, ce qui couvre l'étape de segmentation ci-dessus. Voir les enquêtes pour les équipes produit et l'AI Analyst.
Questions fréquentes
Quel est un bon score à une enquête product-market fit ?
La référence courante est d'avoir 40 % ou plus d'utilisateurs actifs qui répondent « très déçu » à la question de Sean Ellis. C'est une heuristique issue du travail d'Ellis avec des startups, pas un seuil statistique : 38 % dans un segment précis avec une rétention qui se stabilise peut être plus sain que 45 % chez des fans triés sur le volet. Publiez-le avec la taille d'échantillon et la marge d'erreur.
Combien de réponses faut-il pour une enquête product-market fit ?
Quelques dizaines de réponses donnent une tendance, mais la marge d'erreur est large : avec 50 réponses et un résultat de 40 %, elle est d'environ plus ou moins 14 points. Pour montrer avec confiance que vous dépassez 40 %, il faut environ 100 réponses pour un résultat de 50 % et environ 400 pour un résultat de 45 %. Chaque segment présenté doit avoir son propre effectif.
À qui envoyer une enquête product-market fit ?
Aux utilisateurs actifs qui ont utilisé le cœur du produit au moins deux fois et récemment ; Sean Ellis propose les deux dernières semaines. Excluez les inscrits jamais activés, les anciens clients, les salariés et les amis. Envoyez-la à tous les utilisateurs éligibles ou à un échantillon aléatoire, et présentez séparément les utilisateurs payants et gratuits.
À quelle fréquence refaire le test de Sean Ellis ?
Faites-le quand une décision l'exige, par exemple avant un cycle de feuille de route ou une levée de fonds, puis selon un calendrier fixe, trimestriel pour la plupart des équipes, afin de suivre la tendance du segment cible. À chaque vague, interrogez les utilisateurs devenus éligibles depuis la précédente plutôt que les mêmes personnes, pour que les réponses passées n'influencent pas les nouvelles.
L'enquête product-market fit, est-ce la même chose que le NPS ?
Non. Le NPS demande, sur une échelle de 0 à 10, quelle est la probabilité qu'on vous recommande, et il est généralement envoyé à tous les clients pour suivre la fidélité. La question de Sean Ellis demande aux utilisateurs actifs à quel point ils seraient déçus de perdre le produit, pour juger s'il est devenu indispensable. Vous pouvez mener les deux, dans des enquêtes séparées ; le guide NPS traite l'autre.