Ce guide vous guide à travers l'ensemble du processus de configuration de l'enquête de sortie intégrée au produit pour capter les retours des utilisateurs au moment de la résiliation, y compris un exemple pratique d'enquête de sortie en cas de résiliation que vous pouvez personnaliser.
Comprendre pourquoi les utilisateurs partent est crucial pour les équipes produit, et les enquêtes de sortie déployées au moment précis de la décision capturent cet insight lorsqu'il est le plus exploitable.
Nous aborderons le ciblage du SDK JS, les contrôles de fréquence des enquêtes et comment exploiter l'analyse alimentée par l'IA pour des insights plus profonds sur la résiliation.
Planification des déclencheurs de votre enquête de sortie
Le timing de votre enquête de sortie est essentiel — attraper les utilisateurs au moment de la décision est essentiel pour comprendre le pourquoi de leur résiliation. Vous devez déclencher l'enquête juste au moment où un utilisateur s'apprête à supprimer son compte, annuler un abonnement, rétrograder, ou après une période d'inactivité prolongée.
Suppression de compte
Annulation d'abonnement
Actions de rétrogradation
Inactivité prolongée
Avec Specific, vous pouvez configurer des déclencheurs d'enquête basés sur les événements pour chacun de ces moments, garantissant de ne jamais manquer de précieux retours.
Bon timing pour le déclenchement | Mauvais timing pour le déclenchement |
|---|---|
Immédiatement après le clic « Annuler l'abonnement » | Aléatoirement après déconnexion |
Lorsque l'utilisateur initie la suppression de compte | Email de masse envoyé plusieurs jours plus tard |
Après 30 jours d'inactivité (invite dans l'application) | Demande de retour annuelle |
La longueur de l'enquête importe : Votre enquête de sortie doit être courte, amicale et conversationnelle. Des recherches montrent qu'en la gardant sous 10 questions, vous obtenez un taux de complétion de 89 %, mais en allant jusqu'à 40, il tombe à 79 % [1]. Avec des suivis alimentés par l'IA, vous pouvez poser des questions ciblées et pertinentes sans accabler une personne sur le départ. Ces suivis guident les utilisateurs vers la fourniture de détails, mais seulement lorsque c'est contextuellement approprié.
Construire votre enquête de sortie avec l'IA
Vous pouvez créer une enquête de sortie robuste en quelques minutes en utilisant le créateur d'enquêtes IA de Specific. Décrivez simplement votre objectif, et l'outil rédige automatiquement des questions et des chemins de suivi dynamiques.
Voici des exemples de suggestions que vous pourriez utiliser pour générer votre propre enquête de sortie :
Enquête de base sur la résiliation
Suggestion pour capturer rapidement les raisons générales de la résiliation :
Créez une enquête de sortie courte pour comprendre pourquoi les utilisateurs quittent notre produit. Commencez par une question ouverte, puis suivez en fonction de leur réponse. Incluez un Score Net Promoteur à la fin.
Enquête de résiliation SaaS axée sur les prix
Adapte les questions pour découvrir les préoccupations liées aux prix et à la valeur :
Concevez une enquête de résiliation pour les abonnés SaaS annulés, axée sur les préoccupations tarifaires. Incluez des suivis spécifiques si les utilisateurs mentionnent le coût ou les comparaisons avec des concurrents.
Enquête de sortie axée sur les fonctionnalités pour les équipes produit
Explore les lacunes fonctionnelles ou les capacités manquantes :
Construisez une enquête de sortie pour les utilisateurs qui rétrogradent leur plan, en demandant quelles fonctionnalités ils avaient besoin mais n'ont pas trouvées, et en sondant les lacunes par rapport aux alternatives.
Avec l'IA de Specific, la logique de suivi est intégrée — elle détecte des signaux comme « trop cher » ou « fonctionnalité manquante » et pose automatiquement des questions clarificatrices, vous obtenez ainsi un contexte plus riche dans chaque conversation.
Conseil de personnalisation : Vous contrôlez le ton formel ou décontracté de l'enquête, et déterminez la persistance de l'IA de suivi — parfait pour adapter la profondeur sans ennuyer vos utilisateurs partants.
Installation du SDK JS de Specific pour les enquêtes de sortie
Démarrer est simple. Installez le SDK JS de Specific avec un seul extrait de code — le déploiement prend généralement quelques minutes.
<script src="https://cdn.specific.app/widget.js" data-key="YOUR_SPECIFIC_KEY"></script>
Le SDK se charge de manière asynchrone, garantissant qu'il n'impactera pas les performances de la page de votre produit.
Pour cibler les enquêtes de sortie, vous voudrez identifier les utilisateurs dès qu'ils se connectent, pour que la logique de l'enquête reste précise :
window.specificWidget.identify({ userId: '1234', planType: 'Pro', email: 'user@email.com' });
Suivi des événements de résiliation :
Configurer un suivi d'événements personnalisé vous permet de déclencher des enquêtes au moment parfait. Par exemple, lorsqu'un utilisateur clique sur « Annuler l'abonnement », envoyez un déclencheur :
window.specificWidget.track('cancel_subscription_initiated');
Vous pouvez également configurer des déclencheurs sans code pour des événements courants directement depuis le tableau de bord de Specific, sans nécessiter d'ingénierie — idéal pour un déploiement rapide ou pour tester une nouvelle logique de déclenchement.
Configuration du ciblage et des contrôles de fréquence
Le ciblage intelligent garantit que vos enquêtes de sortie ne sont montrées qu'au bon segment, au bon moment — sans jamais spammer les utilisateurs actifs ou récents répondants. Les contrôles de fréquence protègent contre la fatigue des enquêtes, vous permettant de :
Définir une fenêtre de recontact globale pour toutes les enquêtes intégrées
Limiter les enquêtes de sortie à une seule par utilisateur
Autoriser les reprises après une période définie (par exemple, 3 mois)
Paramètre | Exemple d'utilisation |
|---|---|
Une fois par utilisateur | Invitez uniquement lors de la première annulation |
Répéter après 90 jours | Enquête si l'utilisateur résilie à nouveau dans un nouveau cycle de facturation |
Jamais de nouvelle enquête | Recherche de résiliation stricte (éviter toute donnée en double) |
Segmentation des utilisateurs : Le ciblage par propriété ou comportement utilisateur rend les retours de sortie bien plus précieux. Par exemple, vous pourriez montrer l'enquête uniquement à :
Abonnés payants (pas d'utilisateurs gratuits)
Utilisateurs actifs depuis plus de 30 jours
Membres avec un forfait spécifique ou un volume élevé de tickets de support
En savoir plus sur le ciblage des enquêtes intégrées dans notre guide des enquêtes conversationnelles intégrées.
Exemple de modèle d'enquête de sortie
Voici un modèle d'enquête de résiliation prêt à l'emploi, avec logique conversationnelle et suivis IA intégrés :
Question 1 : Quelle est la principale raison de votre départ ?
(Ouverte avec suivi IA pour des mots-clés comme « prix », « complexité », « fonctionnalité manquante »)
Question 2 : Que pourrions-nous avoir fait différemment ?
(Ouverte, donnant aux utilisateurs la place pour un retour constructif)
Question 3 : Quelle est la probabilité que vous nous recommandiez à un ami ou collègue ?
(Échelle NPS avec suivis personnalisés : « Qu'est-ce qui a influencé votre score ? » pour les détracteurs, « Qu'avons-nous bien fait ? » pour les promoteurs)
Message de fin : Merci de partager vos pensées. Si vous souhaitez mentionner autre chose, je suis à l'écoute !
L'IA adapte automatiquement son approfondissement : par exemple, si un utilisateur mentionne « prix », elle suit par : « Était-ce le coût de l'abonnement, des frais inattendus, ou une comparaison avec des alternatives qui a posé problème ? ». Cela signifie que même les utilisateurs occupés ou frustrés fournissent toujours des retours exploitables — et le message final laisse la porte ouverte pour une conversation ultérieure.
Analyse des insights sur la résiliation avec l'IA
Les données brutes des enquêtes de sortie deviennent exploitables lorsque vous appliquez une analyse alimentée par l'IA. Avec les outils d'analyse des réponses d'enquêtes de Specific, vous pouvez discuter avec GPT de vos réponses sur la résiliation, presque comme si vous travailliez avec un véritable analyste de recherche.
Voici des exemples de suggestions pour révéler des insights sur la résiliation à partir de vos données :
Découvrir les raisons de résiliation les plus courantes :
Quels sont les 3 principales raisons pour lesquelles les utilisateurs résilient, sur la base des réponses récentes à l'enquête de sortie ?
Préoccupations tarifaires segmentées :
Comment les plaintes liées aux prix diffèrent-elles entre les abonnés mensuels et annuels ?
Demandes de fonctionnalités à la résiliation :
Quelles fonctionnalités les utilisateurs mentionnent-ils le plus souvent comme manquantes ou insuffisantes lors de leur départ ?
Vous pouvez créer plusieurs fils d'analyse — pour les prix, l'UX, l'intégration — ou même passer à la recherche sur la résiliation par type de plan, afin que chaque département obtienne des insights adaptés.
Partage des insights : Exportez les points forts de l'IA pour rapporter, partagez des citations avec votre équipe et déclenchez des alertes si des motifs critiques de retour (comme « facturation inattendue ») émergent.
Bonnes pratiques pour le succès des enquêtes de sortie
Pour obtenir la meilleure qualité de réponse, programmez votre enquête pour qu'elle se déclenche instantanément lorsque l'intention de résiliation est détectée. Des invitations immédiates et contextuelles entraînent des taux de complétion jusqu'à 3,4 fois plus élevés que les enquêtes envoyées le lendemain [2].
Commencez par une question ouverte pour capturer la véritable raison du départ de l'utilisateur, et permettez à l'IA de suivre — en sondant doucement, jamais en interrogeant. Gardez les limites de profondeur raisonnables pour que les utilisateurs ne ressentent pas de fatigue d'enquête. Si vous souhaitez affiner le ton ou la logique de sondage de votre enquête, utilisez le éditeur d'enquêtes IA pour des ajustements rapides.
Maximiser les réponses : Testez en A/B différentes questions d'ouverture et ajustez les tons. Les utilisateurs apprécient l'action : bouclez boucler en agissant sur leurs retours, et configurez des alertes pour les problèmes récurrents — comme plusieurs utilisateurs citant « intégrations manquantes ».
Commencez à capturer les insights sur la résiliation aujourd'hui
Les enquêtes de sortie transforment la résiliation d'un mystère en opportunité — chaque utilisateur partant transporte un insight qui pourrait prévenir des pertes futures.
Avec l'approche conversationnelle de Specific, vous capturez 3 fois plus de contexte qu'avec les enquêtes traditionnelles basées sur des formulaires, et les suivis alimentés par l'IA vont plus en profondeur sans configuration supplémentaire.
Prêt à identifier pourquoi les utilisateurs résilient ? Commencez maintenant et créez votre propre enquête.
