North star metric : éviter les proxys qui déforment le produit

Quand la métrique phare devient un mauvais pilote produit

La north star metric, indicateur central censé représenter la valeur durable créée par un produit pour ses utilisateurs et pour l’entreprise, est souvent présentée comme un outil d’alignement. En théorie, elle concentre les équipes produit, marketing, data et sales sur une même définition du progrès. En pratique, elle devient fréquemment un proxy, c’est-à-dire une mesure indirecte choisie parce qu’elle est facile à observer, mais qui ne capture qu’imparfaitement le résultat réellement recherché. Le risque n’est pas seulement analytique. Une mauvaise north star metric déforme la roadmap, les incentives, l’acquisition, l’onboarding, la rétention et parfois le modèle économique.

Le problème apparaît dès que l’organisation confond activité et valeur. Des utilisateurs actifs quotidiens peuvent augmenter alors que la satisfaction baisse. Des leads peuvent croître alors que le pipeline utile stagne. Des messages envoyés peuvent exploser alors que les conversations de qualité diminuent. Des sessions peuvent progresser parce que l’interface est confuse. Des réservations peuvent augmenter grâce à des promotions non rentables. Dans tous ces cas, la métrique monte, mais le produit ne s’améliore pas nécessairement. Pire : l’équipe peut optimiser exactement ce qu’il ne faut pas.

Pour des professionnels du marketing et du growth, l’enjeu est critique parce que la north star metric irrigue tout le funnel, entonnoir de conversion allant de l’exposition à l’acquisition, puis à l’activation, la rétention, la recommandation et le revenu. Si la métrique phare valorise le volume de nouveaux comptes, l’acquisition cherchera des canaux à faible CPA, coût par acquisition, même si ces comptes ne s’activent pas. Si elle valorise le temps passé, l’onboarding peut favoriser la friction plutôt que le time-to-value. Si elle valorise les transactions brutes, l’équipe media peut augmenter le ROAS, return on ad spend, ratio entre revenu attribué et dépenses publicitaires, en poussant des audiences déjà prêtes à acheter plutôt qu’en créant une demande incrémentale.

Une north star metric robuste doit donc être plus qu’un chiffre fédérateur. Elle doit être une hypothèse causale explicite : si cette mesure progresse, alors la valeur utilisateur progresse, la rétention s’améliore et l’économie du modèle se renforce. Cette hypothèse doit être testée, segmentée, challengée et protégée contre les effets pervers. Sans cette discipline, la north star metric devient un slogan data-driven, pas un instrument de pilotage.

Comprendre la différence entre valeur créée, activité observée et revenu capturé

La première erreur consiste à choisir une métrique parce qu’elle est disponible dans l’analytics plutôt que parce qu’elle représente la valeur. Une plateforme de collaboration peut mesurer le nombre de messages envoyés. Une marketplace peut mesurer le nombre d’annonces publiées. Un SaaS marketing peut mesurer le nombre de campagnes créées. Une application media peut mesurer les minutes consommées. Toutes ces mesures sont utiles, mais aucune n’est automatiquement une north star metric.

Une bonne métrique phare se situe idéalement à l’intersection de trois dimensions. Premièrement, elle doit représenter une valeur utilisateur réelle : l’utilisateur a accompli quelque chose d’important, pas seulement cliqué. Deuxièmement, elle doit être reliée à la rétention ou à la fréquence d’usage durable. Troisièmement, elle doit être corrélée au potentiel économique : revenu, marge, expansion ou réduction du churn, taux d’attrition client. Si une métrique ne vérifie qu’une seule dimension, elle risque de devenir un proxy fragile.

Exemple : pour un outil d’email marketing, le nombre d’emails envoyés peut sembler séduisant. Il augmente avec l’usage et peut être lié au pricing. Mais il peut pousser l’équipe à encourager l’envoi massif, au détriment de la délivrabilité, c’est-à-dire la capacité des emails à arriver en boîte de réception, et de la qualité relationnelle. Une métrique plus robuste pourrait être le nombre de campagnes ayant généré au moins un seuil d’engagement qualifié, par exemple un taux de clic supérieur à la médiane du segment ou un revenu attribué positif. Elle reste imparfaite, mais elle rapproche l’activité de la valeur.

Autre exemple : une application de productivité pourrait choisir le nombre de tâches créées. Cela favorise la saisie, pas l’achèvement. Le produit peut devenir excellent pour accumuler des listes, mais médiocre pour aider l’utilisateur à finir son travail. Une métrique plus saine pourrait être les tâches prioritaires complétées dans la semaine par équipe active. Elle introduit une notion d’accomplissement, de fréquence et de collaboration. Elle est moins simple, mais beaucoup moins manipulable.

Il faut également distinguer revenu capturé et valeur créée. Un site e-commerce peut choisir le chiffre d’affaires quotidien comme north star metric. C’est compréhensible, mais insuffisant si les marges, les retours produits, la fréquence de réachat ou le coût promotionnel varient fortement. Une hausse de chiffre d’affaires de 20 % obtenue via une remise de 30 % peut dégrader la marge nette. Un meilleur indicateur pourrait être la marge brute issue de clients récurrents sur une période donnée, ou les commandes rentables par cohorte. Le chiffre d’affaires reste un KPI de direction, mais pas nécessairement le meilleur pilote produit.

La north star metric n’est donc pas forcément la métrique la plus haute dans le P&L. Elle doit représenter le mécanisme de création de valeur qui précède et explique la croissance économique. C’est pour cela que les entreprises les plus matures construisent souvent une hiérarchie : une métrique phare, des input metrics, indicateurs d’entrée contrôlables par les équipes, et des guardrails, garde-fous qui empêchent l’optimisation destructrice.

Identifier les proxys dangereux : volume, engagement, vitesse et conversion brute

Les proxys les plus dangereux ont un point commun : ils donnent rapidement le sentiment de progresser. Ils montent souvent avant que la valeur réelle ne soit prouvée. Ils sont faciles à afficher dans un dashboard et simples à expliquer en comité. Mais ils peuvent orienter le système vers des comportements localement performants et globalement destructeurs.

Le premier proxy à risque est le volume. Nombre d’inscriptions, nombre de leads, nombre de téléchargements, nombre de comptes créés. Dans une logique acquisition, ces métriques peuvent être utiles pour piloter le haut de funnel. Mais si elles deviennent la métrique phare, elles incitent à maximiser le trafic et les conversions d’entrée, parfois au détriment de la qualité. Une équipe paid peut réduire le CPA en achetant des audiences peu qualifiées via paid social, retargeting ou programmatique. Une DSP, demand-side platform, plateforme permettant d’acheter automatiquement des impressions publicitaires sur différents inventaires, optimisée sur inscription peut trouver des poches d’utilisateurs peu chers mais peu activables. Le RTB, real-time bidding, système d’enchères publicitaires en temps réel impression par impression, peut améliorer le coût d’entrée sans créer d’usage durable.

Le deuxième proxy est l’engagement brut. Sessions, pages vues, temps passé, clics, ouvertures, messages envoyés. Ces métriques peuvent indiquer une intensité d’usage, mais elles ne distinguent pas toujours engagement productif et friction. Un temps passé plus élevé peut signifier plus de valeur consommée, mais aussi plus de difficulté à accomplir une action. Un taux d’ouverture email peut augmenter grâce à un objet agressif, puis dégrader la confiance et le taux de désabonnement. Un nombre de clics peut progresser parce que l’interface demande trop d’étapes. L’engagement ne devient pertinent que lorsqu’il est relié à un outcome clair.

Le troisième proxy est la vitesse. Réduire le time-to-signup ou augmenter le taux de complétion onboarding est souvent positif, mais pas toujours. Si l’on simplifie trop l’entrée, on peut attirer des utilisateurs qui n’ont pas compris la promesse, réduire la qualification et créer une activation superficielle. En B2B, un formulaire de démo très court peut doubler les MQL, marketing qualified leads, leads jugés suffisamment qualifiés pour être travaillés, tout en divisant le taux SQL, sales qualified leads, leads acceptés comme commercialement exploitables. Le système paraît plus efficace en surface, mais il transfère la friction vers les SDR, sales development representatives, commerciaux chargés de qualifier et relancer les prospects.

Le quatrième proxy est la conversion brute. Un taux de conversion landing page peut augmenter parce que l’offre est plus vague, parce que l’audience est plus chaude ou parce que l’attribution, méthode qui assigne une conversion ou une part de revenu à un ou plusieurs points de contact, crédite un levier proche de la décision. Une page qui promet une démo gratuite peut convertir mieux qu’une page qui explicite les prérequis d’intégration, mais générer plus de no-shows, rendez-vous non honorés, et d’opportunités mal cadrées. Le bon indicateur n’est pas seulement le taux de conversion, mais la conversion pondérée par la qualité aval.

Un cas simple illustre le risque. Une entreprise SaaS remplace sa north star metric, comptes activés ayant connecté au moins une source de données et créé un premier rapport partagé, par nouveaux comptes actifs hebdomadaires, car la mesure est plus simple. En trois mois, les comptes actifs augmentent de 38 %. Le CAC, customer acquisition cost, coût total d’acquisition client, baisse de 22 %. Mais le taux de rétention à 90 jours passe de 41 % à 29 %, et le taux de conversion trial vers payant recule de 13 % à 8 %. La métrique choisie a bien progressé, mais elle a encouragé l’acquisition d’utilisateurs qui n’atteignaient pas la valeur fondamentale du produit.

Construire une north star metric avec un arbre de métriques contrôlable

Une north star metric ne doit pas être choisie par intuition lors d’un workshop de marque. Elle doit être construite comme un modèle opérationnel. L’approche la plus robuste consiste à créer un arbre de métriques reliant la valeur finale à des leviers actionnables. La métrique phare est le sommet. Les input metrics expliquent comment elle progresse. Les guardrails limitent les optimisations perverses.

Le point de départ est la promesse produit. Quelle transformation l’utilisateur cherche-t-il ? Gagner du temps, vendre plus, réduire un risque, collaborer mieux, apprendre plus vite, se divertir, sécuriser un processus, économiser de l’argent. Cette transformation doit être traduite en événement mesurable. Pas un événement technique arbitraire, mais un signal de valeur. Pour Slack, l’idée historiquement citée de messages échangés en équipe avait du sens parce que la valeur venait de la communication active entre collaborateurs, pas du simple login. Pour une marketplace, la valeur peut être une transaction réussie entre offre et demande, pas seulement une annonce publiée. Pour un outil analytics, la valeur peut être un insight partagé et réutilisé, pas seulement un dashboard créé.

Ensuite, il faut définir l’unité pertinente : utilisateur, compte, équipe, organisation, transaction, projet, espace de travail. En B2B, mesurer au niveau utilisateur peut être trompeur si la décision et la valeur se jouent au niveau compte. Une personne très active dans un compte non décisionnaire n’a pas le même impact qu’une équipe entière qui adopte un workflow. En PLG, product-led growth, stratégie où l’adoption du produit devient le principal moteur d’acquisition et de conversion, l’unité compte ou workspace est souvent plus pertinente que l’utilisateur isolé.

La métrique doit également intégrer une fréquence. Une valeur accomplie une seule fois n’a pas le même sens qu’une valeur répétée. Les utilisateurs hebdomadaires actifs peuvent être pertinents pour un outil de collaboration quotidien, mais pas pour un logiciel de conformité utilisé mensuellement. La fréquence doit suivre le cycle naturel du cas d’usage. Forcer une métrique quotidienne sur un produit mensuel pousse à créer des notifications artificielles ou des micro-usages sans valeur.

Un framework pratique peut prendre la forme suivante : north star metric égale nombre de comptes ICP ayant accompli l’action de valeur principale au moins X fois sur Y jours, sans déclencher de guardrail négatif. ICP, ideal customer profile, désigne le profil de client idéal en termes de segment, taille, maturité et potentiel économique. Par exemple : comptes ICP ayant publié au moins trois campagnes multicanales avec un taux d’engagement supérieur au benchmark segment sur 30 jours. Ou : équipes ayant résolu au moins 80 % de leurs tickets critiques dans le SLA, service level agreement, délai de service attendu, sur quatre semaines consécutives.

Les input metrics peuvent ensuite être réparties selon le framework AARRR, acquisition, activation, retention, referral, revenue. Acquisition : comptes ICP acquis, coût par compte qualifié, part de trafic intentionniste. Activation : délai jusqu’au premier moment de valeur, complétion des prérequis, intégrations connectées. Rétention : fréquence d’usage, réactivation, profondeur des workflows. Referral : invitations, partages, expansion organique interne. Revenue : conversion payante, expansion, marge, ACV, annual contract value, valeur annuelle moyenne d’un contrat. Chaque équipe peut ainsi contribuer à la north star metric sans l’optimiser directement de manière aveugle.

Les guardrails sont indispensables. Si la north star metric est transactions réussies, les guardrails peuvent inclure taux de remboursement, marge brute, NPS, net promoter score, indicateur de recommandation client, litiges et délai de résolution. Si la métrique est campagnes envoyées avec engagement, les guardrails peuvent inclure plaintes spam, désabonnements, délivrabilité et taux de désactivation. Si la métrique est comptes activés, les guardrails peuvent inclure rétention à 30 jours, taux de support par compte et coût d’onboarding.

Tester la validité causale avant d’en faire un objectif d’entreprise

Une north star metric doit être validée empiriquement. Une corrélation avec le revenu ou la rétention ne suffit pas. Il faut comprendre si la métrique est un véritable moteur, un simple symptôme ou un artefact de segmentation. Les meilleurs clients utilisent davantage le produit, mais cela ne signifie pas que pousser tous les utilisateurs à utiliser davantage produira de meilleurs clients. C’est la différence entre corrélation et causalité.

La première étape consiste à analyser les cohortes, groupes d’utilisateurs ou de comptes partageant une période d’entrée ou une caractéristique commune. On observe si les cohortes qui atteignent le seuil de north star metric à J+7, J+14 ou J+30 présentent une meilleure rétention, un meilleur taux de conversion payant, une expansion plus forte ou un churn plus faible. Par exemple, un SaaS peut constater que les comptes qui connectent deux intégrations et invitent trois collègues dans les 14 premiers jours ont une rétention à 90 jours de 62 %, contre 24 % pour les autres. C’est un signal utile.

Mais ce signal doit être contrôlé. Peut-être que les comptes qui invitent trois collègues sont simplement des entreprises plus matures, mieux financées ou déjà convaincues. Il faut donc segmenter par source, taille de compte, secteur, pays, plan tarifaire, niveau de support, intention initiale et canal d’acquisition. Une métrique robuste doit conserver son pouvoir prédictif dans plusieurs segments clés, ou être explicitement définie par segment.

Ensuite, il faut tester des interventions. Si l’on pense que connecter une intégration est un input majeur, on peut expérimenter un onboarding qui réduit le délai de connexion. Si le groupe exposé connecte plus d’intégrations et améliore réellement la rétention, l’hypothèse se renforce. Si la connexion augmente sans effet sur la rétention, l’intégration était peut-être un signal de maturité, pas un levier causal. C’est ici que l’expérimentation devient centrale.

Un protocole simple peut combiner trois niveaux. Premier niveau : analyse historique des cohortes. Deuxième niveau : test A/B sur un input metric, avec randomisation simultanée. Troisième niveau : holdout, groupe volontairement non exposé servant de témoin, sur une initiative majeure visant la north star metric. Si une équipe lance une refonte onboarding censée augmenter la métrique phare, garder 10 % à 15 % des nouveaux comptes sur l’ancien parcours peut permettre d’estimer l’incrémentalité, valeur additionnelle causée par l’action par rapport à un scénario sans action.

Exemple : une plateforme B2B définit comme north star metric le nombre de comptes ayant automatisé au moins un workflow critique en 30 jours. L’équipe produit améliore les templates, l’équipe marketing ajuste les campagnes d’activation et l’équipe customer success propose un accompagnement ciblé. Le taux d’atteinte passe de 18 % à 27 %. Sans groupe témoin, le gain semble clair. Avec holdout, on observe que le groupe exposé atteint 27 %, contre 22 % pour le groupe témoin sur la même période, car une saisonnalité budgétaire favorisait déjà l’usage. L’uplift réel est de 5 points, pas 9. La décision reste positive, mais l’impact économique est recalibré.

La validité doit aussi être réévaluée dans le temps. Un proxy peut être bon à un stade et mauvais à un autre. Au lancement, le nombre d’équipes actives peut représenter l’adoption. À maturité, la profondeur d’usage ou l’expansion multi-département devient plus pertinente. Une marketplace peut d’abord piloter l’offre disponible, puis la liquidité, puis la qualité des transactions, puis la marge. La north star metric n’est pas éternelle ; elle doit évoluer avec le modèle.

Aligner marketing, produit et finance sans créer d’incentives toxiques

Une north star metric échoue souvent non parce qu’elle est mal formulée, mais parce qu’elle est mal intégrée dans les incentives. Si le marketing est évalué sur les leads, le produit sur les utilisateurs actifs et la finance sur le revenu court terme, la métrique phare restera décorative. Chaque équipe optimisera son propre sous-système. L’alignement exige une traduction cohérente des objectifs, pas un affichage commun dans un dashboard.

Le marketing doit relier ses métriques d’acquisition à la north star metric. Le CPA n’est pertinent que par segment et par qualité. Un canal à 80 euros par lead peut être moins rentable qu’un canal à 220 euros si le second génère trois fois plus de comptes atteignant la valeur principale. Le ROAS doit être lu avec la marge, la rétention et l’incrémentalité, pas seulement avec le revenu attribué. Les campagnes de retargeting peuvent afficher des performances excellentes tout en capturant une demande déjà existante. Les campagnes de création de demande peuvent sembler moins efficaces à court terme, mais alimenter plus de comptes qualifiés qui atteignent la north star metric à 60 jours.

Le produit doit éviter de transformer la north star metric en contrainte UX simpliste. Si la métrique est rapports partagés, l’équipe peut être tentée de multiplier les prompts de partage. Cela peut augmenter artificiellement le nombre de rapports envoyés, mais dégrader la pertinence et fatiguer les utilisateurs. Le bon travail produit consiste à comprendre les obstacles à la valeur : données non connectées, modèle mental flou, permissions trop complexes, absence de cas d’usage, manque de preuve interne. L’optimisation ne doit pas pousser le comportement ; elle doit réduire les frictions qui empêchent un comportement utile.

La finance doit également participer à la définition. Une métrique de valeur qui ignore la marge peut produire une croissance non rentable. Dans un modèle freemium, augmenter les utilisateurs actifs gratuits peut accroître les coûts d’infrastructure sans augmenter la conversion. Dans un modèle marketplace, augmenter les transactions peut dégrader la qualité du service si l’offre ne suit pas. Dans un modèle subscription, abonnement récurrent, favoriser l’expansion trop tôt peut augmenter le churn si le client n’a pas stabilisé son usage initial.

Une méthode efficace consiste à créer une matrice d’arbitrage. Pour chaque initiative, l’équipe estime l’effet attendu sur la north star metric, les input metrics et les guardrails. Une refonte onboarding peut augmenter l’activation, mais aussi le volume de tickets support. Une campagne d’acquisition peut augmenter les comptes ICP, mais réduire le taux d’activation si le message promet trop. Une baisse de prix peut augmenter les conversions, mais dégrader l’ACV et attirer des segments moins rentables. Cette matrice rend les compromis explicites avant que les chiffres ne soient utilisés pour justifier une décision déjà prise.

Il faut enfin protéger la métrique contre la gamification interne. Dès qu’un objectif devient cible de bonus, il peut être manipulé. Si les équipes sont récompensées sur comptes activés, elles peuvent abaisser la définition d’activation. Si elles sont récompensées sur usage hebdomadaire, elles peuvent créer des notifications inutiles. Si elles sont récompensées sur revenu signé, elles peuvent vendre à des clients qui churneront rapidement. Les guardrails et les audits de qualité sont donc des éléments de gouvernance, pas des détails analytiques.

Segmenter la north star metric plutôt que chercher une moyenne universelle

Beaucoup d’entreprises cherchent une north star metric unique alors que leur produit sert plusieurs segments avec des cycles de valeur différents. Une moyenne globale peut masquer des réalités opposées. Une métrique peut être excellente pour les PME et mauvaise pour les comptes enterprise. Elle peut représenter la valeur dans un usage self-serve, mais pas dans un usage accompagné. Elle peut être pertinente en acquisition organique, mais trompeuse sur des utilisateurs issus de campagnes paid très promotionnelles.

La segmentation doit commencer par l’ICP. Tous les utilisateurs ne doivent pas peser de la même manière dans la lecture stratégique. Si un produit B2B vise des comptes de 500 à 5 000 salariés, la croissance des micro-comptes gratuits ne doit pas faire croire que la stratégie fonctionne. Inversement, si le modèle repose sur la volumétrie self-serve, quelques grands comptes très actifs ne doivent pas masquer un problème d’adoption large. La north star metric peut intégrer un filtre ICP ou être analysée avec un coefficient de valeur.

Les segments d’usage comptent également. Un outil de data peut servir des analystes, des marketers et des dirigeants. Les analystes créent des dashboards, les marketers consultent des segments, les dirigeants lisent des synthèses. Une métrique unique comme dashboards créés favorisera le persona analyste, pas nécessairement la diffusion de valeur dans l’organisation. Une métrique plus robuste peut combiner plusieurs actions de valeur pondérées : rapports créés, insights consultés par des décideurs, alertes utilisées dans des campagnes, décisions documentées. Mais plus la métrique devient composite, plus elle doit être lisible et auditée.

Il existe un arbitrage entre simplicité et fidélité. Une north star metric trop simple peut déformer le produit. Une métrique trop complexe peut devenir incompréhensible et perdre son pouvoir d’alignement. La solution consiste souvent à garder une formulation simple au sommet, puis à documenter précisément les règles de calcul et les segmentations obligatoires. Par exemple : comptes actifs générant de la valeur chaque semaine. Derrière cette formulation, la définition peut varier selon les produits ou personas, mais le principe reste stable : une action de valeur répétée par un compte pertinent.

Les équipes doivent aussi surveiller les effets de mix. Si la north star metric progresse de 15 %, est-ce parce que chaque segment progresse, ou parce que la part d’un segment naturellement plus actif augmente ? Une campagne média peut modifier le mix d’audience et faire monter artificiellement la métrique. Une hausse organique sur un pays très mature peut masquer une baisse sur les nouveaux marchés. Les dashboards doivent donc afficher la métrique globale, mais aussi sa décomposition par source, segment, cohorte, plan tarifaire, pays et maturité.

Un exemple concret : une entreprise PLG observe que sa north star metric, projets collaboratifs actifs par semaine, progresse de 12 % sur un trimestre. La direction conclut à une amélioration produit. L’analyse segmentée montre que les projets issus d’un partenariat d’acquisition ont augmenté fortement, mais que les cohortes organiques récentes ont un taux d’activation inférieur de 18 % à celui du trimestre précédent. Le produit n’a pas nécessairement progressé ; le mix a changé. Sans segmentation, l’entreprise aurait attribué au produit un effet créé par l’acquisition.

Conclusion : choisir une métrique qui discipline le produit au lieu de le déformer

Une north star metric utile n’est pas la métrique la plus inspirante, ni la plus simple à suivre, ni celle qui monte le plus vite. C’est celle qui représente le mieux la valeur réellement créée, qui prédit la rétention et l’économie du modèle, qui peut être influencée par les équipes sans être facilement manipulée, et qui reste lisible dans les arbitrages quotidiens. Elle doit aligner, mais aussi contraindre. Elle doit rendre visibles les compromis plutôt que les masquer.

Une méthode actionnable peut se résumer en sept décisions. Premièrement, partir de la promesse produit et définir l’action qui matérialise la valeur utilisateur, pas l’activité la plus facile à mesurer. Deuxièmement, choisir la bonne unité d’analyse : utilisateur, compte, équipe, transaction ou projet. Troisièmement, intégrer une fréquence cohérente avec le cycle naturel d’usage. Quatrièmement, construire un arbre de métriques reliant la north star metric aux input metrics AARRR et aux guardrails. Cinquièmement, tester la validité causale par cohortes, segmentation, expérimentations et holdouts. Sixièmement, aligner marketing, produit et finance sur des objectifs compatibles, en évitant les incentives qui récompensent le volume au détriment de la qualité. Septièmement, réévaluer régulièrement la métrique lorsque le marché, le modèle ou la maturité produit changent.

Pour les professionnels du marketing, l’implication est directe : une north star metric mal choisie transforme l’acquisition en machine à produire de mauvais signaux. Elle pousse à acheter des leads qui ne s’activent pas, à optimiser des conversions qui ne retiennent pas, à attribuer du revenu à des canaux qui capturent plus qu’ils ne créent, et à célébrer des hausses de volume sans valeur incrémentale. À l’inverse, une métrique bien construite oblige le marketing à raisonner au-delà du CPA et du ROAS de surface : quels comptes atteignent réellement le moment de valeur, à quel coût, via quels canaux, avec quelle rétention et quelle marge ?

La bonne question n’est donc pas seulement quelle métrique peut rassembler l’entreprise. La vraie question est : si nous optimisons cette métrique pendant douze mois, quel produit aurons-nous construit ? Si la réponse est un produit plus utile, plus retenu, plus rentable et plus clair dans sa proposition de valeur, la north star metric joue son rôle. Si la réponse est un produit plus cliqué, plus rempli, plus bruyant ou plus promotionnel, elle n’est qu’un proxy dangereux. La discipline growth consiste précisément à faire cette distinction avant que le dashboard ne donne l’illusion du succès.