Et non, ce n’est pas Beyoncé mais la Donnée ! Vous n’apprenez rien, la donnée est devenue la pierre angulaire sur laquelle reposent les orientations stratégiques des entreprises et les prises de décisions majeures. La digitalisation et les pratiques associées ont démultiplié le nombre de données disponibles et naturellement les outils et les méthodes pour les obtenir et les analyser.
La notion de « data-driven » se généralise. Les start-ups adoptent le réflexe assez tôt car la donnée leur permet de maximiser leur croissance en prenant des décisions plus rapidement, en optimisant l’utilisation de leurs ressources et en restant agiles face aux défis du marché. Quant aux PME, la donnée est un enjeu majeur de compétitivité et de prise décision (à impact).
Vous avez certainement dû lire que la donnée est devenue le graal ? Qu’elle vous permet de construire un produit qui cartonne ? Mais, face à tant de données vous angoissez à l’idée de vous lancer ? Vous trouvez toujours une excuse pour repousser votre première campagne de recherche utilisateur ? C’est normal.
Cet article vise à rassurer toutes les personnes qui doutent et à servir de “guide pratique” pour se lancer dans le grand bain de la recherche utilisateur et de l’analyse de donnée.
Les données, pour quoi faire ?
Pourquoi travailler avec la donnée ? C’est la vraie question.
Au quotidien, nous devons être en mesure de prendre des décisions très rapidement. Ces choix sont, pour la plupart, basés sur nos expériences passées, notre culture et nos connaissances. Mais nous ne sommes pas notre utilisateur. Et c’est là que la donnée entre en jeu.
Travailler avec la donnée aide à confirmer vos convictions et à réduire les risques en prenant des décisions basées sur des informations tangibles plutôt que sur des intuitions ou des suppositions. Ces informations proviennent de vos utilisateurs et représentent leur comportement, leurs frustrations, leurs envies, leurs besoins. Vos choix seront donc forcément orientés vers l’utilisateur.
CONTEXTE
Vous travaillez au sein d’une entreprise de streaming. Le taux de conversion (le nombre nouveaux clients) de votre parcours de souscription est stable depuis le début de votre arrivée : 12%.
- ELe taux de conversion stable indique un parcours fonctionnel
- EL'objetif est de convertir plus d'utilisateurs pour générer du CA
HYPOTHÈSES
Pour augmenter le taux de conversion on pourrait :
- Emultiplier les canaux d’acquisitions
- Emettre en place un système de parrainage
- Eaugmenter les budgets ads
Ces actions, peuvent fonctionner, mais peuvent aussi augmenter le coup d’acquisition, plomber les budgets, prendre du temps…
RECHERCHE
On identifie avec Google Analytics que 50% des utilisateurs quittent le parcours à l’étape du formulaire
On confirme grâce à Hotjar que les utilisateurs bloquent au champ N° Téléphone
SOLUTION
Supprimer le N° téléphone pour effacer le point de friction
- ETemps de développement : quick win
- EPain point : on le supprime
- ERisque : perte de d'information client (intégrer la demande du numéro de téléphone après inscription)
Le taux de conversation devrait naturellement atteindre les 15%.
Vous l’aurez compris, le premier objectif avec l’analyse de données est de proposer des itérations produit qui apportent de la valeur et donc qui l’aligne avec le marché. C’est une approche ROIste.
Évidemment, ces itérations doivent intégrer des processus de décisions et de priorisations pour construire une roadmap. Son élaboration provient de l’intervention de collaborateurs d’autres équipes. Vous aurez sûrement à gérer des demandes de ce type : “à mon dernier meeting client, il voulait cette fonctionnalité, on devrait l’intégrer”. C’est à cette étape que vos recherches et vos résultats vous serviront d’argumentaire solide pour contrer toutes propositions ou idées qui n’iraient pas dans la bonne direction. Vous verrez, c’est très compliqué de contredire des arguments chiffrés !
DEMANDE
“À mon dernier meeting client, il voulait pouvoir filtrer ces factures par produit, on devrait l’intégrer”
RÉPONSE
Combien de clients t’ont demandé cette fonctionnalité ?
- E0 ticket, 0 feedback, et pas de comportement visible via Hotjar
- EMais 10% des tickets support concernent un retard avec les statuts des factures
- ELes 50 dernières factures, le statut n’était pas à jour sur le dashboard client
PROPOSITION
On devrait travailler sur un statut en temps réel :
- Eréduction du nombre de ticket à 0%
- Ebande passante libérée pour le support
Adopter une approche pragmatique pour être efficace plutôt qu’exhaustif
La première chose à faire : arrêtez de procrastinez et lancez-vous !
Vous n’avez pas besoin d’outils sophistiqués, ni d’une équipe de data scientists pour commencer à tirer parti des données. Faites avec les moyens et les ressources dont vous disposez.
Effectivement, vos premiers travaux de recherches ne se passeront pas comme prévu mais la machine sera en route. Vous apprendrez et ferez mieux à la campagne suivante.
Vous êtes seul(e) ?
Profitez-en pour vous organiser et adapter vos campagnes de recherche utilisateur en fonction de votre agenda, réservez des créneaux :
– de préparation pour cadrer,
– d’analyse pour traiter les données
– et de restitution pour documenter et partager.
Prévoyez des sessions plus longues pour les premières campagnes. Il vous faudra un peu plus de temps pour vous approprier les méthodes.
Vous n’avez pas d’outils ou ils ne sont pas paramétrés ?
Google est votre ami : montez en compétence à votre rythme avec des forums, des tutoriels et des formations en lignes. Il existe des dizaines d’outils et de services spécialisés gratuits ou avec une version freemium qui vous permettront d’avoir des premiers résultats : Google Analytics, Hotjar, Mixpanel, Amplitude, Typeform…
Une fois que vous êtes prêt à vous lancer, adoptez une approche pragmatique : cadrez votre campagne de recherche utilisateur. Si vous n’identifiez pas clairement l’objectif de votre recherche, le besoin et le problème à résoudre vous n’utiliserez pas les bonnes méthodes et n’obtiendrez pas les bonnes données : vous perdrez du temps et vous serez submergé par toutes vos données.
- Objectif : il doit être clair, précis et simple à comprendre
- Besoin : il doit mettre en avant un problème et répondre à l’objectif
- Problème : il ne doit y en avoir qu’un. Vous ne pouvez résoudre qu’un problème à la fois
Une fois que vous avez le cadre, pour obtenir des résultats pertinents, identifiez les indicateurs et les données à utiliser. De cette manière, vous définirez la typologie de donnée dont vous avez besoin, qualitative ou quantitative et donc la méthode à appliquer pour récupérer ces datas.
Dans le domaine de l’expérience utilisateur, la donnée fait référence à toutes les informations quantitatives et qualitatives collectées sur les utilisateurs, leurs interactions avec un produit ou un service numérique, ainsi que sur l’environnement dans lequel ces interactions se produisent. Ces données peuvent inclure des mesures telles que les statistiques d’utilisation, les feedbacks utilisateurs, les données démographiques, les comportements d’interaction, les parcours utilisateur, etc.
- Données : elles doivent être définies et utilisées par l’entreprise
- Méthode : identifier les méthodes à utiliser pour récupérer ces données
- Outils : identifier les outils en place ou manquant
Organiser les données
Pour tirer le meilleur parti de l’analyse de données, il est essentiel d’organiser vos recherches. Cela vous permettra non seulement de travailler plus efficacement, mettre en place des actions, suivre les impacts, corriger rapidement si nécessaire. Vous apportez de la valeur en continu au produit.
Une base de données de connaissances utilisateurs est un référentiel qui permet aux équipes de stocker, gérer et accéder à toutes les données et insights issus des projets de recherche UX : entretiens avec des utilisateurs et leurs vidéos respectives, transcriptions et analyses, tests d’usabilité, questionnaires…
Faites simple. Commencez avec du no-code
Nous avons construit un template sur Notion gratuit pour centraliser et organiser votre connaissance client que vous pouvez dupliquer dans votre espace.
L’organisation des données facilite l’accès aux informations pertinentes aux autres équipes de votre entreprise et favorise une approche collectivement centrée sur l’utilisateur. Cela peut-être un game changer à la condition que cette culture “data-driven” soit adoptée par tous et que chacun puisse, quand il le veut, consulter ou alimenter cette base. En effet, les commerciaux, le support, le customer success échangent quotidiennement avec vos clients et utilisateurs. Ils obtiennent des données utiles et qui peuvent aider à faire progresser votre produit.
Il faut donc être capable d’évangéliser cette approche en construisant des routines au sein de l’équipe Produit mais aussi avec les autres équipes. C’est routines peuvent être :
- une revue hebdomadaire des KPI produit pour monitorer la “santé” de vos parcours
- une revue mensuelle avec l’équipe support et customer success pour remonter les feedbacks et problèmes rencontrés par les utilisateurs
- une analyse trimestrielle des insights liés aux backlogs avant la construction de la roadmap
- une restitution aux équipes à la suite d’une campagne de recherche utilisateurs (entretien utilisateur)
- un avant/après trimestriel des indicateurs business (nombre d’utilisateurs, NPS, taux de churn, taux de conversion)
- une restitution de l’atteinte ou non des objectifs après chaque cycle produit (sprint)
Le succès de cette approche passe par la documentation, le partage, l’utilisation et la communication.
- EAjoutez une notice d’utilisation à votre base (tuto, glossaires, terminologies, définitions…)
- EFaites vivre la base en notifiant dès que vous ajoutez des infos
- EIntégrez des dashboards, filtres et KPI
Conclusion
Lors d’une user research, l’analyse de données, doit toujours commencer par une question fondamentale : pourquoi ? Que ce soit pour résoudre un problème spécifique, valider une hypothèse ou simplement monitorer des parcours, il est essentiel de définir clairement vos objectifs.
Il est primordial de garder à l’esprit que les données permettent d’effacer des doutes, confirmer des convictions et prendre des décisions plus éclairées et donc réduire les risques. Les résultats peuvent ne pas être immédiats mais deviendront tangibles avec le temps.
Vous n’avez pas besoin d’être un data scientist pour commencer à tirer parti des données à votre disposition. Avec le temps et la pratique, vous deviendrez plus à l’aise avec les méthodes, les insights que vous obtiendrez auront plus de sens, vous apporterez plus de valeur à votre produit. Vous serez fier(e) de vous !
