Conception basée sur les données : Comment créer une expérience utilisateur sur mesure
Nous vivons à l’ère du big data et de l’analytique, et il semble que cette discipline soit apparue presque partout, y compris dans la vente, le marketing, la gestion de produit et, bien sûr, dans le design UX.
Il y a une bonne raison pour laquelle l’analyse de données est devenue une partie essentielle du flux de travail en design de nos jours. En analysant le comportement de vos utilisateurs, vous pouvez considérablement améliorer la qualité de vos conceptions.
Alors, voyons comment les équipes de design peuvent tirer parti du design piloté par les données afin de garantir que vos utilisateurs vivent une expérience optimale lorsqu'ils interagissent avec votre produit.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Qu’est-ce que le design piloté par les données (et pourquoi utiliser les données dans votre processus de conception UX) ?
Le design piloté par les données est le processus qui consiste à intégrer le suivi des données et l’analytique dans votre flux de travail afin de vous aider à prendre de meilleures décisions de conception sur la base des apprentissages obtenus à partir de vos outils d’analyse de données.
Les designers utilisent une variété d’outils de recherche utilisateur et d’analyse pour suivre les parcours utilisateurs critiques et les indicateurs clés de performance (KPI) qui représentent la convivialité globale de leur produit. Pour cela, ils utilisent des processus tels que l’A/B testing, l’analyse de différents types de données (par exemple, données quantitatives et qualitatives), les tests utilisateurs, les entretiens avec des groupes de discussion, la création de pages d’atterrissage et de prototypes traçables, entre autres.
En conséquence, ils peuvent rapidement identifier les problèmes d’utilisabilité, en trouver la cause principale, puis la résoudre.
De plus, les équipes de design utilisent activement l’analytique pour mesurer l’impact de leurs derniers designs sur l’expérience utilisateur et se servent des résultats pour créer de nouvelles itérations améliorées.
Exemples de design informé par les données
La mise en œuvre de solutions de design UX basées sur des données empiriques est bien plus répandue que vous ne le pensez. La majorité des entreprises à succès utilisent activement ce processus pour s’assurer que les choix de conception qu’elles font auront probablement un impact positif sur leur produit.
Voici trois exemples de ces produits.
La lecture automatique de YouTube
Vous souvenez-vous des anciennes versions de YouTube où il fallait cliquer sur une nouvelle vidéo après la fin de celle en cours ? N’était-ce pas agaçant ?
Eh bien, cette « fonctionnalité » a entraîné une baisse significative du taux d'engagement des utilisateurs de YouTube (nombre de vidéos lues par jour), et l'équipe de design a décidé d’agir.
Ils ont examiné les données et ont tiré deux enseignements intéressants :
- Les utilisateurs ont tendance à regarder plusieurs vidéos à la suite. Certains aiment utiliser YouTube comme fond sonore pendant qu’ils cuisinent ou font le ménage. D’autres (comme moi) aiment s’endormir avec une vidéo en arrière-plan.
- Beaucoup d’utilisateurs ne cliquaient pas sur une nouvelle miniature de vidéo une fois la lecture terminée. Il était contraignant pour de nombreux utilisateurs de cliquer sans cesse sur les miniatures.
À partir de ces constatations, ils ont décidé d’ajouter la célèbre fonctionnalité de « lecture automatique » qui enchaîne automatiquement une vidéo suggérée par la plateforme ou la suivante dans la playlist.
En conséquence, YouTube a constaté une hausse massive de ses indicateurs d’engagement.
Le parcours d’évaluation centré sur l’utilisateur d’Airbnb
Si vous avez déjà séjourné dans un logement Airbnb, vous avez très probablement laissé un avis en passant par le flux de retour de la plateforme.
Si je vous demande si laisser un avis était fastidieux, la plupart d’entre vous diront probablement que le formulaire n’était pas court, mais qu’il n’était pas pénible à remplir.
Cela s’explique par le fait que vous n’avez pas eu à expérimenter la corvée de remplir l’ancien formulaire d’Airbnb qui comprenait une infinité de questions.
Chez Airbnb, deux problèmes ont été constatés :
- Peu de personnes remplissaient les formulaires d’avis.
- Les réponses dans leurs formulaires étaient très génériques et peu utiles.
Pour résoudre cela, l’équipe de design a commencé à analyser les données de performance du formulaire et a compris que la grande majorité abandonnait simplement le formulaire en cours de route.
Sur la base de ces enseignements, l’équipe a commencé à mener des tests d’utilisabilité et a compris que :
- La taille du formulaire était trop décourageante pour les utilisateurs. Personne ne voulait répondre à autant de questions.
- Les utilisateurs laissaient des commentaires génériques car ils ne voulaient pas passer du temps à rédiger des avis détaillés.
Maintenant que la source du problème était identifiée, l’équipe d’Airbnb a entrepris une refonte majeure de leur expérience de collecte d’avis. Au lieu d’un long formulaire unique, ils ont créé plusieurs pages de formulaires plus courts pour ne pas submerger les utilisateurs.
Ils ont également commencé à utiliser des boutons avec des réponses prédéfinies à la place des champs texte, ce qui les a aidés à éviter les réponses génériques. De plus, l’équipe a pu faire de l’analyse de données sur les réponses des utilisateurs et les optimiser encore davantage puisque les réponses étaient structurées et non saisies en texte libre.
Comme vous l’avez sûrement deviné, le formulaire repensé a rencontré un immense succès !
Navigation dans les commentaires de Reddit
Reddit n’est pas simplement un autre forum. Il est devenu un phénomène culturel et un lieu où l’ensemble d’Internet se réunit pour discuter.
Cependant, la popularité de Reddit a entraîné un inconvénient intéressant. Les internautes postaient tellement de commentaires sur les sujets publiés que cela devenait impossible de suivre les discussions. C’était particulièrement frustrant lorsque des dizaines de réponses étaient rédigées sous un même commentaire et qu’il fallait faire défiler longtemps pour arriver au suivant.
L’équipe de Reddit était consciente de ce problème. Ils avaient même élaboré plusieurs concepts pour repenser la section des commentaires afin d’en faciliter la navigation.
Pour choisir le meilleur concept, ils ont commencé à mener des tests d’utilisabilité et à exploiter d’autres méthodes de recherche pour recueillir des données d’interaction utilisateur, extraire des indicateurs clés et comparer leurs concepts à l’aide de ces métriques.
Une solution de conception s’est nettement démarquée des autres : permettre aux utilisateurs d’ouvrir ou fermer les réponses à leur guise.
Ainsi, si vous ne vouliez pas lire un long fil de réponses sous un commentaire particulier, il suffisait de le réduire pour passer au commentaire suivant.
Comme vous pouvez le constater, le processus de conception guidé par les données est au cœur des workflows de nombreux produits à succès.
Et je sais que vous souhaitez, vous aussi, baser vos choix de design sur des données (sinon, que faites-vous ici ?).
Voici donc un guide étape par étape pour intégrer le design guidé par les données dans votre développement produit.
6 étapes pour favoriser des décisions produit basées sur les données
Adoptons une approche plus concrète. Plutôt que de simplement exposer la théorie, nous allons aussi illustrer chaque étape avec des exemples et des outils réels. Mon outil de prédilection aujourd’hui sera Amplitude, car il s’agit de l’outil d’analyse produit orienté événement que j’utilise chaque jour dans mon travail.
Commençons donc par la première étape : l’élaboration de la stratégie.
Étape 1 : Établissez une stratégie d’analyse de données avec vos parties prenantes
Vous pouvez faire une croix sur les résultats probants issus de vos analyses de données si vous n’avez pas une stratégie solide en amont.
Une stratégie d’analyse de données typique comprend les deux sections suivantes :
Section 1 : Objectifs
Vous devez définir clairement la raison pour laquelle vous mettez en œuvre l’analytics. Sans objectifs précis, vous prenez le risque de suivre et mesurer des données utilisateurs sans réelle valeur.
Imaginez maintenant que vous dirigiez Spotify : voyons à quoi pourrait ressembler un ensemble d’objectifs dans ce cas.
Je sais, ces objectifs paraissent évidents. Mais croyez-moi, sans les formuler clairement, vous risquez de vous perdre dans l’analyse de données.
Section 2 : KPIs
Une fois les objectifs définis, il faut en déduire les indicateurs clés que vous souhaitez mesurer. Le mot important ici est « déduire ». Cela signifie que si vos métriques s’améliorent, vous devez vous rapprocher de vos objectifs.
Par exemple, si votre objectif est une croissance durable de la base utilisateur, il faudra mesurer la rétention, le taux d’activation et le taux d’inscription. Retenir le MRR comme indicateur clé serait, ici, une mauvaise idée car il est possible d’augmenter le chiffre d’affaires à court terme, mais de tout perdre à long terme. Votre croissance ne serait alors pas durable et vous manqueriez votre objectif.
Voici à quoi ressemblerait une liste de KPIs pour le premier objectif cité précédemment – « Améliorer l’expérience utilisateur » :
Ce sont tous des indicateurs d'une expérience utilisateur positive. Si les taux ci-dessus augmentent, nous pouvons affirmer avec confiance que les utilisateurs apprécient notre produit.
Étape 2 : Intégrer un outil d'analyse de données
Maintenant que vous savez clairement ce que vous souhaitez mesurer, il est temps de réfléchir à la manière de le mesurer. Plus précisément, il s'agit du choix de l'outil d'analyse que vous utiliserez pour trouver des insights intéressants dans vos données.
Il existe un large éventail d'outils que vous pouvez envisager pour cela, selon la catégorie d'analyse qui vous intéresse (par exemple : cartes de chaleur, données démographiques, comportement utilisateur, etc.), les fonctionnalités proposées (cohortes, entonnoirs, etc.) et bien sûr, votre budget.
-
Amplitude
Visit WebsiteThis is an aggregated rating for this tool including ratings from Crozdesk users and ratings from other sites.4.5 -
Customerscore.io
Visit WebsiteThis is an aggregated rating for this tool including ratings from Crozdesk users and ratings from other sites.4.8 -
Mouseflow
Visit WebsiteThis is an aggregated rating for this tool including ratings from Crozdesk users and ratings from other sites.4.7
Voici quelques options à envisager pour chaque type :
- Cartes de chaleur (y compris les tests A/B et multivariés) : Hotjar, Mouseflow, Clarity.
- Données démographiques et analyses de site (par exemple : taux de rebond) : Google Analytics, Matomo, Yandex Metrica.
- Analyses basées sur les événements (pour les taux de conversion, les entonnoirs, etc.) : Amplitude, Mixpanel.
- Business Intelligence (pour les métriques d'impact financier, etc.) : Looker Studio, Tableau, PowerBI.
Ma configuration actuelle est composée d’une combinaison de GA4, Hotjar, Amplitude et Looker Studio.
Aujourd'hui, cependant, je veux me concentrer sur Amplitude et vous montrer comment l'intégrer.
Nous allons utiliser Google Tag Manager (GTM) pour rendre les choses simples et éviter d'impliquer votre équipe d'ingénierie dans la mise en place.
Nous allons commencer par ouvrir GTM, cliquer sur « Tags » dans la barre latérale de gauche pour ouvrir la liste de nos balises, puis cliquer sur « Nouveau » pour ouvrir le panneau de création de balise.
Pour éviter de configurer manuellement une balise pour Amplitude, la société a créé un modèle que nous pouvons utiliser. Pour utiliser ce modèle, nous allons cliquer sur la carte « Configuration de la balise » pour ouvrir la galerie de modèles.
Ici, nous devons cliquer sur « Découvrir plus de types de balises dans la galerie de modèles communautaires », chercher « Amplitude » puis cliquer sur « Amplitude Analytics Browser SDK ».
Nous touchons au but. Il faut d’abord saisir votre clé API Amplitude dans le champ correspondant.
Ensuite, ajoutez un déclencheur en cliquant sur la carte du déclencheur à l'écran, puis sélectionnez « Initialisation — Toutes les pages ».
Enfin, donnez un nom à votre balise (par exemple « Amplitude Init »), enregistrez-la et publiez une nouvelle version dans GTM. Et voilà ! La prochaine fois qu’une personne ouvrira votre produit, le SDK d’Amplitude s’initialisera et commencera à s’exécuter en arrière-plan.
Étape 3 : Documentez votre processus de collecte de données quantitatives
Exécuter Amplitude n’est que le début de la configuration. Puisqu’il s’agit d’un outil d’analyse basé sur les événements, il faudra configurer manuellement des événements dans votre produit et les déclencher à l’aide du SDK Amplitude, que nous venons d’ajouter via GTM.
Mais avant d’ajouter des événements, nous devons d’abord les documenter. Un document de collecte de données est généralement un tableur dans lequel vous listez les événements que le SDK déclenchera, les actions utilisateur qui serviront de déclencheur et les différents paramètres que vous souhaitez envoyer à Amplitude avec l’événement.
Voici à quoi ressemble une version simplifiée de ce tableau pour le suivi des interactions utilisateurs dans le formulaire d’avis Airbnb.
Une fois que nous avons documenté les événements à suivre, nous demandons alors à notre équipe d’ingénierie d’ajouter des déclencheurs pour chacun d’eux dans notre code frontend en utilisant le SDK d’Amplitude. Lorsqu’ils terminent cette tâche, notre produit déclenchera automatiquement ces événements et enverra les données nécessaires à Amplitude pour que nous puissions les analyser.
Étape 4 : Créez des rapports et des tableaux de bord pour vos indicateurs UX clés
À ce stade, vous avez tout ce qu’il vous faut pour commencer l’analyse proprement dite et déterminer si l’expérience utilisateur répond à vos attentes.
Votre démarche de visualisation des données commencera par la construction de graphiques pour les indicateurs d’utilisabilité clés que vous avez identifiés et documentés précédemment à l’aide de l’outil d’analyse de votre choix. Laissez-moi vous montrer comment faire en utilisant Amplitude comme exemple. Le taux d’adoption des playlists semble être un excellent indicateur pour commencer.
Nous allons créer un nouveau graphique de segmentation (c’est-à-dire un graphique ordinaire) dans Amplitude en cliquant sur le bouton « Nouveau » puis en sélectionnant « Segmentation » dans la barre latérale qui s’ouvre.
Puis, nous devons sélectionner les événements qui nous permettront de mesurer l’adoption. Dans notre cas, cela sera « Suivre une playlist ».
Ensuite, nous devons nous assurer que les chiffres affichés sur le graphique représentent le pourcentage d’utilisateurs actifs qui effectuent cette action. Nous sélectionnerons donc l’option « % d’actifs » dans le menu « Mesuré comme ».
Voici à quoi ressemblera notre graphique. Il montre qu’environ 70 % de nos utilisateurs actifs quotidiens suivent des playlists chaque jour. Honnêtement, cela semble être un très bon résultat.
Enfin, nous allons sauvegarder notre graphique et travailler sur les indicateurs restants.
Vous pouvez créer un tableau de bord afin d’avoir une vue unique sur tous vos indicateurs clés. Pour cela, nous recliquons sur le bouton « Nouveau », puis choisissons « Rapport », ensuite « Tableau de bord ».
En conséquence, nous voyons un tableau de bord vide auquel il faudra donner un nom et ajouter les graphiques que nous avons déjà créés.
Donnons-lui le nom « Indicateurs clés d’utilisabilité » et ajoutons nos graphiques en cliquant sur « Ajouter du contenu » puis « Graphique existant » et en sélectionnant les graphiques que nous avons réalisés.
Félicitations ! Vous avez désormais une vue d’ensemble sur tous vos indicateurs clés !
Étape 5 : Analysez et révisez constamment vos rapports
Les résultats que vous voyez sur votre tableau de bord Amplitude sont « vivants ». Ils augmenteront ou diminueront en fonction des changements apportés à votre expérience utilisateur. Ainsi, vous devez régulièrement analyser ces indicateurs afin de :
- Voir si vos efforts ont eu un impact positif sur l’utilisabilité de votre produit.
- Identifier les indicateurs dont la performance est insuffisante et essayer d’en trouver la raison.
Je vous recommande d’organiser des points réguliers, chaque semaine ou toutes les deux semaines, avec vos parties prenantes pour discuter des évolutions des KPI et réfléchir ensemble aux raisons possibles pour lesquelles certains n’obtiennent pas de bons résultats.
Ces réunions doivent aboutir à une liste d’hypothèses sur ce qui pourrait améliorer vos indicateurs et à des problèmes candidats qui expliqueraient les mauvaises performances constatées.
Vous devrez ensuite lancer un processus de recherche en design UX afin de valider ou rejeter ces hypothèses et commencer à construire des solutions qui feront évoluer la courbe.
Voici une étude de cas concrète issue de mon expérience.
L’un des produits sur lesquels j’ai travaillé était une plateforme marketing permettant aux sites web d’envoyer des notifications push à leur audience. Après inscription, les propriétaires de sites devaient installer notre SDK sur leur site afin d’activer les notifications push.
Nous avons créé un graphique en entonnoir montrant toutes les principales étapes à configurer pour les propriétaires de sites web. Lors de notre première analyse de ce tunnel, nous avons remarqué quelque chose d’étrange. Il y avait une énorme chute de 70 % entre l’étape d’installation du SDK et l’envoi de la première notification push.
Après une séance de brainstorming, nous avons émis l’hypothèse que cette chute était causée par l’absence d’un « mode test », permettant aux utilisateurs de vérifier si les notifications push fonctionnaient correctement.
Nous avons mené plusieurs tests d’utilisabilité et entretiens utilisateurs pour valider cette hypothèse. Il s’est avéré que les propriétaires de sites web n’étaient pas à l’aise avec l’utilisation d’une nouvelle technologie sans l’avoir d’abord testée sur eux-mêmes.
Nous avons donc conçu et mis en place un parcours de test auquel les utilisateurs accédaient juste après l’installation du SDK. Le résultat a été saisissant : nous avons pu répondre aux besoins et points de douleur des utilisateurs de manière très satisfaisante. En quelques semaines, la chute de 70 % n’était plus que de 15 % !
Étape 6 : Intégrez vos apprentissages à vos conceptions
La dernière étape de votre démarche axée sur les données est aussi la plus importante. Vos analyses et hypothèses n'auront aucun impact sur votre produit tant que vous n'agissez pas dessus.
La façon dont nous avons géré ce processus pour l’un des produits que je dirigeais était assez simple. Dès qu’une hypothèse était validée, nous créions une tâche de conception produit dans notre outil de gestion de tâches, la priorisions, puis l’assignions à l’un de nos designers.
Dès la conception terminée, nous réalisions des tests d’utilisabilité modérés ou non, itérions selon les retours utilisateurs, et préparions la nouvelle conception pour la revue du backlog.
Peu importe que vous suiviez le processus que je viens de vous décrire ou que vous en construisiez un vous-même : assurez-vous de mettre en application ce que vous apprenez !
Dépassez-vous grâce à la data dans vos conceptions
L’analyse de données est un outil formidable entre les mains d’une équipe de design. En surveillant et en résolvant en continu vos principaux indicateurs d’utilisabilité, vous pouvez considérablement améliorer votre prise de décision et proposer des expériences utilisateurs qui impressionneront vos utilisateurs.
N’oubliez pas de vous abonner à notre newsletter pour plus de ressources et de guides sur le product management, ainsi que pour recevoir les derniers podcasts, interviews et autres analyses d’experts et leaders du secteur.
