Data-driven design : comment la data a intégré le processus design

Le data-driven design est devenu la dernière mode des designers mais que signifie-t-il ? 

Le data-driven design est une technique de conception UX basée sur la collecte et l’analyse de données pour améliorer l’expérience utilisateur d’un site ou d’un design. Invision définit la démarche de design data-driven ainsi : “utiliser les informations puisées à la fois dans les analyses quantitatives et qualitatives pour adapter la façon dont vous prenez des décisions concernant un ensemble d’utilisateurs.” Il ne s’agit donc pas juste de collecter et d’analyser la donnée au cours d’un processus UX mais bien de l’exploiter pour favoriser une prise de décision éclairée. 

Un projet UX data-driven intègre ainsi la donnée à chacune de ces étapes

  • Dès la phase de définition du besoin, on actionne la data quantitative afin de définir les métriques qui seront stratégiques au cours du projet ;
  • La data est alors recueillie et analysée tout au long de la phase d’immersion et de recherche pour venir alimenter les réflexions en phase d’idéation et impacter la conception ;
  • De nouveau collectée en phase d’évaluation, les données viennent répondre aux hypothèses et valider ou non les choix de conception pour amorcer une nouvelle itération. 

# Définir les métriques à suivre

En début de projet, nous cherchons à définir les métriques stratégiques du projet. De nombreux frameworks peuvent être utilisés pour cela tels que le framework HEART de Google ou la méthode AARRR. 

La méthode HEART a été développée par Google en 2010 avec le but spécifique de venir mesurer l’expérience utilisateur, à grande échelle, en utilisant des métriques subjectives (“attitudinal”, par exemple des verbatims) et objectives (“comportemental”, par exemple une action observée dans l’utilisation de l’interface). HEART a réuni 5 catégories de mesures toutes liées à l’expérience utilisateur : Happiness (satisfaction, probabilité de recommander, utilisabilité etc.), Engagement (interactions entre l’utilisateur et le produit/service), Adoption (nouveaux utilisateurs), Rétention (nombre d’utilisateurs présents au bout d’un certain temps), Task Success (taux de succès/d’erreur, temps pour réaliser une tâche etc.). Chacune de ces métriques est associée à un objectif (Goals), qui est atteint selon certaines conditions (Signals), elles-mêmes traquées par certaines métriques (Metrics).

 

 

La méthode AARRR est une méthode utilisée pour déterminer des KPIs en s’intéressant au tunnel marketing lié au cycle de vie d’un client. Elle définit 5 étapes clés qui fixent des objectifs à différents niveaux : attirer de nouveaux utilisateurs, les convertir, les fidéliser, les rendre ambassadeurs de la marque etc. 

 

# Alimenter la recherche utilisateur et orienter les propositions de design

Une fois les métriques définies, nous cherchons à recueillir de la data. Celle-ci vient être collectée et analysée tout au long de la phase d’immersion et de recherche, par le travail conjoint des acteurs de l’UX et de la Data. Les données quantitatives permettent d’identifier les comportements des utilisateurs et les données qualitatives de les expliquer. Toutes ces données sont des supports à la mise au point de persona, de user flows, de parcours utilisateurs etc. Et permettent ainsi de vérifier les hypothèses faites sur les utilisateurs et d’orienter une proposition de design en phase ultérieure de conception.

Il existe de nombreuses méthodes de recherche nous permettant d’obtenir des données qualitatives et quantitatives sur nos utilisateurs. Les méthodes de recherche qualitative (focus group, interviews, observations de terrain, etc.) cherchent à recueillir des observations sur l’UX en répondant à des problématiques de recherche commençant par “pourquoi?” ou “comment?”. Les méthodes de recherche quantitative (analytics, AB test, etc.) visent à collecter des métriques UX, c’est -à -dire des données numériques et quantifiées. Elles répondent à des questions de recherche commençant par “combien?” ou “qui?”. 

Les données qualitatives et quantitatives sont complémentaires et gagnent à être analysées ensemble. 

 

# Évaluer l’expérience utilisateur

En phase d’évaluation, nous cherchons à mesurer l’expérience utilisateur du design produit en phase de conception, en mobilisant à nouveau les techniques de recherche qualitative et quantitative. L’objectif est d’évaluer la qualité de l’expérience utilisateur proposée afin de valider les hypothèses de conception ou le cas échéant, itérer. 

Pour cela, nous pouvons avoir recours à de nombreuses techniques

  • Les tests d’utilisabilité quanti : ces tests consistent à observer directement l’utilisateur en train de se servir du produit/service. Les designers peuvent ainsi identifier concrètement les problèmes et mesurer l’utilisabilité en calculant la performance de l’utilisateur dans la réalisation des différentes tâches. Des métriques UX collectées peuvent être le taux de réussite, le temps passé par tâche, le nombre d’erreurs etc.
  • L’analytics : l’analytics consiste à recueillir et lire la data d’un site pour déceler le comportement de ses visiteurs. Ainsi peut-on déterminer les moments clés du parcours utilisateurs, ses points forts et ses carences (quelles sont les pages les plus empruntées ? à quel moment les utilisateurs quittent le site ?). Les UX par la suite collectent et analysent ces données pour résoudre les problèmes identifiés et optimiser les pages dédiées. Ces données sont collectées via de nombreux outils comme Google Analytics, AT internet, Google Tag manager ou encore des outils de heatmap comme Hotjar. 
  • L’AB Testing : l’AB test est une méthode d’optimisation qui permet de comparer deux variantes d’un design pour en déterminer le meilleur. On a recours à cette méthode pour mesurer de très petites différences de performance ou d’utilisabilité mais qui ont un grand impact sur la conception. Pour effectuer un AB test, il faut appréhender un grand nombre d’utilisateurs pour ensuite améliorer la variante préférée de la majorité. 

D’autres méthodes quanti peuvent être utilisées comme le test de désirabilité, l’eye tracking, le tree testing etc. 

# Pour conclure 

Le rôle crucial que joue la donnée dans un projet UX n’est plus à démontrer. Les designers doivent s’emparer de la data et renforcer leur collaboration avec les métiers de la data pour améliorer leurs expériences utilisateurs. Mais dans un monde digital où tout est mesurable, l’enjeu de demain sera d’appréhender quantité de données de plus en plus grande, quantité qui sera impossible à traiter par un cerveau humain. L’IA permettra ainsi de traiter la donnée, de lui donner du sens et de prédire des comportements utilisateurs pour élever le design à un niveau sans précédent de personnalisation et d’évolutivité. 

L’enjeu de demain pour les designers sera donc le suivant : comment intégrer l’IA au processus de design UX ? 

 

 

Sawsan HOMMAN UX Coach @UX-Republic


Nos prochaines formations