Comment créer des personas pilotés par la data ?

Retrouvez la version originale de l’article de Think Design en anglais : How to create personas driven by data ?

Dans cet article, nous nous penchons sur le rôle de la data comme puissant levier dans le processus de création de persona. À mesure que nous améliorons la connaissance et la compréhension de nos clients, cela permet d’enrichir les produits et services et d’améliorer leur ergonomie.

Donner un visage à vos données clients

Les personas ont pour but de vous aider à mieux comprendre vos utilisateurs, leurs besoins, leurs comportements et leurs attentes. Il s’agit d’archétypes représentatifs de traits spécifiques et propres à votre cible.

1. Le persona comme hypothèse : un profil qui caractérise un groupe d’utilisateurs hypothétiques.

2. La persona comme synthèse : Grâce à la recherche primaire, et une fois que vous avez compris vos utilisateurs, vous êtes dès lors en mesure d’envisager des catégories d’utilisateurs basées sur différents types de comportement.

3. Le persona comme segment utilisateur.

La description d’un persona doit inclure, sans s’y limiter : l’éducation, le mode de vie, les intérêts, les valeurs, les objectifs, les besoins, les comportements, les attitudes et tous autres éléments distinctifs récurrents.

Bien que riches en données comportementales et d’interactions, ces personas représentent un instantané dans le temps. Au premier abord, cela devrait être suffisant pour vous permettre de démarrer et résoudre des problèmes d’ergonomie. Toutefois, sont-ils véritablement pertinents à terme ?

Les personas les plus efficaces ne se contentent pas de décrire les utilisateurs, mais aident à prévoir leur comportement. Bien entendu, pour que les personas puissent permettre ce genre de prédictions, ils doivent reposer sur plus que des intuitions et des anecdotes.

Pour répondre à ce besoin, il est donc impératif d’adopter une approche centrée sur la donnée dans leur conception.

De plus en plus d’organisations ont recours à des personas centrées sur la donnée pour créer de la valeur.

Facebook, en enquêtant sur des plaintes anonymes, a créé un persona pour ses plaignants. Grâce à ses données sur les utilisateurs, la société a constaté que parmi les adolescents qui se sont plaints d’une photo sur laquelle ils étaient identifiés, la plupart étaient gênés par le fait qu’ils aient été identifiés.

Dans ce cas de figure, la proportion de filles gênées par la publication était plus élevée que celle des garçons. Par ailleurs, Facebook a également pu observer que ses utilisateurs étaient plus susceptibles de partager le problème plutôt que de le signaler. Une enquête plus approfondie a finalement révélé que si ces derniers n’ont pas signalé la publication, c’est avant tout parce qu’ils ne voulaient pas que leurs amis s’inquiètent.

En recueillant des informations clés sur l’âge, le sexe, le comportement, les points de friction et les motivations de ses plaignants, Facebook a pu améliorer son système de signalement et de support client.

De même, Netflix alimente son algorithme de recommandation de contenu avec des données déclaratives fournies par les abonnés ainsi qu’une très large quantité de données comportementales et d’interaction. L’entreprise américaine utilise également ces données pour rationaliser son interface utilisateur.

Les données recueillies permettent une compréhension plus empathique de vos utilisateurs.

Le problème de nombreux personas est qu’ils sont basés sur des données non pertinentes, des données mal sourcées, voire aucune donnée (mais des hypothèses dans le cadre d’utilisateurs fictifs).

1. Quelles sont les données les plus pertinentes ?

La première étape consiste à identifier les éléments clés à l’origine de la majorité des conversions de votre entreprise, car l’identification de ces éléments vous aidera à identifier votre cible principale.

Connaître son cœur de cible nous permet d’extraire des données précieuses.

1. À la fois des données qui peuvent être collectées par le biais de recherches utilisateur.

2. Et des données quantitatives obtenues via le suivi d’interactions contextuelles de votre cible avec vos produits ou services.

La conjugaison d’actions utilisateurs, dans un laps de temps continu, avec les éléments qui influencent leurs interactions (motivations, données démographiques, etc.), nous permet de prédire le comportement utilisateur avec plus de précision face à d’éventuels changements apportés aux produits ou services.

2. Comment générer des données plus riches ?

Pour comprendre les motivations, les attitudes, les comportements et les attentes de nos clients, il faut s’appuyer sur de multiples sources de données. La diversité des sources de données permet de dresser un tableau complet d’un segment de consommateurs. C’est ainsi que l’on peut suivre leurs interactions, leur niveau d’engagement, et leur parcours au fil du temps au travers de différents points de contact.

a. Les sondages de sortie, les questionnaires en ligne, et les sondages d’opinion

Les enquêtes de sortie de site sont conçues de manière à ce qu’une seule question apparaisse sur votre site à un moment donné. Les questions posées dépendent ensuite de l’objectif visé. 

Voulez-vous savoir si votre site ou vos produits/services répondent aux besoins de vos clients ? Ou voulez-vous comprendre les sources de friction qui empêchent les clients de s’engager ou d’acheter ?

Ces questions peuvent apporter des informations précieuses sur ce qui fonctionne et ce qui fait obstacle à l’engagement.

b. Données Web analytics et des systèmes CRM

Les données Web Analytics peuvent révéler le comportement d’utilisateurs clés sur votre site.

Les informations de Google Analytics sur vos segments, par exemple, peuvent être utilisées pour créer des listes reposant sur des données démographiques telles que l’âge, le sexe, la langue de l’utilisateur, la localisation et le stade dans votre funnel d’achat. Outre les analyses basées sur une dimension primaire (comme l’âge), il est également possible d’ajouter une dimension auxiliaire (comme l’affinité) afin de mieux comprendre les comportements correspondant à l’âge sélectionné. Il est également possible de filtrer par langue et par lieu afin de savoir d’où dans le monde notre public nous rend visite.

c. Données réseaux sociaux

La popularité des plateformes de réseaux sociaux offre de nombreuses possibilités en matière de collecte d’informations, notamment sur les intérêts, les goûts et les interactions de vos utilisateurs. Étant donné que les données fournies par les plateformes de social analytics (e.g. YouTube Analytics, Google Analytics, Linkedin Analytics, Facebook Insights) sont toujours agrégées à un niveau groupe, elles ne fournissent pas d’informations sur les utilisateurs individuels de ces plateformes. L’utilisation de ces données agrégées implique uniquement l’utilisation d’informations qui ne sont pas identifiables à un individu particulier.

3. Comment extraire l’essentiel dans l’infini de données ?

Après avoir collecté nos données, il nous faut les relier et les unifier de la même manière qu’avec une plateforme de données clients. La méthode à suivre serait de faire passer les différentes sources de données à travers un filtre commun à même de les traiter sous un même format.

En utilisant ces informations, combinées avec des données qualitatives issues de recherches utilisateur, nous pourrons ensuite construire nos personas. Ces personas axés sur les données vont alors progressivement prendre en compte les interactions et comportements utilisateur dans leur conception et selon de nouvelles évolutions. Cela garantit la création de nouveaux produits, services ou contenus issus de comportements client réels et consolidés.

4. Comment maintenir vos personas à jour ?

Si un persona reflète la perspective d’un utilisateur et de son état d’esprit à un moment donné, il prend tout son sens grâce à la combinaison de contextes, d’événements déclenchés et de comportements utilisateurs. Cela crée alors des possibilités de versions multiples de personas, qui naissent et évoluent en fonction de tout changement dans cette combinaison.

Grâce à cette approche axée sur les données, il est donc possible de créer des personas en temps réel, à partir d’analyses automatisées et évolutives en provenance de sources multiples. Ces personas sont ensuite automatiquement mis à jour dans un feedback loop de données, et recalculées selon les personas déjà existants.

Simuler des comportements clients à l’aide de personas

En traitant les informations à partir de profils utilisateur unifiés, cela permet d’éclairer nos décisions en matière de création de contenu, de gestion de persona, et en vue de futurs projets centrés client. Ce type d’informations unifiées offre alors de nouveaux niveaux d’empathie et de compréhension de vos utilisateurs et personas.

L’intérêt est clair – en offrant à vos clients et utilisateurs un service pertinent et personnalisé, basé sur une compréhension évolutive de leurs besoins, vous augmentez l’engagement, les ventes et la fidélité. 

Plus ces personas axés sur les données évoluent, plus ils seront susceptibles de maintenir un produit ou service à jour et donc pertinent aux yeux de vos clients.

Pour toute organisation axée sur les données, le persona classique n’est plus suffisant. Les entreprises prêtes à unifier et enrichir leur compréhension du consommateur bénéficieront de clients plus engagés et réactifs dans les années à venir.