L’analytics est le processus de mesure et d’analyse des données afin d’apprendre ce que font les utilisateurs. Nous couvrirons ici les aspects de l’analytics pour le designer UX débutant.
L’analytics peut être utilisée pour suivre ce que font les utilisateurs d’une application à l’autre, sur les médias sociaux ou sur une page web donnée.
De l’analytics, pas de la magie
Il n’y a pas de façon magique de créer une expérience qui sera universellement et automatiquement aimée. Ce n’est pas le but – nous cherchons plutôt à créer des expériences qui vont intuitivement travailler pour et ravir un public cible spécifique. De même, il n’existe pas de méthode unique pour mesurer le succès de nos créations. C’est là que l’analytics intervient.
Si vous ne pouvez le mesurer, comment saurez-vous que c’est un succès ?
C’est la question qui pousse les praticiens UX à collecter et à analyser les données.
En ligne et hors ligne, nous recueillons des données qui nous indiquent le nombre de personnes qui ont cliqué, où ils ont navigué, quand ils sont partis et ce qu’ils ont recherché. Nous utilisons cette analyse pour évaluer l’efficacité de nos créations. En d’autres termes, quand nous voyons quelles actions les gens posent, nous voyons à quel point nos créations communiquaient avec eux.
Dans ce guide du débutant, nous examinerons les méthodologies qui se sont mise ensemble pour créer l’analytics, les tâches quotidiennes et les livrables qui font partie du travail d’analytics pour l’UX. Nous vous communiquerons également certains outils, conférences et livres qui aideront les débutants à démarrer.
C’est quoi, l’analytics ?
Internet a radicalement changé depuis sa création, tout comme le comportement des utilisateurs. Les utilisateurs sont passés de la saisie d’URL mémorisées dans la barre d’adresse à l’utilisation des moteurs de recherche pour trouver un site. Un utilisateur va ouvrir et parcourir plusieurs onglets, plutôt que de consacrer toute son attention à une page. Tout ceci complique les indicateurs d’un site ou d’une application : pour mesurer le succès, un analyste ne peut pas simplement mesurer les requêtes sur le serveur web. Il doit mesurer le comportement humain.
Lors de la collecte d’informations, les chercheurs utilisent des méthodes qualitatives et quantitatives.
- Les données qualitatives sont collectées à travers la recherche sur les utilisateurs : observer les gens pour comprendre pourquoi ils font certaines choses.
- Les données quantitatives sont collectées via l’analytics : identifier les actions que les utilisateurs posent lorsqu’ils accèdent à une page et combien d’utilisateurs posent ces actions.
Ces données quantitatives nous permettent de mesurer les indicateurs de base, d’utiliser ces indicateurs de base pour informer les décisions de design, puis de mesurer le succès ou l’échec du design. Bien qu’il existe une myriade de choses que nous pourrions mesurer, nous n’utilisons les données que de quelques manières : pour décrire, diagnostiquer, prescrire et prédire.
- L’analytics descriptive est similaire aux anciens compteurs. Elle montre des références, telles que le nombre de personnes qui visitent une page, cliquent sur un bouton ou regardent une vidéo.
- L’analytics diagnostique peut utiliser les mêmes indicateurs que la descriptive, mais avec un objectif différent. L’analytics diagnostique nous aide à comprendre ce qui s’est passé et pourquoi. Par exemple, si un vendeur en ligne perd de l’argent, il peut mesurer les taux de clics des liens et les taux de sortie des pages tout au long du parcours client, pour voir où il perd des clients.
- L’analytics prescriptive fait référence aux données qui informent quelqu’un de ce qu’il doit faire ensuite. Par exemple, lorsque Google Maps collecte des données sur la circulation à l’heure de pointe, il est en mesure de prescrire un meilleur itinéraire pour les conducteurs. Pour ceux d’entre nous qui mesurent l’efficacité du design plutôt que le trafic, les données prescriptives identifient toujours des modèles, et peuvent ainsi informer nos futures décisions de design.
- L’analytics prédictive est la dernière catégorie. L’analytics prédictive nous dit ce qui est susceptible de se produire dans un scénario. Par exemple, si on A / B un nouvel en-tête de site par rapport à notre site actuel, ce test nous indiquera quel entête est le plus susceptible de convaincre les gens de rester sur le site. Si le nouvel en-tête est plus populaire, nous pouvons prévoir que notre trafic augmentera si nous l’implémentons.
Les quatre types d’analytics utilisent des indicateurs, souvent basés sur des indicateurs clés de performance (KPI).
Un KPI est une action ou un signal mesurable qui est corrélé au succès de l’entreprise.
Par exemple, les retweets sur Twitter n’augmentent pas directement le nombre d’utilisateurs qui aiment ou connaissent une organisation. Cependant, une équipe de marketing peut corréler leurs retweets à la reconnaissance de la marque, auquel cas ils peuvent utiliser les retweets comme un seul KPI.
Idéalement, une organisation doit avoir plusieurs KPI pour un objectif métier, ce qui augmente la fiabilité des données.
Méthodologies courantes
Bien que l’analytics puisse sembler compliquée pour de nombreux designers, les méthodologies de base derrière le domaine sont simples et directes. Essentiellement, le domaine de l’analytics est basé sur la recherche, la mesure et l’analyse.
Recherche
Bien que l’analytics web soit un domaine relativement nouveau, la recherche existe depuis des centaines d’années. Les chercheurs existent dans tous les domaines, de la science au marketing en passant par l’anthropologie, et les techniques qu’ils utilisent influent directement sur le fonctionnement des analystes et sur ce que les analystes décident de suivre. Le travail des chercheurs, en particulier lorsqu’il est combiné avec l’analytics, est étroitement analogue à la méthode scientifique :
Les chercheurs commencent par prioriser leurs objectifs ou leurs questions, afin de concentrer leur attention. Une fois qu’ils connaissent le but de leur projet, ils créent une hypothèse et testent cette hypothèse. Les analystes de données peuvent ensuite mesurer les résultats de la recherche et des tests. Sur la base de ces tests, les chercheurs et les analystes peuvent tous deux commencer à reconnaître des valeurs aberrantes, ou des résultats qui ne sont pas indicatifs du plus grand ensemble, ainsi que des modèles dans les résultats. Ils arrivent ensuite à des conclusions, et même prédisent les résultats futurs en fonction des modèles qu’ils identifient.
Mesure
En fin de compte, la plupart des indicateurs nous aident à comprendre comment une organisation ou une marque grandit. Les spécialistes du marketing, les entrepreneurs et les consultants en affaires créent leurs propres méthodes de mesure du succès. Ils mesurent le nombre d’utilisateurs, la vitesse des sites, le temps passé sur une page et les détails hors ligne tels que le montant d’argent gagné, le nombre d’inscriptions pour un nouveau produit ou une liste de diffusion ou le nombre d’achats.
Le danger pour les organisations qui ne connaissent pas l’analytics est qu’elles ne font que mesurer que sans recherche préalable ou analyse ultérieure. Par exemple, une équipe peut mesurer le nombre de personnes qui visitent le site. Cependant, sans recherche sur le nombre de personnes ayant visité les jours, les semaines ou les mois précédents, et l’analyse de la comparaison des deux mesures, la mesure est un nombre sans signification. C’est pourquoi nous nous référons souvent au suivi des données plutôt qu’à la mesure. Le suivi des données est une mesure en cours soutenue par la recherche, dans un but d’analyse.
Analyse
L’analyse est le processus de décomposition de l’information en plus petits morceaux, et d’examen de ce que cette information signifie. Elle est utilisée en mathématiques, en philosophie, en chimie, en psychiatrie et même en informatique.
Sans analyse, toute l’information recueillie dans la recherche pourrait être mesurée, mais n’aurait aucun sens.
L’analyse de l’information nous permet de faire des liens. Par exemple, vous pourriez rechercher comment les gens accèdent à un site web et mesurer le nombre de personnes qui proviennent des moteurs de recherche. L’analyse est ensuite utilisée pour fournir un contexte et répondre aux questions essentielles : combien de personnes ont visité des sites similaires ? Combien ont visité votre site aujourd’hui, par rapport à hier ou la semaine dernière ou l’année dernière ? Combien sont venus sur votre site à partir de Google, par rapport à Twitter ?
Une note intéressante : « analyse » vient du mot grec ἀναλύω, qui signifie « Je démêle ». L’une des premières utilisations connue du mot « analytics » est dans le titre de l’écriture d’Aristote, Prior Analytics, un travail sur le raisonnement déductif et la méthode scientifique. Puisque nous, en tant qu’êtres humains, sommes naturellement intéressés à décomposer l’information et à la comprendre logiquement, il y a une raison évidente pour laquelle nous trouvons l’analyse si précieuse.
Tâches quotidiennes et livrables
L’analyse des données fait partie de nombreuses professions, des spécialistes du marketing aux praticiens UX en passant par les analystes de données. Dans cette section, nous allons passer en revue certaines des tâches liées à l’analyse qu’un praticien UX peut entreprendre, ainsi que les livrables associés.
Définition des indicateurs de performance clés
Chaque fois qu’une nouvelle initiative est lancée, l’expert en analyse devra identifier et mettre en place les indicateurs clés de performance pertinents. Ceux-ci sont étroitement liés aux objectifs d’expérience d’un projet, c’est pourquoi il est si précieux pour les praticiens UX de collaborer avec l’analyste de données et de comprendre les statistiques et les mesures. Les KPI, comme nous l’avons expliqué ci-dessus, sont les actions mesurables qui sont en corrélation avec les objectifs de l’organisation ou du projet. Par exemple, l’objectif de l’organisation est-il de devenir une entreprise mondiale, un KPI peut-être davantage de vues de sites web provenant du monde entier, ou un certain nombre de ventes provenant de pays étrangers. Idéalement, un objectif de performance devrait être associé à chaque objectif du projet, ce qui permettra à l’équipe de mesurer le succès du projet.
Optimisation du contenu
Alors que nous nous sommes concentrés principalement sur le côté de la mesure de l’analyse, nous n’avons pas abordé la manière dont cela affecte l’expérience de l’utilisateur. Les analyses nous indiquent quels contenus ou domaines doivent être améliorés, ce qui signifie que nos experts en analyse sont souvent les mieux à même d’optimiser notre travail. Cela peut inclure la compréhension du fonctionnement des algorithmes de recherche de Google, la gestion et l’amélioration des métadonnées, les mots clés les plus susceptibles d’atteindre notre audience cible et bien d’autres astuces pratiques.
Avant qu’une page ne soit mise en ligne ou qu’une campagne ne soit lancée, l’équipe (ou la personne en charge) d’analyse voudra tout examiner et optimiser le contenu afin qu’il soit le plus susceptible de réussir.
Configuration des outils d’analyse
Une fois les indicateurs de performance clés déterminés, nous devons ajouter du code aux pages pertinentes afin de suivre l’engagement du site, les conversions et d’autres statistiques. Google Analytics est l’un des outils d’analyse les plus populaires, en grande partie parce que Google a rendu très facile l’ajout de code de suivi à presque tous les sites. Parfois, les équipes de développement se chargent du suivi analytics, mais le plus souvent, l’expert en analytics fournit à l’équipe de développement les extraits de code nécessaires.
Surveiller et mesurer
La maintenance est une partie énorme du travail avec l’analytics. En fonction du projet, un expert en analytics peut créer des rapports sur une base quotidienne, hebdomadaire, mensuelle ou semestrielle. Par exemple, une campagne de médias sociaux peut nécessiter des mises à jour quotidiennes. Cependant, un nouveau lancement de produit pourrait prendre 6 mois pour porter ses fruits. Indépendamment de la période de temps, c’est dans la surveillance, la mesure et les rapports qu’un expert en analytics creuse dans l’analyse.
Il ne suffit pas de signaler les KPI ; travailler avec l’analytics signifie interpréter ce que les KPI montrent, et créer des recommandations pour l’équipe UX qui reflètent ces interprétations.
Ce qu’il faut retenir sur l’analytics pour débutant
Je vous conseille fortement de vous rendre sur l’article original et de le lire jusqu’à la fin pour savoir :
- Qui il faut suivre
- Les outils les plus performants du marché
- Les livres utiles pour démarrer et réussir dans l’analytics
Rendez-vous pris pour la prochaine discipline UX : la stratégie business !
