Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

D A T A / I S T H E N E W / U X T H O M A S L E O N E T T I D A T A I S T H E N

D A T A / I S T H E N E W / U X T H O M A S L E O N E T T I D A T A I S T H E N E W U X Table des Matières Sans Data, Point d'UX ? P.3 De l'usage des statistiques P.4 Quantifier l'UX P.6 UX & Data Process P.13 Analytics UX Guide P.17 La Data tue-t-elle l'UX ? P.29 SANS DATA, POINT D'UX ? Il est un domaine du web qui nécessite, au-delà des compétences, un véritable savoir faire : l'Expérience Utilisateur. Cheville ouvrière des projets numériques, cette discipline a su créer un véritable engouement autour d'elle, s'accompagnant de nombreuses conférences et multiples écrits. Mais l'UX (appelons la comme cela à partir de maintenant) est avant tout une discipline tournée vers vous. Oui, vous, utilisateur lambda, qui deviennent concrets au contact des post-it et autres ateliers de nos UX designeurs. En saisissant au plus loin le besoin des utilisateurs, l'UX concoure à une meilleure compréhension des usages de chacune et chacun face à un parcours sur un site internet. L'UX permet de défricher des pans entiers de la navigation de tel ou tel profil type. Mais que serait l'Expérience Utilisateur sans "data" ? Que peut apporter aujourd'hui le volume de données qui nous est alloué pour mieux comprendre les desiderata des utilisateurs ? Là est tout l'objectif de ce livre blanc qui, je l'espère, vous permettra de mieux saisir ` les enjeux de la relation entre UX et Data ! DE L'USAGE DES STATISTIQUES. Il est communément admis qu'il n'y a pas de causes sans conséquences, et que la corrélation ne fait pas une vérité générale. Les statistiques sont là pour nous le rappeler à chaque instant. Il n'y pas de parole évangélique, ni de sureté à travailler des éléments numériques, mais il y a toujours - sous-jacente - la volonté d'apporter un oeil neuf sur les travaux d'UX Design que vous réalisez. Dans le cadre des processus d'innovation, le travail en amont réalisé par les statisticiens et autres démographes (de quelques organisations que ce soient : INET, OCDE, INSEE) permettent aux UX Designeurs de s'appuyer sur du "concret" et de renforcer des scénarii de tests utilisateurs ou d'appuyer des hypothèses déduites de travaux réalisés avec le client. La démarche utilisateur, chère aux UX Designeurs, reposant sur le postulat que l’écoute des utilisateurs est génératrice de valeur d’usage, de satisfaction et par extension de valeur business, se doit de s'accompagner d'une véritable prise de conscience statistique. Mesurer un R.O.I est - en soi - un travail indispensable à toute bonne démarche centrée sur les actuels (ou futurs) utilisateurs d'un site. Ce besoin de statistique doit s'accompagner d'une exigence vis à vis des outils utilisés pour analyser - en amont ou en aval - vos stratégies UX. Certes, nous nous dirigerons toutes et tous, et de manière quasi pavlovienne, vers Google Analytics. Mais il existe d'autres frameworks bien plus pertinents pour analyser toutes sortes de données. Pirate Metrics de Dave McClure (Acquisition, Activation, Retention, Referral, and Revenue) PULSE metrics (Page View, Uptime, Latency, Seven days active users, Earnings), uniquement focalisées sur des analytics de bas niveau Les CX Metrics de Forrester, qui mesurent l’expérience client selon 3 dimensions : Descriptive (ce qui s’est produit), Perception (la réaction émotionnelle des utilisateurs), Outcome (les comportements qui s’en sont suivis) Corporate UX Maturity, l’échelle de maturité UX de Nielsen Norman, centrée sur le niveau d’intégration de la démarche UX au sein des entreprises Et le plus connu, Google HEART (Happiness, Engagement, Adoption, Retention, Task Sucess). Citons par exemple : QUANTIFIER L'UX Les tests utilisateurs Les études qualitatives et quantitatives Les données issues des outils d'analyse de trafic Les A/B Testing De très bons ouvrages et autres conférences ont été réalisées sur la quantification de l'expérience utilisateur*, mais la référence reste "Quantifying User Experience" par Jeff Sauro. En proposant une application pratique de la sphère statistique à l'expérience utilisateur, Sauro place un curseur mathématique et logique sur une discipline nouvelle, l'UX, qui se corrèle naturellement avec ses cousines scientifiques. Bien sur, il vous faudra vous replonger dans vos fonctions et autres logarithmes népériens pour tirer la substantifique moelle de ses démonstrations, mais c'est un chemin nécessaire vers la réalisation de projets UX complets. Sauro démarre son étude de la quantification de l'expérience utilisateur par une définition précise de la "recherche utilisateur" : "La recherche sur les utilisateurs est l'étude systématique des buts, des besoins et des capacités des utilisateurs afin de préciser la conception, la construction ou l'amélioration d'outils au profit du mode de vie et de travail de ces mêmes utilisateurs". Et dans cette même recherche utilisateur, on peut y trouver selon Sauro les outils statistiques qui permettront d'attacher une valeur tangible à l'étude des comportements. Citons parmi d'autres : * "L'évaluation de l'expérience utilisateur" - Carine Lallemand, Juin 2014. Conférence. https://www.slideshare.net/Carine_Lallemand/evaluation-de-lexprience-utilisateur Formative Test : Décrire et solutionner des problématiques d'utilisabilité (ou de navigation au sein d'un site) Summative Test : Décrire l'utilisabilité d'un objet ou d'une interface. La prévalence et/ou incidence de choix ou d'action durant le parcours La segmentation des parcours utilisateurs par : Genre Support de navigation Heures de la journée etc... Les freins / blocage sur différentes pages du site (en observant les données d'affect : taux de rebond, temps passé sur la page etc...) Nous pouvons sous-tendre deux types de tests utilisateurs, selon les écrits de Scriven (1967) : Selon Sauro, la plupart des tests utilisateurs aujourd'hui sont formatifs. Ils aident à la description d'une ou plusieurs problématiques de navigation sur des interfaces ou des supports de navigation données. Après la passation du test utilisateur, vous pourrez analyser vos "datas" de manière subjective - présence potentielle de l'UX Designer derrière l'utilisateur interrogé - et de manière objective (voire omnisciente) : "Je retranscris ce qui a été décrit par l'utilisateur". Pour autant, cela ne constituera qu'une partie de l'analyse du test qu'il faudra quantifier par après. Et c'est ici qu'entrent en jeu toute une série d'outils et de méthodologies telles que Google Analytics ou, si vous n'êtes pas adepte du géant américain, Matomo, Omniture, et autres. Vous pourrez ainsi affiner plus sereinement les problématiques issues de votre utilisateur en observant (parmi d'autres) : Bien évidemment, les statistiques issues de ces outils ne sont pas un présent de vérité générale, mais une photographie à l'instant "T" d'une utilisation de votre site (avec une marge d'erreur qui varie de 5 à 10%) Ce qui peut être également un corollaire pertinent à tout test utilisateur est l'utilisation d'une matrice. Je ne vous parle pas encore de rameuter Keanu Reeves dans votre salon, mais bien de petites matrices simples à réaliser, et efficace quand il s'agit de trier des données. James R. Lewis (2012) proposa une "matrice de problèmes UI" que nous allons décrypter ensemble : Chaque problème est classé selon son impact sur la navigation du site Puis, à travers les yeux de l'observateur du test, l'on coche chacun des problèmes rencontrés par les utilisateurs. On réalise une somme des itérations des problèmes, que l'on pondère ensuite, pour ainsi donner une échelle des problématiques rencontrées lors du test utilisateur Connaître la probabilité avec laquelle les utilisateurs rencontreront un problème à chaque phase de développement ou à certaines étapes de navigation d'un site peut devenir un élément clé pour mesurer l'impact de l'ergonomie de votre site et le potentiel retour sur investissement. Vous pouvez vous inspirer de ces matrices pour développer vous-même des tableaux de suivi de données. Par exemple, si vous réalisez un A/B Testing (via des outils - Hotjar, Beampulse - ou via un test utilisateur avec un split-panel), vous pourrez analyser en aval : le taux de clic sur les CTA de la page A par rapport à la page B, le taux de rebond, les taux de conversions en fonction des landing pages associées A ou B, etc... LES INTERVALLES DE CONFIANCE Le niveau de confiance : la plupart du temps fixé à 95%, il exprime le fait que si vous interrogez la même population cent fois, vous aurez 95 fois sur 100, les mêmes réponses. La variabilité : La fluctuation d'avis au sein d'un échantillon Taille du panel : Qui influera directement sur vos résultats Petit aparté sur les intervalles de confiance qui vous seront indispensables dans le cadre - par exemple - des études qualitatives et quantitatives. Replongeons nous quelques minutes dans vos souvenirs mathématiques de Seconde. Ecart-type, médian, intervalles, cela ne vous rappelle rien ? Dans les tests utilisateurs et les études, comme dans la plupart des contextes de recherche appliquée, nous n'avons presque jamais accès à l'ensemble de la base de données de la population . Au lieu de cela, nous devons compter sur le prélèvement d'échantillons pour estimer une population inconnue. Si nous voulons savoir combien de temps il faudra aux utilisateurs pour accomplir une tâche ou quel pourcentage d'entre eux l'accompliront dès la première tentative, nous devons estimer à partir d'un échantillon. Pour ce faire, nous construisons uploads/Management/ data-is-the-new-ux.pdf