Comment identifier les problèmes UX avec une confiance qu’on ne peut pas trouver avec une approche quali uniquement. Comment prioriser les chantiers UX en impact €€€ : corréler plus directement avec les KPIs du business Document in French but we are British (originally)

1. Data-driven UX
Données+UX

2. Introduction
UX + Données = <3

3. Pourquoi optimisation continue ?
▷ Pour accéder à la
responsabilité assumée
(accountability)
▷ Pour valider les idées de design
avec les données quantitatives

4. Cycle UX itératif
Design Build Deploy
EdB Prototype Maquette Béta
▷ Concept,
wireframes
▷ Testing utilisabilité
itératif (n itérations)
▷ Affinage objectifs
finaux
▷ Versions haute
définition
▷ Web analytics
▷ AB & MVT testing /
fine tuning si volumes
suffisants

5. Dit autrement en « lean »

6. UX et Analytics

7. Pourquoi ?
Avant
Identifier les problèmes
UX avec une confiance
qu’on ne peut pas
trouver avec une
approche quali
uniquement
Pendant
Prioriser les chantiers
UX en impact €€€ :
corréler plus
directement avec les
KPIs du business
Après
Mesurer le succès des
améliorations UX
Supprimer la subjectivité

8. No data = difficult to spot the difference

9. Différences
Analytics UX
Qu’est-ce qu’on
mesure?
Comportement :
« quoi ? »
Intentions,
motivations :
« pourquoi ? »
Méthodes Quanti Quali
Objectif Organisation User
Données
Top down :
statistiques
Bottom up :
conceptuel
Population Segments Personae

10. “Data is actionnable because
you can see that it tells the
truth

11. Méthodologie
Définir
Mesurer
Analyse
r
Optimiser
AB testing
Prioriser

12. Attention à ne
pas s’écrouler
sous la data !

13. Appliquer le « 5 minute rule » !!
▷ Analyser « just enough »
et chercher le 80/20
▷ Vérifier que vous êtes en
mesure de réagir
▷ Visualiser correctement

14. Définir : Top KPIs pour l’UX
KPI Pourquoi ?
Taux de rebond Le KPI par excellence !
Micro conversion Taux de succès de la tâche
Pages per visite Engagement
Temps de parcours Engagement, lisibilité
Utilisation recherche Efficacité de la navigation
Yoyo Pages Eviter les boucles

15. Définir : données en amont
▷ Il faut une ligne de base – sinon comment savoir
ce qui s’améliore ?
▷ Suivre la saisonnalité également : votre mise en
prod correspond avec une baisse saisonnière de
ventes? 
▷ Les données sont-elles fiables ?

16. Bounce = le KPI par excellence ?
Be careful : bounce est trop simpliste :
▷ Contenu digéré : temps passé sur une seule page
▷ Objectif atteint sur une seule page
▷ Campagnes marketing
Solution : créer un segment « bounce ajusté »

17. Définir = cu$tomiser vos KPIs
KPI Type Exemple
CR Micro Objectif, entonnoir Commande, <form>
Engagement Segment
% des visiteurs qui
voient une fiche
produit
CR Segment Custom variable Loggué / non-loggué
Erreurs Events 404 (cf. SEO et UX)

18. Analyser : macro et micro
Landing
Macro = trend à suivre
Prioriser les optimisations entre les micro-
conversions
Panier
Micro
Checkout
MicroMicro Micro
Engagement

19. Analyser : Segments
L’UX est avant tout une question d’utilisateurs : les
segments sont donc nos « meilleurs amis »
Réduire le « bruit »
KPIs du business
Mot clef brand
« Big spenders »

20. Analyser : 3 rapports GA
incontournables pour l’UX
Table de comparaison = montrer
rapidement les faiblesses (cf.
temps de téléchargement)

21. Analyser : 3 rapports GA
incontournables pour l’UX
Custom reports = POWER !
Voici un rapport E-Commerce par
heure de la journée

22. Analyser : 3 rapports GA
incontournables pour l’UX
Toujours vérifier la
version du navigateur

23. Take Aways
1. Tout se mesure,
objectivement
2. Mesurable = optimisable
3. Segments, your friend

24. Merci !
Any questions?
Vous pouvez nous trouver :
twitter : @zooka_france
email : contact@zooka.fr