Analytique utilisateur

Qu'est-ce que l'analytique utilisateur ?

L'analytique utilisateur est une méthode d'analyse des données utilisateur permettant d'offrir aux entreprises une vision plus claire des cohortes d'utilisateurs. En règle générale, un logiciel de business intelligence est utilisé pour combiner les données comportementales des clients provenant d'applications web et mobiles afin de créer une vue holistique de l'utilisateur et de l' expérience utilisateur.

Les chefs de produit, les responsables de la réussite client et les spécialistes du marketing digital peuvent utiliser ces données—en les combinant même avec des enquêtes et des retours clients—pour mieux segmenter leur base clients et prendre des mesures afin d'engager les bons groupes d'utilisateurs avec les expériences les plus pertinentes, et ainsi stimuler plus efficacement la croissance de l'entreprise et la fidélisation des clients.

Il existe deux façons courantes pour un chef de produit, un responsable de la réussite client ou un spécialiste du marketing digital de consulter les données d'analytique utilisateur afin de commencer à prendre des décisions et à agir :

1. Segments: Dans une vue d'analytique produit qui regroupe les données d'utilisation en tendances, entonnoirs et parcours, la segmentation des données d'entrée par caractéristiques d'utilisateur ou de compte fournit un ensemble d'informations plus exploitables que par fonctionnalités et pages seules. Les segments peuvent être définis par utilisateur, événements d'utilisation, données d'enquête, ainsi que par des sources externes, comme le canal de référence ou les données des systèmes de gestion marketing et commerciale.
2. Rétention: En regroupant les données utilisateur et d'utilisation, les entreprises peuvent comprendre quelles cohortes trouvent le produit attractif—et lesquelles ne le trouvent pas. Les entonnoirs de rétention examinent généralement les taux de retour historiques au sein d'un groupe spécifique d'utilisateurs sur une durée choisie, comme des heures, des jours, des semaines, des mois ou des années.

Quelle est la valeur de l'analytique utilisateur ?

La valeur de l'analytique utilisateur se répartit en deux grandes catégories : les insights métier et le passage à l'action. Examinons chacune d'elles :

1. Insights métier
   L'analytique utilisateur a fait progresser la façon dont les entreprises comprennent et segmentent leur base clients. En permettant aux équipes produit de créer des tableaux de bord qui regroupent et filtrent les données d'interaction produit à la fois par cohorte comportementale et par attributs de profil, les outils d'analytique utilisateur constituent le lien entre l'expérience client et les indicateurs clés de l'entreprise tels que le coût d'acquisition client (CAC), la rétention nette des revenus (NRR) et la valeur vie client (LTV).
2. Passage à l'action
   L'analytique utilisateur tirée des interactions sur les applications web et mobiles offre également la possibilité d'engager davantage les cohortes d'utilisateurs. Les notifications, tutoriels, offres et guides sont autant de méthodes que les chefs de produit, les responsables de la réussite client et les spécialistes du marketing digital peuvent utiliser pour cibler, influencer et promouvoir un changement de comportement ou de nouveaux comportements au sein de segments spécifiques de la base clients, directement dans le produit. Ces approches sont toutes plus rapides et plus personnalisées—et, dans de nombreux cas, plus efficaces—pour orienter l'activité des utilisateurs que de modifier entièrement le produit.

Quels sont les cas d'usage de l'analytique utilisateur ?

L'analytique utilisateur aide les entreprises à comprendre et à guider des groupes de clients vers des résultats positifs. La segmentation de la base clients à partir des comportements utilisateur est un moyen efficace de répondre à des questions importantes pouvant générer des résultats commerciaux :

• Quels comportements sont des signaux précoces de probabilité de désabonnement?
• Quelles caractéristiques de profil contribuent à la rétention des fonctionnalités ?
• Pourquoi une variation de fonctionnalité amène-t-elle les utilisateurs à se comporter différemment ?
• Comment le secteur client, le type d'appareil ou le canal de référence influencent-ils les résultats ?
• Quand les cohortes les plus précieuses sont-elles devenues utilisateurs ?

Par exemple, Labcorp a utilisé les analyses dans Pendo pour découvrir que les utilisateurs abandonnaient le processus d'inscription des nouveaux utilisateurs sur son portail patient pour deux raisons : l'ajout d'un espace supplémentaire à la fin d'un nom générait un message d'erreur, et un outil d'authentification tiers mettait trop de temps à se charger. L'équipe a partagé ces informations avec ses équipes de développement et le partenaire tiers pour résoudre les problèmes, et les tickets d'assistance ont chuté de 99 %.

Comment les analyses utilisateur ont-elles évolué ?

Dans le passé, les entreprises disposaient de deux méthodes de base pour segmenter le marché qu'elles servaient. Des données démographiques/firmographiques générales qui donnaient une image globale de l'acheteur cible, et des enquêtes, susceptibles d'être influencées par de nombreux biais.

En revanche, les analyses utilisateur fournissent des données quantitatives pour constituer des cohortes d'utilisateurs basées sur une combinaison de comportements numériques, de contexte et de données de profil utilisateur. Pour chaque utilisateur, la base de données d'analyse est alimentée par un flux d'actions assorti de propriétés incluant la date et l'heure, la localisation, le type d'appareil et de système, les saisies spécifiques de l'utilisateur et des requêtes, le canal de référence, et bien plus encore. Pour les utilisateurs identifiés, la base de données inclut également toutes les données démographiques et firmographiques connues. Les données comportementales sont immuables, tandis que les données de profil peuvent être modifiées et mises à jour au fil du temps.

À partir de ces données, les analyses utilisateur permettent de dériver des cohortes à partir de comportements utilisateur spécifiques ou de la combinaison de comportements, de détails de profil, de propriétés contextuelles, ou de l'intersection de plusieurs de ces éléments sur une période de temps définie. La segmentation basée sur les comportements est non seulement plus flexible, les cohortes pouvant être aussi petites qu'un seul utilisateur ou aussi grandes que l'ensemble de la population, mais aussi plus pertinente, puisque les actions sur lesquelles les cohortes sont basées ont déjà été observées, et non présumées.

Où puis-je en apprendre davantage sur les analyses utilisateur ?

Pour ceux qui souhaitent approfondir le sujet des analyses utilisateur, il existe un certain nombre de livres sur le sujet, notamment « Lean Analytics » d'Alistair Croll et Benjamin Yoskovitz. Coursera propose également des cours en ligne sur l'acquisition d'utilisateurs par rapport à la rétention, ainsi que sur les analyses clients et utilisateurs. Pendo a également publié du contenu pour ceux qui souhaitent agir sur les insights utilisateur, réduire le taux de désabonnement des clients, et stimuler l'expansion des comptes.