Histoire de produit
Creuser les données pour comprendre l'utilisateur.
AKVO vend un système assez unique. Ses futurs clients ne savent pas toujours comment le nommer ni même qu'une solution comme celle-là existe.
Ils peuvent partir d'un problème d'espace, de sécurité, d'esthétique ou d'usage. Pour mieux les guider sur le site, dans le contenu et les communications, il fallait d'abord mieux les comprendre: qui sont ces acheteurs, comment ils cherchent et ce qui déclenche leur démarche.
Un produit unique, un parcours atypique
Pour un produit connu, le parcours peut sembler simple: une personne cherche le nom du produit, compare quelques options et communique avec un fournisseur.
Pour AKVO, le point de départ et l'histoire du client sont rarement aussi clairs.
Le client pouvait découvrir le produit à partir d'un besoin très concret. Un professionnel pouvait introduire la solution dans un projet. Selon le marché, une demande pouvait poser des questions complètement différentes.
Analyser seulement les pages visitées ou les mots inscrits dans un moteur de recherche n'expliquait qu'une partie de la situation.
Comment comprendre le parcours client à partir d'information fragmentée?
Pour reconstruire l'histoire du client, j'ai travaillé avec plusieurs sources de données: projets réalisés, données et occasions de vente, demandes de contact, comportement web, géographie, données immobilières publiques et connaissance terrain de l'équipe.
Un projet gagné montre la finalité, mais pas ce qui a déclenché la recherche. Une session web montre un comportement, mais on n'en connaît pas plus sur le profil de la personne derrière. Une donnée immobilière décrit une propriété et son contexte, mais pas l'intention de son propriétaire. Une occasion de vente raconte une étape, pas tout ce qui l'a précédée.
La valeur venait des croisements entre ces données. Quand un même signal apparaissait dans plusieurs sources, il devenait une piste crédible et bonifiait la compréhension.
Chercher où le marché pouvait être réceptif
Pour repérer les secteurs où les conditions propres au marché d'AKVO se retrouvaient, j'ai croisé des données immobilières publiques.
Cette analyse permettait d'identifier les régions géographiques les plus porteuses pour promouvoir le produit.
L'histoire derrière les projets réalisés
Nous avons étudié de plus près les projets réalisés par AKVO, croisés avec leur contexte géographique et immobilier, et certaines données de vente. On voulait faire ressortir les circonstances qui revenaient et mieux comprendre qui participait à la décision.
On pouvait observer des tendances et les croiser avec les conclusions des autres analyses.
Plutôt qu'inventer un persona rassurant à partir d'intuitions, nous nous sommes concentrés sur les questions de fond: qui participe vraiment à la décision, qui achète, quelles sont les étapes menant à l'achat et comment débute la recherche?
Extraire l'info cachée dans les demandes
Une autre source contenait une partie des réponses: un grand corpus de demandes de contact reçues par l'entreprise au fil des années. Plusieurs types de clients, plusieurs langues, un mélange de ventes, de soutien et de messages généraux. L'idée était d'extraire les tendances: qu'est-ce que les gens demandent, quels sont les bloquants les plus fréquents, quelles sont les craintes qui reviennent?
Un contenu riche, mais trop volumineux pour étudier manuellement.
Nous avons établi une catégorisation en plusieurs points. Par exemple:
- le type de client
- la nature de la demande
- le sujet
- ...
Les demandes ont été anonymisées, puis analysées avec l'IA. Le but n'était pas de compter des mots-clés ni de produire un résumé. L'IA devait lire le sens de chaque demande, tenir compte du contexte et l'associer aux catégories.
L'IA rendait possible l'analyse d'un volume autrement impraticable. Elle ne remplaçait ni la catégorisation, ni la connaissance du marché, ni le jugement pour interpréter ce qui ressortait.
Mon rôle
J'ai mené ces analyses avec l'équipe d'AKVO, qui apportait sa connaissance des produits, des projets et des conversations avec les clients.
Mon rôle était de réunir des traces qui vivaient dans différents systèmes, construire les modèles d'analyse, chercher les recoupements et relever les limites avant qu'elles deviennent de fausses certitudes.
Selon le mandat, ça pouvait vouloir dire:
- structurer des données venues de plusieurs sources
- enrichir un projet avec son contexte géographique et immobilier
- définir une catégorisation utilisable à grande échelle
- utiliser l'IA pour analyser du texte non structuré
- transformer les constats en questions et en priorités de contenu.
Ces analyses ont aidé l'équipe à orienter le contenu du site, les stratégies ventes et marketing et les prochaines questions à poser. L'idée n'était pas de construire un ou des personas bien précis, mais plutôt d'avoir une compréhension plus nette du marché et des clients.
Cette histoire de produit révèle une autre partie du travail de conception de produits: comprendre l'utilisateur et analyser plusieurs sources de données pour construire une histoire complète.