Image mise en avant - illustration d'un personnage légo dans l'ombre devant un panneau lumineux de carrés rouges
Produit & Innovation

La data, indispensable pour valider vos intuitions

Publié le : 19 mai 2022
Temps de lecture : 10 minutes

“Je pense que les utilisateurs ont besoin de telle fonctionnalité”,

“Je suis sûr que le produit parle davantage à tel type de client”,

“Il semble que les clients abandonnent notre produit pour telle raison”,… 

Que l’on soit en train de lancer un nouveau produit ou que l’on cherche à l’améliorer pour ses utilisateurs, on a souvent tendance à faire confiance à ses intuitions.

Pourtant, il est fondamental de confronter ces intuitions à des données tangibles, concrètes et actionnables.

Lesquelles ? Comment ? Dans cet article, on partage avec vous notre retour d’expérience.


Sommaire :


On ne construit pas un produit avec des intuitions, mais avec des données

Lorsque l’on monte un projet, que l’on crée un produit, une entreprise, tout part souvent d’une intuition.

On est guidé par une idée, des signaux faibles, des tendances, et par les réactions positives de notre entourage. Et à un moment, on se dit que l’on tient quelque chose qui pourrait marcher. Alors on se lance, et on voit si ça prend. Et parfois, ça marche, on grossit, et on continue comme ça.

Mais on aurait tort d’en rester là. Si on se contente de suivre son intuition à chaque étape de son projet, on prend des risques énormes : celui de se tromper, de passer à côté de quelque chose, de passer des mois à créer des fonctionnalités qui finalement n’intéressent personne. C’est terrible à dire comme ça, et pourtant… Nombre d’entrepreneurs talentueux, créatifs, et même visionnaires, se sont cassé les dents pour ça : parce qu’ils s’étaient contenté de suivre leur intuition.

Alors, comment faire pour limiter les risques et aller au-delà de ses intuitions, à toutes les étapes de la vie d’un produit ?

La réponse est simple : il faut se baser sur des données tangibles, qui vont confirmer ou invalider ces intuitions.

Faisons l’analogie avec le coureur de fond.

Quand on démarre la course à pied, est-ce qu’on se lance tout de suite dans la préparation d’un marathon ?

Non ! On commence par voir si on réussit à courir 10, 15, 20 minutes. Une fois que l’on réussit à courir 10 km, on commence à se poser la question du temps, et à vouloir augmenter sa vitesse. Et ainsi de suite, étape par étape, on va finalement réussir – ou pas – à courir les 42 km du marathon.

Être data driven, ou conduit par la donnée, ça ressemble à ça. On avance par étapes, et à chaque fois, on mesure ce que l’on a accompli, et on se demande comment on peut l’améliorer.

Se concentrer sur les données actionnables

Des données ? Mais quelles données ? Où aller les chercher ? Comment s’y retrouver dans la masse de données potentiellement disponibles ?

Rien de sert d’accumuler des données à la pelle si elles ne répondent pas aux questions importantes pour votre projet.

Rassurez-vous, on ne va pas vous parler de big data dans cet article. On ne va pas non plus vous demander d’éplucher des rapports et des études de marché de 600 pages.

Quand on pense donnée, on imagine des tableaux de bords débordant de chiffres de tableaux, de camemberts dans tous les sens.

exemple de dashboard de suivi de la data

On vous arrête tout de suite : ça n’est pas avec ça que vous allez faire avancer votre business.

Pour commencer, il faut identifier les données réellement utiles pour orienter votre prise de décision.

En effet, certaines données sont ce que l’on appelle des Vanity Metrics : ce sont des chiffres qui vont vous rassurer, qui vont faire joli dans une présentation, mais qui ne vont pas réellement vous donner les moyens d’avancer.

Quelques exemples de Vanity Metrics : le nombre de visiteurs sur votre site web, votre nombre d’abonnés sur LinkedIn, le nombre de likes sur un post Instagram, ou même… votre chiffre d’affaires !

Ce qui vous intéresse, ce sont les Actionable Metrics : des données qui nous informent réellement sur l’état d’avancement de votre projet ou votre business, qui permettent d’identifier des leviers d’amélioration et d’orienter vos efforts dans la bonne direction.

Un exemple :

Vanity Metrics
10 000 personnes sont venues hier sur la plateforme, c’est un succès, nous avons fait un CA important.
Actionable Metrics
Hier, sur 10 000 personnes venues sur la plateforme, 37% sont allés visiter une page produit, 14% ont ajouté au panier et 3 % ont passé une commande.Normalement, notre taux de conversion est à 9%. Bien que cette campagne d’acquisition nous a apporté un bon chiffre d’affaires, notre CAC n’a pas été optimisé. Nos pistes d’amélioration sont : affiner notre ciblage / améliorer nos pages d’atterrissage / travailler nos accroches.

Vous devez donc vous concentrer sur les données qui comptent, qui apportent une réelle valeur dans la prise de décision.

Maintenant qu’on a dit ça, la question reste entière : mais c’est QUOI, ces Actionable Metrics ? Comment les définir ? Où aller les chercher ? Restez avec nous : on y vient.

Définissez votre North Star Metric

Avant toute chose, vous devez vous poser avec votre équipe, et vous poser une question simple : si vous n’aviez qu’une seule donnée à mesurer, la plus importante pour la réussite de votre projet, laquelle serait-elle ? 

Cette donnée, c’est ce que l’on appelle la North Star Metric, votre étoile du Nord, celle qui vous guide comme un phare dans la nuit.

C’est le chiffre qui va rendre compte de l’utilité de votre projet, de votre produit pour sa cible. Qui va rendre compte de la valeur que vous apportez, du service que vous rendez, de votre plus-value.

Exemple : la North Star Metric de Spotify, celle autour de laquelle toutes les équipes sont alignées, c’est le temps d’écoute : le temps passé par les utilisateurs à écouter de la musique sur la plateforme.

A partir de votre North Star Metric, vous allez pouvoir définir les sous-métriques qui ont un impact réel sur votre projet.

Pour savoir plus, lisez notre article : Pilotez votre projet avec la North Star Metric

Qu’est-ce qu’une bonne métrique ? La leçon du Lean Analytics

Comment être sûre qu’une métrique est intéressante à suivre ?

Pour cela on peut s’inspirer du livre Lean Analytics, rédigé par Alistair Croll et Benjamin Yoskovitz, spécialiste de la méthodologie Lean Startup inventée par Eric Ries.

En effet, la data est une étape importante du processus itératif au cœur de l’approche Lean Startup : Build – Measure – Learn.

Schéma de la méthode lean : build - measure - learn

Dans l’ouvrage Lean Analytics, les auteurs expliquent comment utiliser la data pour réussir le développement de sa startup.

Ils se penchent notamment sur les critères qui font qu’une métrique est intéressante à suivre. Selon eux, voici ces critères :

  • Une bonne métrique est comparative : on peut facilement la suivre dans le temps, la comparer selon plusieurs axes, voire se comparer à d’autres acteurs de son marché ;
  • Une bonne métrique est compréhensible, par n’importe quel interlocuteur interne ou externe à l’entreprise, quel que soit son profil ;
  • Une bonne métrique peut se présenter sous forme de taux ou de ratio ;
  • Une bonne métrique a un impact direct sur le succès de l’entreprise

Quelle donnée pour chaque étape de votre projet ?

Il existe de nombreuses données qui vont vous renseigner sur le succès de votre projet ou de votre produit :

  • les données business (nombre de clients, coût d’acquisition client, panier moyen…)
  • les données produit (durée moyenne d’utilisation, fonctionnalités utilisées ou non…)
  • les données comportementales (combien de temps les utilisateurs restent sur votre site ?)
  • les données clients / prospects (qui sont-ils ? quel est leur parcours ?)
  • les données prédictives (risque de churn d’un client en fonction de son historique)

Et encore, nous n’avons cité ici que des données quantitatives. Il ne faut pas négliger les données qualitatives : Que disent les clients de votre produit ? Comment expriment-ils leurs besoins ?

En fonction de l’étape où en est votre projet, vous n’allez pas avoir accès aux mêmes données, et vous n’avez pas les mêmes besoins.

Rien ne sert de vouloir absolument tout mesurer, ou de brûler des étapes.

Il est donc important de définir en premier lieu à quelle étape de sa vie se trouve votre projet ou votre produit.

Le graph ci-dessous représente différentes étapes de vie d’un produit :

Graphique de la courbe de traction d'un produit

La courbe représente la traction de votre produit. Au début, vous allez chercher à construire le produit que les clients veulent ; une fois la traction validée, vous allez démarrer une phase de croissance et chercher à optimiser ce produit. 

Les données recueillies, les métriques à suivre ne sont pas du tout les mêmes.

Le tableau ci-dessous présente une série de métriques intéressantes à suivre en fonction de l’étape où en est votre produit, pour différents segments de marché.

On  peut également observer la croissance d’un produit à travers les étapes du funnel AAARR. En fonction du stade où en est le produit, on ne va pas s’intéresser aux mêmes étapes.

Trop d’entreprises se focalisent par exemple sur l’acquisition, avant de même d’avoir trouvé leur marché et sans connaître leurs utilisateurs. C’est le meilleur moyen de se brûler les ailes. 

C’est quand on a déjà ses premiers clients, et qu’on a optimisé son taux d’activation, que l’on peut se lancer sur une campagne d’acquisition.

Une autre erreur fréquente est de négliger la rétention. Dans les startups en série A, très souvent, c’est le principal problème : on est bon en acquisition, en activation, mais on ne retient pas les clients.

Comment faire dans ce cas ?

Il faut repartir sur une phase d’empathie : interroger les utilisateurs, chercher quelle était leur intention de base, pour comprendre pourquoi on ne les garde pas.

Cette approche est cyclique. Lorsque l’on grossit et que l’on atteint la phase de scale, on va revivre toutes les étapes. En effet, on va chercher à développer de nouvelles fonctionnalités, trouver de nouveaux canaux d’acquisition, toucher de nouvelles cibles…

Mais d’ailleurs, comment la data peut-elle nous aider à savoir de quelles fonctionnalités nos clients ont besoin ?

Piloter sa roadmap par la donnée

On a tous vécu cette scène.

Les clients, les commerciaux, ou encore le CEO disent : “Il FAUT développer cette fonctionnalité !”.

Alors on chiffre. On estime le temps de travail  à 6 mois. Et on se lance. Et parfois, on se trompe.

Alors, comment pilote-t-on sa roadmap quand on est data driven ?

On va commencer par aller chercher de la donnée qui va valider cette intuition, nous confirmer que oui, ça vaut la peine d’y aller. 

Il y a de nombreuses façon de tester l’appétence des utilisateurs pour une fonctionnalité :

  • Faire des interviews clients ;
  • Intégrer un faux bouton, et voir si les clients cliquent dessus ;
  • Mettre en place une landing page qui présente ce produit / cette fonctionnalité, et voir si cela intéresse les prospects ;
  • Proposer aux clients de s’inscrire sur une liste d’attente pour accéder à cette fonctionnalité ;
  • Développer un bout de fonctionnalité et voir comment les clients réagissent  ;

Attention, ces options se complètent les unes les autres. Une hypothèse peut tout à fait être validée par une méthode, et invalidée par une autre. 

Imaginons que l’on commence par écouter ses clients : on réalise quelques interviews, et on décèle une opportunité. Ce n’est pas encore le moment de se lancer tête baissée ! Cet intérêt ne sera peut-être pas du tout confirmé par un autre test.

Procédez toujours par itérations, par exemple :

  • Commencez par des interviews
  • Ensuite, testez une landing page
  • Si la landing page confirme l’intérêt des utilisateurs, mettez en place de faux boutons sur votre interface ;
  • Ensuite seulement, commencez à développer un prototype ;
  • etc

Prenons un exemple concret, qui nous vient de chez LeBoncoin. Suite à des demandes, l’équipe produit a mis en place un faux bouton permettant de modifier sa photo de profil, avant de développer la fonctionnalité. Cela a permis de réaliser que seulement 0,5% des utilisateurs cliquaient sur ce bouton ! 

Résultat des courses : vous ne pouvez toujours pas modifier votre photo de profil sur LeBoncoin, mais l’équipe produit a évité un beau gâchis 😊

Quels outils pour collecter et analyser ces données ?

Définir des métriques à suivre, c’est bien joli, mais comment collecter les données et leur donner du sens ?

Il existe des multitudes d’outils pour collecter et analyser les données en lien avec votre produit et vos utilisateurs. Ces outils ne sont pas les mêmes :

  • selon l’étape du parcours que vous cherchez à analyser (acquisition, activation, rétention, recommandation…)
  • selon votre équipe et la maturité de votre produit
  • selon vos objectifs et vos besoins.

Et on s’arrête quand ?

Toutes ces données, ça vous fait peur ?

Vous avez le sentiment que vous n’allez jamais exploiter tout ça ?

Ou à l’inverse, vous avez peur de passer à côté d’une information essentielle ?

Vous avez raison !

Dans le domaine de la data, il faut savoir s’arrêter au bon moment. 

Souvent, on est victime d’une sorte de FOMO (Fear Of Missing Out) quand on commence à analyser des données : on met en place des plans de tracking très ambitieux, de nombreux outils, on veut tout collecter, tout tracker, tout analyser. 

Sauf que la réalité, on la connaît : on fait tourner tout ça pendant quelques mois, on regarde les données de temps en temps, et au bout d’un moment… on ne les regarde même plus.

Comme dans toute démarche, il est important d’éviter le gâchis. Avant de mettre en place un outil, on doit donc d’abord se poser la question : qu’est-ce que je veux mesurer ?

On en revient toujours au même point : Données actionnables vs Vanity Metrics !

Revenez à votre North Star Metric, à vos OKR.

Ne cherchez à mesurer que des métriques qui influent réellement sur votre business, quelle que soit l’étape qui vous intéresse (acquisition, activation, rétention, etc).

Le conseil de Morgane, Designer chez theTribe

“On ne le répète jamais assez, il faut valider les hypothèses régulièrement, mais ne pas vouloir tout mesurer.

C’est en se concentrant sur les bons objectifs que l’on avance !”

L’anecdote de Nicolas, Lead Product Manager chez theTribe

“Dans un de mes anciens jobs, on avait une activité qui faisait moins beaucoup de chiffres d’affaires que prévu. On avait notamment une rétention très mauvaise, de l’ordre de 16%. On aurait pu mettre beaucoup de budget sur l’acquisition, pour augmenter le volume d’utilisateurs ; on aurait pu jouer sur tout un tas de leviers pour améliorer la rétention. Mais en creusant, on s’est rendu compte que quoi que l’on fasse, il y avait un problème de configuration qui empêchait les clients de dépenser leur argent ! Le problème n’était donc pas là où on le croyait.

Ce que je retiens de cette histoire : Quand on cherche à améliorer une métrique, il ne faut jamais oublier la vue d’ensemble.”


Le sujet vous intéresse ?

Pour approfondir, téléchargez notre Guide pratique : Utiliser la data pour maximiser l’impact de votre produit

Florent Lucas
Responsable Commercial & Marketing @thetribe