Analyse de données dans la recherche UX | Recherche UX #33

Savez-vous quel rôle joue l'analyse des données lors de la recherche UX ? Aujourd'hui, nous aimerions nous concentrer sur la question de l'analyse de données dans UX en discutant de l'analyse de données qualitative et quantitative, et en découvrant ses étapes, ses principaux objectifs ainsi que ses objectifs. Nous suggérerons également quel est le bon moment pour le mener dans un projet.

Analyse des données dans la recherche UX – table des matières :

1. Pourquoi analyser les données collectées ?
2. Quand analyser les données ?
3. Analyse de données dans la recherche UX
4. Définir les objectifs de l'analyse
5. Analyse qualitative des données de recherche
6. Résumé

Pourquoi analyser les données collectées ?

Prendre une décision de produit basée uniquement sur des données brutes est une énorme erreur UX. Le fait de sauter l'étape d'analyse peut avoir pour résultat de fournir aux utilisateurs une solution incomplète ou inefficace, ou même amener l'équipe de projet à se concentrer sur la résolution du mauvais problème ou sur la reconnaissance des vrais utilisateurs. Pour ces raisons et d'autres, l'analyse des données est un processus essentiel qui maintient l'ensemble du projet sur la bonne voie. Pour ce faire, il prend en compte les besoins réels des utilisateurs et collecte des informations permettant de développer la solution la meilleure et la plus optimale possible.

Quand analyser les données ?

De nombreuses personnes entretiennent une idée fausse grossière selon laquelle l'analyse devrait avoir lieu après la fin de la recherche, c'est-à-dire après la collecte d'informations provenant de nombreuses sources. Cependant, cette approche est inefficace, car l'examen d'une telle quantité de données nécessite d'énormes efforts, de la main-d'œuvre et du temps. Il est plus efficace d'étudier les données de manière continue, par exemple en prenant quelques minutes après chaque entretien approfondi.

Pensez également à prendre des notes lors de vos recherches. De cette façon, vous pouvez noter de nouvelles observations et vous assurer que rien n'est omis. Ces réflexions vous permettent de sélectionner facilement des informations et d'en choisir celles qui seront les plus pertinentes pour des recommandations de conception ultérieures. Analyser en continu, après chaque petite étape de recherche, permet de mener l'analyse finale de synthèse de manière beaucoup plus organisée et structurée, mais surtout beaucoup plus rapide.

Analyse de données dans la recherche UX

L'analyse des données dans la recherche UX transforme les données précédemment non traitées en informations significatives qui soutiendront les décisions commerciales. La réalisation d'une analyse complète des données comprend cinq étapes de base - ces étapes sont :

1. Définir les objectifs de l'analyse
2. Organisation des données
3. Enquête
4. Clusterisation
5. Identification des résultats et des idées

Définir les objectifs de l'analyse

La première étape définit les objectifs de notre analyse - ceux-ci doivent être strictement conformes aux objectifs de UX Research. A ce stade, rappelez-vous de ne pas vous écarter des motivations qui vous ont poussé à faire des recherches – par exemple, quels sont les besoins de l'utilisateur ; sur quelle page le taux de rejet est le plus important et pourquoi ; quelles améliorations apporter pour augmenter le taux de conversion ; ou comment rendre notre produit plus attractif que la concurrence. Le maintien de ces objectifs et des objectifs de recherche vous aidera à comprendre comment effectuer une analyse des données d'une manière utile pour le projet. Pour définir exactement ce que vous recherchez.

Organisation des données

Chaque enquête fournit différents types de données, plus ou moins pertinentes pour le projet. Ainsi, vous devez les gérer, les sélectionner et les filtrer intelligemment pour plus de convivialité. L'organisation des données permet également à leur disposition réfléchie de récupérer rapidement les informations souhaitées si nécessaire. Par exemple, vous pouvez cataloguer les données en fonction de la sous-page du site Web à laquelle elles se rapportent. La ségrégation est essentielle pour effectuer une analyse efficace des données et améliorer sa visualisation, ce qui permet aux parties prenantes de mieux comprendre l'ensemble du processus.

Enquête

La phase d'investigation est au cœur de tout le processus d'analyse des données. Son objectif principal consiste à identifier les mots, les idées ou les phrases qui apparaissent le plus fréquemment dans les réponses des utilisateurs et qui sont les plus susceptibles de correspondre à l'objectif de l'analyse. Ce processus ne consiste pas seulement à rechercher des mots et leurs synonymes, mais à comprendre ce qu'ils signifient pour les utilisateurs dans leur contexte.

Avoir compris des mots et des expressions signifie dépendre du groupe d'utilisateurs étudié. Cela arrive parce que les gens varient. Ils ont des expériences et des comportements uniques, ainsi que des façons de s'exprimer. Par conséquent, vous devez éviter de transcrire les réponses des utilisateurs dans votre vocabulaire. Au lieu de cela, respectez autant que possible l'original, car toute variation, même la plus petite, peut nuire à la phase d'enquête en remodelant l'ensemble de l'analyse des données.

Regroupement

L'étape suivante consiste à concevoir ce qu'on appelle des clusters pour étiqueter les réponses en fonction de celles identifiées lors de la phase d'investigation. Ces clusters aident l'équipe à différencier les problèmes prioritaires. Par exemple, si plus de la moitié des réponses des utilisateurs correspondent au cluster créé intitulé "Performances de l'interface", l'équipe devrait probablement prioriser ce sujet et rechercher les problèmes spécifiquement liés aux performances de l'interface.

Identification des résultats et des idées

N'oublions pas que les résultats ne sont pas des idées. Les résultats concernent les faits découverts, investigués, puis regroupés et catalogués que l'équipe de recherche a mis au jour au cours du processus d'analyse. Les aperçus, d'autre part, se réfèrent uniquement à l'acte de reconnaissance des causes qui ont occasionné les résultats. Il s'agit d'une caractéristique assez distincte puisque les réponses des utilisateurs ne mènent pas toujours à la source du problème. Le travail du designer consiste donc à regarder plus en profondeur et à rechercher des idées.

Les utilisateurs sont généralement incapables d'identifier par eux-mêmes la source de leurs difficultés. L'équipe de recherche doit donc examiner les résultats au cours du processus d'analyse des données, en discuter, puis rechercher des idées et les faire correspondre aux objectifs de la recherche. Un atelier pour identifier les idées les plus pertinentes aide à accomplir cette tâche. L'utilisation efficace de cet outil implique la conduite de plusieurs séries de discussions séparées par de courtes pauses .

Les étapes décrites ci-dessus sont un processus d'analyse de données assez général et standard qui fonctionne avec n'importe quelle méthode de recherche (à la fois qualitative et quantitative). Tout ce que vous avez à faire est d'adapter correctement les étapes à votre processus.

Analyse quantitative ou qualitative des données

Bien que le processus d'analyse des données quantitatives ne soit pas significativement différent de l'analyse des données qualitatives, en raison de la nature de cette recherche, les concepteurs peuvent recevoir des informations différentes. La recherche quantitative se concentre sur la collecte et l'analyse de données numériques, en utilisant des statistiques et des probabilités. Des indicateurs tels que le taux de rejet d'une page donnée, par exemple, ou le profil démographique d'un utilisateur, fournissent aux chercheurs des informations concrètes et quantifiables sur la façon dont les gens interagissent avec le produit et l'audience elle-même.

La recherche qualitative se concentre davantage sur des concepts abstraits, tels que le comportement humain. Pour cette raison, prenez un peu plus de temps pour étudier et évaluer afin de bien comprendre l'expérience et les opinions des utilisateurs. Il vaut la peine de poser des questions utiles à ce stade, telles que :

• Qu'est-ce que les utilisateurs aiment le plus dans le produit et qu'est-ce qu'ils aiment le moins ?
• Pourquoi certains utilisateurs réagissent-ils différemment des autres ?
• Les utilisateurs ont-ils (et quand) eu une réaction émotionnelle ?
• Les utilisateurs sont-ils (et pourquoi) satisfaits du produit ?

Compte tenu de la différence dans les données reçues, il est logique d'utiliser des anecdotes quantitatives et qualitatives dans le cadre de la recherche UX. De cette façon, les données recueillies se complètent et donnent un aperçu clair et approfondi des résultats.

Résumé

Une analyse des données correctement menée permet de prendre des décisions de conception meilleures et plus optimales. Omettre ses résultats conduit à développer un produit incomplet, inefficace et ne répondant pas aux besoins réels des utilisateurs. C'est pourquoi l'analyse des données est un processus si critique qui détermine le succès de l'ensemble du projet. Il vous permet de collecter et de sélectionner des informations clés qui, lorsqu'elles sont traduites en recommandations de conception concrètes, aident à développer la meilleure solution possible, adaptée aux besoins et aux exigences des utilisateurs. Les étapes d'analyse des données que nous avons décrites vous aideront à la mener à bien de manière structurée et à vous concentrer sur ce qui compte le plus.

Si vous aimez notre contenu, rejoignez notre communauté d'abeilles occupées sur Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Auteur : Klaudia Kowalczyk

Un graphiste et UX Designer qui transmet dans le design ce qui ne peut être transmis avec des mots. Pour lui, chaque couleur, ligne ou police utilisée a une signification. Passionné de graphisme et de web design.

Afficher tous les articles

Recherche UX :

1. Qu'est-ce que la recherche UX ?
2. Types de recherche UX
3. Quelles sont les questions de recherche et comment les rédiger ?
4. Processus de collecte des exigences pour les projets UI/UX
5. Pourquoi les entretiens avec les parties prenantes sont-ils cruciaux pour le processus de conception ?
6. Comment tirer parti de nos données clients collectées ?
7. Comment créer un bon plan de recherche UX ?
8. Comment choisir une méthode de recherche ?
9. Comment les tests pilotes peuvent-ils améliorer la recherche UX ?
10. Recrutement des participants à l'étude UX
11. Canaux et outils pour trouver des participants à la recherche UX
12. Enquête de présélection pour UX Research
13. Incitations à la recherche UX
14. Recherche UX avec des enfants
15. Méthodes de recherche de découverte
16. Qu'est-ce que la recherche documentaire ?
17. Comment mener des entretiens utilisateurs ?
18. Comment mener des études de journal?
19. Qu'est-ce qu'un focus group en recherche ?
20. Qu'est-ce que la recherche ethnographique ?
21. Recherche par sondage
22. Qu'est-ce que le tri des cartes dans UX ?
23. Qu'est-ce que la recherche évaluative ?
24. Comment mener des tests d'utilisabilité ?
25. Quand et comment exécuter des tests de préférence ?
26. Qu'est-ce qu'un test A/B en UX ?
27. Eyetracking dans les tests UX
28. Qu'est-ce que le test d'arbre ?
29. Test du premier clic
30. Qu'est-ce que l'analyse des tâches dans la recherche UX ?
31. Évaluation des émotions en UX
32. Recherche continue en UX
33. Analyse de données dans la recherche UX
34. Comment préparer un rapport d'étude UX ?