Beruflich Dokumente
Kultur Dokumente
Ingénierie
Design
Psychologie/neurosciences
Consultante + Formatrice
UX strategist / User scientist
UR / GUR (game UR) 27 pays
UX maniac / UX activist 584 études et tests utilisateurs
243 000 users
2
Mes études prédisent-elle le comportement final?
Matériaux Humains
3
POURQUOI ?
Consumers don’t think how they feel
They don’t say what they think and
They don’t do what they say
1. Les utilisateurs déclarent souvent David Jeanne Ogilvy
n’importe quoi
Kahneman Thaler 4
Le cerveau est plus fait pour spéculer sur des causes
que pour anticiper les conséquences
Comment prédire? 5
Comment je suis tombée
amoureuse de la data … 2012
11 000 avis
Quels enjeux ?
DATA
Comment fait-on pour l’utiliser ?
Perspectives UX + Data
7
DATA
• Datas = Données
jeux de données
En 2018 : 13 000 000 000 000 000 000 000 octets source : @lorilewis @officiallychadd 8
+50%
Taux de conversion
Bonjour Angélique
Que dois-je faire ?
11
AUJOURD’HUI À quoi vous sert la donnée ?
Compréhension utilisateur
Business model Maturité UX
Impact Business
Analyse de parcours, suivi des
KPI, Data driven UX (métrique,
analytic/reporting/dashboard) Modéliser / prédire
Web analytics
Google Analytics
Adobe Analytics Expliquer/corréler
Content Square
At Internet
…
Décrire/mesurer
12
Comment mettre en œuvre
la donnée sur ses projets?
13
DATA PROCESS
Contextualisation
Cadre et hypothèses Interprétation
Quoi chercher ?
15
Récolter de la data
Les règles
16
Récolter de la data
Où ?
Les données de votre
application/site
Autre contenu et données
Avis clients (store)
déjà analysées : Source : anwser the puclic
UGC (contenu généré par Articles (medium, blog,…)
les utilisateurs) IPSOS
Etude quanti antérieure Google trends
Answer the public
Transcription d’interview Francoscopie
Open data Wikipédia
Influenceurs
Google Analytics Facebook audience
Recherche scientifique … Attention :
Comprendre le cadre et les limites
… Vérifier la représentativité des résultats
RGPD + CNIL
17
Récolter de la data
Cas d’étude :
Faible engagement, chute des ventes.
Quelle recommandation ?
18
Récolter de la data
Recommandation :
L’analyse des avis youtube : attentes, ressentis et besoins Mettre les chansons les plus
(chansons, chorégraphie, artiste, esthétique,…) consensuelles en début de jeu
Teaser Sortie
• Cela n’a rien coûté !
du jeu • Cela a pris 3 heures
10 juin 2019 5 novembre 2019 • Excellente fiabilité (data
analytics in game + interviews)
Teaser
intérêt préférence 19
Récolter de la data
Créer de la data
Etudes quantitatives on line
Complétion de phrase sur Twitter
Sondage sur les réseaux sociaux
Cas d’étude : Observation quantitative
20
Traiter la donnée
Cas d’étude : c’est quoi l’UX ? Outils :
Wordle / Wordart (gratuit, facile)
XLSTAT / SPSS / R/python/ Orange3
Texte Comptage automatique (payant, complexe)
21
Traiter la donnée
Chiffre
Taille (cm) Poids (kg)
162 54 Corrélation n’est pas causalité
179 76
158 46 Corrélation = ça apparaît en
186 91
168 72
même temps (description)
172 86
150 45 Causalité = un évènement cause
180 78
174 65
l’autre (explication)
Modèle prédictif
Ceci est un jeu de Régression linéaire
données
22
Traiter la donnée
Plus il y en a mieux c’est !
mécanisme apprentissage
Logiciel, data scientist, courage
Recommandation
Tableau software
Sphinx IQ
Adobe Omniture
Google analytics
Google Data Studio
XL stat
https://www.you
tube.com/watch
?v=e0MnL7kYU-4
Source : pawelcislo.com
#AI
#Machine learning
#Deep learning 23
24
Donner du sens
David McCandless
25
Donner du sens
Adopte-une-démarche-scientifique.com
« Ce qui est affirmé sans preuve,
peut être nié sans preuve, Euclide
Interpréter les résultats
pour modifier ou
rejeter la théorie Théorie
Prédiction -
Hypothèse
Expérience Construire une expérience La mathématique est une science dangereuse :
pour tester elle dévoile les supercheries et les
26
erreurs…,
Galilée
Donner du sens
Etudes hybrides
Statistiques Psychologie
Décrire Comprendre et expliquer
Mesurer et hiérarchiser
28
Observation
DUX (domyos user experience) Usage et attitudes qualitative
U&A, DUX, Big Five, EMS28
Questionnaire psychométrique de segmentation utilisateur
Validation de la grille
30
31
Actionner
Rassurer
Belle présentation
Bénéfice
Waw effect
utilisateur
33
TEXT MINING
Fouille de texte
Source : https://www.mauricelargeron.com/ 34
4 Usages du text mining
35
Wording
36
Wording
37
Classification
Quel(s) critère(s) selon vous serai(en)t
efficace(s) pour les organiser sur le net/en
magasin ?
Quels mots clefs ? Filtres pour choisir ?
Quelles allégations présenter ?
200 cannes à pêche à Décathlon.
NIVEAU 2
39
Classification
DENDROGRAMME (arbre)
Rassemblement national
Corpus analysés : 107 000 mots
• Élements du programme
• Communiqués
• Analyses d’experts RN-friendly
Conclusion :
7 clusters
Source : ://iramuteq.org/Members/pmarchand/l2019economie-au-fn-programme-our-hetorique
40
Classification
NIVEAU 2
NIVEAU 2
Analyse émotionnelle
Ex : Réseaux sociaux
INTENSITE
(Faible – description / Fort – insulte, majuscule, point
d’exclamation)
VALENCE
(négative – neutre – positive)
QUOI
(problème, émotion, qualité, …)
42
Améliorer l’UX
Diagramme Kano/café
Silence Prix
Propreté
Beauté
Sketchingforux.com
45
UR indirecte
Niveau de langage
Type de phrase
Nombre de mots
Faute d’orthographe
Max_Lardeur
Euh chérie… ça fait déjà 3 heures que tu “lis des avis“ sur PornHub
46
Et demain ?
47
UX + DATA
Le duo de demain
Perspectives
Encore beaucoup d’usages à inventer dans nos
métiers et de solutions en cours de développement
(Data mining open source…)
49
Science-fiction ?
Votre imagination sera la limite de
votre usage de la data
50
Science-fiction ? • Dépistage/diagnostic des pathologies (Alzheimer, dys,
burnout… ), médecine prédictive
51
TAKE AWAY UX + DATA A quoi vous sert la data ?
• Enormes enjeux
• Omniprésente et exponentielle
• Rapide / peu coûteux
• Utile à toutes étapes d’un projet
• UX + Data = le duo de demain
• Ayez le reflexe data !
Comment ça marche ?
52
Emmanuelle Marévéry twitter@mareverie
Merci !!!
MERCI !
contact@colorlink.fr
marevery@gmail.com
twitter @mareverie
53