Quelques exemples de projets menés

Contexte

Speeral, startup en phase de lancement, développe une solution pour simplifier la revente d'objets d'occasion.

Objectifs de la mission

• Explorer et valider le parcours de création d'annonce pour identifier des opportunités (features, UX)
• Comprendre les motivations et freins des différents profils (non-revendeurs, revendeurs occasionnels, revendeurs réguliers)

Méthodologie

• Développement d'un panel de beta-testeurs de 100+ membres (recrutement multi-canal)
• 4 batchs de tests utilisateurs sur 3 mois, 22 tests modérés en visio
• Setup Hotjar complet (session recordings, heatmaps, events) + 3 feedback forms contextuels

Contexte

Shine souhaitait élargir sa base au-delà de son segment initial (freelances et micro-entrepreneurs) vers de nouveaux marchés.

Objectifs

• Tester l'appétence de nouvelles audiences (secteurs d'activité) méconnues à travers la collecte de données qualitatives et quantitatives
• Limiter dans le temps l'exploration d'une nouvelle audience pour conserver le mode Test & Learn (1,5 mois max)
• Valider ou stopper les efforts sur une audience

Méthodologie

• Entretiens approfondis avec des professionnels de différents marchés

Résultats

• Les insights collectés ont permis d'alimenter plusieurs équipes et d'orienter les efforts commerciaux et marketing
• Grâce à la plateforme Tandemz, recrutement facilité de profils professionnels sur les marchés cibles
• Les équipes Growth et Partenariats ont identifié du potentiel et engagé des discussions avec de nouveaux services à ajouter à la Shine toolbox

• L'équipe Product Marketing a utilisé les insights pour créer des landing pages dédiées à chaque segment, mettant en avant les bénéfices adaptés à chaque marché

Contexte

Les conducteurs BlaBlaCar peuvent recevoir des demandes de réservation pour des arrêts suggérés par algorithme ("Smart Stopovers"), mais ne comprenaient pas leur fonctionnement ni les avantages que cela représentait pour eux.

Objectif

• Améliorer la compréhension de ces demandes pour maximiser l'adoption et l'acceptation de ce type de demande.

Phase 1 · Discovery

• 12 entretiens téléphoniques avec des conducteurs ayant récemment reçu une demande d'arrêt intelligent (6 ayant refusé · 4 ayant accepté · 4 ayant accepté puis annulé)
• Analyse des commentaires ouverts du NPS

Résultats · Phase 1

• Les conducteurs ne reconnaissent pas ces demandes et ne comprennent pas qu'elles sont différentes des demandes classiques. Ils reçoivent des demandes hors itinéraire ou avec un point de rencontre inconnu.

• Boost : un concept identifiable qui englobe toutes les demandes sur des arrêts non ajoutés par le conducteur.

• Indiquez votre itinéraire : une nouvelle fonctionnalité dans le flux de publication où les conducteurs précisent leur itinéraire, afin que les demandes soient calculées sur le bon trajet.

Phase 2 · Tests utilisateurs

• 12 utilisateurs finaux ont testé le nouveau parcours de publication de bout en bout + la demande de réservation Boost
• Observer comment les conducteurs réagissent au concept Boost
• Vérifier la clarté du narratif Boost et l'utilisabilité des nouvelles fonctionnalités

Résultats · Phase 2

• Les utilisateurs ont compris que Boost est le concept qui englobe les demandes de sous-trajets
• Aucun problème d'utilisabilité détecté sur les nouvelles fonctionnalités
• ⚠️ Le narratif a été revu car l'idée d'« argent supplémentaire » était perçue négativement

Phase 3 · Mesure quantitative

• Sondage trimestriel mesurant la notoriété et la compréhension du concept Boost pour évaluer l'évolution dans le temps

Contexte

Le NPS membres est une métrique fondamentale pour BlaBlaCar. En 2021, face à une baisse du NPS covoiturage, nous avons commencé à analyser manuellement les commentaires ouverts du NPS pour alimenter l'analyse de ces tendances. Ce processus manuel demandait un effort important en traduction et catégorisation des feedbacks.

Méthodologie

• Implémentation de Chattermill pour centraliser les feedbacks de différentes sources (NPS, app stores, réseaux sociaux, CSM, etc.) et produire des analyses de tendances automatiques via une structure thématique définie

Résultats

• +100 utilisateurs internes de l'outil en self-service, issus des équipes produit, marketing, relation client et ops — en moyenne 175 connexions par mois sur la plateforme
• Chattermill est devenu un outil intégré à la phase de découverte des projets produit et design
• 2 nouveaux cas d'usage ajoutés au fil du temps : analyse des réseaux sociaux et analyse CSAT
• 1 nouvelle feature développée avec Chattermill pour permettre à l'équipe bus de lier les feedbacks utilisateurs à un ID utilisateur (opérateur bus concerné, axe, etc.)

Contexte

L'équipe design manquait de la possibilité d'obtenir des retours sur le design et le contenu pendant le processus de conception, rapidement et facilement. Les designers avaient besoin de valider leurs hypothèses en autonomie sans passer par l'équipe research à chaque fois.

Objectif

• Aider l'équipe design à prendre de meilleures décisions en phase de conception, en réalisant des A/B/C tests rapides et « qualitatifs » auprès des utilisateurs finaux
• Critères de succès : obtenir des feedbacks d'au moins 10 utilisateurs par version · collecter les réponses en 3 jours max · résultats suffisants pour décider ou itérer

Méthodologie

• Définition d'un nouveau processus utilisant nos canaux CRM pour atteindre les utilisateurs et implémentation de Maze, un outil simple pour collecter les feedbacks

Résultats

• Les utilisateurs ont très bien répondu à ce type de test : +50 répondants en 1 journée, bien au-delà des attentes
• Réponses rapides : collecte des résultats en 48h
• Les feedbacks ont été suffisamment riches pour influencer les décisions — le contenu a constitué le premier cas d'usage
• Solution à faible effort mais forte dépendance à l'équipe CRM

Contexte

BlaBlaCar est un produit disponible dans le monde entier. Alors que l'équipe produit et design travaille depuis le siège en France, des équipes locales sont présentes dans nos marchés stratégiques. Nous voulions permettre à l'équipe produit de tester de nouveaux services et fonctionnalités dans l'ensemble de ces marchés.

Objectifs

• Aller au-delà du marché français : de nombreux projets développés depuis le siège concernent d'autres marchés, il fallait inclure les utilisateurs locaux dans ces projets
• Gagner du temps et des ressources en s'appuyant sur des experts locaux

Méthodologie

• Construction d'un écosystème research combinant : l'équipe research centrale (experte en research et BlaBlaCar) · les équipes locales (expertes des spécificités locales et de BlaBlaCar) · des agences research locales (expertes en research et spécificités locales)

Résultats

• 1 processus global garantissant une qualité homogène sur tous les sites de test
• Fort engagement des parties prenantes internes : tous les tests et entretiens peuvent être suivis en temps réel avec traduction simultanée des langues locales vers l'anglais
• ⚠️ Un budget minimum est requis pour collaborer avec des prestataires externes