Comment analyser les données d'enquête et apprendre à connaître vos clients (sans se prendre la tête) ?

Il peut être décourageant de ne pas savoir comment analyser les données d'une enquête que vous avez soigneusement élaborée et proposée à vos clients. L'extraction d'informations exploitables à partir du feedback client pour vous aider à améliorer votre produit ou service pour vos utilisateurs, c'est tout un art. Heureusement, cet art peut s'apprendre.

Cet article examine les différentes méthodes que vous pouvez utiliser pour analyser et donner un sens aux résultats de votre enquête. Nous abordons les sujets suivants :

• La règle d'or des enquêtes

• 5 façons d'analyser les données quantitatives

• 3 façons d'analyser les informations qualitatives

• 7 étapes pour analyser les résultats d'une enquête à partir de zéro

• Comment éviter de tirer des conclusions hâtives ?

La règle d'or des enquêtes : commencez par la fin

Avant de nous pencher sur la manière d'analyser les données d'une enquête, examinons la situation dans son ensemble : si la compréhension des métriques et statistiques traditionnelles peut être utile pour analyser les résultats d'une enquête auprès des clients, la véritable clé n'est pas l'analyse, mais la planification.

Pour obtenir un feedback de l'utilisateur pertinent, vous devez poser les bonnes questions d'enquête. Et pour savoir quelles sont les bonnes questions, commencez par la fin et fixez des objectifs clairs.

Posez-vous les questions suivantes :

1. Quel est le seul problème que nous devons résoudre, ou la seule question à laquelle nous devons répondre, avant tout ?

2. Quels segments client peuvent nous fournir ces informations ?

3. Quand et où devons-nous les interroger à ce sujet ?

4. Quel type d'enquête permettrait le mieux d'atteindre cet objectif ?

En comprenant clairement les informations dont vous avez besoin, vous pouvez décider des questions à poser et déterminer comment mener votre enquête.

Ensuite, après avoir recueilli des données d'enquête exploitables auprès de segments d'audience pertinents, l'étape suivante consiste à décider du type d'analyse d'enquête à effectuer.

Il est important de choisir vos méthodes d'analyse en fonction du type de questions que vous posez et du type de données que vous recueillez. Par exemple :

1. Les questions fermées fournissent des données quantitatives (c'est-à-dire des données numériques) que vous pouvez analyser à l'aide de graphiques, de diagrammes et de tableaux comparatifs. Les personnes interrogées doivent répondre d'une manière spécifique, par exemple par "oui" ou par "non", en attribuant une note de 1 à 5 ou en choisissant parmi des réponses prédéfinies.

Utilisez des questions fermées pour mesurer et comparer ce que vos utilisateurs pensent ou ressentent à propos d'un sujet spécifique. Les questionnaires fermés sont l'un des moyens les plus efficaces de réaliser des enquêtes de satisfaction client.

2. Les questions ouvertes vous fournissent des données qualitatives (c'est-à-dire des données descriptives, basées sur des mots), ce qui vous permet d'identifier des tendances et d'organiser les réponses en groupes et en catégories. Les personnes interrogées peuvent répondre comme elles l'entendent, avec leurs propres mots.

Utilisez les questions ouvertes lorsque vous souhaitez approfondir et découvrir pourquoi les utilisateurs pensent, ressentent ou se comportent d'une certaine manière.

5 façons d'analyser les données quantitatives

Ces cinq méthodes vous aideront à obtenir des informations précieuses à partir des données d'enquêtes quantitatives :

1. Faites des comparaisons simples pour identifier les préférences des clients

Si vous posez une question à choix multiples dans votre enquête, les réponses vous aideront à identifier les préférences spécifiques des clients (par exemple, lorsque vous testez une nouvelle fonctionnalité, un nouveau service ou une nouvelle conception de produit).

Pour analyser les données comparatives, additionnez le nombre total de réponses pour chaque option à choix multiples. Puis créez un tableau comparatif pour organiser le nombre de réponses ou les pourcentages pour chaque réponse :

Ce type de comparaison est souvent plus facile à comprendre si vous l'affichez dans un graphique à barres ou circulaire :

2. Utilisez des tableaux et des graphiques croisés pour comparer les résultats de différents segments d'audience

Si vous incluez des questions d'enquête qui vous permettent de classer les participants par catégorie démographique, vous pouvez voir comment différents segments d'audience répondent à la même question. Par exemple, comment les réponses varient selon le groupe d'âge ou le secteur d'activité.

Pour analyser ces réponses, utilisez un tableau croisé pour comparer les réponses de chaque segment :

3. Analysez les données d'échelle à l'aide du mode, de la moyenne et de graphiques à barres

Si votre enquête demande aux utilisateurs de répondre en choisissant sur une échelle, vous pouvez mesurer l'opinion des clients sur des sujets spécifiques, des caractéristiques de produits ou des services que vous fournissez. Ce type de question est aussi un excellent moyen de comprendre la customer experience.

Par exemple, vous pouvez demander aux participants de choisir sur une échelle de Likert impliquant des chiffres :

Ou vous pouvez utiliser une échelle plus descriptive :

Dans les deux cas, l'une des méthodes les plus simples pour analyser les données d'échelle d'une enquête est de créer un graphique à barres montrant les taux de réponse.

À l'aide d'un tableur comme Excel ou Google Sheets, saisissez le nom de chaque réponse sur une ligne, puis ajoutez la fréquence à laquelle elle a été sélectionnée sur la ligne correspondante au-dessus. Vous pouvez alors créer un graphique à barres qui ressemble à ceci :

Si votre échelle comporte des réponses numériques (par exemple, un classement de 1 à 7), il existe deux autres moyens simples d'analyser les données :

1. Calculez le mode

Le mode représente la réponse la plus courante qui apparaît dans un ensemble de données et peut vous donner un aperçu rapide de la note de l'échelle que les personnes interrogées choisissent le plus souvent.

Vous pouvez calculer le mode dans une feuille de calcul à l'aide de la fonction de formule MODE. Sélectionnez une cellule vide, tapez =MODE dans la barre de formule, puis sélectionnez les cellules contenant les réponses individuelles des données de l'enquête.

2. Calculez la moyenne

Vous pouvez calculer la moyenne en additionnant tous les scores, puis en divisant le total par le nombre de réponses.

L'utilisation de la moyenne vous donne un chiffre représentant la réponse type, ce qui s'avère utile si vous souhaitez comparer l'évolution dans le temps des réponses des clients à une même question.

L'utilisation des moyennes pour analyser les échelles fait l'objet d'un débat, mais nous vous laissons le soin de décider si cette méthode convient à l'analyse de votre enquête.

4. Calculez votre Net Promoter Score® à l'aide d'une formule simple

Lorsque vous demandez à vos clients dans quelle mesure ils recommanderaient votre produit ou service sur une échelle de 0 à 10, vous pouvez utiliser les réponses pour calculer votre Net Promoter Score® (NPS).

Le NPS est représenté par un nombre compris entre -100 et +100 et est considéré comme un indicateur pratique de la satisfaction et la fidélité client. Toutefois, on le calcule généralement selon une méthodologie différente :

Comment calculer votre Net Promoter Score® :

1. Additionnez les promoteurs (ceux qui répondent 9 et 10)

2. Additionnez les détracteurs (ceux qui répondent 0 à 6)

3. Calculez le pourcentage en divisant le nombre de promoteurs par le nombre total de réponses

4. Répétez l'étape 3 pour les détracteurs

5. Appliquez la formule du NPS : pourcentage de promoteurs moins pourcentage de détracteurs

Vous pouvez aussi calculer votre score à l'aide de notre outil pratique (gratuit) calculateur du NPS. Pour une analyse plus détaillée, lisez notre guide pour calculer votre NPS.

5. Utilisez le benchmark pour comparer vos données aux moyennes du secteur ou à vos résultats antérieurs

Lorsque vous analysez des données d'enquête quantitatives pour la première fois, il peut être difficile de savoir si les chiffres sont aussi bons ou mauvais qu'ils le paraissent.

Par exemple, vous pouvez apprendre que le taux de conversion de votre page de destination est de 12 %, ce qui semble faible. Mais si vous apprenez ensuite que le taux de conversion moyen dans votre secteur d'activité est de 8 %, vous vous en sortez soudain plutôt bien (hourra !).

C'est ce qu'on appelle un benchmark, et c'est un très bon moyen d'interpréter vos données dans un contexte utile.

Vous pouvez en apprendre beaucoup plus de vos données d'enquête en les comparant à des résultats antérieurs.

Par exemple, si vous comparez votre Net Promoter Score® actuel à votre score d'il y a six mois, plutôt que de qualifier votre score de "bon" ou de "mauvais", vous pouvez obtenir une image claire des progrès accomplis au fil du temps.

3 façons d'analyser les données qualitatives

Les données qualitatives sont souvent plus utiles lorsqu'elles sont utilisées pour soutenir et expliquer les données quantitatives.

Voici trois façons simples d'analyser les données qualitatives brutes d'une enquête :

1. Créez des représentations visuelles des données d'enquête

Les données qualitatives issues d'enquêtes comportent souvent des centaines ou des milliers de réponses uniques (nous comprenons votre douleur.)

La visualisation des données est un excellent moyen de traiter ces informations : par exemple, vous pouvez générer un nuage de mots à partir des termes qui reviennent souvent dans les réponses. Si les nuages de mots ne fournissent pas nécessairement une réponse définitive à une question, ils peuvent constituer un excellent point de départ pour la discussion.

2. Lisez les réponses individuelles pour découvrir des informations cachées qui vous permettront de façonner votre produit et votre message

L'analyse qualitative des données ne consiste pas toujours à repérer des tendances : elle permet aussi de découvrir les motivations, les objections et les désirs que votre public ne vous dira pas (ou ne pourra pas vous dire) directement.

Sarah Doody, auteure de UX Notebook, a utilisé des données qualitatives pour façonner le message de ses cours de formation à l'expérience utilisateur (UX) :

"Une question que j'aime poser est la suivante : 'Avant de suivre ce cours, les plus grands défis auxquels j'étais confronté étaient __________,' ou 'l'éléme"nt qui me retenait était ___________.'"

En posant des questions de ce type, vous obtiendrez sûrement de nombreuses réponses différentes. Cela peut sembler insurmontable, mais en prenant le temps de lire chaque réponse, vous pourrez mieux comprendre ce que votre audience attend réellement de votre produit.

3. Transformez les informations qualitatives en données quantitatives

Si vous disposez de suffisamment de données d'enquête qualitatives, vous pouvez classer vos réponses en catégories et les utiliser pour créer des graphiques, des tableaux et des diagrammes. Pour savoir comment procéder, lisez notre guide sur l'analyse des questions ouvertes en cinq étapes.

Voici les cinq étapes en bref :

1. Ajoutez vos réponses à une feuille de calcul

2. Cherchez des moyens de classer les réponses individuelles

3. Attribuez chaque réponse à une catégorie

4. Organisez les données de votre enquête par catégories

5. Représentez vos données visuellement.

7 étapes pour analyser les résultats d'une enquête à partir de zéro

1. Définissez vos objectifs d'analyse

Commencez par déterminer les principales questions de recherche auxquelles vous souhaitez répondre à l'aide des données de votre enquête. Cela vous aidera à déterminer les points de données à analyser, et dans quel ordre.

2. Supprimez toutes les données incomplètes ou non fiables

Si votre enquête pose plusieurs questions, il se peut que les personnes interrogées sautent certaines questions ou laissent des champs vides.

Ce n'est pas toujours un problème, mais si vous essayez de comparer les différences entre les réponses des personnes interrogées à plusieurs questions, les réponses incomplètes peuvent fausser vos résultats. Dans ce cas, il est préférable de supprimer les réponses incomplètes.

3. Recherchez des tendances dans vos données quantitatives

Commencez par examiner les données quantitatives les plus étroitement liées à vos objectifs d'analyse statistique.

Par exemple, imaginez que vous ayez un produit SaaS et que vous souhaitiez comprendre pourquoi il n'y a pas plus d'utilisateurs qui souscrivent à une offre payante après avoir effectué un essai gratuit. Pour ce faire, vous pouvez demander aux utilisateurs de l'essai gratuit d'évaluer l'utilité du produit.

Imaginez maintenant que les données de l'enquête indiquent que 70 % des utilisateurs de l'essai ont trouvé le produit utile. Vous pourrez conclure que le produit n'est pas la raison pour laquelle les utilisateurs de la version d'essai ne continuent pas.

Rechercher des tendances de cette façon pour cibler le problème par processus d'élimination.

4. Vérifiez que vos résultats sont statistiquement significatifs

Il peut être difficile de tirer des conclusions pertinentes à partir de données d'enquêtes quantitatives. Les données souffrent souvent de "bruit" parce que les gens font parfois des erreurs lorsqu'ils saisissent leurs réponses.

Si vous n'avez qu'une poignée de réponses, ce "bruit" comporte une marge d'erreur qui affectera encore plus les résultats de l'enquête. Moins vous avez de données, moins vos résultats ont de chances d'être statistiquement significatifs.

Utilisez notre calculateur de taille d'échantillon pour vérifier que votre pool de données est suffisamment important pour que vous puissiez vous fier à la validité des informations que vous obtenez, et assurez-vous que vous ne tirez pas de conclusions hâtives de vos données en supposant que la corrélation est synonyme de causalité.

5. Comparez vos données quantitatives à des points de référence antérieurs

Dans la mesure du possible, essayez d'obtenir un cadre de référence pour l'interprétation de vos données. L'étude des données historiques peut vous aider à donner un sens aux tendances que vous identifiez.

Revenons à l'exemple d'une entreprise SaaS qui cherche à comprendre pourquoi les utilisateurs de la version d'essai gratuite ne souscrivent pas à une offre payante :

votre entreprise pourrait comparer ses résultats à des références issues d'une enquête similaire réalisée l'année précédente.

Imaginons maintenant que les utilisateurs de la version d'essai trouvent le produit plus utile cette année que l'année dernière, mais que les inscriptions payantes n'ont toujours pas augmenté. Cela pourrait être le signe que vous devez vous concentrer sur l'optimisation d'autres facteurs, comme la customer experience (CX) ou la tarification, au lieu de poursuivre le développement du produit.

6. Utilisez des données qualitatives pour étayer et expliquer les résultats de vos données quantitatives

L'utilisation conjointe de données d'enquête quantitatives et qualitatives peut vous aider à dresser un tableau complet de ce qui se passe (et de ce que les clients attendent de votre produit).

Là où l'analyse des données quantitatives révèle souvent les tendances et les préférences de l'audience, l'analyse des données qualitatives peut révéler les raisons derrière.

Appliquons cela à la même entreprise SaaS qui souhaite déterminer pourquoi les utilisateurs de la version d'essai gratuite ne deviennent pas des utilisateurs payants :

En posant une question fermée, vous avez constaté que 70 % des utilisateurs de la version d'essai trouvaient le produit utile, ce qui indique que le problème ne vient probablement pas du produit lui-même.

Si vous posiez également une question ouverte du type "qu'est-ce qui vous empêche de souscrire à notre offre payante ?", vous pourriez passer en revue les réponses pour découvrir que les utilisateurs de la version d'essai s'opposent également à la tarification.

7. Présentez vos résultats à vos collègues

Après avoir recueilli des informations exploitables à partir des données de votre enquête, il est temps de partager vos résultats avec votre équipe.

Si vous partagez vos résultats lors d'une réunion, n'oubliez pas qu'il peut être difficile pour les gens d'assimiler rapidement des chiffres bruts. Dans ce cas, il est préférable de présenter vos résultats de manière concise à l'aide de tableaux, de graphiques ou d'infographies.

Cependant, si vous créez un rapport plus détaillé que vos collègues pourront lire à leur guise, vous pouvez inclure des ventilations plus approfondies des chiffres.

Créer un récit utile

Que vous élaboriez une présentation visuelle ou un rapport détaillé, essayez de créer un récit autour de l'analyse de votre enquêteSA. Faites suivre aux membres de votre équipe le même parcours que celui que vous avez suivi pour parvenir à vos conclusions (mais n'hésitez pas à sauter les analyses qui n'étaient pas utiles ou concluantes).

Commencez par énoncer vos objectifs et ce qui vous a incité à mener une enquête en premier lieu. Ensuite, présentez vos ensembles de données dans un ordre qui soutient vos analyses.

Dans l'exemple de l'entreprise SaaS, vous avez

• Identifié une tendance clé à l'aide de données quantitatives

• Utilisé l'analyse comparative historique pour éliminer une explication possible de la tendance

• Examiné les données qualitatives de l'enquête pour identifier la tarification comme une autre explication possible

• Exploité d'autres données (des heatmaps et des enregistrements de sessions) pour relier les points et vérifier davantage vos résultats

Comment éviter de tirer de mauvaises conclusions

Une erreur fréquente lors de l'analyse d'enquêtes consiste à tirer des conclusions hâtives sur les causes d'une tendance particulière. Les lecteurs avertis en matière de statistiques qualifient souvent cette erreur de "confusionentre corrélation et causalité".

Par exemple, imaginez que vous collectiez des données sur les raisons pour lesquelles les restaurants cessent leur activité. Vos données pourraient révéler que, étonnamment, tous les restaurants qui ont fait faillite utilisaient des couverts.

Vous disposez ici de deux données :

1. Le nombre de restaurants qui font faillite

2. Le nombre de restaurants qui utilisent des couverts

Lorsque vous réunissez ces deux ensembles de données dans un graphique, celui-ci montre que 100 % des restaurants qui ont fait faillite utilisaient des couverts. Les ensembles de données semblent donc avoir une relation (c'est-à-dire qu'ils sont corrélés).

Mais il serait absurde d'affirmer que l'utilisation de couverts est la cause de l'échec des restaurants.

Ainsi, même si les deux données sont corrélées, cela ne signifie pas que l'une est la cause de l'autre.

Évitez l'erreur "corrélation vs. causalité" dans votre analyse

Veillez à ne pas tirer de conclusions hâtives dans vos analyses. Prenez en considération tous les facteurs susceptibles d'influencer les tendances et utilisez des données qualitatives pour découvrir les facteurs auxquels vous n'aviez pas pensé. Remettez également en question les hypothèses en recherchant des données qui les réfutent.

Par exemple, imaginez que votre analyse comparative montre

• La satisfaction client à l'égard de votre produit a baissé depuis l'année précédente

• Votre entreprise a mis à jour les caractéristiques de votre produit au cours de l'année précédente et vous en concluez que les mises à jour ont causé la baisse de la satisfaction de la clientèle.

Voilà l'erreur.

Même si les deux facteurs (la satisfaction client et les caractéristiques du produit) ont changé en même temps, cela ne signifie pas nécessairement que l'un est à l'origine de l'autre. Il se peut que la satisfaction client ait été affectée par des problèmes de support client, la vitesse de chargement du site web ou tout autre facteur (qui n'a peut-être rien à voir avec les mises à jour de vos produits).

Utilisez des outils d'analyse web et comportementale pour étudier et comprendre ce qui se passe sur votre site web afin d'éviter d'agir sur la base de suppositions et de découvrir la véritable raison de la baisse de la satisfaction client.

Dernières réflexions

L'analyse des données d'enquête vous aide à comprendre le comportement du client et à suivre les performances de votre entreprise, mais travailler avec de grandes quantités de données peut rapidement devenir insurmontable.

Optez pour la simplicité et n'oubliez pas

• De concevoir vos enquêtes avec des objectifs clairs et simples dès le départ

• D'utiliser les données quantitatives pour repérer les premières tendances, puis utiliser les données qualitatives pour rechercher des explications plus approfondies

• De vous assurer de la validité de vos conclusions en utilisant des points de référence, en vérifiant que la taille de votre échantillon est suffisante et en tenant compte de la corrélation par rapport à la causalité.