Que se passe-t-il quand on laisse les utilisateurs de Doctolib et Qare s’exprimer ? #Santé
Il se passe… beaucoup de texte ! Graal ou Cauchemar pour ces startups ?
A vous de voir, pourtant il va falloir analyser cette donnée pour comprendre comment améliorer son produit ou son service.
D’ailleurs, que peut-on tirer des milliers de commentaires, de reviews etc..?
Nous nous sommes mis dans les bottes des product owners, customer care, ops et COO de Doctolib et Qare
Objectif : Identifier les thématiques récurrentes mentionnées par les utilisateurs de leur application
Nous avons pris 30 minutes pour récupérer les reviews de Doctolib et Qare sur l’Apple Store et sur Google Play. Puis direction la plateforme SaaS Cobbaï. C’est là qu’une IA se charge de clusteriser automatiquement les milliers de retours utilisateurs et de détecter par elle-même les sujets les plus récurrents !
Quelles données ont été analysées ?
Répartition des feedbacks utilisateurs pour Qare et Doctolib
Evidemment pour avoir une analyse plus complète il serait intéressant d'y inclure des données de sources différentes :
Les échanges avec le customer care (chat, discussion, mail etc...) Les enquêtes de satisfaction Les réponses régénérées par les User Research Les commentaires sur les réseaux sociaux Les données textuelles générées au sein même de l'application (par les patients ou les médecins) Bref.. tout est envisageable. Les thématiques les plus abordées par les utilisateurs de Doctolib et Qare ? A votre avis ? Quels sont les axes d'améliorations que les Product Owner, Growth Hacker, Customer Success devraient absolument traiter chez Doctolib et Qare ?
Cartographie sémantique des feedbacks utilisateurs de Doctolib et Qare
Nous avons passé 10 min à naviguer dans la cartographie sémantique proposée par notre plateforme avec l'idée en tête d'améliorer leurs applications.
SOS traduction, il semblerait que la gestion des langues soit quelque peu problématique. Des malades incapables de prendre un rendez-vous à cause d'une erreur 404 en Octobre 2020 Problème de compatibilité suite à la sortie de l'Iphone 11 (la mise à jour ne semble pas être adaptée) Difficultés pour accéder à l'application suite à un mot de passe oublié. Enfin, le parcours utilisateur complexe pour savoir si le médecin est bien noté (recherche sur google avant de confirmer le rendez-vous)
Les produits avancent-ils dans la bonne direction ? Comment évoluent les commentaires des utilisateurs chez Doctolib et Qare ? Nouveaux bugs ? Demande de nouvelles fonctionnalités ? Satisfaction croissante ?
Alors voilà un aperçu de l’évolution des tendances entre juillet et novembre 2020:
Evolution des thématiques abordées par les utilisateurs de Qare et Doctolib entre Juillet et Octobre 2020
On constate que certaines thématiques continuent de susciter des commentaires, tandis que d'autre semblent avoir été traitées.
Cette évolution des tendances est un élément indispensable chez Cobbaï qui permet de mettre en valeur l’apparition de nouveaux défis, mais aussi d’analyser la performance des actions mises en place.
Benchmark ? Vous avez dit Benchmark ? Poussons l’analyse encore un peu plus loin et voyons voir si certaines thématiques sont spécifiques aux patients d’un pays.
Répartition des thématiques abordées en fonction du pays de l'utilisateur
En comparant les langues des différents commentaires, nous avons remarqué que la grande majorité des utilisateurs qui rencontrent un problème relié à la langue de l’application sont des utilisateurs allemands et anglais perdus face à une interface française.
Ce qu’il faut retenir ? La donnée textuelle.... c'est une réelle mine d’or pour les organisations. Peu importe la taille, de la startup au grand groupe du CAC 40, tout l'enjeu c'est d'arriver à l'exploiter le plus simplement possible! Alors pourquoi s'en priver ? La voix de vos clients peut être utilisée de 1000 et une façons pour booster la performance de votre produit.
Quelques idées en vrac de la manière d’utiliser sa donnée textuelle :
Identifier les nouvelles fonctionnalités / bugs Construire la roadmap produit Prioriser le backlog Améliorer les process Analyser le besoin des utilisateurs Identifier des personas Bref un tas de choses Cependant cette mine d’or peut s'avérer être difficile à exploiter. Pourquoi ? A cause de la nature complexe de la donnée et le temps requis pour l’analyser.
C’est pour transformer cette matière première en ressources exploitables que Labbel by Cobbaï existe. Un Saas basé sur une IA surpuissante en NLP et clusterisation non-supervisée qui permet d’automatiser et réduire le temps d’analyse de vos reviews, comments, feedbacks etc..
cliquez ici pour contacter Théobald!
