Seconde Peau — Interpréter des données analytiques UX
Diagnostiquer la chute de conversion d'une fonctionnalité de recommandation et proposer un parcours utilisateur repensé — mission UX pour l'e-commerce « Seconde Peau ».
| Rôle | UX Designer (mission unique, de la collecte de données à la soutenance) |
|---|---|
| Durée | 60 heures — juin 2026 |
| Client | Seconde Peau, plateforme e-commerce de mode de seconde main (cas d'étude professionnel) |
| Livrables | Dossier d'analyse UX (5 pages : état des lieux + recommandations), carte d'empathie, parcours utilisateur actuel et idéal, soutenance orale de 30 minutes |
| Voir le projet | Portfolio_Projet_Seconde_Peau (Word) |
Quel était le contexte et la problématique ?
Seconde Peau vend des vêtements de seconde main en ligne. Quelques semaines avant le début de la mission, l'entreprise a déployé une nouvelle fonctionnalité : les utilisateurs renseignent leurs préférences de style dans leur profil et reçoivent en retour des recommandations de produits personnalisées.
Depuis sa mise en ligne, le taux de conversion a chuté et les réclamations clients se sont multipliées. L'équipe Produit souhaite conserver la fonctionnalité mais doit d'abord en comprendre les dysfonctionnements pour l'améliorer. La mission consistait à croiser deux types de données pour poser un diagnostic fiable : des données qualitatives (tickets clients, verbatims) et des données quantitatives (trafic du site depuis l'ajout de la fonctionnalité).
Problématique retenue : transformer ce volume de données brutes en un diagnostic clair et en recommandations directement exploitables par les équipes produit et développement.
Quelle démarche ai-je suivie ?
1. Analyse des retours qualitatifs
Dépouillement des tickets clients et des réponses aux enquêtes de satisfaction pour faire émerger cinq irritants récurrents : un point d'entrée intrusif (pop-up dès l'arrivée sur le site), un formulaire de 9 questions mal conçu (aucune barre de progression, impossible de revenir en arrière, aucune confirmation), des recommandations jugées peu pertinentes, une fonctionnalité envahissante sur tout le parcours, et des temps de chargement excessifs.
2. Analyse des données quantitatives
Croisement de ces retours avec les données de trafic : taux de rebond en hausse de 33 % (45 % → 60 %), temps de visite moyen en baisse de 33 %, taux de conversion divisé par deux (2 % → 1 %) et inscriptions en recul de 20 %. L'analyse page par page a confirmé les frictions ressenties : +40 % sur la page profil/préférences et +25 % sur la page panier.
3. Carte d'empathie
Construction d'une carte d'empathie structurée autour de ce que l'acheteur régulier pense, dit, fait et ressent, ainsi que ses douleurs et ses besoins, pour relier des irritants en apparence isolés à un même vécu de frustration et de perte de confiance.
4. Parcours utilisateur actuel
Cartographie du parcours en 6 étapes, de l'arrivée sur le site jusqu'à la page panier, avec une courbe émotionnelle rendant visible la dégradation progressive de l'expérience (d'un état neutre à un état découragé) et les points de friction associés à chaque étape.
5. Formulation des recommandations
Rédaction de cinq recommandations priorisées : remplacer le pop-up intrusif par une invitation contextuelle non bloquante (R1) ; refondre le formulaire avec barre de progression, retour en arrière et sauvegarde automatique (R2) ; améliorer la pertinence des recommandations avec un feedback rapide like/dislike (R3) ; cantonner les recommandations à une section dédiée, masquable (R4) ; optimiser les performances via un lazy loading (R5).
6. Parcours utilisateur idéal
Projection du même parcours après application des recommandations, avec une courbe émotionnelle inversée : d'un utilisateur curieux à l'arrivée jusqu'à un utilisateur converti en page panier.
7. Soutenance
Présentation des conclusions et recommandations lors d'une soutenance orale de 30 minutes, face à un évaluateur tenant le rôle d'un directeur produit, en justifiant le lien entre les signaux qualitatifs et quantitatifs et en proposant un plan de priorisation des recommandations.
Quels outils ai-je utilisés ?
Analyse de données (dépouillement et synthèse des tickets clients, des enquêtes de satisfaction et des données de trafic sur tableur) pour faire émerger des tendances chiffrées et des verbatims représentatifs ; Miro pour la carte d'empathie et les parcours utilisateurs (actuel et idéal) ; traitement de texte pour la rédaction du dossier d'analyse, converti en PDF pour diffusion ; méthodologie UX de recherche mixte (qualitatif/quantitatif) et UX writing pour la formulation de recommandations actionnables.
Quels résultats ai-je obtenus ?
- Un diagnostic croisé et fiable : les données qualitatives et quantitatives convergent vers un même constat — la fonctionnalité crée plus de friction qu'elle ne résout, du fait d'une intrusivité mal maîtrisée et d'un manque de pertinence perçu.
- 5 recommandations concrètes et priorisables, directement exploitables par les équipes produit et développement, conçues pour préserver l'objectif de personnalisation tout en supprimant les irritants identifiés.
- Une vision cible formalisée (parcours idéal) permettant de mesurer l'impact attendu des changements et de nourrir la feuille de route produit.
- Une démonstration de compétence dans la traduction de données brutes et hétérogènes (tickets, verbatims, analytics) en insights actionnables, argumentés et défendus face à une direction produit.