Nous avons préparé pour les lecteurs de Habra une traduction de l'
article par l'équipe d'Uber Labs. Les collègues Uber décrivent le processus de travail d'analystes hautement spécialisés (dans le domaine des sciences du comportement) au sein d'une grande entreprise, comment ils interagissent avec d'autres types d'analystes (chercheurs UX, analystes produit) et des collègues d'autres équipes (produit, développement interne), qui ils résolvent les problèmes et comment ils les abordent. Commentaires sur le matériel par Gleb Sologub, directeur de l'analyse chez Skyeng.
Chez Uber Labs, nous nous efforçons d'utiliser les idées et les méthodes de la science du comportement pour créer des programmes et des produits intuitifs et agréables. Nos membres de l'équipe ont des diplômes en psychologie, en marketing et en sciences cognitives, possèdent des connaissances dans des domaines tels que la prise de décision, la motivation et la formation, les possibilités méthodologiques dans la conception d'expériences et sont des experts en modélisation statistique et en approches causales. Cette connaissance nous permet d'analyser en profondeur les problèmes d'augmentation du degré de satisfaction client, et grâce à notre expérience dans le domaine de la méthodologie et des statistiques, nous pouvons mesurer l'impact de la satisfaction sur l'entreprise (une de ces approches est la
modélisation d'un intermédiaire ).
Dans cet article, nous décrirons comment notre équipe applique les connaissances théoriques sur le comportement humain dans la pratique, ainsi que comment et pourquoi nous travaillons avec les équipes produit et marketing pour améliorer l'expérience utilisateur de nos clients. En particulier, nous examinerons un exemple avec le produit
Express POOL récemment lancé.
Notre chemin vers la science du comportement (sur les données)
En 2014, Uber a lancé presque tous les jours dans une nouvelle ville. Les groupes de travail de chaque région auraient dû comprendre les stratégies et les produits de communication qui fonctionnent le mieux dans la région, mais la plupart d'entre eux manquaient d'expérience en conception d'expériences et en statistiques. Pour résoudre ce problème, nous avons créé Uber Labs - une équipe de chercheurs ayant une formation en psychologie, marketing et sciences cognitives. Cette équipe centralisée devait utiliser ses capacités dans la méthodologie et la conception d'expériences et analyser les données à travers une modélisation hiérarchique pour améliorer nos produits au profit des passagers et des conducteurs dans différentes régions.
Les consultations individuelles ont été efficaces, mais nous devions étendre cette expertise à une gamme toujours croissante de nos produits. Après avoir créé des modèles de calculatrice pour calculer la taille de l'échantillon et l'analyse statistique à l'aide de
Riny's Shiny , nous avons fourni aux équipes non techniques la possibilité d'utiliser nos connaissances pour leurs tâches. Ces outils, pour travailler avec lesquels vous n'aviez qu'à télécharger vos données initiales, comprenaient des vérifications intégrées des hypothèses statistiques et de la conformité des modèles, ainsi qu'une sélection automatisée de la méthode analytique appropriée pour un ensemble de données particulier. En sortie, l'utilisateur a reçu des résultats d'analyse et des explications claires de ces résultats. Plus tard, en collaboration avec l'équipe de la plateforme de développement expérimental, nous avons créé un
processus d'analyse et de vérification des données dans notre
outil de test A / B. Cela a permis aux autres équipes d'analyser plus efficacement les données.
Alors que la société grandissait et se développait, créant de nouveaux domaines pour le développement de produits, nous avons réalisé que nous pouvions renforcer notre influence en travaillant directement avec les équipes de développement. Début 2017, nous avons commencé à appliquer des connaissances appliquées sur le comportement en plus des statistiques. Nous sommes passés d'une approche passive et soutenant des idées déjà formulées à une approche active: nous avons commencé à utiliser nos connaissances dans le domaine de l'apprentissage et de la mémorisation, ce qui nous a permis de proposer des solutions concrètes basées sur la recherche scientifique existante. En plus de l'expérimentation, nous avons commencé à soutenir de nouvelles directions: stratégie de produit, conception de programme, optimisation de contenu et mesure de l'impact commercial.
Grâce à notre formation, les spécialistes du comportement connaissent bien les méthodes de recherche qualitative et quantitative. Notre domaine d'activité s'est élargi, nous avons cessé d'être de simples chercheurs, nous sommes devenus des experts en analyse de données et avons décidé de nous concentrer sur les méthodes de recherche quantitative en tant que composante importante de notre travail sur les données. Le département UX d'Uber emploie des spécialistes hautement qualifiés qui sont engagés dans une recherche de qualité. En nous concentrant sur des méthodes quantitatives, telles que tester des idées théoriquement valables par l'expérimentation et appliquer de nouvelles approches statistiques, nous complétons l'écosystème de recherche Uber plus large.
Notre flux de travail: comment nous mettons en œuvre les idées et les méthodes
Nous avons organisé notre flux de travail de manière à non seulement aider à résoudre les problèmes par le conseil à un moment précis, mais également à fournir une efficacité à long terme en adaptant les connaissances et les méthodes dans le domaine des sciences du comportement à l'aide de modèles et de plates-formes spéciaux. Nous vous en dirons plus sur ces processus.
1. Le conseil est l'approche la plus efficace pour résoudre les problèmes tactiques au niveau d'un produit ou d'une fonction spécifique. Nous travaillons directement avec les équipes produit, marketing et autres données et fournissons des recommandations scientifiquement solides pour résoudre les problèmes auxquels ils sont confrontés.
2. Afin d'exercer une plus grande influence sur la formation de produits et de stratégies analytiques, notre équipe crée des directives de contenu et de développement, ainsi que des modèles R et Python, qui permettent à nos collègues d'Uber d'étudier et de reproduire nos méthodes de manière indépendante.
3. Enfin, nous travaillons avec des équipes de toute l'entreprise pour fournir en un clic un accès à nos analyses et méthodologies. À titre d'exemple, nous pouvons travailler avec une équipe développant une plateforme d'expérimentation sur un
outil d'analyse post- expérimentale
.Notre conseil consiste souvent à appliquer des connaissances théoriques aux problèmes que nous décrirons dans l'exemple ci-dessous. Dans notre travail, nous adoptons une approche quantitative pour résoudre de tels problèmes. Tout notre travail avec des données est construit autour de questions sur le comportement des utilisateurs et est divisé en trois catégories: évaluation quantitative des constructions et processus psychologiques, application de méthodes de science du comportement et analyse expérimentale.
Premièrement, nous utilisons les données Uber pour quantifier les constructions et processus psychologiques cachés qui déterminent le comportement. Pour ce faire, nous devons soit adapter les méthodes existantes des sciences de la société et du comportement, telles que l'
analyse factorielle , soit en développer de nouvelles. Pour résoudre des problèmes plus difficiles, nous appliquons certaines méthodes qui sont moins couramment utilisées en science des données, par exemple l'approche de
modélisation intermédiaire développée par nous ou l'
analyse de séries temporelles interrompues . Enfin, nous analysons les données de diverses expériences, allant des tests A / B standard aux méthodes qui sont utilisées lorsque les tests A / B sont impossibles ou indésirables, par exemple, les
expériences avec promotion aléatoire .
En science, la recherche est le plus souvent utilisée pour développer davantage une théorie, plutôt que pour résoudre des problèmes appliqués. Pour notre équipe, l'un des aspects les plus importants de la transition des connaissances théoriques à une tâche commerciale spécifique est la capacité d'appliquer la recherche appliquée pour améliorer l'expérience utilisateur.
En commençant à travailler avec des équipes de produits dans le domaine des sciences du comportement, nous sommes confrontés au fait que même lorsque les concepts semblent simples à comprendre et à utiliser, leur application non systématique peut entraîner des conséquences imprévues. Par conséquent, il est toujours nécessaire de considérer le
contexte situationnel et individuel. Par exemple, dans la science du comportement, il existe un phénomène familier d'
aversion aux pertes familier à beaucoup. À première vue, son essence est évidente: les gens préfèrent souvent éviter les pertes plutôt que d'en retirer des avantages. Cependant, il existe de nombreuses situations dans lesquelles la présentation de quelque chose comme une perte peut déranger ou irriter l'utilisateur, plutôt que de le motiver. Par exemple, un utilisateur de longue date du programme de fidélité, pour qui toute expérience avec l'application était basée sur l'obtention de points, peut se mettre en colère s'il lui dit qu'il perdra des points s'il n'effectue pas immédiatement un achat. Même les tendances courantes, telles que l'aversion aux pertes, peuvent avoir des conséquences imprévues ou négatives si vous travaillez avec elles hors contexte. Quel que soit le succès potentiel de votre approche, nous vous recommandons d'expérimenter pour mieux comprendre et prédire avec plus de précision le résultat de son utilisation.
Cas: Express POOL
La science du comportement étant largement situationnelle, une grande partie de notre travail consiste à conseiller les équipes développant un produit particulier. Notre collaboration avec l'équipe d'Express POOL est un exemple de la façon dont l'équipe des sciences du comportement appliquées applique la recherche théorique au développement de produits.
Début 2018, Uber a lancé
Express POOL . Comme
uberPOOL , Express POOL implique de voyager ensemble et de partager les dépenses avec les passagers en cours de route. Contrairement à uberPOOL, uberX et à nos autres produits de covoiturage, lorsque vous utilisez Express POOL, vous devrez attendre un peu plus longtemps la destination d'une voiture appropriée et marcher jusqu'au lieu d'atterrissage désigné. De tels changements permettent de créer des itinéraires plus directs et plus efficaces, ce qui, à son tour, rend le voyage plus accessible.
Les passagers sont habitués au fait que la voiture arrive rapidement exactement où ils se trouvent.Par conséquent, lors du développement du produit, une attention particulière a été accordée à la façon dont les utilisateurs interagissent avec le nouveau produit. Il est devenu clair que de nombreux aspects devaient être améliorés: les clients ont annulé les voyages entre la demande et la sélection d'une option appropriée. Les passagers ont dû attendre plus longtemps et les annulations sont survenues beaucoup plus souvent que lors de l'utilisation d'autres produits.
Nous commençons généralement le processus de consultation en rencontrant l'équipe travaillant sur le produit pour comprendre le problème. Cette équipe comprend un chef de produit, un directeur marketing, un chercheur en expérience utilisateur, un ingénieur et un spécialiste des données produit. Nous examinons et prenons en compte les recherches préliminaires de l'équipe, telles que les tests d'utilisabilité. Dans le cas d'Express Pool, une fois connecté au projet, nous avons appris les détails décrits ci-dessus.
Après avoir étudié le contexte et compris le problème général, nous avons effectué une revue de la littérature spéciale avec une analyse approfondie des données disponibles de la science du comportement afin de déterminer la méthodologie pour résoudre ce problème. Ainsi, profondément immergés dans le contexte, nous transformons nos connaissances en scénarios de changement réels pour les équipes produit et recommandons des moyens de tester ces développements.
Dans ce cas, nous avons commencé à étudier la littérature
sur la science du comportement afin d'en savoir plus sur la façon dont les gens perçoivent le temps et les attentes. Nous avons identifié trois concepts importants pour comprendre les temps d'attente: le
rejet de l'inaction , la
transparence de l'action et l'
effet du gradient de la cible . Le concept de rejet de l'inaction est évident: les gens ont peur de l'inaction et veulent être constamment occupés. Nous avons également constaté que la transparence des actions ou la divulgation aux utilisateurs de ce qui arrivait à leur demande à un moment donné augmentait la note du consommateur sur le produit. Enfin, l'effet de gradient d'objectif se caractérise par une augmentation de la motivation et de grands efforts que les gens sont prêts à exercer lorsqu'ils sentent qu'ils approchent de leur objectif.
Compte tenu de cela, nous avons recommandé de montrer les progrès en attendant, reflétant chaque étape de l'application, par exemple, en indiquant les compagnons sélectionnés et en informant le client de la voiture trouvée.
Des informations supplémentaires, telles qu'une explication du principe de calcul des heures d'arrivée, peuvent être obtenues en cliquant sur l'icône d'information. L'équipe Express POOL a testé ces idées avec des tests A / B et enregistré une réduction de 11% du nombre d'annulations après avoir appelé la machine.
Fig. 1. La conception de test de l'interface utilisateur Express POOL affiche des étapes détaillées et utilise des icônes pour obtenir plus d'informations sur l'état de la commande.Comme décrit dans cet exemple, après une étude détaillée des caractéristiques du comportement humain, nous avons développé des idées prioritaires basées sur des hypothèses sur l'impact potentiel et les risques possibles. Pour tester nos idées, nous avons organisé et mené des expériences, puis analysé les données. L'ensemble du processus de notre projet de recherche, incarné dans nos travaux sur Express POOL, est illustré à la figure 2:
Figure 2. Habituellement, notre flux de travail commence par l'énoncé du problème et se termine par des expériences.
1. Définition du problème
Obtenez des informations sur le problème auprès des équipes partenaires.
2. Analyse approfondie et immersion dans la science du comportement
Formuler le problème en termes pertinents dans le domaine des sciences du comportement.
3. Formulation d'idées basées sur les connaissances scientifiques existantes
Proposer une idée spécifique de produit à partir des résultats de la recherche scientifique.
4. Priorisation
Avec d'autres équipes, priorisez les idées en tenant compte des résultats économiques attendus et des risques potentiels.
5. Expérimentation
Mener des expériences pour tester des idées (développer des options d'expériences, déterminer le public cible, analyser les données reçues, etc.).L'application de la science du comportement aide à ajouter de la valeur au produit
Nos travaux sur Express POOL démontrent la valeur unique que nos études dans le domaine des caractéristiques comportementales humaines, soutenues par des décennies d'expériences scientifiques dans ce domaine, représentent pour le produit à l'avenir. Armés de ces informations, nous travaillons avec des chercheurs UX et des analystes produits qui utilisent leurs compétences pour résoudre des problèmes autres que ceux que nous recherchons. Par exemple, au cours de notre expérience avec Express POOL, les analystes de produits ont soigneusement surveillé les mesures d'application et trouvé des opportunités pour améliorer le taux d'annulation des commandes après une demande. Des chercheurs de l'UX ont effectué des voyages d'essai pour comprendre les causes des difficultés des passagers et comprendre le problème. En tant que chercheurs de données comportementales, nous avons utilisé nos connaissances et notre méthodologie pour proposer une solution à un problème pouvant être testé empiriquement.
Nous tenons compte de notre ensemble de compétences spécialisées et de la manière dont nous pouvons ajouter de la valeur au produit lorsque nous choisissons les équipes avec lesquelles nous travaillons et les projets que nous entreprenons. Au niveau mondial, nous établissons un plan prioritaire pour l'année, déterminé par la performance économique souhaitée du produit. À un niveau plus détaillé, l'équipe de développement fournit des informations sur les zones du produit qui ont les problèmes les plus urgents. Sur cette base, nous choisissons quels projets et dans quelle séquence nous réaliserons avec d'autres équipes. Il est important de noter que notre équipe considère ces domaines de développement du point de vue de la science du comportement, en déterminant où utiliser nos connaissances appliquées et notre expérience de l'analyse quantitative. Dans certains cas, cela peut signifier l'exclusion de la priorité des expériences pour lesquelles une base théorique solide ou une recherche qualitative qui ne nécessite pas nos compétences méthodologiques est nécessaire. Nous obtenons des résultats sérieux, en nous efforçant toujours d'exercer une influence maximale à la fois sur les entreprises et sur le degré de pertinence de l'application des sciences du comportement.
Constatations clés
À long terme, alors qu'Uber développe de nouvelles opportunités de développement et améliore les produits existants, nous nous attendons à ce que notre équipe ait de nombreuses opportunités d'utiliser la science du comportement pour offrir à nos utilisateurs le meilleur service possible. En 2019, nous continuerons à collaborer avec d'autres équipes sur des projets innovants et très efficaces, et nous investirons également dans le renforcement de nos connaissances pour rendre la science du comportement plus accessible. Nous sommes heureux de continuer à appliquer activement nos connaissances théoriques et méthodologiques et d'augmenter l'efficacité des fonctions, programmes et plateformes créés dans notre entreprise.
Commentaire de Gleb Sologub, directeur des analyses chez Skyeng
Chez Skyeng, les méthodes de la science du comportement sont prises en compte et utilisées dans la préparation d'expériences et de tests A / B sur différentes landing pages, dans le développement de nos applications mobiles et de notre plateforme web de conduite de cours.
Ainsi, par exemple, grâce à des tests A / B, nous avons récemment découvert comment les effets de l'amorçage affectent le choix d'un module de cours pour nos étudiants et leur décision d'achat, en fonction de l'emplacement des options sur la page de paiement. Comprendre les mécanismes de motivation nous aide à sélectionner les meilleurs schémas de motivation pour les enseignants et les directeurs commerciaux. Et nous incarnons des connaissances dans le domaine de la méthodologie d'enseignement dans des interfaces spéciales, qui permettent d'augmenter l'efficacité de l'enseignant.
Je pense qu'il n'y a pas tellement d'entreprises dans le monde qui peuvent se permettre de garder une équipe distincte d'analystes comportementaux au sein du personnel. Chez Skyeng, nous essayons d'éduquer les chercheurs existants afin qu'ils élargissent constamment leur arsenal de méthodes et sachent choisir ceux dont ils ont besoin pour une tâche spécifique. Et en passant, notre équipe analytique s'agrandit - il y a des postes vacants intéressants !
Photo de meo provenant de Pexels