🔔

N'attends plus et lance toi !

Je m'informe gratuitement >
croix
Le programme dans tes mails
Attention il est peut-être dans tes spams
Tu en apprendras plus sur notre mission, notre pédagogie, et notre programme.
Ton pigeon voyageur est en chemin attend 1 ou 2 minutes qu'il arrive !
Oops! Il semble que ça ne fonctionne pas. Si l'erreur persiste, n'hésite pas à nous contacter !

Vos amis vous font-ils de la pub? et vos clients ?

Article data

S'occuper d'un client comme d'un ami qu'on ne veut pas perdre. Grâce au NPS (outil de notation mis à disposition du consommateur), il est facile pour le data analyst d'identifier qui sont ces vrai(e)s ami(e)s, ces ennemis ou pire : ceux qui vous oublient. Sans rancoeur, le data analyst est quelqu'un de bien, il mettra tout en oeuvre pour optimiser votre expérience d'achat.

Vos amis vous font-ils de la pub? et vos clients ?

Vos ami(e)s vous apprécient-ils ?

A priori la réponse est positive, car c’est ce qu’on attend d’eux, pas vrai ? Parfois même, ils vous apprécient tellement qu’ils parlent de vous en bien ! Et si l’idée vous passez par la tête de devenir amis avec les personnes qui ont entendu ces louanges cela se ferait probablement sans trop d’efforts. Comme si la machine à se faire des ami(e)s était huilée par votre premier succès amical.

Pour les entreprises à la recherche de clients c’est pareil: si vous bénéficiez d’un bouche-à-oreille puissant reposant sur une satisfaction cliente à des sommets alors vous générerez un fort intérêt aux yeux de vos potentiels clients. En un mot des clients heureux qui attirent d’autres clients. En jargon marketing on appelle ça des clients “promoteurs” et ils ont leur métrique dédiée: le Net Promoter Score (NPS).

Table des matières

Qu’est-ce qu’un promoteur ?

Si vous êtes client(e) d’un service, il est probable qu’on vous ait déjà posé la question ci-dessus lors d’une enquête de satisfaction.

Si vous répondez entre 9 et 10 alors vous êtes un promoteur; vous aimez tellement le produit ou service que vous en parlez à vos amis ou collègues. Entre 7 et 8 vous êtes neutre et enfin en dessous de 6 vous êtes un détracteur.

Les détracteurs sont d’un intérêt tout particulier car ils menacent de vous quitter d’un jour à l’autre - on dit dans ce cas qu’ils “churnent”. L’idéal serait de pouvoir les convertir en neutres, voire promoteurs. Ceux-ci expriment leur insatisfaction, comme des amis qui vous diraient que “ça commence à bien faire tu n’es jamais présent quand on a besoin de toi si ça continue on coupe les ponts.”

Comment calcule-t-on le NPS ?

Il serait probablement étrange de demander à ses amis à quel point vous êtes recommendable mais quand vous proposez un service, c’est plutôt normal.

Le NPS est d’une redoutable simplicité: vous comptabilisez le nombre de connaissances que vous avez et soustrayez au pourcentage d’admirateurs que vous possédez le nombre d’ennemis que vous avez dans ce groupe précis.

Si on vous demande d’analyser l’insatisfaction client en entreprise vous utiliseriez plutôt cette formule:

1min

Le résultat est un score compris entre 100 (tous promoteurs) et -100 (tous détracteurs).

Voici ci-dessous un exemple de comparaison élémentaire que l’on mène: Vous voulez connaître le score de vos clients français pour le comparer à vos clients espagnols, pour cela vous sommez le nombre de clients de chaque catégorie et effectuez votre soustraction.

34 c’est un score honnête,  mais sachez qu’au dessus de 50 on considère qu’une entreprise brille.

En dessous de 0 le NPS est considéré comme périlleux, des actions sont à mener d’urgence sous peine de ne perdre plus de clients que vous en gagnez.

Tesla et Starbucks à des sommets de satisfaction client

Mais pourquoi est-ce si important de mesurer le NPS ?

Cette métrique n’est pas seulement une métrique de vanité qui flatte l’égo des fondateurs et leurs employés !

Pour le data-analyste, ces réponses de satisfaction sont des mines d’or d’informations clientes car elles permettent de caractériser un client à un moment précis. Avec cette information on peut comparer les clients selon leurs attributs: secteur d’activité, pays ou taille; ou bien comprendre leur évolution dans le temps ou au fil des évolutions de votre service.

Attardons nous sur ces deux cas d’usage très fréquents en data-analyse. Imaginons que vous être le fondateur d’une solution web qui permet à d’autres entreprises de payer en un clic ses employés. Vous voulez:

  1. Déterminer quels secteurs sont le plus insatisfaits par votre service.
  2. Savoir si vous servez mieux vos clients par rapport à l’année dernière.

2min30

#1 Qui vous aime ?

Ou plutôt quelle caractéristiques présentent les gens qui vous aiment ? Dans la vie personne ne fait d’analyse statistique mais on a tous un peu son idée: “ah c’est vrai que les gens trop sérieux ne m’apprécient guère car je suis vraiment un bon vivant”.

Pour votre équipe produit et marketing, ce genre de réponses est crucial car il vous indique qui vous servez globalement le mieux.. et le moins bien ! Dans le premier cas on pourra affirmer au potentiel client que “Notre NPS pour votre secteur d’activité est de 39, croyez-nous quand on vous dit que notre solution est faite pour vous !”. Dans le second cas on se gardera de l’annoncer tout haut mais on demandera une analyse plus poussée qui explique pourquoi on obtient un tel score.

L’analyse est plutôt évidente: il faut creuser du côté des sociétés financières et des télécommunications

On le verra en fin d’article, le NPS n’explique pas vraiment le pourquoi, il vous montre la tendance.

3mins

#2 Que deviennent les détracteurs un an plus tard ?

En amitié, certaines connaissances deviennent des amitiés chères tandis que d’autres fanent avec le temps. Une comparaison entre deux points espacés d’une année vous donnera une idée des évolutions.

Diagramme de Sankey illustrant les évolutions et changements de catégories des clients

Ci-dessus une illustration des évolutions des réponses de satisfaction de certains clients entre 2020 et 2021. En 2020, ils ont vécu leur vie de client, se sont faits un nouvel avis sur votre service au gré des améliorations et orientations que vous avez choisies et finalement - vous ont attribué un score sur 10.

Si on se concentre sur les détracteurs et qu’on prend en compte le churn - c’est à dire les clients qui décident de vous quitter, voici ce qu’on obtient:

Pourquoi pas les neutres alors ? Il se trouve que les détracteurs sont parfois plus intéressants que les neutres ! Les neutres n’ont pas d’avis tranché, ils sont présents mais ne vont pas vanter les qualités de votre produit. A l’inverse les détracteurs prennent le temps de se manifester sans tout de suite quitter bord. C’est qu’un détracteur a un potentiel énorme si on arrive à l’exploiter, c’est à dire à le transformer en promoteur. Voilà pourquoi on se concentre sur les détracteurs quand on commence.

Pourquoi voudrait-on se concentrer sur les détracteurs ? La raison principale c’est que quand tout va bien, on cherche rarement à en savoir plus, on se contente de surfer sur la vague. C’est peut-être un manque en analyse mais quitte à choisir on investit dans ceux qu’on peut convertir car il y a urgence - ils pourraient churner d’un jour à l’autre !

Comment fait-on pour les convaincre d’être promoteurs ? On trouve les raisons de détraction et on s’y attaque ! Parfois un événement de la vie du client peut faire toute la différence: une interaction exceptionnelle et inattendue avec le service client, une nouvelle fonctionnalité dans le produit qui rend l’expérience utilisateur merveilleuse, bref des événements positifs. C’est comme si votre ennemi d’enfance devenez votre meilleur ami, ça vous parle ?

Limites du NPS

#1 L’art du sondage: récolter assez, sans biaiser votre résultat, ni agacer vos clients

Récolter des données de qualité est un art périlleux.

Périlleux car si votre question est mal posée, si vous la posez trop souvent ou si le moment est mal choisi vous aurez une donnée inexploitable.

Dans le cas du NPS la question est standard. C’est vrai, on aurait probablement un résultat très différent si on demandait: “Quelle est la probabilité que vous déconseilliez notre solution à un ami ou un collègue ?” - vous le sentez bien, la question négative invite à une réponse positive. Astuce.

Bref, comme dans n’importe quel questionnaire, de nombreux biais s’immiscent.

Il est par exemple prouvé que porter du parfum lors d’un sondage tend à améliorer les réponses obtenues tandis qu’à l’inverse quand vous posez la question à côté d’une poubelle... elles tendent à être plutôt négatives. Pourquoi ? tout simplement car le logiciel que nous avons dans nos cerveaux est largement imparfait: nous faisons constamment des associations peu logiques.

Pour notre sondage cela signifie qu’il faut idéalement isoler notre question de tout événement client. Dans une boîte qui gère la paie d’employés pour des équipes RH La méthode est donc simple: on pose la question tous les 3 mois, puis tous les mois si le client n’a pas répondu.

Et concrètement comment on obtient ces réponses ?

Les réponses sont envoyées par email via une solution qui se charge de l’envoi, de la relance et enfin de les transformer en une table que les data-engineers peuvent ingérer dans notre base de donnée.

Exemple de solution qui vous récolte et organise vos données en table structurée

Et si on n’a pas assez de réponses ?

Voilà ce qu’on obtient si vous calculez votre NPS chaque mois à partir de seulement 4% de vos clients qui répondent ce mois-ci, soit une petite centaine par pays maximum.

Un pic de satisfaction en mois de février..

La volatilité des résultats est assez forte en Espagne; on gagne ou perd facilement 10 points de NPS d’un mois à l’autre et on ne peut pas l’expliquer par un changement fondamental dans la solution.

C’est bien connu en statistique; notre résultat n’est fiable qu’à partir d’un certain nombre significatif de clients. Ce nombre est à confronter avec la réalité métier mais aussi avec des techniques statistiques d’ échantillonnage qui nous aident à répondre à la question suivante: “nos répondants représentent-ils bien l’ensemble de nos clients?” avec des concepts de marge d’erreur et d’intervalle de confiance.

Sans trop approfondir cet aspect statistique, on sait d’ores et déjà que dire aux utilisateurs de notre NPS que seulement 4% ont répondu au sondage les laissera dubitatifs, quelque soit le total absolu. A partir de 20% - soit quelques centaines - nos parties-prenantes sont plus rassurées, elles se sentent de prendre une décision.

Mais si on n’atteint pas ce seuil significatif de quelques centaines de répondants, ou d’un certain pourcentage qui nous rassure ?

Alors il faut agir sur les données - il faut les créer !

Tout d’abord, vous pouvez augmenter la fréquence de votre sondage - mais attention cela devient vite du spam et vos clients risquent de tout simplement ignorer vos futurs mails.

Vous pouvez aussi le faire vous-mêmes par construction mathématique ! Par exemple en calculant le score d’un mois en prenant en compte non pas seulement les réponses de ce mois-ci  mais celles des 6 derniers mois durant lesquels 50% des clients ont répondu au moins une fois. Vous augmentez artificiellement ce nombre mais introduisez également dans votre formule un poids pour que les réponses datant d’il y a 6 mois soient moins pondérées qu’il y a 1 mois. Appelons cela la “fraîcheur” d’une réponse si vous voulez.

Résultat des courses: une courbe lissée qui nous permet d’affirmer que “la tendance est à la hausse/baisse”.

..lissé pour nous donner une tendance plus lisible. “TNPS” pour “Trailing NPS”.

#2 Le score de “Customer Satisfaction” (CSAT) a la rescousse du NPS sur la question du “pourquoi ?”

Le rôle du data-analyste est de d’aller plus loins que l’analyse de tendance. A vrai dire on a pas forcément d’un.e data-analyste pour lire notre courbe rouge.

Pour aller plus loin cela dit le NPS ne suffit pas ! Il ne nous donne qu’une information somme toute très générale sur la satisfaction de notre client. Comme pour vos amis; on les qualifie soit par des éléments très généraux : “elle est toujours de bonne humeur”, soit très précisément “elle arrive toujours à l’heure aux dîners”.  Et vous le savez pertinemment, on fait mieux vivre la relation  quand on les connaît précisément.

Pour savoir qu’elle arrive toujours à l’heure il faut le remarquer plusieurs lors de situations bien précises répétées; cette amie se comporte d’une telle manière et vous inspire de la sympathie. Pareillement, on veut savoir si un client aime votre service lorsqu’il l’utilise plusieurs fois à un endroit de votre application précis: par exemple juste après avoir cliqué sur le bouton "validé" de votre long et soporifique questionnaire. C’est ici que le CSAT entre en jeu !

Car si vous voulez savoir pourquoi ce client est un détracteur vous avez deux options: vous pouvez lire des heures durant les commentaires (analyse qualitative), ou vous lui demandez un score pour plusieurs fonctionnalités clefs de votre produit, au moment exact où il finit de l’utiliser. Si le client est un détracteur (NPS), qu’il note 4 fonctionnalités à 8 et la cinquième à 1 on pourra émettre l’hypothèse plutôt évidente que c’est celle-ci qui pêche.

Si le data-analyste confirme qu’il y a une forte corrélation entre “être détracteur” et “mettre une mauvaise note à l’expérience 5” alors le manager en charge du développement produit demandera à ses designers et développeurs d’améliorer celle-ci spécifiquement selon vos recommendations.

Conclusion

En fin de compte, l’amitié est un système de mécanismes qui vous rapproche ou vous éloigne de certaines personnes selon la façon dont vous agissez et dont vous évoluez. Comme vous, un produit évolue. Sa valeur perçue change, pour le mieux ou pour le pire et certaines actions permettent de rattraper le coup: acheter des fleurs, proposer à un client de l’appeler sans plus attendre.

L’idée c’est qu’en posant une question sur le sentiment général de votre produit puis une question plus ciblée sur une action précise vous aurez d’abord généré de la donnée, puis vous aurez de quoi enrichir une analyse qui serait pauvre sans l’une ou l’autre question.

Prenez soin de vos ami(e)s comme vous prenez soin de vos clients, mesurez régulièrement !

équipe DataBird formation data analyse

Tu souhaites devenir data analyst

Notre formation intensive en présentiel ou à distance en data analyse est ouverte à tous types de profils. Tu es intéressé(e) pour rejoindre notre communauté ? Postule pour en savoir plus.

A lire également :