Collectez les données clients
La phase de collecte est essentielle : les personas ne sont jamais inventés, ils sont construits à partir de données réelles. Votre travail va donc consister à repérer ce que l’entreprise possède déjà, puis à compléter ce qui manque.
Votre objectif ici :
identifier les bonnes sources,
choisir les méthodes adaptées,
organiser vos données,
et dégager les premiers enseignements utiles.
Identifiez les sources et choisissez les méthodes de collecte
Lorsque vous commencez un projet persona, une question se pose rapidement :
Où vais-je trouver les informations qui vont me servir ?
Chez À côté, plusieurs données sont déjà disponibles. D’autres devront être collectées auprès des clients actuels ou potentiels. Pour vous orienter rapidement, voici les principales sources et les principales méthodes que vous pouvez utiliser.
Identifiez les sources et méthodes de collecte principales
Les données que vous allez consulter n’ont pas toutes la même nature. Certaines sont quantitatives : elles mesurent des comportements ou des volumes. D’autres sont qualitatives : elles expriment des motivations, des attentes ou des freins. Ces deux types d’informations se complètent et seront tous deux utiles pour construire des personas fiables.
Sources principales chez À côté | Méthodes associées | Quand les utiliser ? |
CRM | Analyse interne | Pour comprendre les comportements réels : fréquence d’achat, abandon, historique d’achat, etc. Utile si vous vous demandez : « Comment nos clients agissent aujourd’hui ? » |
Analytics (site / app) | Analyse des parcours | Pour repérer les étapes où les utilisateurs hésitent ou bloquent dans l’abonnement. |
Avis clients / messages au support | Analyse de verbatims | Pour détecter irritants, attentes et frustrations exprimés spontanément. |
Réseaux sociaux | Analyse de conversations spontanées | Pour capter des perceptions extérieures ou des signaux faibles : « Comment parle-t-on d’À côté quand on ne s’adresse pas à nous ? » |
Sondages existants | Analyse des questionnaires | Pour identifier les tendances déjà mesurées dans le passé (motivation, satisfaction, préférences). |
Clients ou prospects à rencontrer | Entretiens qualitatifs | Pour comprendre en profondeur motivations, freins, attitudes, perception du service. |
Communauté ou base d’abonnés potentiels | Mini-questionnaires | Pour obtenir rapidement des données simples ou valider une intuition. |
Faites votre choix en fonction de vos besoins
La meilleure manière de choisir vos méthodes consiste à vous poser une question simple :
Qu’est-ce que j’ai besoin de comprendre maintenant ?
Voici quelques exemples concrets liés au lancement d’À côté :
Vous voulez comprendre pourquoi certains abandonnent l’abonnement ?
→ consultez les analytics pour voir où ça bloque dans l’application.Vous remarquez plusieurs avis signalant que les paniers sont « trop gros »
→ menez quelques entretiens pour comprendre ce que cela signifie réellement : quantité ? variété ? gaspillage ?Vous avez un doute sur l’importance d’un frein identifié dans un entretien.
→ validez-le par un mini-questionnaire ou en consultant des sondages existants.Vous souhaitez savoir ce que les gens attendent d’un service local.
→ regardez les avis, réseaux sociaux ou menez quelques entretiens pour explorer les motivations plus profondes.
L’objectif est simplement d’associer chaque type d’information à la source ou à la méthode la plus adaptée, sans chercher à tout collecter.
Préparez et nettoyez les données brutes
Vous disposez maintenant d’un ensemble de données en provenance du CRM, des avis clients, des analytics, de quelques entretiens ou des réseaux sociaux. Elles décrivent des comportements, des motivations, des freins, des attentes… mais aussi, parfois, des cas isolés ou des retours qui ne concernent pas directement le service d’abonnement d’À côté.
Pour pouvoir exploiter efficacement ces informations dans la suite du projet, vous devez commencer par mettre de l’ordre dans cette matière hétérogène. L’objectif n’est pas encore d’interpréter, mais simplement de clarifier et structurer.
Classez les données par grandes thématiques
Votre premier réflexe doit être de regrouper l’ensemble des données brutes dans quelques catégories simples. Cela vous permettra de mieux visualiser ce que vous avez et d’éviter de passer à côté d’un élément important.
Les thématiques les plus utiles pour un service comme celui d’À côté peuvent être :
Motivations : soutenir les producteurs locaux, gagner du temps, manger mieux…
Freins : prix, engagement, peur du gaspillage…
Comportements observés : abandon à une étape précise, visites répétées, clics sur certains paniers…
Attentes et besoins : flexibilité des paniers, choix de retrait, variété…
Irritants ou frustrations : « quantités trop importantes », « manque de transparence », « offre pas assez adaptée »…
Filtrez ce qui brouille la lisibilité
En triant, vous verrez rapidement que certaines données se répètent, se contredisent ou ne portent pas sur le bon sujet. Pour éviter de vous appuyer sur des signaux trompeurs, il est essentiel de filtrer :
les doublons (mêmes remarques exprimées différemment),
les cas trop particuliers qui ne représentent pas un comportement global,
les retours hors périmètre (concernant un ancien service ou une fonctionnalité qui n’existe plus),
les messages isolés qui ne semblent pas refléter une tendance réelle.
L’objectif est simplement d’éviter de construire vos personas sur des données non représentatives.
Identifiez les récurrences
Une fois vos données rangées et filtrées, vous allez commencer à repérer ce qui revient :
des motivations fréquemment citées,
des freins très présents dans les verbatims,
des comportements observés plusieurs fois dans le CRM ou les analytics,
des attentes exprimées à différents endroits (avis, réseaux sociaux, entretiens).
Ces répétitions sont importantes parce qu’elles constituent les premiers indices des futurs segments que vous identifierez plus tard.
Vous pouvez vous demander, à ce moment-là :
Quels éléments semblent suffisamment récurrents pour qu’ils influencent vraiment un persona ?
Chez À côté, vous pourriez par exemple voir émerger plusieurs idées fréquentes :
« Je veux manger plus local, mais je ne veux pas m’engager sur trop longtemps. »
« J’aimerais des paniers plus modulables. »
« Je n’ai pas le temps de faire le marché, mais je veux savoir d’où viennent les produits. »
Ces récurrences ne représentent pas encore des catégories de clients : elles constituent seulement une matière première essentielle que vous utiliserez plus tard pour formuler des insights.
Formulez les insights clés
Les enseignements que vous avez récoltés prennent la forme d’insights.
Un insight n’est ni un verbatim, ni une intuition, ni une simple observation : c’est une interprétation utile, ancrée dans les données et porteuse d’une opportunité pour l’entreprise.
Comprenez ce qu’est un insight
Faites émerger des enseignements à partir des récurrences
Reprenez les éléments que vous avez identifiés comme récurrents dans vos données : motivations fréquentes, freins récurrents, attentes souvent exprimées.
Par exemple, chez À côté, vous pourriez noter :
un besoin régulier de flexibilité,
une forte attente de transparence,
la peur de gaspiller,
ou encore l’envie de soutenir les producteurs locaux.
Ces constats vous indiquent les grandes préoccupations liées au service.
Formulez vos insights de manière actionnable
Pour chaque constat significatif, exprimez clairement ce que cela signifie pour le client et comment À côté peut en tirer parti.
Par exemple :
Vérité client : plusieurs utilisateurs disent hésiter à s’abonner par peur de recevoir trop de produits.
Opportunité : mettre en avant la possibilité d’ajuster ou de suspendre facilement son panier.
C’est cette articulation qui donne un insight exploitable — une base que vous utiliserez ensuite pour structurer les futurs profils.
À vous de jouer
Contexte
Après avoir validé ensemble l’objectif SMART du projet persona, Clémentine souhaite maintenant s’assurer que vous êtes capable d’extraire des enseignements pertinents à partir des données brutes d’À côté.
Elle vous envoie un court extrait de retours clients recueillis récemment : quelques verbatims issus d’avis, de messages envoyés au support et de commentaires repérés sur les réseaux sociaux.
Votre rôle est d’identifier ce que ces informations révèlent réellement — non pas en les regroupant en profils, mais en en tirant des insights utiles pour la suite du projet.
Consigne
À partir des verbatims fournis :
Relevez trois constats récurrents ou significatifs (ex. motivations, freins, attentes, frustrations exprimées plusieurs fois).
Transformez chacun de ces constats en un insight clair, en formulant :
la vérité client (ce que les données révèlent),
l’opportunité pour À côté (ce que cela peut guider ou améliorer dans le projet).
En résumé
La collecte repose sur l’identification des sources existantes et le choix des méthodes adaptées pour obtenir des données fiables.
Les données quantitatives et qualitatives se complètent pour éclairer à la fois les comportements et les motivations des clients.
Le nettoyage des données consiste à classer, filtrer et organiser les informations afin d’éliminer les éléments non représentatifs ou hors périmètre.
L’identification des récurrences permet de repérer les motifs fréquents qui structurent les attentes, les freins et les comportements des clients.
L’analyse des récurrences conduit à la formulation d’insights qui combinent une vérité client et une opportunité pour l’entreprise.
Les insights obtenus servent de base pour les étapes suivantes d’analyse et préparent la segmentation des clients.
Vous disposez maintenant d’une matière claire : des données structurées et des insights capables d’éclairer les décisions d’À côté. La suite de votre mission consiste à aller plus loin dans cette compréhension en regroupant ces enseignements pour faire émerger des profils types.
