Insight Quality Score : le nouvel indice pour mieux prioriser ses efforts

"On a déjà plein d'études, pas besoin de faire plus de Research !"

Cette phrase, je l'ai souvent entendue chez mes clients. Et c'est vrai, quoi de plus frustrant que de voir un consultant débarquer et s'entendre dire qu'il faut à nouveau faire de la Research, alors que l'on a déjà dépensé beaucoup d'argent pour des études au préalable ?

Pourtant le problème ce n'est pas la quantité de Research, mais la qualité des insights disponibles.

Pour mieux répondre à cet enjeu et démontrer la nécessité de la Research supplémentaire, j'ai développé un outil que j'ai appelé IQS (pour Insights Quality Score).
‍

L'Insight Quality Score : comment le calculer ?

C'est un outil qui permet d’évaluer les insights, de leur attribuer un score, et donc d'allouer les efforts en Research là où il y en a le plus besoin : 
‍

1. Évaluez les insights 

Il y a 4 critères à prendre en compte :

• ‍La fiabilité : est-ce que la source est valable ? (représentativité de l’échantillon, diversité et rigueur des méthodes, récence de l’étude, prise en compte des biais possibles, nombre de sources, …)‍

• La cohérence : est-ce que les insights ne sont pas contradictoires, quelle qu'en soit la source ?‍

• L'exhaustivité : est-ce que les données sont complètes ou partielles ? Est-ce que l’insight est suffisamment clair et pas sujet à l'interprétation ?

• ‍L'actionnabilité : est-ce que l’insight peut directement se traduire en actions concrètes ?
  ‍

2. Attribuez un score à chaque insight

Pour chaque insight analysé, on attribue ensuite un chiffre entre 0 - ce n’est pas un insight et 4 - l’insight est excellent, comme le montre le tableau ci-dessous : 

Un insight "excellent" sera donc un insight qui répond aux quatre critères : il est fiable, cohérent, exhaustif et actionnable.

Un "bon" insight réunit 3 critères sur 4, un "moyen" 2 critères sur 4 et ainsi de suite...

Attention à l’insight "fantôme" :‍

Lorsqu’un insight obtient un score équivalent à 0, c’est que ce n’est pas un insight. On peut le requalifier en hypothèse à clarifier sur le terrain, mais en aucun cas il ne pourra être utilisé comme insight. 

C’est ce que j’appelle “l’insight fantôme” : il hante l’entreprise, présent dans tous les esprits, tout le monde est convaincu qu’il existe, et pourtant, lorsque l’on creuse, on ne trouve aucune donnée permettant de le justifier. 

L’insight fantôme est partout, j’en ai rencontré beaucoup chez mes clients, et une démarche objective permet de démontrer qu’il n’a pas les reins solides. 

Au mieux, il s’agit d’une hypothèse qui se révélera pertinente sur le terrain. Au pire, il empêche la création de valeur au sein de l’entreprise. 
‍

‍

Comment l'utiliser ? 

Une fois le score donné, on dispose alors d’une vision globale de tous les insights disponibles, et on peut allouer les efforts là où c'est le plus nécessaire.

On peut capitaliser et avancer sereinement sur les insights “excellents” et “bons”. En parallèle, en fonction de la valeur business estimée d’un insight, on peut renforcer son IQS avec de la recherche complémentaire, afin de transformer un insight “moyen” ou “insuffisant” en “bon” ou “excellent”. 

‍

Quand l'utiliser ? 

L’IQS est le plus efficace lorsqu’il est mis en place au début d’un projet, lors de la phase de shaping d’un nouveau service, produit ou autre. 

Habituellement, lorsque j’étais en poste chez Publicis Sapient, je proposais à mes clients une “phase 0”, pendant laquelle on réunissait et analysait toute la documentation nécessaire. 

Alors oui... ça demande du temps et de l’argent. Mais imaginez ne pas le faire, bâtir une solution sur des insights dont on ne sait pas s’ils sont solides ? 

Avec de la chance, ça n’aura pas d’impact sur le succès de la solution que vous contribuerez à développer. Généralement, il ne s’agit pas de chance, un travail similaire à l’IQS a été déjà été mené par ailleurs et les insights sont fiables, cohérents, exhaustifs et actionnables. 

Dans le pire des cas, les hypothèses de départ seront fausses, et le temps de vous en rendre compte, vous aurez déjà perdu pas mal de ressources. 

Évidemment, la vérité se trouve entre les deux, il y a des insights qui sont très solides sur lesquels se baser ; ces insights-là, on les reconnaît rapidement. Ce n’est pas ceux qui poseront le plus de problèmes. Les plus dangereux, ce sont les insights fantômes, et ce sont ceux qu’il faut identifier dès le départ, en plus des insights “moyens” ou “insuffisants” sur lesquels il faudra focaliser ses efforts s’ils ont une valeur business importante. 
‍

Comment le mettre en place ?

1. Réunissez toute la documentation existante

La première chose à faire est de réunir toute la documentation existante, sur le sujet ou de manière plus large. 

Petit conseil: que vous soyez chez le client ou en interne, rédigez une demande de documentation afin d’aiguiller les contributeurs et rendre le process plus efficace.

‍

2. Choisissez un outil de repository et définissez les entrées 

J’utilise généralement Airtable, mais vous pouvez utiliser un autre outil, tant qu’il vous permet de jouer avec les différentes vues et colonnes, et de créer des connexions. 

L’objectif est de découper la documentation en “observations” (NDLR : voir notre article sur l'Atomic Research) pour ensuite les rassembler en “insights”. 

Ajoutez toutes les catégories nécessaires pour rapidement analyser l’observation (ex : date de l’étude, méthode employée, scope géographique, document source, catégorie du produit ou service concerné…) 

‍

3. Personnalisez la matrice IQS 

En plus des quatre critères de base (fiabilité, cohérence, exhaustivité, actionnabilité), vous pouvez personnaliser la matrice pour introduire des catégories, sous-catégories ou une colonne commentaires, permettant de mieux hiérarchiser les insights. 

Par exemple, votre entreprise a des filiales dans plusieurs pays. Vous pouvez choisir de considérer que la validité des insights dans tous les pays est un critère extrêmement important pour votre entreprise. Vous pouvez ainsi ajouter ce critère dans la matrice, et analyser les insights à travers ce critère supplémentaire. 

Autre exemple, vous avez un insight “moyen” : il n’est pas complet. Parmi tous les insights “moyen” que vous allez identifier, certains insights “moyens” seront plus complets que d’autres. Vous pouvez alors ajouter un classement avec des étoiles permettant d’indiquer à quel point l’insight est incomplet. 

En fonction du temps dont vous disposez et de la granularité que vous souhaitez, vous pouvez ainsi adapter la matrice IQS. 

‍

4. Analysez les insights et attribuez un score IQS 

Votre matrice est prête, vous avez réuni toute la documentation, c’est le moment de rentrer vos observations / insights dans votre repository (NDLR : voir notre article sur le sujet) et ensuite d’analyser les insights pour leur attribuer un score  ! 

Plus facile à dire qu’à faire, je vous l’accorde, mais le jeu en vaut la chandelle.

Petit conseil si vous devez évaluer votre charge : une première analyse me prend généralement entre 3 et 5 jours. 

‍

Le mot de la fin 

Surtout, ne vous mettez pas en tête qu’il s’agit d’une usine à gaz et que tout doit être parfait, bien analysé, bien scoré. Non, ce serait contraire à la démarche.

L’objectif est d’avoir une première analyse rapide pour identifier les insights solides, mais surtout ceux qui vont coûter cher, car il y aura besoin de recherche complémentaire ou parce qu’il s’agit d’insights fantômes. 

‍