Qabi est un chatbot créé en interne, se basant sur un modèle pré-entraîné par les data scientists de Personal Finance. Il a été créé en 2019. Suite au Covid, qui a impacté sa sortie, une refonte de l'ancien Qabi a été lancée.
Le contexte
Le projet ?
Mon rôle ?
Mes compétences d'UX designer ont été mises en pratique afin de comprendre les besoins des deux équipes souhaitant utiliser Qabi pour ce nouveau lancement :
- J'ai réalisé des entretiens exploratoires afin de comprendre les besoins, les points bloquants ainsi que les interactions homme-machine lors de l'utilisation d'un chatbot.
- J'ai testé l'ancien Qabi (version 2019) auprès des utilisateurs.
- J'ai restitué les résultats et créé les personas.
- J'ai ébauché le nouvel arbre de décision, en collaboration avec les data scientists.
Phase d'exploration et de recherche
Le contexte ?
Qabi est un chatbot interne proposé à plusieurs équipes et répondant à plusieurs besoins. Dans ce sens, lors de sa refonte, une équipe a été choisie afin que je puisse réaliser des recherches utilisateurs sur l'ancien Qabi, et ainsi comprendre leurs besoins et demandes quant à la mise en place d'un chatbot dans leur équipe.
Mon rôle ?
Lors de cette même phase d'exploration, j'ai pu mener des recherches sur l'interaction homme-machine afin de comprendre les syntaxes et les méthodes de communication sur ce type d'outil.
Le résultat ?
À la fin de cette phase, deux personas ont été créés :
- Le premier ayant le profil d'une personne de l'équipe qui se trouve derrière le chatbot.
- Le deuxième représentant une personne utilisant le chatbot afin de trouver des réponses à ses questions.

La syntaxe utilisée par les utilisateurs, selon le nombre d'essais.

Persona — Cindy Schwartz, collaboratrice utilisant Qabi.

Persona — John Knight, équipe derrière le chatbot.
Design d'un nouvel arbre de décision
Mon rôle ?
À la suite de la phase de recherche, j'ai pu conduire des ateliers afin de designer un nouveau modèle et arbre de décision, en collaboration avec les data scientists ainsi qu'avec les développeurs. Un arbre de décision synthétique a été désigné avec deux funnels : passer par un des thèmes pré-remplis, ou poser directement une question.
Le résultat ?
J'ai pu traduire cet arbre en user flow en mettant en parallèle les éléments back et front qui interagiront lors d'un échange avec le chatbot. L'arbre choisi à la fin a été réalisé de telle manière à pouvoir s'adapter aux différents besoins des équipes en interne.

User journey — vision globale complète.

User journey — avec fonctionnalités front/back.