L’Assistant SNCF / e-voyageurs SNCF

Dans le cadre de mon Management de Projet de fin d’étude, j’ai choisi de travailler sur un sujet qui me tient particulièrement à cœur : la personnalisation de l’expérience utilisateur grâce à la récolte de données. C’est pour cela que j’ai réalisé ce projet en collaboration avec e-voyageurs SNCF, qui nous (avec mon groupe) a donné pour mission de répondre à cette problématique : Connaître et exploiter les préférences utilisateurs pour une expérience personnalisée sur l’Assistant SNCF.

 

Nous nous sommes tout d’abord demandé quels étaient les objectifs de ce type d’application de mobilité, et plus précisément de MaaS (Mobility as a Service). Le but est d’optimiser les déplacements door-to-door et de couvrir toutes les mobilités du quotidien en incluant plusieurs types de transports sur une application unique. En effet, aujourd’hui, il existe autant d’applications mobiles que de modes de transport. Demain, les applications de MaaS souhaitent regrouper toutes ces applications sous une seule et unique application, à l’image de WeChat en Chine, et permettre l’accès à l’information, la réservation et le paiement au même endroit, pour tous les modes de transport et partout en France. Le MaaS couvre également une véritable problématique environnementale et sociétale. Les villes françaises sont trop encombrées : les transports en commun sont surchargés, les embouteillages sont un combat quotidien (en 2015, en France, 80% des trajets du quotidien s’effectuaient en voiture individuelle), la pollution est omniprésente… Les grandes villes réfléchissent donc à améliorer la qualité de vie des citadins et de fait, la mobilité urbaine. Le MaaS a aussi un objectif d’intégration sociale : il souhaite rendre la ville plus agréable pour tous, faciliter la mobilité en proposant des solutions adaptées à chacun. Il intègre également la lutte contre l’exclusion en proposant différents moyens de transport adaptés aux revenus de chacun, mais aussi des trajets adaptés aux personnes à mobilité réduite, en adaptant le temps de marche et en limitant les correspondances par exemple.

Nous avons ensuite réalisé un audit UX, c’est-à-dire un état des lieux de l’application en elle-même, afin d’avoir un premier regard sur les choses qui pourraient être améliorées, avec un œil d’utilisateur. nous avons réalisé que les points les plus problématiques (ceux pour lesquels l’utilisateur était le plus susceptible de quitter l’application) étaient les pages de redirection vers des modes de transport alternatifs, comme le covoiturage ou le TGV. En effet, l’Assistant SNCF n’intègre pas encore leur contenu directement dans l’application et redirige donc l’utilisateur sur l’application en charge de ce trajet, sans sauvegarder sa recherche.

Pour bien appréhender ce projet, nous avons commencé par nous documenter afin de bien cerner le sujet et identifier tous les enjeux liés au concept de MaaS. De plus, nous avons démarré une veille d’articles en lien avec la mobilité, que nous avons poursuivie tout au long du projet, afin de toujours nous tenir au courant des nouvelles tendances, fonctionnalités et éventuellement nous en inspirer.

Afin de faire des recommandations appropriées, il nous a été indispensable de nous intéresser aux besoins des utilisateurs et potentiels utilisateurs de l’application. Pour cela, nous avons décidé de commencer par une récolte de données externes afin d’avoir différents retours et points de vue. Ces données pourront ainsi être plus tard comparées avec les données internes en possession des équipes E-voyageurs SNCF. Nous avons donc réalisé des études quantitatives et qualitatives, qui sont toutes deux complémentaires. Nous avons réussi à faire ressortir de grandes tendances concernant les comportements des utilisateurs en terme d’habitudes de voyage, et d’utilisation des applications de mobilité. C’est ainsi que nous avons pu créer nos différents personas. 

Grâce à eux, nous avons pu réfléchir à la l’amélioration ou la création de certaines fonctionnalités répondant à ces besoins utilisateurs, que nous avons rédigé sous forme de « use cases ». Celles-ci étaient triées en différentes thématiques (Recherche d’itinéraire, personnalisation du profil, affichage des résultats, optimisation de l’itinéraire, communauté/Partage) et en fonction de leur business value. J’ai réalisé toutes les maquettes sur Adobe XD et Canva afin de rendre nos préconisations plus visuelles. Les fonctionnalités que nous avons trouvées étaient aussi bien axées sur la cible loisirs que la cible corporate. 

Pour finir, nous avons élaboré une stratégie globale de communication et marketing car nous avons pu observer lors de l’analyse de nos questionnaires qualitatifs et quantitatifs que l’Assistant SNCF était surtout connue et utilisée en région parisienne et manquait de visibilité à l’échelle nationale, notamment dans la région Sud. Nous avons décidé de nous concentrer sur 2 stratégies principales concernant la communication de l’Assistant SNCF :

  • Stratégie d’acquisition dans le but de développer la notoriété de l’Assistant SNCF & d’augmenter les téléchargements.
  • Stratégie de conversion dans le but d’accroître l’usage de l’application et des téléchargements. 

 

Description