Lamoda : garde-robe virtuelle et réduction des retours (projet d’étude)

Contexte

Un projet d’étude mené de bout en bout comme s’il était réel : j’ai pris Lamoda — une marketplace de mode que je connais en tant que cliente — et j’ai fait passer une hypothèse business par la recherche, le concept, le prototype et la conception d’un test.

J’ai fixé dès le départ les métriques sur lesquelles le concept serait jugé :

Métriques dures

Commandes, taux d’ajout au panier, chiffre d’affaires des nouvelles catégories

Métriques qualitatives

Satisfaction des utilisateurs, temps moyen passé dans la garde-robe

Problème

30–40 %

de retours dans la mode — plus que dans les autres catégories

62 %

des retours sont dus à une taille inadaptée

Il n’existe pas de standard de tailles unifié : un 10 américain correspond à un 14 britannique, ce qui aggrave le problème au lieu d’être un simple désagrément. La recherche a fait ressortir trois problèmes à traiter :

1. Un taux de retour élevé

2. La difficulté à choisir sa taille

3. Des recommandations pas assez personnalisées

Démarche

1. Définition des objectifs : objectifs et résultats clés du concept

2. Analyse concurrentielle : marketplaces et produits de gestion de garde-robe

3. Entretiens approfondis : huit échanges avec des utilisateurs de la plateforme

4. Backlog d’hypothèses : problèmes et solutions

5. User story map : les fonctions clés par étape du parcours utilisateur

6. Prototype et tests utilisateurs auprès du public cible

7. Arbre de métriques et conception du test A/B

Définition des objectifs

J’ai commencé par les objectifs et les résultats clés du concept, afin que les décisions suivantes puissent s’appuyer sur autre chose que le goût.

Objectif

Améliorer l’expérience utilisateur et augmenter les ventes grâce à une garde-robe virtuelle : l’engagement progresse parce que les gens voient ce qu’ils ont acheté et le combinent en tenues, la conversion grâce aux recommandations personnalisées.

Résultats clés

Davantage d’articles ajoutés au panier depuis les recommandations et davantage d’achats dans de nouvelles catégories, comme les accessoires et les chaussures.

Analyse concurrentielle

J’ai étudié les marketplaces concurrentes de la plateforme pour comprendre leur approche de la personnalisation, puis, séparément, les produits conçus spécifiquement pour gérer sa garde-robe. Ceux‑ci utilisent l’IA pour la personnalisation, proposent des collections capsules et travaillent à réduire les retours — c’est de là qu’est venue l’idée de la garde-robe virtuelle.

Entretiens approfondis

J’ai mené huit entretiens avec des utilisateurs de la plateforme pour comprendre leurs points de friction et leurs attentes. Trois enseignements se sont révélés essentiels :

1. La taille, premier frein. Les gens veulent des recommandations de taille fondées sur leurs propres mensurations, et des informations visibles et précises sur le mannequin et la coupe.

2. Pas assez de filtres. Ils veulent exclure des marques des résultats et chercher en fonction de leurs préférences et de leur style.

3. Les sélections, oui. Tenues, capsules et sélections thématiques ont été accueillies avec enthousiasme — à condition de correspondre au style, à la morphologie et à ce qu’ils possèdent déjà.

Backlog d’hypothèses

À partir des données collectées, j’ai établi deux listes : les hypothèses de problèmes et les hypothèses de solutions. C’est ce qui m’a orientée vers les mensurations personnelles comme premier élément à concevoir.

Je me suis donc concentrée sur des solutions qui améliorent l’expérience des utilisateurs tout en soutenant les objectifs business de l’entreprise.

User story map

J’ai cartographié les fonctionnalités clés et les étapes du parcours utilisateur. Deux axes se sont retrouvés au centre : la saisie des mensurations pour la personnalisation, puis l’utilisation de ces données lors du choix et de l’achat.

Prototype et tests utilisateurs

J’ai prototypé le parcours et l’ai testé auprès de personnes de l’audience cible : elles ont parcouru chaque étape de la saisie des mensurations et de l’interaction avec les recommandations personnalisées.

Les testeurs ont demandé deux choses — toutes deux intégrées aux maquettes, avec un impact sur les priorités de développement :

• Un indicateur de progression visible pendant la saisie.
• Des aides plus détaillées sur les écrans de saisie des tailles.

Arbre de métriques et conception du test A/B

J’ai construit un arbre de métriques à partir de l’objectif principal — augmenter le taux d’achat, réduire les retours et améliorer le CSAT —, puis conçu un test A/B autour d’une seule hypothèse.

Groupes du test

Contrôle (A)

Sans « Mes paramètres »

Test (B)

Utilisent « Mes paramètres » pour choisir et pour les recommandations

Groupe MVP

Une version de base — seules les tailles peuvent être saisies

Audience cible

Genre et âge

Les femmes de 18 à 45 ans — le segment qui achète le plus souvent des vêtements et a le plus de mal à choisir la taille et la coupe

Activité

Les clients réguliers, qui commandent au moins une fois tous les un à trois mois

Nouveaux utilisateurs

Ils montrent à quoi ressemble une première utilisation de la fonctionnalité

Métriques

La principale métrique dure du test est la part d’utilisateurs ayant rempli entièrement leurs paramètres. Autour d’elle, les métriques qualitatives : taux d’achat, taux de retour, conversion en achat après consultation d’une fiche produit, clics et achats depuis les recommandations, CSAT, NPS, temps passé dans « Mes paramètres » et confiance envers la plateforme, mesurée par les avis positifs sur la personnalisation et les plaintes pour taille inadaptée.

Critères de succès

Pour les utilisateurs ayant rempli leurs paramètres :

• Les retours baissent de 10 à 15 %

• Le taux d’achat augmente de 5 à 10 %

• Le CSAT ne descend pas sous le niveau actuel, avec une hausse d’au moins 5 %

Risques et parades

Les contre-métriques : le temps passé sur la plateforme, la diversité des produits et le nombre de vues — qui peuvent tous baisser si le flux devient trop étroit. Chaque risque s’accompagnait d’une réponse prévue :

1. Trop peu de produits dans le flux. Afficher les articles qui correspondent à au moins 70 % des paramètres, avec la mention « Ne correspond pas à tous vos paramètres, mais peut convenir ».

2. La satisfaction baisse. Permettre de désactiver temporairement le filtrage et rappeler que les paramètres peuvent être modifiés à tout moment.

3. Le temps passé sur la plateforme baisse. Une rubrique « Inspiration » avec des sélections fondées sur les paramètres — des alternatives, pas seulement des correspondances exactes.

Solution

La conclusion honnête de la recherche : ce ne devait pas être une garde-robe en ligne — du moins pas en premier. La garde-robe était l’ambition ; ce qui méritait d’être construit d’abord, c’étaient les mensurations personnelles qui alimentent les recommandations.

Le concept est une garde-robe virtuelle personnalisée, avec collections capsules et génération de tenues, en trois volets :

1. Garde-robe virtuelle. Tout ce qui a déjà été acheté, des recommandations pour la compléter et des alertes quand un article assorti passe en soldes.

2. Tenues. Des sélections automatiques basées sur l’historique d’achats, l’achat d’une tenue entière en un clic et la possibilité de composer ses propres tenues.

3. Réassort automatique. Des réglages pour le renouvellement saisonnier et des suggestions personnalisées quand la garde-robe a besoin d’être renouvelée.

Les entretiens ont aussi fait émerger trois pistes à explorer plutôt qu’à développer tout de suite :

• Stylistes. La plateforme comme outil pour constituer la garde-robe de leurs clients — ce qui ouvrirait une audience professionnelle.
• Looks assortis. Parent-enfant ou en couple.
• « Compléter le look ». Des recommandations pour la sélection en cours : composer des tenues cohérentes devient plus facile, surtout pour ceux qui sont le moins sûrs de leurs associations. Cela pourrait renforcer l’engagement et les ventes croisées, mais demande une mise en œuvre réfléchie.

Résultat

Le concept a été développé et testé, les métriques clés et les axes de croissance ont été identifiés, et les hypothèses ont été formalisées pour de futurs tests. Rien n’a été mis en production — c’est un projet d’étude, et le test A/B est une conception de test, pas un résultat.

Ce que le travail a permis de conclure :

• La personnalisation augmente l’engagement et peut réduire les retours.

• Un outil « Mes paramètres » est quelque chose que les utilisateurs souhaitent réellement.

• Il y a de la marge pour aller plus loin : sélections de stylistes, garde-robes familiales, complétion du look.

Prochaines étapes

1. Affiner le concept par de nouvelles recherches.

2. Tester l’hypothèse via un MVP ou un test A/B.

3. Déployer la fonctionnalité auprès d’une audience restreinte et collecter des données.

4. Analyser les nouvelles métriques et leur effet sur le produit.