Deezer
Durée :
2 semaines
Team :
3 designers
Contexte :
Case study ⸱ Musique ⸱ B2C
Product Designer — Discovery & Delivery
Deezer est l'une des principales plateformes de streaming musical en Europe avec plus de 11 millions d'utilisateurs actifs par mois.
Dans le cadre d'un sprint de 2 semaines en collaboration avec l'équipe Product Design de Deezer, j'ai piloté l'onboarding des nouveaux utilisateurs end to end. Le vrai problème n'était pas technique, c'était émotionnel : comment éviter qu'un nouvel utilisateur ait l'impression de repartir de zéro ?
En bref
Problème
Comment éviter qu'un nouvel utilisateur ait l'impression de repartir de zéro en changeant de plateforme musicale ?
Mon rôle
Lead conception et idéation – cadrage, exploration, priorisation, prototypage. Recherche menée collectivement avec l'équipe.
Solution proposée
Un onboarding en 3 temps : import des playlists, tri de morceaux pour affiner les goûts, révélation des affinités musicales.
Impact / KPI visé
Amélioration de la rétention J+1, J+7, J+30 · Prototype présenté à l'équipe Product Design de Deezer · Fonctionnalité de recommandation particulièrement saluée.
Ce que j'ai appris
Deux semaines ça va vite, l'idéation aurait mérité plus de résistance. Et mieux cibler les utilisateurs en test (switchers Gen Z) aurait donné des insights plus pertinents sur les recommandations.
Contexte
L'onboarding Deezer se situe à l'intersection d'un défi technique et d'une expérience émotionnelle.
Un moment clé
Les premières minutes déterminent si un utilisateur reste ou non sur Deezer.
Un défi de personnalisation
Capturer rapidement les goûts musicaux sans alourdir l'expérience.
Un enjeu de rétention
Une expérience d'onboarding réussie impacte directement la rétention à J+1, J+7 et J+30.
Mon rôle
J'ai assuré le lead sur la conception et l'idéation, cadrage du problème, exploration des concepts, priorisation et prototypage. Sur la partie recherche, on a travaillé de façon plus collective avec l'équipe.
RECHERCHE
Entretiens utilisateurs et stratégie de tests - Synthèse de la recherche et extraction des insights
- Benchmark concurrentiel
IDÉATION & CONCEPTION
- Cadrage du problème
- Exploration des concepts et idéation
- Priorisation des fonctionnalités
DESIGN & VALIDATION
- Prototypage haute-fidélité
- Tests utilisateurs
- Itérations post-tests
Nous avons livré un prototype haute fidélité en 2 semaines et l'avons présenté à l'équipe Product Design de Deezer. Ils ont particulièrement apprécié l'aspect gamification de notre solution, et le point fort mis en avant était la fonctionnalité de recommandation d'artistes.
Recherche utilisateurs
Dans le cadre de ce sprint de 2 semaines, nous avons mené 5 entretiens utilisateurs de 30 minutes. Un échantillon limité, mais suffisant pour faire émerger des patterns comportementaux récurrents.
L'identité musicale ne se résume pas à 10 artistes
Les recommandations actuelles enferment l'utilisateur sans refléter la richesse de ses goûts.
"La plateforme ne te pousse pas à découvrir de nouveaux artistes, ça t'enferme plus dans ce que t'aimes bien"
Le partage est accepté si la valeur est immédiate
Les utilisateurs investissent du temps au début si cela améliore durablement leur expérience.
"C'est pour ça que je mets l'effort au début pour bien entraîner l'algo pour que par la suite, ça puisse bien suivre."
Trop d'effort dès l'entrée = abandon
Submergés dès la première connexion, les utilisateurs perdent leurs repères et décrochent.
"J'aimerai ne pas être perdu, on peut vite être bombardé de plein d'infos quand on arrive sur ce type d'appli"
Les utilisateurs sont prêts à partager leurs préférences mais l'onboarding actuel ne parvient ni à les capturer correctement, ni à leur offrir une expérience fluide en retour.
L'opportunité : capter la richesse des goûts musicaux dès les premières interactions, sans alourdir l'expérience.
Guide d’entretien – Notion
Tableau de prise de note – Excel
d
Résultats et analyse des entretiens – FigJam
Trie des verbatims – FigJam
Constats – FigJam
Analyse & idéation
Nous avons combiné des insights qualitatifs avec une analyse concurrentielle élargie allant des plateformes de streaming (Spotify, Apple Music) aux apps de rencontre (Tinder), de lecture (Blinkist) et de networking (LinkedIn), pour comprendre comment d'autres industries gèrent l'onboarding et la capture des préférences utilisateur.
CE QUE NOUS AVONS ANALYSÉ
Modes d'entrée dans l'onboarding
Import et transfert de contenu
Progression et engagement
Gamification des choix
Personnalisation et découverte
CE QUE CELA NOUS A PERMIS DE CROISER
Les limites des onboardings existants
Les mécaniques qui engagent vraiment dès les premières interactions
Les opportunités différenciantes pour Deezer
SoundCloud
Transfert de la bibliothèque
Blinklist
Choix rapide des préférences
Tinder
Choix rapide des préférences
App de rencontre
Compatibilité rendue visible
Centres d’intérêt personnalisés
Quobuz
Choix par genre
Amazon
Choix par artiste (= à Deezer)
Spotify
Choix par artiste (= à Deezer)
PROBLÉMATIQUE REDÉFINIE
Comment capturer rapidement les préférences musicales d’un nouvel utilisateur sans alourdir l’onboarding ?
DE L’IDÉATION À LA CONCEPTION
Six pistes explorées, deux écartées pour des raisons claires :
- Personnaliser sa home : trop d'engagement demandé dès l'entrée, contraire à notre objectif de réduire l'effort à l'onboarding.
- Importer selon ses amis : une bonne idée, mais pas au bon moment du parcours utilisateur.
Ce qu'on a retenu :
- Combiner l'import de playlists, le tri de morceaux et un premier tri par affinité, trois étapes progressives qui capturent les goûts sans alourdir l'expérience.
Conception
L'enjeu n'était pas seulement d'importer des données, mais de reconstruire une relation.
Nous avons choisi de privilégier une entrée simple via l'import de playlists pour recréer immédiatement un sentiment de familiarité, plutôt qu'un onboarding long, pour que le switcher se sente immédiatement chez lui.
Retrouver ses repères
Faire du transfert des playlists un point d'entrée prioritaire pour recréer immédiatement un sentiment de familiarité.
Préciser son univers
Engager l'utilisateur dans un tri rapide de morceaux pour capturer la nuance et la richesse de ses goûts.
Révéler ses affinités
Transformer les données collectées en recommandations pertinentes pour créer un effet "wow".
Miki
Gisèle
Tests utilisateurs
Nous avons mené 5 tests modérés sur prototype Figma, avec des utilisateurs de 26 ans en moyenne, 3 utilisateurs Deezer et 2 venant de Spotify. Un échantillon limité par la contrainte des 2 semaines, mais suffisant pour identifier des patterns clairs et prioriser les itérations les plus impactantes.
L'objectif : valider la compréhension du parcours et mesurer si l'onboarding permettait réellement à l'utilisateur de se sentir compris dès les premières interactions.
Les éléments d'interface manquent de clarté, wording flou et pictogramme ambigu : 5/5 ne comprennent pas immédiatement la fonction des boutons.
“Le fantôme pour moi, c'est un type de playlist caché, quelque chose comme ça, mais où la trouver après, je ne sais pas.”
Expliciter la logique de recommandation en montrant pourquoi l'artiste correspond à l'utilisateur.
PROTOTYPE V1
PROTOTYPE V2
Les utilisateurs ne comprennent pas pourquoi un artiste leur est recommandé : 4/5 ne font pas le lien entre leurs écoutes et les suggestions.
“Quand je vois Gisèle, je ne sais pas du tout ce qu'elle fait, vu que je ne la connais pas.”
Expliciter la logique de recommandation en montrant pourquoi l'artiste correspond à l'utilisateur
PROTOTYPE V1
PROTOTYPE V2
Le parcours d'inscription est apprécié, notamment l'import des musiques :
5/5 trouve l’import de donnée comme étant un gain de temps
“Ça m'arrange et c'est beaucoup plus rapide si je peux transférer toutes mes playlists sur un nouveau support plutôt que de tout refaire un à un.”
PROTOTYPE V1
PROTOTYPE V1
La classification des musiques est comprise et jugée utile :
5/5 des utilisateurs comprennent que leurs choix améliorent les recommandations
“C'est sympa de continuer parce que c'était pas très long et puis si je peux avoir des suggestions plus personnalisés par la suite c'est bien.”
PROTOYPE V1
PROTOYPE V1
Prototype V2
Enrichie des retours utilisateurs, cette version affinée renforce la reconnaissance, la guidance et le contrôle utilisateur. Cliquez pour voir comment l'expérience a évolué.
Takeaways
Ce que j'aurais poussé plus loin :
Le tri de morceaux, c'est bien, mais c'est encore trop binaire pour vraiment capturer la richesse des goûts de quelqu'un. J'aurais aimé aller vers un profil musical vivant, que l'utilisateur peut consulter et faire évoluer dans le temps. Et tester de nouveau les recommandations après itération pour voir si ça a un impact réel pour les switchers.
Ce que ce projet m’a appris :
Deux semaines, ça va vite. On a eu tendance à partir sur les premières idées qui nous semblaient bonnes sans prendre le temps d'explorer d'autres pistes. L'idéation aurait mérité qu'on lui résiste un peu plus. Et côté tests, on aurait gagné à mieux cibler nos utilisateurs, tester sur des switchers Gen Z convaincus aurait donné des insights bien plus pertinents sur les recommandations.
Ce que l'IA m'a apporté sur ce projet :
J'ai utilisé l'IA pour structurer mon guide d'entretien et générer des premières pistes de wireframes en phase d'exploration. Ça m'a permis d'aller plus vite sur le démarrage et de challenger mes hypothèses plus tôt. La limite : les wireframes avaient une esthétique reconnaissable qui ne remplace pas un vrai travail de conception, c'était un point de départ, pas une livraison.
