Disney Speedstorm — Diagnostiquer le churn par la recherche utilisateur

01 Contexte

Disney Speedstorm est un jeu de course mobile free-to-play. Le point de départ de l'étude était un indicateur business alarmant : un churn très élevé, avec 50 % des joueurs qui abandonnaient après environ 30 minutes de jeu.

Pour un free-to-play, cette attrition est critique : d'après l'étude Swrve (2019) sur le freemium mobile, seuls 25 % des premiers achats ont lieu dans les 40 premières minutes — les 75 % restants viennent après. Un joueur qui décroche pendant l'onboarding est donc un joueur qui ne paiera probablement jamais.

02 Problème & question de recherche

Qu'est-ce qui, dans les premières minutes de jeu, fait décrocher les nouveaux joueurs ? L'objectif était d'identifier les points de friction, les frustrations, les attentes déçues et les mécanismes de désengagement pendant l'onboarding.

03 Mon rôle

UX Researcher junior, en binôme avec Kenan Bouchentouf : co-construction du brief de recherche et des hypothèses produit, rédaction du protocole de passation, animation des sessions de test, analyse et présentation orale des résultats.

04 Méthodes utilisées

• Brief de recherche et hypothèses produit
• Protocole de passation
• Tests utilisateurs sur smartphone Android
• Enregistrement écran et audio (AZ Screen Recorder)
• Observation avec grille
• Verbalisation encouragée
• Questionnaire PENS (version courte, 9 items — 3 par composante de la self-determination theory)
• Entretiens semi-directifs
• Analyse qualitative
• Synthèse des résultats et présentation orale
• Recommandations produit

Cadres théoriques mobilisés

L'analyse s'appuyait sur la self-determination theory (motivation intrinsèque : autonomie, compétence, affiliation), les modèles de gameflow et d'engagement joueur, et les travaux de Celia Hodent sur la Game UX.

05 Ce que j'ai observé

• Le tutoriel est compris, mais perçu comme contraignant et lourd : plusieurs joueurs auraient préféré explorer librement ou découvrir les pilotes plus tôt. Verbatim : « moi j'voulais juste jouer ».
• Le choix du pilote est ralenti par un excès d'informations : 119 secondes en moyenne pour sélectionner un personnage — 5 compétences à lire par pilote, des statistiques peu intuitives, des équipiers avec leurs propres effets, un rôle jamais présenté.
• L'interface d'accueil est jugée encombrée par 9 participants sur 10 : 14 boutons possibles (loi de Hick non respectée), notifications, pop-ups d'offres après chaque course, couleurs vives partout. « Ça allait dans tous les sens, c'était brouillon. »
• Le mode coopératif passe inaperçu : 50 % des participants n'ont pas remarqué qu'ils jouaient en coop, 80 % n'y voyaient aucun intérêt — cohérent avec le score PENS d'affiliation de 1,5/7, le plus faible de tous.
• Une partie des utilisateurs perçoit le jeu comme répétitif dès la première session.
• Les émotions positives sont bien réelles : rires ou sourires observés chez 80 % des participants, sentiment global majoritairement positif en entretien, et davantage de remarques positives à la fin qu'au début — mais l'agacement s'installe vers 10-15 minutes et le risque de churn devient élevé après quelques parties.

06 Recommandations & livrables

• Raccourcir le tutoriel, ou le rendre plus progressif, et laisser davantage de liberté au joueur dès le début ;
• clarifier le choix des pilotes : présenter le rôle, hiérarchiser les statistiques ;
• réduire la surcharge de l'écran d'accueil (boutons, notifications, pop-ups) ;
• rendre la coopération perceptible et utile : pouvoirs d'entraide entre équipiers, rappels du classement de l'équipe, couleur commune des équipiers sur la minimap ;
• renforcer les signaux de progression et mieux soutenir l'engagement après les premières courses.

Livrables : brief de recherche, protocole, grilles d'observation, synthèse des résultats (verbatims + scores PENS) et présentation orale des recommandations devant les encadrants professionnels.

07 Impact & apprentissages

Ce projet m'a appris à partir d'un indicateur business — le churn — et à le traduire en questions de recherche opérationnelles, puis en protocole, puis en recommandations centrées sur l'onboarding, la motivation et la rétention. Il m'a aussi confronté au regard exigeant de professionnels du secteur sur le cadrage, la passation et la restitution.

« Ce projet m'a permis de transformer un indicateur business — le churn — en protocole de recherche utilisateur, puis en recommandations centrées sur l'onboarding, la motivation et la rétention. »

09 Compétences démontrées