Apprentissage Lean Data

Voix constitutives

Chez Omidyar Network, nous partons d’une conviction fondamentale: les personnes sont fondamentalement bonnes et capables, mais elles manquent souvent de possibilités. Nous croyons que si nous investissons dans les personnes, par le biais d'opportunités, elles créeront des rendements positifs pour elles-mêmes, leurs familles et le monde entier.

Mais trop souvent, les voix de ceux qui se trouvent au bout de nos interventions - les personnes que nous espérons autonomiser - ne sont pas entendues par les acteurs qui génèrent les capitaux, les politiques et les ressources à leur avantage. Les conversations sont plutôt axées sur les entrepreneurs, les marchés des capitaux, les coûts-avantages ou d’autres considérations descendantes.

Nous pensons qu’il est essentiel d’écouter directement le point de vue des personnes pour lesquelles nous travaillons. Cette série partagera les points de vue de ceux qui collaborent plus largement avec les entreprises de notre portefeuille et les particuliers. L'objectif est d'aider à ancrer les activités des investisseurs, des philanthropes et des acteurs du changement social dans l'opinion des personnes que nous voulons tous autonomiser, et de générer un dialogue pouvant révéler les tendances changeantes pour obtenir des résultats plus efficaces.

Dans ce deuxième numéro, Lean Data Learnings, nous présentons les résultats de notre enquête mondiale menée auprès de 11 500 clients et mandants de 36 de nos sociétés émettrices afin de comprendre l’opinion de leurs clients vis-à-vis des produits et services que nous finançons.

Cliquez ici pour le numéro 1: Confiance et confidentialité

Apprentissage Lean Data

Omidyar Network a chargé l’équipe Lean Data d’Acumen d’enquêter auprès des 36 entreprises participantes sur les clients afin de comprendre dans quelle mesure elles servaient bien ces entreprises. L’étude montre que les clients attribuent un score moyen de 42 promoteurs nets à nos sociétés participantes, avec toutefois de grandes variations. Soixante-quatorze pour cent de ces clients disent que la qualité de vie s'est améliorée grâce à ces entreprises. Cette recherche a considérablement approfondi la compréhension à la fois du réseau Omidyar et de nos sociétés bénéficiaires de la façon dont les clients qu’ils servent les voient.

À quelle fréquence, après avoir effectué un achat en ligne, voyez-vous un sondage apparaître: «Sur une échelle de 1 à 10, quelle est votre probabilité de nous recommander à un ami?» Le but de cette question est de générer un score de promoteur Web. (NPS), qui est une mesure de la satisfaction du client. Développé au début des années 2000, il est devenu omniprésent pour les entreprises à but lucratif. Cependant, les startups et les organisations du secteur social ne sont pas toujours en capacité de dialoguer de la sorte avec leurs utilisateurs¹.

Au cours de la dernière année, Omidyar Network s'est associé à Acumen Lean Data pour obtenir de meilleurs résultats pour notre portefeuille grâce à la connaissance des consommateurs. Au deuxième semestre de 2017, nous avons achevé notre tout premier «Sprint de données lean», au cours duquel nous avons interrogé plus de 11 500 clients de 36 de nos sociétés dans 18 pays pour connaître leur opinion sur les produits et services fournis. Pour nombre de nos clients, c’était la première fois qu’ils interrogeaient systématiquement leurs clients. Pour Omidyar Network, c’était la première fois que nous posions des questions standard et obtenions des réponses comparables: i) à l’opinion des personnes que nous servons à l’égard des produits / services que nous finançons, ii) dans quelle mesure le produit ou le service a-t-il amélioré leur vie (si du tout), et iii) de quelle tranche de revenus proviennent ces clients.

Si la recherche a permis de valider une partie de ce que la direction de la société et les gestionnaires de placements d’Omidyar Network connaissaient déjà, elle a également apporté de nouvelles informations aux deux équipes. Ci-dessous, nous partageons les informations les plus significatives tirées de données quantitatives et de commentaires qualitatifs.

Instantanés de données quantitatives

L'analyse Lean Data a ajouté une représentation quantitative de l'expérience client à notre compréhension de la manière dont nos sociétés et organisations du portefeuille servent leurs bénéficiaires cibles. Les données présentées ci-dessous incluent des mesures des scores Net Promoter, des effets sur la qualité de vie et de l’inclusion. Nous notons, bien sûr, que de telles données sur les clients présentent clairement des limites, telles que l’instantané dans le temps d’une enquête, et le fait que les réponses sont probablement relatives aux attentes - si un client avait des attentes faibles dès le départ, plus facile pour la société de surperformer aux enquêtes auprès des clients, ou inversement. Néanmoins, compte tenu de la rapidité de notre approche, les sociétés du portefeuille participant et nous-mêmes avons estimé que ces données constituaient un complément efficace en termes de ressources aux données actuellement disponibles pour la gestion de portefeuille. Étant donné les questions standard appliquées à une tranche diversifiée du portefeuille du réseau Omidyar, l'utilisation de cette analyse dans le cadre de notre stratégie d'apprentissage présente également un intérêt.

Net Promoter Score (NPS)

Le Net Promoter Score moyen pour les entreprises interrogées était de 42, et il y avait une grande variation: les scores allaient de -18 à 90, avec plus du tiers de l'échantillon supérieur à 50. Les utilisateurs de cette métrique ont tendance à considérer les scores entre 0 et 50. «passable à bon» et les scores supérieurs à 50 «excellents». À titre de comparaison, Apple, Amazon et Netflix ont des scores Net Promoter de 72, 69 et 68, respectivement. Ceux qui ont obtenu des notes élevées ont souvent invoqué l’intégrité et la transparence. Les causes de faibles scores avaient tendance à être des plaintes non résolues et une communication insuffisante ou inefficace.

Amélioration de la qualité de vie

En moyenne, 74% des répondants disent que la qualité de vie s'est améliorée; 39% disent «très bien» Comme point de données complémentaire du NPS, nous avons posé la question simple: votre qualité de vie s'est-elle améliorée grâce à [entreprise]? En moyenne, dans l'ensemble du portefeuille des entreprises participant au sprint, les trois quarts des clients ont déclaré avoir un impact positif, 39% d'entre eux indiquant que les entreprises s'étaient «considérablement améliorées». La figure 2 montre les données pour chaque entreprise avec une représentation cumulative de ceux qui ont indiqué que la qualité de vie était «légèrement» ou «très nettement» améliorée. Dans les commentaires qualitatifs, les changements cités vont de meilleures habitudes de consommation pour un produit de finances personnelles à une relation améliorée entre parent et enfant pour un fournisseur d’éducation.

La répartition des revenus

En moyenne, 50% des clients vivent avec moins de 6 $ / jour (2011 PPA) ². Une partie de notre ambition en tant qu’investisseur à impact consiste à fournir des produits et des services de meilleure qualité, plus abordables aux populations à faible revenu qui paient souvent une «prime de pauvreté» pour vivre et commercer dans les économies informelles. Grâce au Lean Data Sprint, nous avons pu collecter des données sur l’ensemble du portefeuille afin de fournir un instantané des niveaux de revenus des clients de nos clients.

La figure 3 montre la répartition du revenu des clients pour chaque entreprise participant à cette partie de l’enquête. Naturellement, il existe une variété de profils - certaines entreprises en haut du graphique atteignent principalement des clients à faible revenu, tandis que d'autres au bas du graphique servent principalement des clients à revenu élevé. Ceux dont le profil est plus pentu atteignent des tranches de revenus variées, tandis que les profils plus plats visent plus systématiquement une tranche.

Il est important de noter que nous constatons souvent que les entreprises à impact desservent une base de revenus diversifiée, et certains de ces profils reflètent cela. En fait, nous avons construit une base de recherche pour vérifier que les modèles à revenus multiples sont efficaces. Un rapport récent, Atteindre profondément dans les marchés à faible revenu, révèle que le fait de servir des populations ayant des niveaux de revenu légèrement supérieurs ne semble pas empêcher les organisations d'atteindre également des niveaux de revenu beaucoup plus bas. En fait, la prévalence de ces modèles de revenus croisés peut indiquer que cette caractéristique est essentielle à la viabilité financière. Avec les données de revenu collectées grâce à cette enquête, nous pouvons commencer à tester ces hypothèses au fil du temps.

L'inclusivité

La figure 4 présente certaines des données d'inclusion au niveau des pays, comparant deux pays où nous disposons d'un échantillon suffisamment important pour conserver l'anonymat: l'Afrique du Sud et l'Inde. La ligne en trait plein représente la répartition du revenu national et les lignes en pointillé représentent chacune la répartition du revenu de la société d’une entreprise, mais avec plus de précision dans les tranches de revenu. Le fait que la plupart des lignes pointillées représentant le revenu des clients des entreprises se situent en dessous des lignes des pays signifie que les distributions des revenus des clients de nos clients participants sont biaisées en faveur des groupes à revenus plus élevés par rapport à la distribution nationale. Bien que nous nous attendions à trouver la plupart des entreprises desservant des clients à revenus moyens aux côtés de clients à revenus modestes (selon la recherche référencée à gauche), il a été utile de voir le degré de ce déséquilibre entre les entreprises et les pays et d'identifier ce qui mérite une enquête plus approfondie. .

Exemples de données qualitatives par secteur

En associant nos résultats quantitatifs à des informations qualitatives, nous apportons plus de richesse, notamment par secteur. En posant des questions ouvertes sur l'expérience client, nous pouvons commencer à brosser un tableau de ce qui est important et le plus remarquable du point de vue du client. Ci-dessous, nous partageons certains des commentaires initiaux fournis par les clients. Nous soulignons toutefois que ce que nous partageons ici n’est qu’un instantané des commentaires relatifs à la saveur plutôt que des conclusions concluantes. Les commentaires qualitatifs propres à chaque entreprise sont très riches et nous n’avons rassemblé qu’une sélection de commentaires cohérents au niveau sectoriel afin de représenter de manière anonyme le type de contenu mentionné dans l’enquête.

Nous croyons qu’écouter les électeurs est essentiel pour obtenir des résultats positifs pour les bénéficiaires pour lesquels nous travaillons.

Ces informations ne sont qu’un avant-goût de ce qui a été partagé: informations utiles et spécifiques des clients pour guider la direction de la société et les équipes d’investissement d’Omidyar Network afin d’aider les sociétés à mieux servir ces clients au fil du temps.

La valeur de la rétroaction réelle

Il est souvent difficile pour les investisseurs d'impact de développer des pratiques de données efficaces pour soutenir la mesure de l'impact dans leurs portefeuilles. Nous avons constaté que Lean Data permettait de collecter les commentaires des clients sans prendre en compte les ressources. Cette pratique nous a permis de mieux comprendre comment optimiser les résultats financiers et sociaux de nos sociétés du portefeuille. Nous sommes heureux d’apprendre que d’autres bailleurs de fonds utilisent également cet outil. Par exemple, le Department for International Development du Royaume-Uni a appliqué cette méthodologie à la compréhension des opinions des clients sur une usine de production d’aliments pour volaille au Ghana, en fournissant un retour d’information essentiel pour eux-mêmes et pour l’usine.

Le Lean Data Sprint n’est qu’une des méthodes que nous avons récemment employées pour mieux comprendre l’impact de nos sociétés du portefeuille sur les particuliers du monde entier. Cette enquête, menée auprès de plus de 11 500 personnes, s’inscrit dans le cadre des analyses approfondies et individuelles de sociétés Lean Data que nous avons commandées l’an dernier, ainsi que d’autres données recueillies pour la gestion, le suivi et l’évaluation de portefeuille. Nous menons également des recherches non spécifiques à l'entreprise sur les opinions constituantes au moyen d'enquêtes directes, d'entretiens et de recherches plus approfondies de type ethnographique. Des recherches telles que celle mentionnée ci-dessus, Atteindre la profondeur des marchés à faible revenu, éclairent également nos hypothèses sur ce qui pourrait avoir un impact positif.

Tout comme les tests de consommation sont un élément clé du développement de produits, nous pensons qu’écouter les mandants est essentiel pour obtenir des résultats positifs pour les bénéficiaires pour lesquels nous travaillons tous. C’est un outil que nous utilisons pour les aider à renforcer leur voix dans notre travail.

Remerciements

Nous voudrions remercier Kasia Stochniol et Tom Adams pour leur dévouement, leur diligence et leur créativité dans la conduite de projets Lean Data pour le réseau Omidyar; et des membres de l'équipe Lean Data (Prashant Maheshwary, Sonia Kuguru, Jessica Martin, Ashley Speyer, Ushnisha Ghosh) pour leur aide.

Surtout, nous voudrions remercier les investisseurs du réseau Omidyar qui étaient disposés à expérimenter un nouvel outil afin de mieux servir leurs utilisateurs.

[1] Nous utilisons les termes «client», «consommateur», «constituant», «utilisateur» et «bénéficiaire» de manière interchangeable dans le présent numéro. Tous les termes font référence à la population desservie par notre portefeuille d'organisations à but lucratif et non lucratif.

[2] Les niveaux de pauvreté internationaux sont mesurés à l'aide de la parité de pouvoir d'achat (PPA). La PPP est une théorie économique qui compare les devises de différents pays selon une approche de «panier de biens» du marché. Selon ce concept, deux monnaies sont au pair lorsqu'un panier de biens (tenant compte du taux de change) a le même prix dans les deux pays.

[3] Le Poverty Probability Index® est un outil d’enquête facile à utiliser qui utilise des indicateurs d’actif et de ménage - tels que la taille du ménage ou la structure du toit - pour estimer la probabilité qu’un répondant soit pauvre ou à faible revenu.