Réponse rapide : Si vous voulez créer une expérience utilisateur de journalisation TCC que les gens utilisent réellement, vous devez supprimer l'émoji d'humeur standard. Chez Vividiary, nous avons réalisé que le suivi de base de l'humeur indique seulement aux utilisateurs ce qu'ils ressentent, et non pourquoi. Nous avons initialement testé un formulaire TCC clinique traditionnel en 7 étapes, mais nous l'avons rejeté après avoir constaté un taux d'abandon brutal de 60% lors des tests utilisateurs : cela ressemblait trop à des devoirs. Au lieu de cela, nous sommes passés à la cartographie conversationnelle des déclencheurs. Pour que cela fonctionne, nous avions besoin d'une puissance de raisonnement LLM sérieuse. Nous avons explicitement rejeté l'IA sur l'appareil car les modèles locaux n'étaient pas capables d'un recadrage cognitif nuancé. Nous avons opté pour une architecture cloud axée sur la confidentialité, garantissant que vos données de type « zero-party » sont fortement chiffrées tout en fournissant les informations approfondies et contextuelles dont les utilisateurs ont besoin pour comprendre leur santé mentale.
---
Lorsque nous nous sommes assis pour concevoir Vividiary, nous avons fait ce que font toutes les autres applications de santé mentale : nous avons conçu une grille massive d'émojis d'humeur magnifiquement illustrés.
Nous avons passé des semaines à débattre de la nuance exacte de bleu pour « mélancolie » par rapport à « triste ». Nous pensions construire l'outil de vocabulaire émotionnel ultime. Mais lorsque nous l'avons présenté à de vrais utilisateurs, les données nous ont frappés de plein fouet. Les gens passaient de 15 à 20 secondes à fixer l'écran, paralysés par le choix, avant de fermer l'application de force.
Nous avons réalisé une vérité difficile sur notre produit : le suivi traditionnel de l'humeur est fondamentalement défectueux. Il mesure uniquement le résultat (l'émotion) sans découvrir la cause (le déclencheur). Il laisse les utilisateurs avec un graphique coloré de leur misère, mais absolument aucune étape suivante exploitable pour y remédier.
Voici l'histoire interne de la façon dont nous avons démoli nos conceptions originales, ce que nous avons essayé à la place, et pourquoi nous avons complètement réarchitecturé Vividiary pour nous concentrer sur la cartographie des déclencheurs.
Pourquoi nous avons supprimé l'émoji d'humeur standard
Le problème L'objectif initial était simple : donner aux utilisateurs un moyen d'enregistrer ce qu'ils ressentent. La norme de l'industrie dicte de présenter à l'utilisateur 20 à 30 émojis représentant un spectre d'émotions.
Mais lors de nos premiers tests bêta, nous avons remarqué un problème flagrant. Lorsqu'un utilisateur est dans un état de détresse émotionnelle élevée (par exemple, il vient de faire une crise de panique ou d'avoir une dispute importante avec son partenaire), la toute dernière chose qu'il veut faire est de jouer à « Où est Charlie ? » avec une grille de petits visages pour trouver celui qui résume parfaitement « anxieux mais aussi en colère et légèrement affamé ».
De plus, enregistrer une émotion isolément n'aide pas à la régulation émotionnelle. Si vos données vous disent que vous étiez « en colère » mardi, « triste » mercredi et « anxieux » jeudi, que faites-vous de cette information ? Rien. C'est une impasse.
L'approche que nous avons choisie Nous avons décidé de supprimer la grille d'émojis en tant qu'entrée principale. Nous l'avons remplacée par un système d'humeur de niveau 5 radicalement simplifié : Meilleur, Bon, Neutre, Bas et Pire.
Nous avons relégué les émojis spécifiques à un écran de sélection multiple optionnel pour des émotions et des activités spécifiques, visible uniquement après que la friction initiale de l'enregistrement soit passée.
Pourquoi ? Parce qu'appuyer sur l'un des cinq gros boutons prend exactement 3 secondes. Cela réduit considérablement la charge cognitive. Dans nos tests A/B de suivi, ce simple changement a augmenté l'achèvement de l'enregistrement quotidien de 41%. Si vous êtes curieux de connaître la psychologie plus profonde derrière cela, j'ai écrit longuement sur notre conception de produit axée sur les émotions et pourquoi s'effacer devant l'utilisateur est la meilleure chose qu'un concepteur puisse faire.
Ce que nous avons rejeté : le formulaire TCC clinique en 7 étapes
Le problème Une fois que nous avons simplifié la saisie de l'humeur, nous avions besoin d'un moyen de capturer le contexte (le « pourquoi » derrière l'humeur). La thérapie cognitivo-comportementale (TCC) est la référence en la matière. Donc, naturellement, nous avons pensé que nous devrions simplement numériser une feuille de travail TCC.
L'approche que nous avons envisagée (et abandonnée) Nous avons construit un formulaire TCC clinique complet en 7 étapes. Il demandait aux utilisateurs de remplir manuellement des zones de texte pour : 1. La situation 2. La pensée initiale 3. L'émotion (et l'intensité 1 à 100) 4. La sensation physique 5. Le comportement/l'action 6. Les distorsions cognitives présentes 7. Une pensée alternative/recadrée
D'un point de vue clinique, c'était parfait. C'était exactement ce qu'un thérapeute vous remettrait sur un morceau de papier.
D'un point de vue produit, c'était un désastre total.
Ce que nous avons appris Nous avons déployé cela auprès d'une cohorte de 500 bêta-testeurs. Les résultats ont été brutaux. Nous avons constaté un taux d'abandon de 60% dès le troisième jour.
Lorsque nous avons mené des entretiens avec les utilisateurs, les commentaires étaient unanimes : « On a l'impression de faire des devoirs. »
Les utilisateurs nous ont dit que lorsqu'ils se sentaient « Bas » ou « Pire », la perspective de taper sept paragraphes d'analyse psychologique approfondie était écrasante. Nous demandions aux utilisateurs d'effectuer le travail difficile de recadrage cognitif alors qu'ils étaient activement dérégulés. C'était le mauvais outil au mauvais moment. Bien que ces techniques de journalisation TCC cliniques soient incroyablement efficaces dans le cabinet d'un thérapeute, elles échouent lamentablement en tant qu'expérience utilisateur mobile autoguidée.
Cartographie des déclencheurs : créer une expérience utilisateur de journalisation TCC qui fonctionne vraiment
La solution Si un formulaire statique ressemble à des devoirs, qu'est-ce qui semble naturel ? Une conversation.
Nous avons complètement abandonné le formulaire en 7 étapes et sommes passés à une interface utilisateur conversationnelle pilotée par l'IA. Nous avons introduit un mode de conversation IA (disponible à la fois en voix et en texte) qui agit comme un auditeur doux et curieux.
Au lieu d'exiger sept points de données dès le départ, l'IA demande simplement : « Qu'est-ce qui vous préoccupe aujourd'hui ? » Au fur et à mesure que l'utilisateur se confie, l'IA pose des questions de suivi ciblées et alignées sur la TCC.
Utilisateur : « Je suis tellement stressé par ma présentation de demain. Je sais que je vais me planter. »
IA : « On dirait que cette présentation pèse lourdement sur vous. Qu'est-ce qui vous fait spécifiquement penser que vous allez vous planter ? »
En coulisses, l'IA fait le gros du travail. Elle extrait silencieusement la situation, l'émotion et la distorsion cognitive (dans ce cas, la divination). Une fois la conversation naturellement terminée, l'IA génère de manière transparente un brouillon de journal à la première personne que l'utilisateur peut examiner, modifier et enregistrer.
Pourquoi cela change la donne : la cartographie des déclencheurs Cette méthode de collecte sans friction comble le fossé entre le simple enregistrement d'un sentiment et la compréhension de sa cause profonde. En capturant le contexte de manière conversationnelle, nous pouvons effectuer une cartographie des déclencheurs.
La cartographie des déclencheurs permet à notre système de relier les points au fil du temps. Nous pouvons montrer à un utilisateur : « Hé, nous avons remarqué que 80% des fois où vous enregistrez une humeur « Basse », cela est précédé d'une conversation sur votre manager. »
Pour rendre ces données digestibles, nous avons construit des analyses avancées. Alors que notre niveau gratuit offre un enregistrement illimité de l'humeur, 3 conversations IA par jour et des analyses de base, nous avons réservé la visualisation de données lourdes pour notre niveau Premium (2.99 $/mois ou 11.99 $/an). Les utilisateurs Premium ont accès à des rapports d'humeur hebdomadaires et mensuels, des graphiques à bulles et des cartes thermiques qui visualisent ces boucles de comportement.
L'expérience utilisateur gamifiée Mais la TCC reste un travail difficile. Pour maintenir l'engagement tout au long du processus difficile de réflexion, nous avons introduit une expérience utilisateur gamifiée. Au fur et à mesure que les utilisateurs enregistrent leurs humeurs et terminent des sessions de cartographie des déclencheurs, ils nourrissent un personnage « Clay ». Sur 30 jours, ce personnage grandit et évolue vers l'une des 8 formes finales, directement influencées par les données émotionnelles de l'utilisateur. Cela transforme un enregistrement routinier, parfois douloureux, en un voyage gratifiant de découverte de soi.
L'architecture : pourquoi nous avons choisi un cloud axé sur la confidentialité plutôt qu'une IA sur l'appareil
Le problème La cartographie des déclencheurs nécessite que les utilisateurs partagent un contexte profondément personnel. Si un utilisateur doit parler à notre application de ses problèmes conjugaux, de son anxiété au travail ou de ses insécurités les plus profondes, il a besoin d'une garantie absolue que ses données sont en sécurité.
Vividiary est fondamentalement une application de bien-être basée sur les données « zero-party ». Les données « zero-party » sont des données qu'un client partage intentionnellement et de manière proactive avec une marque. Elles sont très fiables, mais nécessitent une immense confiance.
Les approches que nous avons envisagées Lors de la conception de l'architecture de l'IA, nous avons eu un débat interne massif sur l'endroit où le traitement de l'IA devrait avoir lieu.
Approche 1 : IA sur l'appareil
Nous avons sérieusement envisagé d'exécuter de petits LLM localisés directement sur le téléphone de l'utilisateur. L'attrait est évident : si les données ne quittent jamais l'appareil pour le traitement, la confidentialité est théoriquement plus facile à commercialiser.
Approche 2 : LLM basés sur le cloud
Utilisation de modèles de pointe (comme GPT-4 d'OpenAI ou Claude d'Anthropic) hébergés dans le cloud, nécessitant l'envoi de données sur le réseau pour le traitement.
Ce que nous avons choisi (et pourquoi) Nous avons explicitement rejeté l'IA sur l'appareil.
Pourquoi ? Parce que les modèles mobiles locaux ne sont tout simplement pas encore assez intelligents. Lorsque nous avons testé des modèles locaux à 7 milliards de paramètres pour le recadrage TCC, les résultats étaient soit extrêmement génériques (« Ne vous inquiétez pas, soyez heureux ! »), soit complètement hallucinés. Le recadrage cognitif nuancé nécessite d'immenses capacités de raisonnement. Si l'IA donne de mauvais commentaires psychologiques, ce n'est pas seulement une mauvaise expérience utilisateur, c'est potentiellement nocif pour la santé mentale de l'utilisateur.
Au lieu de cela, nous avons opté pour une architecture cloud axée sur la confidentialité. Nous utilisons des LLM basés sur le cloud pour garantir la meilleure qualité de raisonnement TCC.
Comment nous l'avons construit Pour protéger ces données sensibles « zero-party », nous avons construit Vividiary sur une pile moderne et hautement sécurisée : React Native (Expo) pour le frontend, Supabase pour notre base de données backend, RevenueCat pour la gestion des abonnements et Firebase Auth pour une authentification utilisateur sécurisée.
Parce que les données doivent voyager vers le cloud pour que l'IA puisse les traiter, nous appliquons des principes de conception stricts axés sur la confidentialité. Toutes les données sont fortement chiffrées à la fois en transit (via TLS) et au repos dans nos bases de données Supabase. Nous traitons vos entrées de journal comme des dossiers médicaux. Nous ne vendons pas vos données, nous n'entraînons pas nos propres modèles fondamentaux sur vos journaux personnels, et nous nous assurons que notre infrastructure cloud répond à des normes de sécurité rigoureuses.
Nous avons choisi la transparence plutôt que les gadgets marketing. Nous ne prétendrons pas que vos données sont « traitées localement » car ce n'est pas le cas. Elles sont traitées dans un environnement cloud hautement sécurisé afin que vous obteniez les meilleures informations TCC possibles sans compromettre votre confidentialité.
Les données : la dure vérité sur notre rétention à 30 jours
Alors, tout cela a-t-il fonctionné ?
J'ai promis d'être franc, alors regardons les chiffres. Lorsque nous utilisions le formulaire clinique en 7 étapes, notre rétention au jour 30 était d'un triste 12%. Les gens téléchargeaient l'application, réalisaient que c'était trop de travail et abandonnaient.
Après avoir supprimé la grille d'émojis d'humeur, introduit l'enregistreur d'humeur de niveau 5 en 3 secondes, déployé la cartographie conversationnelle des déclencheurs et ajouté le personnage Clay évolutif, notre rétention au jour 30 a bondi à 34%.
Si vous voulez une plongée plus profonde dans les cohortes spécifiques et la façon dont nous mesurons le succès, vous pouvez lire notre analyse complète de nos métriques de rétention à 30 jours.
Ce que nous avons appris Un taux de rétention au jour 30 de 34% dans la catégorie santé et bien-être est incroyablement fort, mais ce n'est pas parfait.
Nous avons appris que certains utilisateurs trouvent toujours les conversations avec l'IA légèrement étranges. Environ 15% de nos utilisateurs refusent complètement le chat IA, préférant simplement utiliser l'enregistreur d'humeur de niveau 5 et écrire leurs propres notes manuelles. Nous avons également appris que notre fonctionnalité de conversion voix-texte, bien que populaire, a du mal avec les accents prononcés, ce que notre équipe d'ingénierie travaille activement à améliorer.
Quelle est la suite Nous construisons actuellement des visualisations de cartographie des déclencheurs plus robustes pour le niveau Premium, permettant aux utilisateurs de croiser leurs données d'humeur avec des facteurs externes comme la météo, les données de sommeil (via l'intégration Apple Health) et le temps d'écran.
Construire une expérience utilisateur de journalisation TCC est un exercice d'équilibre entre l'efficacité clinique et la friction humaine. Si vous le rendez trop clinique, les utilisateurs abandonneront. Si vous le rendez trop simple (comme une grille d'émojis), les utilisateurs n'en tireront aucune valeur. En nous concentrant sur la cartographie conversationnelle des déclencheurs et une architecture cloud axée sur la confidentialité, nous pensons avoir enfin trouvé le juste milieu.
