Product design

CoStar Smart Search & IA

Unifier l’écosystème immobilier par une interface hybride et intelligente

Tâche

Unifier l'accès aux données et réduire la friction utilisateur via une interface intelligente

  • Client

    CoStar

  • Projet

    Refonte de l'interface de recherche globale

  • Rôle

    Product Designer

  • Équipe

    1 PrD, 1 PM, 3 Dev

Contexte

CoStar est l’outil leader du marché immobilier commercial, mais la richesse de ses données rendait la navigation complexe. L’utilisateur devait naviguer dans des silos d’informations (Propriétés, News, Comps, Locataires) sans vue d’ensemble.

Découverte

Analyse des données (Quantitative)

Grâce aux outils de tracking (Pendo et Heat Maps), nous avons identifié un comportement critique :

00%

90,9K/mois des utilisateurs utilisent activement la barre de recherche

00%

Seulement 2K/mois utilisent le menu déroulant de sélection de section.

Le constat : La sélection manuelle de la catégorie avant la recherche est une barrière cognitive majeure.

Retours utilisateurs (Qualitative)

Les entretiens et les tests d’utilisabilité ont mis en lumière une frustration réelle liée à la rigidité du système actuel :

Sur la pertinence

"Je trouve que la barre de recherche d'adresse n'est pas géniale. Les résultats apparaissent dans un ordre qu'on ne comprend pas."

Sur la sensibilité du système

"Le simple fait d'ajouter un espace change complètement la liste des résultats... l'ordre dépend trop de détails futiles."

Contrainte liée au sélecteur de section

L’utilisateur doit obligatoirement choisir une section (via un menu déroulant) avant de pouvoir effectuer une recherche. Cette exigence empêche de visualiser l’ensemble des fonctionnalités ou du contenu du produit en une seule fois.

Absence de vue d'ensemble

Comme seule la section sélectionnée s’affiche, l’utilisateur ne peut pas naviguer librement parmi les différentes parties du produit. Il n’existe aucun mode « tout afficher » permettant d’agréger l’éventail complet des offres ou des capacités du produit.

Friction lors du changement de section

Pour passer d’une section à une autre, l’utilisateur doit :

  • Rouvrir le sélecteur.

  • Choisir la nouvelle section.

  • Relancer la recherche. Chaque changement de contexte impose ces trois étapes, ce qui alourdit considérablement le flux de travail (workflow).

Impact sur l'expérience utilisateur (UX)

  • Perte de temps : De multiples allers-retours sont nécessaires pour comparer ou explorer les différentes sections.

  • Risque d’abandon : La complexité ajoutée et la répétition des clics peuvent décourager les utilisateurs.

  • Frustration : Il n’y a aucune continuité visuelle ou cognitive lors de la navigation entre les sections.

Le challenge

Comment pouvons-nous simplifier le processus de recherche pour offrir instantanément une vue d'ensemble complète de tout le contenu produit ?

Personas & Besoins Métiers

Pour concevoir une recherche universelle, nous avons cartographié les intentions spécifiques des métiers clés :

Le Broker

Son objectif : Identifier des opportunités de mandats et conseiller ses clients sur les prix de marché.

Indicateurs clés : Prix au m², taux de vacance, échéances de baux (Lease Renewals).

Le « Plus » de la recherche unifiée : Il peut désormais taper « Bureaux à Manhattan avec baux expirant sous 12 mois » et obtenir à la fois les propriétés, les locataires actuels et les news liées.

Le Banquier

Son objectif : Évaluer le risque d'un financement et la solvabilité des emprunteurs.

Indicateurs clés : LTV (Loan To Value), historique de refinancement, taux de défaut des sponsors.

Le « Plus » de la recherche unifiée : En cherchant un portfolio spécifique (ex: « LTV > 75% portfolio XYZ »), il accède directement aux données financières critiques sans naviguer dans les sous-menus « Public Record ».

L'Investisseur

Son objectif : Maximiser le rendement et identifier les zones de croissance.

Indicateurs clés : Taux de CAP, Cash Flow net, tendances de prix de vente.

Le « Plus » de la recherche unifiée : Il peut comparer instantanément deux marchés (ex: « Comparaison bureau Dallas vs Houston ») et obtenir des rapports d’analyse générés par l’IA en complément des listings.

L'Utilisateur Final

Son objectif : Trouver des locaux adaptés à son activité au meilleur prix.

Indicateurs clés : Accessibilité (transports/commerces), performance énergétique (DPE), aménagement intérieur.

Le « Plus » de la recherche unifiée : Une recherche naturelle (ex: « Entrepôt à Denver avec photos et plans ») lui évite de configurer des filtres complexes.

Benchmarking & Idéation

Nous avons exploré plusieurs pistes, de la recherche facettée classique à l’agent conversationnel pur (type ChatGPT). L’enjeu était de trouver la bonne dose entre la puissance technologique de l’IA et le modèle mental actuel de nos utilisateurs.

Presse
Bloomberg & Financial Times
  • Recherche par mots clés
  • Affiche les résultats par catégories
  • Ajoute des suggestions basé sur la recherche
SAS
Algolia
  • Recherche par facette
  • Filtres dynamiques basés sur les attributs
  • Exccellent pour les produits complexes
Marketplace
Amazon

Depuis 2023, Amazon a commencé à integrer des LLM afin d’enrichir la recherche de produits avec des résulés, la reformulation des requêtes et même des experiences de chat avec Amazon Rufus

Rufus utilise l’IA générative basée sur le LLM pour : 

  • Répondre aux questions
  • Fournir des guides d’achat
  • Comparer les produits
  • Résumer les avis
  • Aider à la découverte des produits

Pour concevoir la solution de recherche IA idéale pour CoStar, nous avons mené une phase d’exploration approfondie couvrant les technologies sémantiques, les systèmes à facettes et les agents conversationnels. Cette analyse comparative nous a permis d’identifier une architecture hybride capable de transformer des données immobilières denses en une expérience fluide et intelligente.

Objectif : garantir que chaque utilisateur, quelle que soit la complexité de sa requête, obtienne une réponse précise et contextualisée.

Prototypages

Solution A

Le Chatbot "Full Conversational"

Solution non retenue

Une interface 100% chat.

Bien que moderne et courante, cette option présentait un risque de rupture trop important pour des professionnels habitués à des workflows rapides et visuels.

De plus, l’intégration de l’icône de Chat sur une page d’accueil dédiée à l’actualité générait une dissonance cognitive. Ce décalage entre un contenu informatif (news) et un outil fonctionnel (recherche IA) risquait de brouiller la perception de l’utilisateur quant à la véritable valeur ajoutée du chatbot.

L’interface génère des réponses dynamiques et contextuelles adaptées à chaque requête. Conçu comme un système de recherche guidée, l’agent accompagne l’utilisateur pas à pas, affinant les résultats de manière itérative pour garantir une précision maximale à chaque étape de l’exploration.

Solution B

L'Interface Hybride (Guided Search)

Solution retenue

Cette solution a été choisie comme la plus impactante pour nos utilisateurs.

Respect du modèle mental

Nous conservons la barre de recherche, point d’entrée naturel. Nous ne changeons pas radicalement leurs habitudes, ce qui garantit un taux d’adoption élevé.

Amélioration incrémentale "IA-Augmented"

L’IA transforme une recherche par mots-clés rigide en une expérience fluide capable d’extraire des intentions (NLP).

Le Chat comme accélérateur

Le chatbot intégré n’est pas là pour remplacer la recherche, mais pour l’affiner via des pistes contextuelles (ex: « Trouver des propriétés similaires »).

Ces trois scénarios illustrent la polyvalence de l’interface : de la recherche directe par adresse à l’exploration ciblée via des facettes précises, jusqu’à l’extraction d’insights stratégiques par le chatbot. Cette synergie permet à l’utilisateur de passer intuitivement de la donnée brute à une analyse assistée par l’IA, garantissant une réponse pertinente quel que soit le niveau de complexité de la requête.

La simple adresse

Optimisation de la saisie directe pour un accès immédiat aux fiches propriétés. L’interface reconnaît instantanément l’intention géographique et priorise les résultats les plus pertinents pour réduire la charge cognitive et accélérer la navigation.

La recherche précise

Exploitation des facettes dynamiques pour segmenter des données immobilières complexes. L’utilisateur peut combiner plusieurs critères métiers (surfaces, taux de vacance, types d’actifs) pour isoler des opportunités ciblées avec une précision chirurgicale.

Recherche d'information

Utilisation du langage naturel pour extraire des insights stratégiques. Le système dépasse le simple listing pour répondre à des problématiques complexes, comme la comparaison de marchés ou l’analyse de tendances, transformant la donnée brute en aide à la décision.

Test & Itération

Validation du Workflow

Le nouveau parcours utilisateur réduit drastiquement les étapes :

Ancien flux
  • Choisir une section
  • Taper
  • Chercher
  • (Erreur)
  • Changer de section
  • Re-taper
Nouveau flux
  • Taper la requête
  • Vue globale instantanée
  • Affinement intelligent via Chat ou Tags
Impact attendu

-40% de temps de recherche

Un gain d'efficacité majeur obtenu en brisant les silos de données et en éliminant les allers-retours de navigation

+90% de taux d'adoption

Une courbe d'apprentissage quasi inexistante grâce au maintien de la barre de recherche centrale

Découvrabilité décuplée

Une augmentation massive de la visibilité des contenus "Analytics" et "Reports", désormais poussés de manière proactive par l'IA
Conclusion

Ce projet démontre ma vision du Product Design

L’innovation ne doit pas être une rupture, mais une évolution fluide. En retenant la Solution B, nous avons choisi l’impact et l’utilisabilité plutôt que la simple démonstration technologique.

Retour
Projet suivant
Doctolib