Анализ на данни в UX изследвания | UX изследвания #33

Знаете ли каква роля игра анализът на данни в изследването на UX? Днес бихме искали да се фокусираме върху въпроса за анализа на данни в UX, като обсъдим качествения и количествения анализ на данни и научим за неговите етапи, основни цели и задачи. Ще предложим и кога е подходящият момент да го проведем в проект.

Анализ на данни в изследването на UX – съдържание:

1. Защо да анализираме събраните данни?
2. Кога да анализираме данните?
3. Анализ на данни в изследването на UX
4. Определяне на целите на анализа
5. Качествен анализ на изследователските данни
6. Резюме

Защо да анализираме събраните данни?

Вземането на решение за продукт, основано единствено на сурови данни, е огромна грешка в UX. Пропускането на етапа на анализ може да доведе до предоставяне на потребителите на непълно или неефективно решение, или дори да накара проектния екип да се фокусира върху решаването на неправилния проблем или да не разпознае реалните потребители. По тези и други причини, анализът на данни е съществен процес, който поддържа целия проект на правилния път. Той го прави, като взема предвид реалните нужди на потребителите и събира информация, която помага за разработването на най-доброто и оптимално решение.

Кога да анализираме данните?

Много хора имат грубо погрешно схващане, че анализът трябва да се извърши след завършване на изследването, т.е. след събиране на информация от много източници. Въпреки това, този подход е неефективен, тъй като изследването на толкова голямо количество данни изисква огромни усилия, човешки ресурси и време. По-ефективно е да се изследват данните на текуща база, например, да се отделят няколко минути след всяко задълбочено интервю.

Също така, не забравяйте да правите бележки по време на изследването. По този начин можете да запишете свежи наблюдения и да се уверите, че нищо не е пропуснато. Тези размисли ви позволяват лесно да избирате информация и да избирате от нея онези, които ще бъдат най-релевантни за по-късни дизайнерски препоръки. Анализът на текуща база, след всяка малка стъпка в изследването, ви позволява да проведете финалния обобщаващ анализ по много по-организиран и структуриран начин, но преди всичко, много по-бързо.

Анализ на данни в изследването на UX

Анализът на данни в изследването на UX трансформира преди това необработени данни в значима информация, която ще подкрепи бизнес решенията. Извършването на цялостен анализ на данни се състои от пет основни стъпки – тези стъпки са:

1. Определяне на целите на анализа
2. Организиране на данни
3. Изследване
4. Клъстеризация
5. Идентификация на резултати и прозрения

Определяне на целите на анализа

Първата стъпка определя целите на нашия анализ – те трябва да бъдат в строга съответствие с целите на изследването на UX. На този етап, не забравяйте да не се отклонявате от мотивите, които ви накараха да започнете изследването – например, какви са нуждите на потребителя; на коя страница процентът на отхвърляне е по-значителен и защо; какви подобрения да направите, за да увеличите процента на конверсия; или как да направим нашия продукт по-привлекателен от конкуренцията. Държането на тези цели и изследователските цели ще ви помогне да разберете как да проведете анализа на данни по начин, който е полезен за проекта. За да определите точно какво търсите.

Организиране на данни

Всяко проучване предоставя различни типове данни, повече или по-малко релевантни за проекта. Така че, трябва да управлявате, избирате и филтрирате данните умно за успешност. Организирането на данни също позволява тяхното внимателно подреждане, за да можете бързо да намерите желаната информация, когато е необходимо. Например, можете да каталогизирате данните по подстраница на уебсайта, на която се отнасят. Сегрегацията е ключова за провеждането на ефективен анализ на данни и подобряване на визуализацията, което помага на заинтересованите страни да разберат целия процес по-добре.

Изследване

Етапът на изследване е в сърцето на целия процес на анализ на данни. Неговата основна цел е да идентифицира думите, идеите или фразите, които се появяват най-често в отговорите на потребителите и които най-вероятно са в съответствие с целта на анализа. Този процес не е само за търсене на думи и техните синоними, а за разбиране какво означават те за потребителите в техния контекст.

След като разберете думите и изразите, това зависи от изучаваната потребителска група. Това се случва, защото хората са различни. Те имат уникални опити и поведения, както и начини на изразяване. Следователно, трябва да избягвате да транскрибирате отговорите на потребителите на вашия речник. Вместо това, придържайте се към оригинала, колкото е възможно повече, защото всяка вариация, дори и най-малката, може да навреди на етапа на изследване, променяйки целия анализ на данни.

Клъстеризация

Следващата стъпка е да се създадат така наречените клъстери, за да се етикетират отговорите в съответствие с тези, идентифицирани в етапа на изследване. Тези клъстери помагат на екипа да различава приоритетните въпроси. Например, ако повече от половината от отговорите на потребителите попадат в създадения клъстер, етикетиран “Производителност на интерфейса”, екипът вероятно трябва да приоритизира тази тема и да търси проблеми, свързани конкретно с производителността на интерфейса.

Идентификация на резултати и прозрения

Нека не забравяме, че резултатите не са прозрения. Резултатите се отнасят до откритите, изследвани, след това групирани и каталогизирани факти, които изследователският екип е осветил чрез процеса на анализ. Прозренията, от друга страна, се отнасят само до акта на разпознаване на причините, които са довели до резултатите. Това е доста различна характеристика, тъй като отговорите на потребителите не винаги водят до източника на проблема. Работата на дизайнера, следователно, е да търси по-дълбоко и да търси прозрения.

Потребителите обикновено не могат сами да идентифицират източника на трудностите си. Следователно, изследователският екип трябва да прегледа резултатите по време на процеса на анализ на данни, да ги обсъди и след това да търси прозрения и да ги свърже с целите на изследването. Работилница за идентифициране на най-релевантните прозрения помага за изпълнението на тази задача. Ефективното използване на този инструмент включва провеждане на няколко кръга на обсъждане, разделени с кратки почивки.

Стъпките, описани по-горе, представляват доста общ и стандартен процес на анализ на данни, който работи с всякакъв метод на изследване (както качествени, така и количествени). Всичко, което трябва да направите, е да адаптирате стъпките правилно към вашия процес.

Количествен срещу качествен анализ на данни

Въпреки че процесът на анализ на количествени данни не е значително различен от анализа на качествени данни, поради естеството на това изследване, дизайнерите могат да получат различни прозрения. Количественото изследване се фокусира върху събиране и анализ на числови данни, използвайки статистика и вероятност. Показатели като процентът на отхвърляне на дадена страница, например, или демографският профил на потребителя, предоставят на изследователите конкретна и количествена информация за това как хората взаимодействат с продукта и самата аудитория.

Качественото изследване се фокусира повече върху абстрактни концепции, като човешкото поведение. Поради тази причина, отделете малко повече време за изучаване и оценка, за да разберете напълно потребителския опит и мнения. Струва си да зададете полезни въпроси на този етап, като:

• Какво харесват потребителите най-много в продукта и какво им харесва най-малко?
• Защо някои потребители реагират различно от други?
• Има ли (и кога) потребителите емоционална реакция?
• Доволни ли са (и защо) потребителите от продукта?

С оглед на разликата в получените данни, има смисъл да се използват както количествени, така и качествени анекдоти като част от изследването на UX. По този начин събраните данни се допълват взаимно и дават ясни и по-дълбоки прозрения за резултатите.

Резюме

Правилно проведен анализ на данни позволява по-добри, по-оптимални дизайнерски решения. Пропускането на неговите находки води до разработването на непълно, неефективно продукт, който не отговаря на реалните нужди на потребителите. Това е причината, поради която анализът на данни е толкова критичен процес, който определя успеха на целия проект. Той ви дава възможност да събирате и избирате ключова информация, която, когато бъде преведена в конкретни дизайнерски препоръки, помага за разработването на най-доброто възможно решение – съобразено с нуждите и изискванията на потребителите. Стъпките за анализ на данни, които описахме, ще ви помогнат да го проведете по структуриран начин и да се фокусирате върху най-важното.

Ако харесвате нашето съдържание, присъединете се към нашата общност на заети пчели в Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.