Как максимально эффективно использовать количественные исследования в UX-дизайне

UX-дизайнеры постоянно используют статистические данные для изучения поведения пользователей, выявления закономерностей, диагностики проблем и тестирования альтернативных решений. И все это для улучшения опыта пользователей. Подробнее о том, как, для чего, и зачем проводить исследования, в этой статье.

Как максимально эффективно использовать количественные исследования в UX-дизайне

Если вы не работали с цифрами и статистикой, то они могут показаться вам бездонным и ужасающим океаном. Но прежде чем вы начнете беспокоиться о том, как не утопиться в цифрах, подумайте, как можно использовать количественные исследования, чтобы сделать ваши проекты лучше.

Больше интересных и актуальных статей ищите в нашем блоге и телеграм-канале.

За последние двенадцать месяцев числа и графики стали большой частью нашей жизни – сколько активных случаев заболевания Covid-19 зафиксировано в вашем районе? Кривая сглаживается? Какова эффективность вакцины? Какой процент населения должен пройти вакцинацию, прежде чем мы вернемся к «нормальному» образу жизни?

Эпидемиологи и другие исследователи в медицинской отрасли уже давно используют данные, полученные от населения, для определения скорости распространения заболеваний, ее вероятных причин и факторов риска, а также тестируют альтернативные курсы лечения. Изображение на обложке представляет собой одно из первых применений статистики и визуализации данных. Эта диаграмма, получившая название «Диаграмма роз», была нарисована Флоренсом Найтингейл в целях улучшения санитарных условий в военных госпиталях.

Поскольку все сегодня завязано на приложениях, мы можем отслеживать практически каждый аспект нашей (и наших пользователей) жизни. Разрешив доступ при установке определенных приложений на свой мобильный телефон, вы уже понимаете, сколько данных вы, как человек, можете сгенерировать: сколько шагов вы сделали, сколько времени вы смотрели на экран и в каких приложениях вы провели большую часть своего времени.

Аналитика в приложении – это лишь один из источников данных: в вашем распоряжении множество других методов количественного исследования пользователей, которые помогут вам в процессе проектирования.

Как максимально эффективно использовать количественные исследования в UX-дизайне

Что такое количественное исследование и как оно может помочь вам улучшить дизайн?

Количественное исследование – это методология, которую исследователи используют для изучения и проверки теорий об отношении (к продукту) и поведении людей на основе количественных и статистических данных.

Используя такой метод UX-ресерчей, как интервью, вы общаетесь с 5–10 участниками по несколько минут с каждым, а затем тратите огромную гору времени на анализ полученных данных. При количественном исследовании вы можете начать с 30 участников и проолжать работу с выборкой в сотни или даже тысячи участников. Такой большой размер выборки помогает снизить вероятность систематической ошибки. Поскольку количественные исследования обычно проводятся в Интернете, собирать и анализировать данные становится быстрее и дешевле. Опросы, древовидные тесты, тесты первого клика и A/B-тестирование – это некоторые из методов количественного исследования, которые могут дать вам конкретную статистику для улучшения процесса проектирования. Вы можете:

  • Анализировать пользовательский опыт для определения возможных вариантов его улучшения.
    Пример: если аналитика показывает, что большинство пользователей переходят на другой экран сразу после входа в систему, вы можете использовать это в качестве отправной точки для разработки более качественного лендинга, чтобы пользователи могли выполнять свои задачи более эффективно.
  • Подтверждать (или опровергать) свои предположения, чтобы быть уверенным в своих проектных решениях.
    Пример: Допустим, вы думаете, что людям сложно выполнить задачу в вашем приложении, потому что они не могут найти соответствующую функцию. Вы можете создать древовидный тест, чтобы проверить свое предположение и решить, будет ли новая структура навигации проще для пользователей.
  • Подтверждать результаты качественного исследования, чтобы убедить заинтересованные стороны инвестировать в проектное решение.
    Пример: представьте, что вы провели исследование юзабилити и обнаружили, что людям сложно решить, какой тарифный план им лучше всего подходит. Вы можете подтвердить свое предположение и предложить вариант с тестированием различных моделей ценообразования с помощью полученных данных. Можно посмотреть количество писем, отправленных в службу поддержки через кнопку справки на странице с ценами или количество людей, которые попадают на страницу с ценами и затем ничего не делают, потому что не могут определиться.
  • Тестировать новые функции и дизайн:
    Пример: вы можете проанализировать, используется ли новая функция, и как она повлияла (если повлияла) на то, как люди используют другие функции.
  • Измерять денежное влияние проектных решений:
    Пример: вы можете узнать, приводит ли новый интерфейс к увеличению конверсии или помогает ли пользователям новый флоу быстрее выполнять свои задачи? Это может помочь вам продемонстрировать рентабельность инвестиций в дизайн и убедить заинтересованные стороны инвестировать в дизайн проекта еще на этапе зародыша. В свою очередь, раннее тестирование может сэкономить ресурсы, время и деньги организации, помогая выявлять и устранять проблемы до тех пор, пока не станет слишком поздно.

Количественные + качественные исследования = выигрышная комбинация

Цифры не могут заменить людей. Как бы привлекательно ни звучало количественное исследование, важно не упускать из виду людей, которые эти данные генерируют. Они могут помочь вам понять, что делают люди, но не могут объяснить, почему они думают или делают именно так и никак иначе. Качественные методы исследования, такие как контекстные запросы, интервью с пользователями и исследования на основе дневников, помогают получить более целостную картину.

…(данные) просто инструмент, который мы используем для представления реальности. Они всегда используются в качестве заменителя объектов исследования, но никогда не бывают этими самыми объектами.

Георгия Лупи, Информационный дизайнер

В зависимости от ваших целей вам может потребоваться начать с качественных методов исследования и подкрепить их количественными или же наоборот.

Некоторые примеры использования:

  1. Вы можете использовать аналитику в приложении для выявления паттернов пользовательского поведения, а затем копать глубже, чтобы понять, откуда эти шаблоны берутся. Например, если большое количество пользователей посещают страницу с прайс-листом, но не проводят транзакцию, вы можете провести исследование удобства использования или опросить нескольких пользователей, чтобы определить, почему они не купили предложенные планы. Возможно, большинство пользователей – студенты университетов с ограниченным бюджетом или ваша страница с ценами не оптимизирована под мобильные устройства.
  2. Если вы планируете провести крупномасштабный опрос, вы должны перед его началом провести несколько маленьких опросов пользователей, чтобы определить, какие вопросы и варианты ответов добавить в анкету. Предположим, вы работаете над продуктом, который помогает студентам управлять своими бюджетами, и вы хотите определить, какие из ваших конкурентов более популярны среди вашей ЦА. Вы можете провести интервью, чтобы определить продукты, которые можно добавить в список конкурентов. Во время интервью, возможно, вы обнаружите, что ответы студентов на вопросы об их финансах сильно различаются в зависимости от того, из какой они страны, наличия финансового образования стипендии. Вы даже можете узнать о конкурентах, о которых раньше даже не подозревали.

О чем следует помнить при проектировании с использованием данных

  1. Проведите эксперименты: количественные методы исследования – это эксперименты. И, как и все научные эксперименты, начинайте с чего-то, что нужно проверить – идеи, предположения или проектные решения. Определите свои критерии успеха: как вы узнаете, будет ли ваш тест успешным? И в зависимости от этих критериев успеха выберите метод исследования.
    Например, если вы хотите протестировать новый дизайн лендинга, вашим критерием успеха может стать увеличение конверсии. И вы можете провести A/B-тестирование, чтобы узнать, повышает ли новый макет уровень конверсии. Можно легко впасть в ступор и/или потеряться в данных (как мы увидим чуть позже). Когда вы проводите эксперименты, имея четкие цели, вам будет легче ориентироваться в океане чисел.
  2. Выберите правильную аудиторию для тестирования: в целом, чем больше выборка, тем лучше. Некоторые методы позволяют использовать калькуляторы размера выборки (например, Optimizely), чтобы определить количество людей, с которыми нужно провести тестирование. Однако качество выборки тоже имеет немаловажное значение. Если ваш продукт в первую очередь будет использоваться бухгалтерским персоналом в гостиничной компании, вам следует протестировать его на репрезентативной выборке. Большая случайная выборка, кроме штатных бухгалтеров может «захватить» и бухгалтеров из других отраслей, а также людей других профессий, что, в свою очередь, испортит результаты вашего исследования.
  3. Корреляция не подразумевает причинно-следственной связи: предположим, вы обнаружите, что конверсия на вашем веб-сайте выше на ПК, чем на мобильных. Это не всегда означает, что ваша мобильная версия плохо спроектирована. На самом деле это вполне может означать, что впервые люди заходят на ваш сайт со своих мобильных телефонов, когда им больше нечего делать (например, путешествуя в автобусе или в очереди в банке). А уже потом, когда у них появляется время и желание, заходят на ваш сайт через ПК и совершают покупку. Может существовать неограниченное количество переменных, влияющих на поведение людей. Убедитесь, что вы учитываете путь пользователя, при изучении данных.
  4. Данные могут вводить в заблуждение: следуя предыдущему пункту, будьте очень осторожны при работе с данными и всегда проверяйте статистическую значимость. Статистическая значимость – это способ определить, насколько надежны результаты ваших экспериментов. То есть она помогает вам ответить на следующие вопросы: «Какова вероятность того, что результаты наших экспериментов будут просто случайными цифрами?» и «Если бы мы снова провели тест, какова будет веротность полуения таких же результатов?»
    В довесок к этим статистическим тестам используйте комбинации нескольких методов исследования, чтобы получать более целостную картину до того, как вы решите принимать определенные дизайнерские решения.
  5. Остерегайтесь своих предубеждений: необработанные данные могут не только вводить в заблуждение, но и, как известно, ними можно легко манипулировать. Если у вас есть твердое убеждение или предположение, остерегайтесь предвзятости подтверждения – человеческой тенденции искать всему доказательства, подтверждающие наши убеждения. Использование различных методов исследования для проверки одной и той же гипотезы (известное как триангуляция) может в определенной степени помочь вам преодолеть эту предвзятость. Однако самый важный шаг — осознавать и понимать свои предубеждения. Проводите эксперименты непредвзято и извлекайте уроки из полученных результатов.
  6. Контекст является ключевым: отдельно взятые данные могут выглядеть очень красиво. Но как эти показатели соотносятся с вашими конкурентами? А что насчет исторических показателей вашей компании? Есть ли какие-либо внешние факторы, которые повлияли на ваш сбор данных? Вы строили предположения или проводили тестирование только на одном пользователе? Прежде чем делать выводы, убедитесь, что вы понимаете контекст ваших исследовательских данных.
  7. Отфильтруйте и повторите: после экспериментов примите необходимые меры для реализации ваших проектных решений (если ваши тесты успешны) или сделайте шаг назад, чтобы придумать другой тест (если проведенный тест оказался неудачным). Сравнивайте свои результаты и продолжайте экспериментировать. Контекст ваших пользователей будет продолжать развиваться, и с помощью данных вы сможете следить за тем, что работает, а что нет, улучшая качество обслуживания конечных пользователей.

Вывод

Вы можете использовать количественные методы исследования, такие как опросы, древовидное тестирование, тестирование первого клика и A/B-тестирование, чтобы понять своих пользователей, проверить (или опровергнуть) свои предположения, протестировать идеи и поэкспериментировать с проектами. Количественные методы тестирования, такие как такие как контекстные запросы и исследования по дневникам, будучи более быстрыми и масштабируемыми, чем качественные методы исследования, имеют свои ограничения. Можно легко потеряться в данных. Чтобы максимально выгодно использовать количественные методы исследования, сочетайте их с качественными. Проводите эксперименты, проверяйте свои результаты на надежность, осознавайте ограничения данных, свои собственные предубеждения и пути пользователей. И, самое главное, не прекращайте тестировать. Проводите успешные эксперименты, оценивайте результаты, проводите больше успешных экспериментов, и так по кругу для того, чтобы постоянно улучшать качество обслуживания пользователей.

Больше интересных и актуальных статей ищите в нашем блоге и телеграм-канале.

22
1 комментарий

спасибо за статью

Ответить