5 правил обработки UX-данных

Что такое дизайн-мышление? Как применять его принципы? В чем его новизна? О нем чаще всего говорят в научных проектах, а в создании продуктов может пригодиться научный подход.

Научные принципы делают процесс принятия решений в дизайне более эффективным. Пользовательский опыт улучшается не благодаря интуиции или должности исполнителя, а благодаря собранным данным.

Не нужно быть ученым, чтобы ценить научный подход и применять его в дизайне. Для этого не существует официального руководства или определенного набора шагов. Смысл в применении научных принципов и использовании данных. Этот метод можно описать пятью словами:

  • Предположить.
  • Применить.
  • Рандомизировать.
  • Проанализировать.
  • Синтезировать.

На примере заполняемой электронной формы я расскажу, как применять научное мышление в UX-дизайне.

Предположить

Хорошие решения начинаются с проверяемой гипотезы. Она позволяет определить конечные показатели, переменные и методы тестирования.

Мы с клиентом улучшали онлайн-заявку на оформление кредита. Мы предположили, что проблемы возникали из-за расположения клавиш, так как пользователи могли случайно отменять свои заявки. Однако по независящим от клиента обстоятельствам клавиша отмены должна была остаться на прежнем месте.

Гипотеза: цвет и расположение клавиш приводят к случайному удалению формы.

Хорошая гипотеза должна быть опровергаемой. Если вы не можете доказать ложность чего-то, это не наука, а вера. Гипотеза также должна быть конкретной и измеряемой.

Применить

Если гипотезу нельзя измерить, ей нельзя управлять. Проверьте ее на практике. При этом нужно будет определить ключевые метрики и методы, а для измерения поведенческих характеристик еще и поставить задачи. Чтобы применить гипотезу на практике, нужно правильно собрать нужные данные, иначе пострадает весь процесс.

Метрики

Переведите в количественное выражение полученные результаты (хорошие и плохие) по любому интерфейсу. Чтобы измерить пользовательский опыт, нужно думать о действиях и отношениях, которые важны пользователю.

Наиболее распространенные метрики действий в UX-исследованиях:

Наиболее распространенные метрики отношения:

В случае с кнопками в заполняемой форме были важны процент завершения действия, ошибки и время на завершение. Мы начали с ошибок и рассматривали их как конечный показатель.

Методы

Метрики часто помогают выбрать нужный метод. Существует много способов проанализировать UX-методы, но прежде всего стоит подумать о способах, которые основаны на человеческих словах и поведении.

Сложно понять, что люди делают на работе или дома. Вместо этого мы часто стимулируем и измеряем фактическое использование продукта. Это позволяет контролировать дополнительные переменные и изолировать собственные метрики.

Измерение фактического использования

Распространенные способы измерить фактическое использование:

Измерение стимулируемого использования

Измерить стимулируемое использование можно при:

Измерение отношения

Хотя нас больше интересуют действия пользователей, часто именно отношение пользователей влияет на их действия. Если бренд не нравитсяклиенту, то он его вряд ли купит. Если пользоваться сайтом сложно, он, скорее всего, не вернется. Если непонятно, как заполнить форму, он ее закрывает.

Для измерения отношения можно воспользоваться формой, опросом или лично пообщаться с каждым испытуемым м в режиме диалога.

Задачи

Стимулируя использование продукта, мы просим пользователей взяться за задачу, которую, по нашим ожиданиям, они и сами предпочли бы решить. Вместо сбора отзывов об интерфейсе собирайте и анализируйте нужные действия пользователей.

На сайтах и в продуктах обычно есть множество целей, которых люди стараются достичь: купить дешевый блендер, найти ближайший магазин или оплатить счет. Но лишь небольшая группа задач влияет на выбор сайта или продукта. Нужно выделять эти цели и измерять их в режиме стимулируемого использования.

Когда мы тестировали онлайн-форму, то понимали, что будет сложно убедить испытуемых отправить персональные данные. Мы стимулировали использование формы. Пришлось найти 20 человек, которые заполнили ее в рамках контролируемого юзабилити-тестирования. Однако нам пришлось пообещать, что данные не сохранятся и никуда не отправятся.

Мы не сообщали испытуемым, что могло вызвать проблему. Не спрашивали, нравятся ли им цвета и структура формы. Мы хотели увидеть, существует ли измеримое подтверждение того, что именно кнопки вызывают сложности. Испытуемые при этом были были настроены на заполнение формы.

Рандомизировать

Если вы ставите испытуемым больше одной задачи или показываете больше одного варианта дизайна, нужно предоставлять материал в случайном порядке. Случайная выборка реже приводит к возникновению нежелательных искажений информации. Участники могут научиться использовать интерфейс или устать от эксперимента. В тестировании онлайн-формы у нас была единственная задача и одна схема дизайна, поэтому рандомизация была невозможна.

Проанализировать

Из 20 испытуемых девять пользователей сначала направляли курсор к кнопке «Отменить» и затем нажимали на кнопку «Отправить». Мы уверены, что от 28% до 63% пользователей стремились нажать кнопку «Отмена», но останавливали себя.

Синтезировать

Мы перестали общение с клиентами и поняли, что кнопки в форме были причиной проблемы. Хотя ни одной отмены во время опыта не было, мы понимаем, что в стимулируемой обстановке участники аккуратнее выполняют задания, когда за ними наблюдают. Мы предполагаем, что проблема появится в будущих реальных отказах (форму заполняют сотни раз в день).

Мы передали результаты исследований клиенту и порекомендовали изменить расположение кнопок (помимо других пунктов). Мы считали, что новый дизайн поможет предотвратить случайную отмену формы. Но также мы знаем, что новый дизайн может стать привести к новым проблемам, и поэтому предложили для тестирования несколько вариантов.

Хранение результатов, повтор процесса

Определение количественные показатели проблемы было только первым шагом. Затем мы повторили процесс измерения, чтобы определить лучшее дизайн-решение.

Гипотеза

Новое расположение кнопок, изменение их цвета и выравнивание уменьшат долю колебаний (часть которых приводит к ошибкам).

Применение

Мы создали четыре варианта формы с учетом собственных представлений об элементах дизайна. Варианты отличались расположением кнопок «Отменить» и «Передать», а также их выравниванием (в версиях B и D кнопки перенесены на разное расстояние вправо).

Метрики

После первых контролируемых тестирований оригинальной формы мы поняли, что колебание — это показатель ошибки и решили снова использовать их как главную метрику.

Методы

Мы перешли к немодерируемым тестированиям юзабилити. Нужно было собрать больше информации за меньшее время. При этом мы использовали немодерируемую платформу MUIQ. Она позволяет записывать действия с экранов участников исследования и позволяет наблюдать и подсчитывать количество колебаний вместе с учетом количества отмен.

Задача

Мы создали четыре похожих задачи, а затем попросили пользователей заполнить и отправить форму. Чтобы обобщить свои наблюдения, мы пользовались различными заданиями и элементами формы, так как знали, что они будут меняться со временем.

Случайная выборка

Участники получали все четыре формы в случайном порядке, задача для каждой из них присваивалась случайно. Благодаря случайному назначению задач и форм мы снизили вероятность нежелательных переходящих эффектов, когда со временем люди начинают делать больше ошибок. Мы увеличили размер выборки вдвое (до 40 участников), чтобы улучшитьсобственную способность различать новый дизайн и оригинальную форму.

Анализ

Мы обнаружили, что меньше всего испытуемые сомневались, когда заполняли форму с кнопкой призыва к действию, расположенной справа, и с выравниванием обеих кнопок по правой стороне (форма B).

Синтез

В случае трех остальных образцов сомнений стало меньше. Мы предположили, что достигли измеримого улучшения пользовательского опыта.

Мы случайным образом назначали участникам различные комбинации форм и были уверены в том, что из предложенного будет лучше для размещения и применения кнопки. Мы знали, что выводы могут быть ограничены, но разные задания и типы форм обеспечили обобщаемость результатов по исследованию кнопок. Можно тестировать и дополнительный дизайн с новыми формами, чтобы продолжать улучшение продукта.

Резюме

Не обязательно носить лабораторный халат, чтобы думать как ученый. Можно принимать удачные дизайн-решения, соблюдая пять пунктов:

  • ​ Выдвигайте измеряемую, конкретную и опровергаемую гипотезу.
  • Применяйте ее в правильных метриках, методах и заданиях.
  • В случайном порядке чередуйте задания и схемы дизайна, чтобы снизить риски.
  • Считайте и сравнивайте, применяйте правильные статистические тесты.
  • Сообщайте о результатах, определяйте недостатки в полученных данных.

Источник

Data Scientist # 1

Машинное обучение, большие данные, наука о данных, анализ данных, цифровой маркетинг, искусственный интеллект, нейронные сети, глубокое обучение, data science, data scientist, machine learning, artificial intelligence, big data, deep learning

Данные — новый актив!

Эффективно управлять можно только тем, что можно измерить.
Copyright © 2016-2021 Data Scientist. Все права защищены.