4 Möglichkeiten, vergangene Benutzerdaten zu nutzen, um zukünftiges Verhalten vorherzusagen

Da Unternehmen den Bedarf an stärker benutzerzentrierten und evidenzbasierten Strategien erkennen, wird die Forschung zur Benutzererfahrung (UX) zu einem zunehmend integrierten Bestandteil des Entwicklungsprozesses der meisten modernen Produktorganisationen . UX-Forschung kann Teams dabei helfen sicherzustellen, dass sie Lösungen für echte Bedürfnisse finden, Risiken durch frühzeitiges Erkennen von Problemen reduzieren und Kreativität durch erhöhtes Einfühlungsvermögen für Kunden wecken. Dennoch stehen diejenigen, die UX-Forschung betreiben, vor vielen Herausforderungen. In dieser Reihe befasst sich Sofia Linse, UX-Forscherin bei Braze, mit häufigen Problemen und untersucht, wie Unternehmen diese wichtige Arbeit effektiver angehen können.

Jeder, der regelmäßig User Experience (UX)-Forschung durchführt, ist sich der Herausforderungen bewusst, die mit dem Versuch verbunden sind, zukünftiges Verhalten vorherzusagen. Sie müssen sich nur die Abonnements ansehen, die jedes Jahr ungenutzt bleiben, um zu verstehen, dass Menschen nicht so gut darin sind, vorherzusagen, was wir in der Zukunft tun werden. Doch die kritischsten Fragen in der Forschung betreffen oft das zukünftige Verhalten: Werden Kunden es nutzen? Wie werden sie es nutzen? Werden sie uns den Produkten der Konkurrenz vorziehen? Werden sie dafür bezahlen?

Die gute Nachricht ist, dass die heutigen digitalen Produkte es einfacher machen, das tatsächliche Benutzerverhalten zu analysieren – durch Aktivitätsprotokolle und Tools zum Anzeigen echter Interaktionen mit Ihrem Produkt – anstatt sich auf Vermutungen oder anekdotische Behauptungen zu verlassen. Bei Braze suchen wir ständig nach Möglichkeiten, diese Möglichkeiten in unserer UX-Forschung zu nutzen. Und im Laufe der Jahre haben wir mehrere erfolgreiche Ansätze zur Einbeziehung quantitativer und qualitativer Verhaltensdaten gefunden, um die schwierigen Fragen zur zukünftigen Nutzung selbstbewusster anzugehen:

1. Identifizieren von Problemumgehungen für Benutzer

Die vielen kreativen Möglichkeiten zu sehen, wie Kunden Braze nutzen, ist eine unschätzbare Quelle für Einblicke und Inspiration für unser Produktteam – und eine der besten Möglichkeiten, um zu verstehen, wie diese Aktivität aussieht, besteht darin, zu untersuchen, wie unsere Kunden mit der Plattform interagieren.

Eine Braze-Funktion, Canvas, ermöglicht es unseren Benutzern (Vermarktern), die Kommunikation zu orchestrieren, indem sie Kundenreisen und Nachrichten abbilden, die die Empfänger an jedem Punkt dieser Reise erhalten sollten. Canvas ist ein flexibles Tool, das Vermarktern weitgehend freie Hand lässt, den Nachrichtenfluss an die Strategien ihres Unternehmens anzupassen. Infolgedessen kann jeder Canvas als Spiegelbild der aktuellen Prioritäten und Ziele des Unternehmens dienen. In einem kürzlich durchgeführten Projekt haben wir eine Vielzahl von Kunden-Canvas untersucht, um uns dabei zu helfen, ineffiziente Erweiterungen und Problemumgehungen zu identifizieren, bei denen unsere Plattform die Anforderungen eines bestimmten Kunden nicht vollständig erfüllt. Nach der Analyse haben wir auf dem Verständnis aufgebaut, das wir durch Interviews mit ausgewählten Kunden gewonnen hatten, um zu überprüfen, ob unsere Interpretation der Daten tatsächlich richtig war. Auch wenn es manchmal schmerzhaft war zu sehen, wie Kunden mit unserer Technologie Schwierigkeiten hatten, ihre Ziele zu erreichen, lieferten ihre Zeugnisse einen starken Beweis dafür, wie wichtig ihnen diese Anwendungsfälle waren – was unser Vertrauen stärkte, dass wir das richtige Problem angingen und sehen würden starke Feature-Akzeptanz, sobald wir es gelöst haben.

2. Experimente direkt im Produkt durchführen

Bei Braze predigen wir oft, wie wichtig es ist, Ihre Kunden dort zu erreichen, wo sie sind – und das gilt genauso für ein B2B-Unternehmen wie unseres.

Ein Beispiel? Unser Reporting-Produktteam hat kürzlich eine Umfrage innerhalb der Braze-Plattform gestartet, in der Kunden gefragt wurden, ob sie daran interessiert sind, einen der beiden Berichte zu erhalten, die das Team erstellen möchte. Nachdem sich die Kunden angemeldet hatten, erstellte unser Team manuell Minimum Viable Products (MVPs) dieser Berichte auf der Grundlage vorhandener Braze-Daten, schickte sie an interessierte Kunden und führte eine Woche später qualitative Interviews durch. Dadurch war es möglich, abzuschätzen, welchen der beiden Berichte die Kunden bevorzugten und wie sie sie (falls überhaupt) tatsächlich verwendet hatten, anstatt sich auf Behauptungen über zukünftige Aktionen verlassen zu müssen. Mit diesem Ansatz haben wir das tatsächliche Kundenverhalten beobachtet, anstatt die Kunden zu bitten, vorherzusagen, was sie in einer hypothetischen zukünftigen Situation wahrscheinlich tun würden. Das Ergebnis? Dieses Experiment erforderte sehr wenig technischen Aufwand, war extrem schnell in der Umsetzung und eliminierte nahezu das Risiko, das falsche Produkt zu bauen.

3. Einstieg ins Spiel mit einem frühen MVP

Manchmal führen Interviews mit Kunden über mögliche Lösungen zu sehr vagen und hypothetischen Diskussionen, insbesondere wenn wir uns auf Neuland begeben. Ohne greifbare Referenzen ist es leicht, sich das perfekte Produkt in einem perfekten Kontext vorzustellen, da wir dazu neigen, die Realität der technischen Machbarkeit, konkurrierende Prioritäten und die Schwierigkeiten zu vergessen, die mit der Verwendung von etwas Neuem und Unbekanntem verbunden sind. Es ist auch schwierig für einen Kunden, die Details dieses perfekten Erlebnisses zu kommunizieren. Während eines bestimmten Interviews stellen wir uns im Produktteam möglicherweise etwas ganz anderes vor als in den Köpfen unserer Kunden – ohne es überhaupt zu merken.

Das geschah während der Forschungsanstrengungen, die einer neuen KI-basierten Funktion vorausgingen. Anstatt unseren üblichen robusten Entwicklungszyklus (dh Entdeckung, Design, Bewertung und Iteration) zu durchlaufen, haben wir schnell ein MVP entworfen und für eine Handvoll Kunden veröffentlicht, die sich bereit erklärten, Aufgaben zu erledigen und sich wöchentlich mit uns zu treffen, um Feedback zu geben. In wenigen Monaten werden wir in der Lage sein, Probleme zu identifizieren, neue Ideen zu testen und ein skalierbares Produkt zu entwickeln, das alle Kunden verwenden können. Auf diese Weise sind wir in der Lage, kontinuierliches Feedback und Erkenntnisse zu erhalten, die uns ein konkretes Verständnis davon vermitteln, wie Kunden diese Funktion tatsächlich nutzen werden, bevor wir uns dazu verpflichten, ein skalierbares Produkt über das MVP hinaus zu entwickeln.

4. Nutzung externer Tools zur Erfassung realer Produktinteraktionen

Bei Braze veranstalten wir eine wöchentliche interne „FullStory Fridays“-Veranstaltung, bei der eine Reihe von Personen aus verschiedenen Abteilungen innerhalb des Unternehmens zusammenkommen, um Aufzeichnungen von Kunden anzusehen, zu analysieren und zu diskutieren, die das Braze-Produkt über das Tool FullStory verwenden. Dieser Ansatz löst regelmäßig Erkenntnisse und Fragen aus, die in Kundeninterviews nur schwer aufzudecken wären (entweder weil wir nicht wissen würden, wie wir nach einem bestimmten Problem fragen sollten, oder weil Kunden so an ihre Routinen gewöhnt sind, dass sie nicht mehr aktiv darüber nachdenken).

Ein weiteres externes Tool, das wir nutzen, um Produktinteraktionen zu analysieren? Looker ist eine moderne Business-Intelligence- und Datenanwendungsplattform, die wir verwenden, um relevante Unternehmen zu identifizieren, an die wir uns für Rekrutierungen wenden können – basierend auf ihrem Verhalten oder der Nutzung bestimmter Braze-Funktionen – und um Erkenntnisse zu quantifizieren, die während der qualitativen Forschung gewonnen wurden.

Das könnte bedeuten, Fragen zu beantworten wie:

• Wie verbreitet ist dieses Verhalten in der breiteren Kundenbasis?

• Gibt es bestimmte Kundensegmente, die dies häufiger tun als andere?

• Wie unterscheiden sich Kunden, die Feature X verwenden, von denen, die dies nicht tun?

Um sicherzustellen, dass wir Möglichkeiten für quantitative Analysen im Zusammenhang mit unseren UX-Forschungsprojekten erkennen, treffen wir uns auch regelmäßig mit dem Business Intelligence-Team, um anstehende Initiativen und aktuelle Forschungsfragen zu besprechen.

Abschließende Gedanken

Wenn es um UX-Forschung geht, wird es immer Daten geben, die Sie gerne hätten, und Situationen, in denen es schwierig sein kann, Klarheit zu schaffen. Hoffentlich können diese vier Ansätze neue Wege inspirieren, um zuverlässigere, datengesteuerte Schlussfolgerungen zu erhalten, die Ihr Produkt im Laufe der Zeit verbessern können.

Möchten Sie mehr über den Produktentwicklungsprozess erfahren? Schauen Sie sich Braze SVP of Product Kevin Wangs Blick auf die wichtigsten Fragen an, die Sie stellen müssen, bevor Sie Produktentscheidungen treffen.