Datenanalyse in der UX-Forschung | UX-Forschung Nr. 33

Wissen Sie, welche Rolle die Datenanalyse bei der UX-Forschung spielt? Heute möchten wir uns auf das Thema Datenanalyse in UX konzentrieren, indem wir die qualitative und quantitative Datenanalyse diskutieren und mehr über ihre Phasen, Hauptziele und Zielsetzungen erfahren. Wir schlagen auch vor, wann der richtige Zeitpunkt für die Durchführung in einem Projekt ist.

Datenanalyse in der UX-Forschung – Inhaltsverzeichnis:

1. Warum die gesammelten Daten analysieren?
2. Wann werden die Daten analysiert?
3. Datenanalyse in der UX-Forschung
4. Definieren der Ziele der Analyse
5. Qualitative Analyse von Forschungsdaten
6. Zusammenfassung

Warum die gesammelten Daten analysieren?

Eine Produktentscheidung ausschließlich auf der Grundlage von Rohdaten zu treffen, ist ein großer UX-Fehler. Das Überspringen der Analysephase kann dazu führen, dass Benutzern eine unvollständige oder ineffektive Lösung bereitgestellt wird, oder dass sich das Projektteam sogar auf die Lösung des falschen Problems oder die Erkennung der echten Benutzer konzentriert. Aus diesen und anderen Gründen ist die Datenanalyse ein wesentlicher Prozess, der das gesamte Projekt auf dem richtigen Weg hält. Dabei werden die tatsächlichen Bedürfnisse der Benutzer berücksichtigt und Informationen gesammelt, die helfen, die bestmögliche und optimalste Lösung zu entwickeln.

Wann werden die Daten analysiert?

Viele Menschen hegen ein grobes Missverständnis, dass die Analyse nach Abschluss der Forschung stattfinden sollte, dh nach dem Sammeln von Informationen aus vielen Quellen. Dieser Ansatz ist jedoch ineffektiv, da die Untersuchung einer so großen Datenmenge einen enormen Aufwand, Arbeitskraft und Zeit erfordert. Effizienter ist es, Daten kontinuierlich zu untersuchen, z. B. einige Minuten nach jedem ausführlichen Interview.

Denken Sie auch daran, sich während Ihrer Recherche Notizen zu machen. Auf diese Weise können Sie neue Beobachtungen notieren und sicherstellen, dass nichts ausgelassen wird. Diese Überlegungen machen es Ihnen leicht, Informationen auszuwählen und daraus diejenigen auszuwählen, die für spätere Designempfehlungen am relevantesten sind. Durch die kontinuierliche Analyse nach jedem kleinen Forschungsschritt können Sie die abschließende zusammenfassende Analyse viel organisierter und strukturierter, aber vor allem viel schneller durchführen.

Datenanalyse in der UX-Forschung

Die Datenanalyse in der UX-Forschung wandelt zuvor unverarbeitete Daten in aussagekräftige Informationen um, die Geschäftsentscheidungen unterstützen. Die Durchführung einer umfassenden Datenanalyse besteht aus fünf grundlegenden Schritten – diese Schritte sind:

1. Definieren der Ziele der Analyse
2. Daten organisieren
3. Untersuchung
4. Clusterung
5. Identifizierung von Ergebnissen und Erkenntnissen

Definieren der Ziele der Analyse

Im ersten Schritt definieren wir die Ziele unserer Analyse – diese sollten in strikter Übereinstimmung mit den Zielen von UX Research stehen. Denken Sie in diesem Stadium daran, nicht von den Motiven abzuweichen, die Sie dazu veranlasst haben, eine Recherche durchzuführen – zum Beispiel, was die Bedürfnisse des Benutzers sind; auf welcher Seite die Ablehnungsquote signifikanter ist und warum; welche Verbesserungen vorgenommen werden müssen, um die Konversionsrate zu erhöhen; oder wie wir unser Produkt attraktiver machen als die Konkurrenz. Das Festhalten an diesen und Forschungszielen hilft Ihnen zu verstehen, wie Sie Datenanalysen auf eine Weise durchführen können, die für das Projekt nützlich ist. Um genau zu definieren, wonach Sie suchen.

Daten organisieren

Jede Umfrage liefert unterschiedliche Arten von Daten, die für das Projekt mehr oder weniger relevant sind. Daher müssen Sie sie für die Benutzerfreundlichkeit clever verwalten, auswählen und filtern. Die Organisation von Daten ermöglicht auch eine durchdachte Anordnung, um bei Bedarf schnell nach den gewünschten Informationen zu suchen. Beispielsweise können Sie Daten nach der Unterseite der Website katalogisieren, zu der sie gehören. Die Trennung ist der Schlüssel zur Durchführung einer effizienten Datenanalyse und zur Verbesserung ihrer Visualisierung, wodurch die Beteiligten den gesamten Prozess besser verstehen.

Untersuchung

Die Untersuchungsphase ist das Herzstück des gesamten Datenanalyseprozesses. Ihr Hauptziel besteht darin, die Wörter, Ideen oder Sätze zu identifizieren, die am häufigsten in den Antworten der Benutzer vorkommen und die am wahrscheinlichsten mit dem Zweck der Analyse übereinstimmen. Bei diesem Prozess geht es nicht nur darum, nach Wörtern und ihren Synonymen zu suchen, sondern auch darum, zu verstehen, was sie für Benutzer in ihrem Kontext bedeuten.

Das Herausfinden von Wörtern und Ausdrücken hängt von der untersuchten Benutzergruppe ab. Es passiert, weil Menschen unterschiedlich sind. Sie haben einzigartige Erfahrungen und Verhaltensweisen sowie Ausdrucksmöglichkeiten. Daher sollten Sie es vermeiden, Benutzerantworten in Ihr Vokabular zu übertragen. Halten Sie sich stattdessen so weit wie möglich an das Original, denn jede Abweichung, auch die kleinste, kann der Untersuchungsphase schaden und die gesamte Datenanalyse insgesamt umgestalten.

Clustering

Der nächste Schritt besteht darin, sogenannte Cluster zu entwickeln, um die Antworten entsprechend den in der Untersuchungsphase identifizierten zu kennzeichnen. Diese Cluster helfen dem Team, priorisierte Probleme zu differenzieren. Wenn beispielsweise mehr als die Hälfte der Benutzerantworten in den erstellten Cluster mit der Bezeichnung „Schnittstellenleistung“ passen, sollte das Team dieses Thema wahrscheinlich priorisieren und nach Problemen suchen, die sich speziell auf die Schnittstellenleistung beziehen.

Identifizierung von Ergebnissen und Erkenntnissen

Vergessen wir nicht, dass Ergebnisse keine Erkenntnisse sind. Die Ergebnisse betreffen die entdeckten, untersuchten, dann gruppierten und katalogisierten Fakten, die das Forschungsteam durch den Analyseprozess ans Licht gebracht hat. Einsichten hingegen beziehen sich nur auf den Akt des Erkennens von Ursachen, die zu den Ergebnissen geführt haben. Dies ist ein ganz besonderes Merkmal, da Benutzerreaktionen nicht immer zur Ursache des Problems führen. Die Aufgabe des Designers besteht also darin, tiefer zu schauen und nach Einsichten zu suchen.

Benutzer sind normalerweise nicht in der Lage, die Ursache ihrer Schwierigkeiten selbst zu identifizieren. Das Forschungsteam muss daher die Ergebnisse während des Datenanalyseprozesses überprüfen, diskutieren und dann nach Erkenntnissen suchen und sie mit den Forschungszielen abgleichen. Ein Workshop zur Identifizierung der relevantesten Erkenntnisse hilft bei der Bewältigung dieser Aufgabe. Um dieses Instrument effektiv zu nutzen, müssen mehrere Diskussionsrunden durchgeführt werden, die durch kurze Pausen getrennt sind .

Die oben beschriebenen Schritte sind ein ziemlich allgemeiner und standardmäßiger Datenanalyseprozess, der mit jeder Forschungsmethode (sowohl qualitativ als auch quantitativ) funktioniert. Alles, was Sie tun müssen, ist, die Schritte richtig an Ihren Prozess anzupassen.

Quantitative vs. qualitative Datenanalyse

Obwohl sich der Prozess der Analyse quantitativer Daten nicht wesentlich von der Analyse qualitativer Daten unterscheidet, können Designer aufgrund der Art dieser Forschung unterschiedliche Erkenntnisse gewinnen. Quantitative Forschung konzentriert sich auf das Sammeln und Analysieren numerischer Daten unter Verwendung von Statistiken und Wahrscheinlichkeiten. Indikatoren wie beispielsweise die Ablehnungsrate einer bestimmten Seite oder das demografische Profil eines Nutzers liefern Forschern konkrete und quantifizierbare Informationen darüber, wie Menschen mit dem Produkt und dem Publikum selbst interagieren.

Qualitative Forschung konzentriert sich mehr auf abstrakte Konzepte wie menschliches Verhalten. Nehmen Sie sich aus diesem Grund etwas mehr Zeit zum Studieren und Bewerten, um die Erfahrungen und Meinungen der Benutzer vollständig zu verstehen. Es lohnt sich, in dieser Phase hilfreiche Fragen zu stellen, wie zum Beispiel:

• Was gefällt den Nutzern an dem Produkt am besten und was am wenigsten?
• Warum reagieren manche Nutzer anders als andere?
• Hatten (und wann) Nutzer eine emotionale Reaktion?
• Sind (und warum) die Nutzer mit dem Produkt zufrieden?

Angesichts der Unterschiede in den erhaltenen Daten ist es sinnvoll, sowohl quantitative als auch qualitative Anekdoten im Rahmen der UX-Forschung zu verwenden. Auf diese Weise ergänzen sich die gesammelten Daten und geben einen klaren und tieferen Einblick in die Ergebnisse.

Zusammenfassung

Richtig durchgeführte Datenanalysen ermöglichen bessere und optimalere Designentscheidungen. Das Weglassen der Ergebnisse führt dazu, dass ein unvollständiges, ineffektives Produkt entwickelt wird, das nicht den tatsächlichen Bedürfnissen der Benutzer entspricht. Aus diesem Grund ist die Datenanalyse ein so kritischer Prozess, der den Erfolg des gesamten Projekts bestimmt. Es befähigt Sie, Schlüsselinformationen zu sammeln und auszuwählen, die, wenn sie in konkrete Designempfehlungen übersetzt werden, helfen, die bestmögliche Lösung zu entwickeln – zugeschnitten auf die Bedürfnisse und Anforderungen der Benutzer. Die beschriebenen Schritte zur Datenanalyse helfen Ihnen dabei, diese strukturiert durchzuführen und sich auf das Wesentliche zu konzentrieren.

Wenn Ihnen unsere Inhalte gefallen, werden Sie Teil unserer fleißigen Bienen-Community auf Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Autorin: Klaudia Kowalczyk

Ein Grafik- und UX-Designer, der das ins Design bringt, was sich nicht in Worte fassen lässt. Für ihn hat jede verwendete Farbe, Linie oder Schrift eine Bedeutung. Leidenschaft für Grafik- und Webdesign.

Alle Beiträge anzeigen

UX-Forschung:

1. Was ist UX-Forschung?
2. Arten der UX-Forschung
3. Was sind Forschungsfragen und wie schreibt man sie?
4. Anforderungserfassungsprozess für UI/UX-Projekte
5. Warum sind Stakeholder-Interviews entscheidend für den Designprozess?
6. Wie können wir unsere gesammelten Kundendaten nutzen?
7. Wie erstellt man einen guten UX-Forschungsplan?
8. Wie wählt man eine Forschungsmethode aus?
9. Wie können Pilottests die UX-Forschung verbessern?
10. Rekrutierung von UX-Studienteilnehmern
11. Kanäle und Tools zum Finden von UX-Forschungsteilnehmern
12. Screener-Umfrage für UX Research
13. UX-Forschungsanreize
14. UX-Forschung mit Kindern
15. Methoden der Entdeckungsforschung
16. Was ist Schreibtischforschung?
17. Wie führt man Nutzerinterviews durch?
18. Wie führt man Tagebuchstudien durch?
19. Was sind Fokusgruppen in der Forschung?
20. Was ist ethnografische Forschung?
21. Umfrageforschung
22. Was ist Kartensortierung in UX?
23. Was ist evaluative Forschung?
24. Wie führt man Usability-Tests durch?
25. Wann und wie werden Präferenztests durchgeführt?
26. Was sind A/B-Tests in UX?
27. Eyetracking im UX-Testing
28. Was ist Baumprüfung?
29. Erster Klicktest
30. Was ist Aufgabenanalyse in der UX-Forschung?
31. Bewertung von Emotionen in UX
32. Kontinuierliche Forschung in UX
33. Datenanalyse in der UX-Forschung
34. Wie erstelle ich einen UX-Studienbericht?