Datenanalyse in der UX-Forschung | UX-Forschung #33

Wissen Sie, welche Rolle die Datenanalyse in der UX-Forschung spielt? Heute möchten wir uns auf das Thema Datenanalyse in UX konzentrieren, indem wir die qualitative und quantitative Datenanalyse besprechen und uns über ihre Phasen, Hauptziele und Ziele informieren. 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 sind die Daten zu analysieren?
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 tatsächlichen 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 Nutzer berücksichtigt und Informationen gesammelt, die dabei helfen, die bestmögliche und optimale Lösung zu entwickeln.

Wann sind die Daten zu analysieren?

Viele Menschen hegen den groben Irrglauben, dass die Analyse nach Abschluss der Recherche, also nach dem Sammeln von Informationen aus vielen Quellen, erfolgen sollte. Dieser Ansatz ist jedoch wirkungslos, da die Untersuchung einer so großen Datenmenge enormen Aufwand, Personal und Zeit erfordert. Es ist effizienter, die Daten fortlaufend zu untersuchen, indem man sich beispielsweise nach jedem ausführlichen Interview ein paar Minuten Zeit nimmt.

Denken Sie auch daran, sich während Ihrer Recherche Notizen zu machen. Auf diese Weise können Sie neue Beobachtungen festhalten und sicherstellen, dass nichts ausgelassen wird. Mithilfe dieser Überlegungen können Sie ganz einfach Informationen auswählen und daraus diejenigen auswählen, die für spätere Designempfehlungen am relevantesten sind. Durch die kontinuierliche Analyse nach jedem noch so kleinen Rechercheschritt können Sie die abschließende zusammenfassende Analyse weitaus organisierter und strukturierter, aber vor allem auch viel schneller durchführen.

Datenanalyse in der UX-Forschung

Die Datenanalyse in der UX-Forschung wandelt bisher 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. Clusterisierung
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 dieser Phase daran, nicht von den Motiven abzuweichen, die Sie mit der Recherche beauftragt haben – zum Beispiel, was sind die Bedürfnisse des Benutzers; Auf welcher Seite ist die Ablehnungsrate höher und warum; Welche Verbesserungen müssen vorgenommen werden, um die Conversion-Rate zu erhöhen? oder wie wir unser Produkt attraktiver als die Konkurrenz machen können. Das Festhalten an diesen und den Forschungszielen wird Ihnen helfen zu verstehen, wie Sie die Datenanalyse auf eine Weise durchführen, 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 geschickt verwalten, auswählen und filtern, um sie benutzbar zu machen. Durch die Organisation von Daten können Sie bei Bedarf auch schnell auf die gewünschten Informationen zugreifen. Beispielsweise können Sie Daten nach der Unterseite der Website katalogisieren, zu der sie gehören. Segregation ist der Schlüssel zur Durchführung einer effizienten Datenanalyse und zur Verbesserung ihrer Visualisierung, damit die Beteiligten den gesamten Prozess besser verstehen.

Untersuchung

Die Untersuchungsphase ist das Herzstück des gesamten Datenanalyseprozesses. Ihr Hauptziel besteht darin, die Wörter, Ideen oder Phrasen zu identifizieren, die in den Antworten der Benutzer am häufigsten vorkommen und 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 bedeutet, abhängig von der untersuchten Benutzergruppe. Es passiert, weil Menschen unterschiedlich sind. Sie haben einzigartige Erfahrungen und Verhaltensweisen sowie Ausdrucksmöglichkeiten. Daher sollten Sie es vermeiden, Benutzerantworten in Ihren Wortschatz zu übertragen. Bleiben Sie stattdessen so weit wie möglich beim Original, denn jede Abweichung, selbst die kleinste, kann die Untersuchungsphase beeinträchtigen und die gesamte Datenanalyse insgesamt verändern.

Clustering

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

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 lediglich auf den Akt des Erkennens der Ursachen, die zu den Ergebnissen geführt haben. Dies ist ein ganz besonderes Merkmal, da Benutzerantworten nicht immer zur Ursache des Problems führen. Die Aufgabe des Designers besteht also darin, tiefer zu blicken und nach Erkenntnissen zu suchen.

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

Bei den oben beschriebenen Schritten handelt es sich um einen ziemlich allgemeinen und standardmäßigen Datenanalyseprozess, der mit jeder Forschungsmethode (sowohl qualitativ als auch quantitativ) funktioniert. Sie müssen lediglich die Schritte richtig an Ihren Prozess anpassen.

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 der Zielgruppe selbst interagieren.

Qualitative Forschung konzentriert sich eher auf abstrakte Konzepte, wie zum Beispiel 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 am Produkt am besten und was gefällt ihnen am wenigsten?
• Warum reagieren manche Nutzer anders als andere?
• Hatten (und wann) die Benutzer eine emotionale Reaktion?
• Sind (und warum) die Benutzer mit dem Produkt zufrieden?

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

Zusammenfassung

Eine ordnungsgemäß durchgeführte Datenanalyse ermöglicht bessere und optimalere Designentscheidungen. Das Weglassen dieser Erkenntnisse führt zur Entwicklung eines unvollständigen, ineffektiven Produkts, das nicht auf die tatsächlichen Bedürfnisse der Benutzer eingeht. Aus diesem Grund ist die Datenanalyse ein so entscheidender Prozess, der über den Erfolg des gesamten Projekts entscheidet. Es ermöglicht Ihnen, wichtige Informationen zu sammeln und auszuwählen, die, wenn sie in konkrete Designempfehlungen umgesetzt werden, dabei helfen, die bestmögliche Lösung zu entwickeln – maßgeschneidert auf die Bedürfnisse und Anforderungen der Benutzer. Die von uns beschriebenen Schritte zur Datenanalyse helfen Ihnen dabei, diese strukturiert durchzuführen und sich auf das Wesentliche zu konzentrieren.

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

Autorin: Klaudia Kowalczyk

Ein Grafik- und UX-Designer, der in Design vermittelt, was sich nicht in Worte fassen lässt. Für ihn hat jede verwendete Farbe, Linie oder Schriftart 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 für den Designprozess von entscheidender Bedeutung?
6. Wie können wir unsere gesammelten Kundendaten nutzen?
7. Wie erstellt man einen guten UX-Forschungsplan?
8. Wie wählt man eine Forschungsmethode?
9. Wie können Pilottests die UX-Forschung verbessern?
10. Rekrutierung von UX-Studienteilnehmern
11. Kanäle und Tools zur Suche nach UX-Forschungsteilnehmern
12. Screener-Umfrage für UX Research
13. UX-Forschungsanreize
14. UX-Forschung mit Kindern
15. Entdeckungsforschungsmethoden
16. Was ist Sekundärforschung?
17. Wie führt man Benutzerinterviews 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 ist A/B-Testing in UX?
27. Eyetracking im UX-Testing
28. Was ist eine 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 erstellt man einen UX-Forschungsbericht?
35. Customer Journey Map – was ist das und wie erstellt man sie?