4 sposoby wykorzystania danych z przeszłości użytkowników do przewidywania przyszłych zachowań

Ponieważ firmy dostrzegają potrzebę bardziej skoncentrowanych na użytkowniku i opartych na dowodach strategii, badania doświadczeń użytkownika (UX) stają się coraz bardziej zintegrowaną częścią procesu rozwoju większości nowoczesnych organizacji produktowych . Badania UX mogą pomóc zespołom zapewnić rozwiązywanie rzeczywistych potrzeb, zmniejszyć ryzyko poprzez wczesne wykrywanie problemów i pobudzić kreatywność poprzez zwiększenie empatii dla klientów. Jednak przed osobami prowadzącymi badania UX stoi wiele wyzwań. W tej serii, Sofia Linse, badaczka Braze UX, zajmuje się typowymi problemami i bada, w jaki sposób firmy mogą skuteczniej podejść do tej niezbędnej pracy.

Każdy, kto regularnie prowadzi badania doświadczeń użytkownika (UX), doskonale zdaje sobie sprawę z wyzwań, jakie wiążą się z próbą przewidywania przyszłych zachowań. Wystarczy spojrzeć na subskrypcje, które nie są używane co roku, aby zrozumieć, że ludzie nie są tak świetni w przewidywaniu tego, co będziemy robić w przyszłości. Jednak najbardziej krytyczne pytania w badaniach często dotyczą przyszłych zachowań: czy klienci będą z niego korzystać? Jak z niego skorzystają? Czy wybiorą nas, a nie produkty konkurencji? Czy za to zapłacą?

Dobrą wiadomością jest to, że dzisiejsze produkty cyfrowe ułatwiają analizowanie rzeczywistych zachowań użytkowników — za pomocą dzienników aktywności i narzędzi do przeglądania rzeczywistych interakcji z produktem — zamiast polegać na przeczuciach lub anegdotycznych twierdzeniach. W Braze nieustannie poszukujemy sposobów na wykorzystanie tych możliwości w naszych badaniach UX. Przez lata znaleźliśmy kilka skutecznych podejść do włączania ilościowych i jakościowych danych behawioralnych, aby z większą pewnością podchodzić do trudnych pytań dotyczących przyszłego użycia:

1. Identyfikowanie obejścia użytkownika

Widząc wiele kreatywnych sposobów, w jakie klienci korzystają z Braze, jest nieocenionym źródłem wiedzy i inspiracji dla naszego zespołu ds. produktu — a jednym z najlepszych sposobów zrozumienia, jak wygląda ta aktywność, jest zbadanie, w jaki sposób nasi klienci wchodzą w interakcję z platformą.

Jedna z funkcji Braze, Canvas, pozwala naszym użytkownikom (marketerom) organizować komunikację poprzez mapowanie podróży klientów i wiadomości, które odbiorcy powinni otrzymać w każdym punkcie tej podróży. Canvas to elastyczne narzędzie, które w dużej mierze daje marketerom wolną rękę w dostosowywaniu przepływów wiadomości zgodnie ze strategiami ich firm. W rezultacie każde płótno może służyć jako odzwierciedlenie aktualnych priorytetów i celów tej firmy. W ostatnim projekcie przeanalizowaliśmy różne kanwy klientów, aby pomóc nam zidentyfikować nieefektywne rozbudowy i obejścia, w których nasza platforma nie spełniała w pełni potrzeb danego klienta. Po analizie oparliśmy się na zrozumieniu, które zdobyliśmy, przeprowadzając wywiady z wybranymi klientami w celu sprawdzenia, czy nasza interpretacja danych była rzeczywiście poprawna. Chociaż czasami bolesne było obserwowanie, w jaki sposób klienci zmagali się z osiągnięciem swoich celów przy użyciu naszej technologii, ich zeznania dostarczyły mocnych dowodów na to, jak ważne były dla nich te przypadki użycia — zwiększając naszą pewność, że rozwiązujemy właściwy problem i zobaczymy silne przyjęcie funkcji, gdy już to rozwiązaliśmy.

2. Przeprowadzanie eksperymentów bezpośrednio w produkcie

W Braze często głosimy, jak ważne jest docieranie do klientów tam, gdzie są — i jest to tak samo prawdziwe w przypadku firmy B2B, takiej jak nasza.

Jeden przykład? Nasz zespół ds. raportowania niedawno uruchomił ankietę na platformie Braze, w której zapytano klientów, czy są zainteresowani otrzymaniem jednego z dwóch raportów, które zespół rozważał. Gdy klienci się zarejestrowali, nasz zespół ręcznie stworzył minimalne opłacalne produkty (MVP) tych raportów w oparciu o istniejące dane Braze, wysłał je zainteresowanym klientom, a tydzień później przeprowadził jakościowe wywiady. Umożliwiło to określenie, który z dwóch raportów preferowali klienci i jak faktycznie z nich korzystali (jeśli w ogóle), zamiast polegać na twierdzeniach dotyczących przyszłych działań. Stosując to podejście, byliśmy świadkami rzeczywistych zachowań klientów, zamiast prosić ich o przewidzenie, co prawdopodobnie zrobią w hipotetycznej przyszłej sytuacji. Skutek? Ten eksperyment wymagał bardzo niewielkiego wysiłku inżynieryjnego, był niezwykle szybki w realizacji i prawie wyeliminował ryzyko zbudowania niewłaściwego produktu.

3. Wejście do gry z wczesnym MVP

Czasami rozmowy z klientami na temat potencjalnych rozwiązań prowadzą do bardzo niejasnych i hipotetycznych dyskusji, zwłaszcza jeśli zbliżamy się do nowego terytorium. Bez namacalnych odniesień łatwo wyobrazić sobie idealny produkt w idealnym kontekście, ponieważ zapominamy o realiach technicznej wykonalności, konkurencyjnych priorytetach i trudnościach związanych z użyciem czegoś nowego i nieznanego. Klientowi trudno jest również przekazać szczegóły tego doskonałego doświadczenia. Podczas danego wywiadu my w zespole produktowym możemy sobie wyobrazić coś zupełnie innego od tego, co jest w głowach naszych klientów – nawet nie zdając sobie z tego sprawy.

To właśnie wydarzyło się podczas prac badawczych, które poprzedziły nową funkcję opartą na sztucznej inteligencji. Zamiast przechodzić przez nasz zwykły, solidny cykl rozwojowy (tj. odkrywanie, projektowanie, ocena i iteracja), szybko zaprojektowaliśmy i udostępniliśmy MVP garstce klientów, którzy zgodzili się wykonywać zadania i spotykać się z nami co tydzień, aby przekazać opinię. W ciągu kilku krótkich miesięcy będziemy mogli identyfikować problemy, testować nowe pomysły i tworzyć skalowalny produkt, z którego mogą korzystać wszyscy klienci. W ten sposób jesteśmy w stanie otrzymywać bieżące opinie i spostrzeżenia, które dadzą nam konkretne zrozumienie tego, w jaki sposób klienci będą faktycznie korzystać z tej funkcji, zanim zdecydują się zbudować skalowalny produkt poza MVP.

4. Wykorzystywanie narzędzi zewnętrznych do rejestrowania rzeczywistych interakcji produktów

W Braze organizujemy cotygodniowe wydarzenie wewnętrzne „FullStory Fridays”, podczas którego grupa ludzi z różnych działów firmy spotyka się, aby oglądać, analizować i omawiać nagrania klientów korzystających z produktu Braze za pośrednictwem narzędzia FullStory. Takie podejście regularnie wyzwala spostrzeżenia i pytania, które byłyby trudne do odkrycia podczas wywiadów z klientami (albo dlatego, że nie wiedzielibyśmy, jak zapytać o dany problem, albo ponieważ klienci są tak przyzwyczajeni do swoich rutynowych czynności, że nie zastanawiają się już nad nimi).

Kolejne zewnętrzne narzędzie, które wykorzystujemy do analizy interakcji produktów? Looker to nowoczesna platforma do analizy biznesowej i aplikacji danych, której używamy do identyfikowania odpowiednich firm w celu rekrutacji do badań — w oparciu o ich zachowanie lub wykorzystanie określonych funkcji Braze — oraz do ilościowego określania spostrzeżeń odkrytych podczas badań jakościowych.

Może to oznaczać odpowiadanie na pytania takie jak:

• Jak powszechne jest to zachowanie w szerszej bazie klientów?

• Czy są pewne segmenty klientów, którzy robią to częściej niż inni?

• Czym różnią się klienci korzystający z funkcji X od tych, którzy tego nie robią?

Aby upewnić się, że dostrzegamy możliwości analizy ilościowej w związku z naszymi projektami badawczymi UX, regularnie spotykamy się również z zespołem Business Intelligence, aby omówić nadchodzące inicjatywy i aktualne pytania badawcze.

Końcowe przemyślenia

Jeśli chodzi o badania UX, zawsze będą dane, które chciałbyś mieć i sytuacje, w których trudno będzie uzyskać jasność. Mamy nadzieję, że te cztery podejścia mogą zainspirować nowe sposoby uzyskiwania bardziej wiarygodnych, opartych na danych wniosków, które z czasem mogą ulepszyć Twój produkt.

Chcesz dowiedzieć się więcej o procesie rozwoju produktu? Zapoznaj się z wiceprezesem Braze ds. produktu, Kevinem Wangiem, na kluczowe pytania, które musisz zadać przed podjęciem decyzji o produkcie.