Analiza danych w badaniach UX | Badanie UX #33

Czy wiesz, jaką rolę odgrywa analiza danych podczas badań UX? Dziś chcielibyśmy skupić się na zagadnieniu analizy danych w UX poprzez omówienie jakościowej i ilościowej analizy danych oraz poznanie jej etapów, głównych celów, a także zadań. Podpowiemy również, kiedy jest odpowiedni moment na przeprowadzenie go w projekcie.

Analiza danych w badaniach UX – spis treści:

1. Po co analizować zebrane dane?
2. Kiedy analizować dane?
3. Analiza danych w badaniach UX
4. Określenie celów analizy
5. Jakościowa analiza danych badawczych
6. Streszczenie

Po co analizować zebrane dane?

Podejmowanie decyzji produktowej wyłącznie na podstawie surowych danych to ogromny błąd UX. Pominięcie etapu analizy może skutkować dostarczeniem użytkownikom niepełnego lub nieefektywnego rozwiązania, a nawet spowodować, że zespół projektowy skupi się na rozwiązaniu niewłaściwego problemu lub rozpoznaniu rzeczywistych użytkowników. Z tych i innych powodów analiza danych jest niezbędnym procesem, który utrzymuje cały projekt na właściwej drodze. Czyni to poprzez uwzględnienie rzeczywistych potrzeb użytkowników i gromadzenie informacji, które pomagają w opracowaniu jak najlepszego i najbardziej optymalnego rozwiązania.

Kiedy analizować dane?

Wiele osób żywi błędne przekonanie, że analiza powinna odbywać się po zakończeniu badania, czyli po zebraniu informacji z wielu źródeł. Takie podejście jest jednak nieskuteczne, ponieważ zbadanie tak dużej ilości danych wymaga ogromnego wysiłku, siły roboczej i czasu. Bardziej efektywne jest badanie danych na bieżąco, na przykład poświęcając kilka minut po każdym pogłębionym wywiadzie.

Pamiętaj też o robieniu notatek podczas badań. W ten sposób możesz zapisać świeże obserwacje i upewnić się, że nic nie zostanie pominięte. Te refleksje sprawiają, że z łatwością wyselekcjonujesz informacje i wybierzesz z nich te, które będą najistotniejsze dla późniejszych zaleceń projektowych. Analizowanie na bieżąco, po każdym najmniejszym kroku badawczym, pozwala przeprowadzić ostateczną analizę podsumowującą w znacznie bardziej uporządkowany i uporządkowany sposób, ale przede wszystkim znacznie szybciej.

Analiza danych w badaniach UX

Analiza danych w badaniach UX przekształca wcześniej nieprzetworzone dane w sensowne informacje, które będą wspierać decyzje biznesowe. Przeprowadzenie kompleksowej analizy danych składa się z pięciu podstawowych kroków – są to:

1. Określenie celów analizy
2. Organizowanie danych
3. Dochodzenie
4. Klasteryzacja
5. Identyfikacja wyników i spostrzeżeń

Określenie celów analizy

Pierwszy krok definiuje cele naszej analizy – powinny one być ściśle zgodne z celami UX Research. Na tym etapie pamiętaj, aby nie odchodzić od motywów, które skłoniły Cię do prowadzenia badań – np. jakie są potrzeby użytkownika; na której stronie współczynnik odrzuceń jest większy i dlaczego; jakie ulepszenia wprowadzić, aby zwiększyć współczynnik konwersji; czyli jak uatrakcyjnić nasz produkt na tle konkurencji. Trzymanie się tych i celów badawczych pomoże ci zrozumieć, jak przeprowadzić analizę danych w sposób użyteczny dla projektu. Aby dokładnie określić, czego szukasz.

Organizowanie danych

Każda ankieta dostarcza innego rodzaju danych, bardziej i mniej istotnych dla projektu. Dlatego musisz sprytnie zarządzać, wybierać i filtrować je pod kątem użyteczności. Organizowanie danych umożliwia również ich przemyślane uporządkowanie, aby w razie potrzeby szybko wyszukać żądane informacje. Można np. katalogować dane po podstronie serwisu, którego dotyczą. Segregacja jest kluczem do sprawnej analizy danych i poprawy ich wizualizacji, dzięki czemu interesariusze lepiej rozumieją cały proces.

Dochodzenie

Faza badania leży u podstaw całego procesu analizy danych. Jego głównym celem jest identyfikacja słów, idei lub fraz, które pojawiają się najczęściej w odpowiedziach użytkowników i które najprawdopodobniej są zgodne z celem analizy. Ten proces nie polega tylko na szukaniu słów i ich synonimów, ale na zrozumieniu, co oznaczają one dla użytkowników w ich kontekście.

Znajomość tych słów i wyrażeń oznacza zależność od badanej grupy użytkowników. Dzieje się tak, ponieważ ludzie są różni. Mają unikalne doświadczenia i zachowania, a także sposoby wyrażania siebie. Dlatego powinieneś unikać transkrypcji odpowiedzi użytkowników na swoje słownictwo. Zamiast tego trzymaj się oryginału tak bardzo, jak to możliwe, ponieważ każda zmiana, nawet najmniejsza, może zaszkodzić fazie dochodzenia, zmieniając całkowicie całą analizę danych.

Grupowanie

Następnym krokiem jest opracowanie tak zwanych klastrów, aby oznaczyć odpowiedzi zgodnie z tymi zidentyfikowanymi w fazie badania. Te klastry pomagają zespołowi rozróżnić priorytetowe problemy. Na przykład, jeśli ponad połowa odpowiedzi użytkowników mieści się w utworzonym klastrze oznaczonym jako „Wydajność interfejsu”, zespół powinien prawdopodobnie nadać priorytet temu tematowi i poszukać problemów związanych konkretnie z wydajnością interfejsu.

Identyfikacja wyników i spostrzeżeń

Nie zapominajmy, że wyniki nie są spostrzeżeniami. Wyniki dotyczą odkrytych, zbadanych, a następnie pogrupowanych i skatalogowanych faktów, które zespół badawczy wydobył na światło dzienne w procesie analizy. Z drugiej strony, wglądy odnoszą się tylko do aktu rozpoznania przyczyn, które spowodowały skutki. Jest to dość charakterystyczna cecha, ponieważ reakcje użytkowników nie zawsze prowadzą do źródła problemu. Zadaniem projektanta jest więc patrzeć głębiej i szukać spostrzeżeń.

Użytkownicy zwykle nie są w stanie samodzielnie zidentyfikować źródła swoich trudności. Zespół badawczy musi zatem dokonać przeglądu wyników podczas procesu analizy danych, omówić je, a następnie wyszukać spostrzeżenia i dopasować je do celów badawczych. Warsztaty mające na celu zidentyfikowanie najistotniejszych spostrzeżeń pomagają w wykonaniu tego zadania. Efektywne wykorzystanie tego narzędzia polega na przeprowadzeniu kilku rund dyskusji oddzielonych krótkimi przerwami .

Opisane powyżej kroki to dość ogólny i standardowy proces analizy danych, który działa z każdą metodą badawczą (zarówno jakościową, jak i ilościową). Wystarczy, że odpowiednio dostosujesz kroki do swojego procesu.

Ilościowa a jakościowa analiza danych

Chociaż proces analizy danych ilościowych nie różni się istotnie od analizy danych jakościowych, to ze względu na charakter tych badań projektanci mogą otrzymać odmienne spostrzeżenia. Badania ilościowe skupiają się na gromadzeniu i analizie danych liczbowych z wykorzystaniem statystyki i prawdopodobieństwa. Wskaźniki, takie jak na przykład współczynnik odrzuceń danej strony lub profil demograficzny użytkownika, dostarczają badaczom konkretnych i wymiernych informacji o tym, jak ludzie wchodzą w interakcję z produktem i samą publicznością.

Badania jakościowe koncentrują się bardziej na pojęciach abstrakcyjnych, takich jak ludzkie zachowanie. Z tego powodu poświęć trochę więcej czasu na przestudiowanie i ocenę, aby w pełni zrozumieć wrażenia i opinie użytkowników. Warto na tym etapie zadać pomocne pytania, takie jak:

• Co użytkownicy lubią w produkcie najbardziej, a co najmniej?
• Dlaczego niektórzy użytkownicy reagują inaczej niż inni?
• Czy (i kiedy) użytkownicy mieli reakcję emocjonalną?
• Czy (i dlaczego) użytkownicy są zadowoleni z produktu?

Biorąc pod uwagę różnicę w otrzymywanych danych, sensowne jest wykorzystywanie anegdot zarówno ilościowych, jak i jakościowych w ramach badań UX. W ten sposób zebrane dane wzajemnie się uzupełniają i dają jasny i głębszy wgląd w wyniki.

Streszczenie

Właściwie przeprowadzona analiza danych pozwala na podejmowanie lepszych, bardziej optymalnych decyzji projektowych. Pominięcie jego ustaleń prowadzi do opracowania niekompletnego, nieefektywnego produktu, który nie odpowiada na rzeczywiste potrzeby użytkowników. Dlatego analiza danych jest tak krytycznym procesem, który decyduje o powodzeniu całego projektu. Umożliwia zbieranie i selekcję kluczowych informacji, które przełożone na konkretne zalecenia projektowe pomagają opracować najlepsze możliwe rozwiązanie – dostosowane do potrzeb i wymagań użytkowników. Opisane przez nas etapy analizy danych pomogą Ci przeprowadzić ją w uporządkowany sposób i skupić się na tym, co najważniejsze.

Jeśli podobają Ci się nasze treści, dołącz do naszej społeczności pracowitych pszczół na Facebooku, Twitterze, LinkedIn, Instagramie, YouTube, Pinterest, TikTok.

Autor: Klaudia Kowalczyk

Grafik & UX Designer, który przekazuje w projekt to, czego nie da się przekazać słowami. Dla niego każdy użyty kolor, linia czy czcionka ma znaczenie. Pasjonat grafiki i projektowania stron internetowych.

Wyświetl wszystkie posty

badania UX:

1. Czym są badania UX?
2. Rodzaje badań UX
3. Czym są pytania badawcze i jak je pisać?
4. Proces zbierania wymagań dla projektów UI/UX
5. Dlaczego wywiady z interesariuszami są kluczowe dla procesu projektowania?
6. Jak wykorzystać zebrane przez nas dane klientów?
7. Jak stworzyć dobry plan badań UX?
8. Jak wybrać metodę badawczą?
9. Jak testy pilotażowe mogą usprawnić badania UX?
10. Rekrutacja uczestników badania UX
11. Kanały i narzędzia do wyszukiwania uczestników badań UX
12. Badanie przesiewowe dla UX Research
13. Zachęty badawcze UX
14. Badania UX z dziećmi
15. Metody badań odkrywczych
16. Czym jest desk research?
17. Jak przeprowadzać wywiady z użytkownikami?
18. Jak prowadzić studia dziennikarskie?
19. Czym są grupy fokusowe w badaniach?
20. Czym są badania etnograficzne?
21. Badania ankietowe
22. Czym jest sortowanie kart w UX?
23. Czym są badania ewaluacyjne?
24. Jak przeprowadzić testy użyteczności?
25. Kiedy i jak przeprowadzać testy preferencji?
26. Czym są testy A/B w UX?
27. Eyetracking w testach UX
28. Co to jest testowanie drzewa?
29. Test pierwszego kliknięcia
30. Czym jest analiza zadań w badaniach UX?
31. Ocena emocji w UX
32. Ciągłe badania UX
33. Analiza danych w badaniach UX
34. Jak przygotować raport z badania UX?