Analiza danych w badaniach UX | Badania UX #33

Czy wiesz jaką rolę odgrywa analiza danych w badaniach UX? Dziś chcielibyśmy skupić się na problematyce analizy danych w UX, omawiając jakościową i ilościową analizę danych oraz poznając jej etapy, główne cele i zadania. Podpowiemy także, kiedy jest odpowiedni moment na przeprowadzenie tego 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. Analiza jakościowa danych badawczych
6. Streszczenie

Po co analizować zebrane dane?

Podejmowanie decyzji produktowej w oparciu wyłącznie o surowe dane to ogromny błąd UX. Pominięcie etapu analizy może skutkować dostarczeniem użytkownikom niekompletnego lub nieskutecznego rozwiązania, a nawet spowodować, że zespół projektowy skupi się na rozwiązaniu błędnego problemu lub rozpoznaniu prawdziwych użytkowników. Z tych i innych powodów analiza danych jest niezbędnym procesem, który utrzymuje cały projekt na właściwym torze. Czyni to poprzez uwzględnianie realnych potrzeb użytkowników i zbieranie informacji, które pomagają opracować najlepsze i najbardziej optymalne rozwiązanie z możliwych.

Kiedy analizować dane?

Wiele osób żywi rażące błędne przekonanie, że analizę należy przeprowadzić po zakończeniu badań, tj. po zebraniu informacji z wielu źródeł. Jednak takie podejście jest nieskuteczne, gdyż zbadanie tak dużej ilości danych wymaga ogromnego wysiłku, siły roboczej i czasu. Bardziej efektywne jest badanie danych na bieżąco, np. po kilku minutach po każdym pogłębionym wywiadzie.

Pamiętaj także o robieniu notatek podczas badań. W ten sposób możesz zapisać nowe obserwacje i mieć pewność, że nic nie zostało pominięte. Refleksje te sprawiają, że łatwo selekcjonujesz informacje i wybierasz z nich te, które będą najbardziej istotne dla późniejszych rekomendacji projektowych. Analizowanie na bieżąco, po każdym najmniejszym etapie badawczym, pozwala na przeprowadzenie końcowej analizy podsumowującej w znacznie bardziej zorganizowany i ustrukturyzowany sposób, ale przede wszystkim znacznie szybciej.

Analiza danych w badaniach UX

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

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

Określenie celów analizy

W pierwszym kroku definiujemy cele naszej analizy – powinny one być ściśle zgodne z celami UX Research. Pamiętaj na tym etapie, aby nie odbiegać od motywów, które skłoniły Cię do przeprowadzenia badań – np. jakie są potrzeby użytkownika; na której stronie współczynnik odrzuceń jest większy i dlaczego; jakie ulepszenia wprowadzić, aby zwiększyć współczynnik konwersji; czyli jak uczynić nasz produkt atrakcyjniejszym od konkurencji. Trzymanie się tych celów badawczych pomoże Ci zrozumieć, jak przeprowadzić analizę danych w sposób przydatny dla projektu. Aby dokładnie określić, czego szukasz.

Organizowanie danych

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

Dochodzenie

Faza badania leży u podstaw całego procesu analizy danych. Jej głównym celem jest identyfikacja słów, pomysłów czy wyrażeń, które najczęściej pojawiają się w odpowiedziach użytkowników i które najprawdopodobniej odpowiadają celowi analizy. W procesie tym nie chodzi tylko o szukanie słów i ich synonimów, ale o zrozumienie, co one oznaczają dla użytkowników w ich kontekście.

Znalezienie słów i wyrażeń zależy od badanej grupy użytkowników. Dzieje się tak, ponieważ ludzie są różni. Mają wyjątkowe 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, nawet najmniejsza zmiana może zaszkodzić fazie dochodzenia, całkowicie zmieniając całą analizę danych.

Grupowanie

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

Identyfikacja wyników i spostrzeżeń

Nie zapominajmy, że wyniki to nie spostrzeżenia. 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 po prostu do aktu rozpoznania przyczyn, które spowodowały skutki. Jest to dość wyraźna cecha, ponieważ reakcje użytkowników nie zawsze prowadzą do źródła problemu. Zadaniem projektanta jest zatem zajrzeć głębiej i szukać spostrzeżeń.

Użytkownicy zazwyczaj nie są w stanie samodzielnie zidentyfikować źródła swoich trudności. Zespół badawczy musi zatem przejrzeć wyniki w procesie analizy danych, przedyskutować je, a następnie poszukać spostrzeżeń i dopasować je do celów badawczych. W realizacji tego zadania pomagają warsztaty mające na celu zidentyfikowanie najbardziej odpowiednich spostrzeżeń. Efektywne wykorzystanie tego narzędzia polega na przeprowadzeniu kilku rund dyskusji przedzielonych krótkimi przerwami .

Opisane powyżej kroki to dość ogólny i standardowy proces analizy danych, który sprawdza się w przypadku każdej metody badawczej (zarówno jakościowej, jak i ilościowej). Wystarczy odpowiednio dostosować kroki do swojego procesu.

Ilościowa a jakościowa analiza danych

Choć proces analizy danych ilościowych nie różni się znacząco od analizy danych jakościowych, to ze względu na charakter tego badania projektanci mogą uzyskać odmienne spostrzeżenia. Badania ilościowe skupiają się na zbieraniu i analizowaniu 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 na temat interakcji ludzi z produktem i samymi odbiorcami.

Badania jakościowe skupiają się bardziej na koncepcjach abstrakcyjnych, takich jak ludzkie zachowanie. Z tego powodu poświęć trochę więcej czasu na przestudiowanie i ocenę, aby w pełni zrozumieć doświadczenia i opinie użytkowników. Warto już 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 zareagowali emocjonalnie?
• Czy (i dlaczego) użytkownicy są zadowoleni z produktu?

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

Streszczenie

Właściwie przeprowadzona analiza danych pozwala na podejmowanie lepszych, bardziej optymalnych decyzji projektowych. Pominięcie jej ustaleń prowadzi do powstania niekompletnego, nieefektywnego produktu, który nie odpowiada na rzeczywiste potrzeby użytkowników. Dlatego analiza danych jest tak krytycznym procesem, który decyduje o powodzeniu całego projektu. Umożliwia zebranie 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 sposób uporządkowany 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 i TikTok.

Autorka: Klaudia Kowalczyk

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

Zobacz 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 w procesie projektowania?
6. Jak wykorzystać zebrane dane o klientach?
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 wyszukiwania uczestników badań UX
12. Ankieta screenerowa dla UX Research
13. Zachęty do badań UX
14. Badania UX z dziećmi
15. Odkrywcze metody badawcze
16. Co to jest badanie desk research?
17. Jak przeprowadzić wywiady z użytkownikami?
18. Jak prowadzić badania pamiętnikowe?
19. Czym są grupy fokusowe w badaniach?
20. Czym są badania etnograficzne?
21. Badania ankietowe
22. Na czym polega sortowanie kart w UX?
23. Czym są badania ewaluacyjne?
24. Jak przeprowadzić testy użyteczności?
25. Kiedy i jak przeprowadzać testowanie preferencji?
26. Czym są testy A/B w UX?
27. Eyetracking w testach UX
28. Co to jest testowanie drzew?
29. Testowanie pierwszego kliknięcia
30. Czym jest analiza zadań w badaniach UX?
31. Ocena emocji w UX
32. Ciągłe badania w zakresie UX
33. Analiza danych w badaniach UX
34. Jak przygotować raport z badania UX?
35. Mapa Podróży Klienta – co to jest i jak ją stworzyć?