Анализ данных в исследованиях UX | UX-исследование №33

Знаете ли вы, какую роль играет анализ данных в исследованиях UX? Сегодня мы хотели бы сосредоточиться на проблеме анализа данных в UX, обсудив качественный и количественный анализ данных и узнав о его этапах, основных целях и задачах. Мы также подскажем, когда наступает подходящий момент для его проведения в проекте.

Анализ данных в исследованиях UX — содержание:

1. Зачем анализировать собранные данные?
2. Когда анализировать данные?
3. Анализ данных в UX-исследованиях
4. Определение целей анализа
5. Качественный анализ данных исследования
6. Краткое содержание

Зачем анализировать собранные данные?

Принятие решения о продукте исключительно на основе необработанных данных — огромная ошибка UX. Пропуск этапа анализа может привести к тому, что пользователям будет предоставлено неполное или неэффективное решение, или даже заставить команду проекта сосредоточиться на решении не той проблемы или распознавании реальных пользователей. По этим и другим причинам анализ данных является важным процессом, который поддерживает весь проект в правильном направлении. Это достигается за счет учета реальных потребностей пользователей и сбора информации, которая помогает разработать наилучшее и наиболее оптимальное возможное решение.

Когда анализировать данные?

Многие люди питают грубое заблуждение, что анализ должен проводиться после завершения исследования, т. е. после сбора информации из многих источников. Однако такой подход малоэффективен, так как изучение такого большого объема данных требует огромных усилий, человеческих ресурсов и времени. Более эффективно исследовать данные на постоянной основе, например, выделяя несколько минут после каждого глубинного интервью.

Кроме того, не забывайте делать заметки во время исследования. Таким образом, вы можете записать свежие наблюдения и убедиться, что ничего не пропущено. Эти размышления позволяют легко отбирать информацию и выбирать из нее те, которые будут наиболее актуальными для последующих рекомендаций по дизайну. Анализ на постоянной основе, после каждого небольшого шага исследования, позволяет вам проводить окончательный сводный анализ гораздо более организованным и структурированным способом, но, прежде всего, гораздо быстрее.

Анализ данных в UX-исследованиях

Анализ данных в UX-исследованиях преобразует ранее необработанные данные в значимую информацию, которая будет поддерживать бизнес-решения. Проведение комплексного анализа данных состоит из пяти основных шагов:

1. Определение целей анализа
2. Организация данных
3. Расследование
4. Кластеризация
5. Идентификация результатов и инсайтов

Определение целей анализа

Первый шаг определяет цели нашего анализа — они должны строго соответствовать целям исследования UX. На этом этапе не забывайте не отступать от мотивов, побудивших вас взяться за проведение исследования — например, каковы потребности пользователя; на какой странице процент отказов больше и почему; какие улучшения сделать, чтобы повысить конверсию; или как сделать наш продукт более привлекательным, чем у конкурентов. Придерживаясь этих целей и целей исследования, вы поймете, как проводить анализ данных так, чтобы это было полезно для проекта. Чтобы точно определить, что вы ищете.

Организация данных

Каждый опрос предоставляет разные типы данных, более и менее актуальные для проекта. Таким образом, вы должны умело управлять, выбирать и фильтровать их для удобства использования. Организация данных также позволяет их продуманному расположению быстро извлекать нужную информацию, когда это необходимо. Например, вы можете каталогизировать данные по подстранице веб-сайта, к которой они относятся. Разделение является ключом к проведению эффективного анализа данных и улучшению их визуализации, что позволяет заинтересованным сторонам лучше понять весь процесс.

Расследование

Фаза расследования лежит в основе всего процесса анализа данных. Его основная цель состоит в выявлении слов, идей или фраз, которые чаще всего встречаются в ответах пользователей и которые, скорее всего, соответствуют цели анализа. Этот процесс заключается не только в поиске слов и их синонимов, но и в понимании того, что они означают для пользователей в своем контексте.

Разобраться в словах и выражениях означает зависимость от изучаемой группы пользователей. Это происходит потому, что люди разные. У них есть уникальный опыт и поведение, а также способы самовыражения. Следовательно, вам следует избегать расшифровки ответов пользователей на ваш словарный запас. Вместо этого максимально придерживайтесь оригинала, потому что любое изменение, даже самое маленькое, может повредить фазе исследования, полностью изменив весь анализ данных.

Кластеризация

Следующим шагом является разработка так называемых кластеров для маркировки ответов в соответствии с ответами, определенными на этапе исследования. Эти кластеры помогают команде различать приоритетные проблемы. Например, если более половины ответов пользователей укладываются в созданный кластер с пометкой «Производительность интерфейса», команде, вероятно, следует отдать приоритет этой теме и искать проблемы, конкретно связанные с производительностью интерфейса.

Идентификация результатов и инсайтов

Давайте не будем забывать, что результаты — это не понимание. Результаты касаются обнаруженных, исследованных, а затем сгруппированных и каталогизированных фактов, которые исследовательская группа выявила в процессе анализа. Инсайты, с другой стороны, относятся только к акту распознавания причин, вызвавших результаты. Это довольно отличительная черта, так как ответы пользователей не всегда ведут к источнику проблемы. Таким образом, работа дизайнера заключается в том, чтобы смотреть глубже и искать идеи.

Пользователи обычно не могут самостоятельно определить источник своих трудностей. Поэтому исследовательская группа должна просмотреть результаты в процессе анализа данных, обсудить их, а затем найти идеи и сопоставить их с целями исследования. Семинар по выявлению наиболее релевантных идей помогает выполнить эту задачу. Эффективное использование этого инструмента предполагает проведение нескольких раундов обсуждения, разделенных короткими перерывами .

Описанные выше шаги представляют собой довольно общий и стандартный процесс анализа данных, который работает с любым методом исследования (как качественным, так и количественным). Все, что вам нужно сделать, это правильно адаптировать шаги к вашему процессу.

Количественный и качественный анализ данных

Хотя процесс анализа количественных данных существенно не отличается от анализа качественных данных, из-за характера этого исследования дизайнеры могут получить разную информацию. Количественные исследования сосредоточены на сборе и анализе числовых данных с использованием статистики и вероятности. Такие показатели, как, например, процент отказов на данной странице или демографический профиль пользователя, предоставляют исследователям конкретную и измеримую информацию о том, как люди взаимодействуют с продуктом и самой аудиторией.

Качественные исследования больше фокусируются на абстрактных понятиях, таких как человеческое поведение. По этой причине уделите немного больше времени изучению и оценке, чтобы полностью понять пользовательский опыт и мнения. На этом этапе стоит задать полезные вопросы, например:

• Что пользователям больше всего нравится в продукте, а что меньше всего?
• Почему некоторые пользователи реагируют иначе, чем другие?
• Была ли (и когда) у пользователей эмоциональная реакция?
• Довольны ли (и почему) пользователи продуктом?

Учитывая разницу в полученных данных, имеет смысл использовать как количественные, так и качественные анекдоты в рамках UX-исследования. Таким образом, собранные данные дополняют друг друга и дают четкое и более глубокое представление о результатах.

Краткое содержание

Правильно проведенный анализ данных позволяет принимать более качественные и оптимальные проектные решения. Игнорирование его выводов приводит к разработке неполного, неэффективного продукта, который не отвечает реальным потребностям пользователей. Вот почему анализ данных является таким важным процессом, который определяет успех всего проекта. Это дает вам возможность собирать и выбирать ключевую информацию, которая при преобразовании в конкретные рекомендации по проектированию помогает разработать наилучшее возможное решение, адаптированное к потребностям и требованиям пользователей. Шаги анализа данных, которые мы описали, помогут вам структурировать его и сосредоточиться на самом важном.

Если вам нравится наш контент, присоединяйтесь к нашему сообществу занятых пчел в Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Автор: Клаудия Ковальчик

Графический и UX-дизайнер, который передает в дизайне то, что невозможно передать словами. Для него каждый используемый цвет, линия или шрифт имеет значение. Увлекается графическим и веб-дизайном.

Просмотреть все сообщения

UX-исследование:

1. Что такое UX-исследование?
2. Типы UX-исследований
3. Что такое исследовательские вопросы и как их писать?
4. Процесс сбора требований для UI/UX проектов
5. Почему интервью с заинтересованными сторонами имеют решающее значение для процесса проектирования?
6. Как использовать собранные нами данные о клиентах?
7. Как создать хороший план исследования UX?
8. Как выбрать метод исследования?
9. Как пилотное тестирование может улучшить исследования UX?
10. Набор участников исследования UX
11. Каналы и инструменты для поиска участников UX-исследований
12. Отборочный опрос для UX Research
13. Стимулы для UX-исследований
14. UX исследование с детьми
15. Открытие методов исследования
16. Что такое кабинетное исследование?
17. Как проводить интервью с пользователями?
18. Как вести дневниковые исследования?
19. Что такое фокус-группы в исследованиях?
20. Что такое этнографическое исследование?
21. Исследовательский опрос
22. Что такое сортировка карточек в UX?
23. Что такое оценочное исследование?
24. Как провести юзабилити-тестирование?
25. Когда и как проводить тестирование предпочтений?
26. Что такое A/B-тестирование в UX?
27. Айтрекинг в UX-тестировании
28. Что такое тестирование дерева?
29. Тестирование первого клика
30. Что такое анализ задач в UX-исследованиях?
31. Оценка эмоций в UX
32. Непрерывные исследования в области UX
33. Анализ данных в UX-исследованиях
34. Как подготовить отчет об исследовании UX?