Анализ данных в UX-исследованиях | UX-исследование №33
Опубликовано: 2023-04-17Знаете ли вы, какую роль анализ данных играет в исследованиях UX? Сегодня мы хотели бы сосредоточиться на проблеме анализа данных в UX, обсудив качественный и количественный анализ данных, а также узнав о его этапах, основных целях и задачах. Мы также подскажем, когда лучше всего провести это в проекте.
Анализ данных в UX-исследованиях – содержание:
- Зачем анализировать собранные данные?
- Когда анализировать данные?
- Анализ данных в UX-исследованиях
- Определение целей анализа
- Качественный анализ данных исследования
- 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 к тому, что команда проекта сосредоточится на решении неправильной проблемы или распознавании реальных пользователей. По этим и другим причинам анализ данных является важным процессом, который поддерживает весь проект на правильном пути. Это достигается за счет учета реальных потребностей пользователей и сбора информации, которая помогает разработать лучшее и наиболее оптимальное 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 неэффективен, так как исследование такого большого объема данных требует огромных усилий, рабочей силы и времени. Более эффективно исследовать данные на постоянной основе, например, уделяя несколько минут после каждого углубленного интервью.
Также не забывайте делать заметки во время исследования. Таким образом, вы сможете записать свежие наблюдения и убедиться, что ничего не упущено. Эти размышления позволяют легко отбирать информацию и выбирать из нее те, которые будут наиболее актуальны для последующих рекомендаций по дизайну. Анализ на постоянной основе, после каждого небольшого исследовательского шага, позволяет вам провести окончательный итоговый анализ гораздо более организованным и структурированным образом, но, прежде всего, намного быстрее.
Анализ данных в UX-исследованиях
Анализ данных в UX-исследованиях преобразует ранее необработанные данные в значимую информацию, которая будет способствовать принятию бизнес-решений. Проведение комплексного анализа данных состоит из пяти основных этапов:
- Определение целей анализа
- Организация данных
- Расследование
- Кластеризация
- Определение результатов и идей
Определение целей анализа
На первом этапе определяются цели нашего анализа — они должны строго соответствовать целям UX-исследования. На этом этапе помните, что нельзя отклоняться от мотивов, которые заставили вас приступить к проведению исследования – например, каковы потребности пользователя; на какой странице процент отказов более значителен и почему; какие улучшения сделать, чтобы повысить конверсию; или как сделать наш продукт более привлекательным, чем у конкурентов. Соблюдение этих целей и целей исследования поможет вам понять, как проводить анализ данных так, чтобы это было полезно для проекта. Чтобы точно определить, что вы ищете.
Организация данных
Каждое исследование предоставляет различные типы данных, более или менее актуальные для проекта. Таким образом, вам придется умело управлять, выбирать и фильтровать их для удобства использования. Организация данных также обеспечивает их продуманное расположение, позволяющее быстро находить нужную информацию, когда это необходимо. Например, вы можете каталогизировать данные по подстраницам веб-сайта, к которым они относятся. Сегрегация является ключом к проведению эффективного анализа данных и улучшению их визуализации, что позволяет заинтересованным сторонам лучше понимать весь процесс.
Расследование
Этап 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 с наибольшей вероятностью соответствуют цели анализа. Этот процесс заключается не только в поиске слов и их синонимов, но и в понимании того, что они значат для пользователей в их контексте.
Разобраться в словах и выражениях значит в зависимости от изучаемой группы пользователей. Это происходит потому, что люди разные. У них уникальный опыт и поведение, а также способы самовыражения. Следовательно, вам следует избегать расшифровки ответов пользователей в свой словарный запас. Вместо этого, насколько это возможно, придерживайтесь оригинала, поскольку любое изменение, даже самое незначительное, может навредить этапу расследования, полностью изменив весь анализ данных.
Кластеризация
Следующим шагом является разработка так называемых кластеров для маркировки ответов в соответствии с теми, которые были определены на этапе расследования. Эти кластеры помогают команде различать приоритетные проблемы. Например, если более половины ответов пользователей умещаются в созданный кластер с надписью «Производительность интерфейса», команде, вероятно, следует расставить приоритеты в этой теме и искать проблемы, конкретно связанные с производительностью интерфейса.
Определение результатов и идей
Давайте не будем забывать, что результаты – это не идеи. Результаты касаются обнаруженных, исследованных, затем сгруппированных и каталогизированных фактов, которые исследовательская группа выявила в процессе анализа. С другой стороны, прозрения относятся только к акту признания причин, которые обусловили результаты. Это совершенно особая особенность, поскольку ответы пользователей не всегда приводят к источнику проблемы. Таким образом, задача дизайнера — 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 информацию и сопоставить ее с целями исследования. Семинар по выявлению наиболее актуальных 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 фокусируются на сборе и анализе числовых данных с использованием статистики и вероятности. Такие показатели, как, например, процент отказов определенной страницы или демографический профиль пользователя, предоставляют исследователям конкретную и поддающуюся количественной оценке информацию о том, как люди взаимодействуют с продуктом и самой аудиторией.
Качественные исследования больше фокусируются на абстрактных концепциях, таких как человеческое поведение. По этой причине потратьте немного больше времени на изучение и оценку, чтобы полностью понять опыт и мнения пользователей. На этом этапе стоит задать полезные вопросы, например:
- Что пользователям нравится больше всего 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, в рамках UX-исследований имеет смысл использовать как количественные, так и качественные анекдоты. Таким образом, собранные данные дополняют друг друга и дают четкое и более глубокое представление о результатах.
Краткое содержание
Правильно проведенный анализ данных позволяет принимать лучшие и оптимальные проектные решения. Игнорирование выводов приводит к разработке неполного и неэффективного продукта, который не отвечает реальным потребностям пользователей. Вот почему анализ данных является таким важным процессом, который определяет успех всего проекта. Он дает вам возможность собирать и выбирать ключевую информацию, которая, будучи преобразована в конкретные рекомендации по проектированию, помогает разработать наилучшее возможное решение, адаптированное к потребностям и требованиям пользователей. Описанные нами шаги по анализу данных помогут вам провести его структурировано и сосредоточиться на самом важном.
Если вам нравится наш контент, присоединяйтесь к нашему занятому сообществу пчел на Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.
UX-исследования:
- Что такое UX-исследования?
- Виды UX-исследований
- Что такое исследовательские вопросы и как их писать?
- Процесс сбора требований для UI/UX проектов
- Почему интервью с заинтересованными сторонами имеют решающее значение для процесса проектирования?
- Как использовать собранные нами данные о клиентах?
- Как составить хороший план исследования UX?
- Как выбрать метод исследования?
- Как пилотное тестирование может улучшить исследования UX?
- Набор участников UX-исследований
- Каналы и инструменты поиска участников UX-исследований
- Скрининговый опрос для UX Research
- Стимулирование UX-исследований
- UX-исследования с детьми
- Методы исследования открытий
- Что такое кабинетное исследование?
- Как проводить интервью с пользователями?
- Как проводить дневниковые исследования?
- Что такое фокус-группы в исследованиях?
- Что такое этнографическое исследование?
- Исследовательский опрос
- Что такое сортировка карточек в UX?
- Что такое оценочное исследование?
- Как проводить юзабилити-тестирование?
- Когда и как проводить тестирование предпочтений?
- Что такое A/B-тестирование в UX?
- Айтрекинг в UX-тестировании
- Что такое тестирование дерева?
- Тестирование по первому клику
- Что такое анализ задач в UX-исследованиях?
- Оценка эмоций в UX
- Непрерывные исследования в области UX
- Анализ данных в UX-исследованиях
- Как подготовить отчет об исследовании UX?
- Карта пути клиента – что это такое и как ее составить?