4 วิธีในการใช้ประโยชน์จากข้อมูลผู้ใช้ในอดีตเพื่อคาดการณ์พฤติกรรมในอนาคต

เนื่องจากบริษัทต่างๆ เล็งเห็นถึงความจำเป็นในกลยุทธ์ที่เน้นผู้ใช้เป็นศูนย์กลางและอิงตามหลักฐานมากขึ้น การวิจัยประสบการณ์ผู้ใช้ (UX) จึงกลายเป็นส่วนที่มีการบูรณาการมากขึ้นเรื่อยๆ ใน กระบวนการพัฒนาของ องค์กรผลิตภัณฑ์ที่ทันสมัย ส่วนใหญ่ การวิจัย UX สามารถช่วยให้ทีมมั่นใจว่าพวกเขากำลังแก้ปัญหาสำหรับความต้องการที่แท้จริง ลดความเสี่ยงด้วยการจัดการปัญหาตั้งแต่เนิ่นๆ และจุดประกายความคิดสร้างสรรค์ผ่านการเอาใจใส่ลูกค้ามากขึ้น ยังมีความท้าทายมากมายที่ผู้ดำเนินการวิจัย UX เผชิญอยู่ ในชุดนี้ นักวิจัย Braze UX Sofia Linse จะจัดการกับปัญหาทั่วไปและสำรวจวิธีที่บริษัทต่างๆ จะเข้าถึงงานที่จำเป็นนี้ได้อย่างมีประสิทธิภาพมากขึ้น

ใครก็ตามที่ทำการวิจัยประสบการณ์ผู้ใช้ (UX) เป็นประจำจะตระหนักดีถึงความท้าทายที่มาพร้อมกับความพยายามที่จะทำนายพฤติกรรมในอนาคต คุณต้องดูเฉพาะการสมัครรับข้อมูลที่ไม่ได้ใช้ทุกปีเพื่อทำความเข้าใจว่ามนุษย์คาดการณ์สิ่งที่เราจะทำในอนาคตได้ไม่ดีนัก แต่คำถามที่สำคัญที่สุดในการวิจัยมักเกี่ยวข้องกับพฤติกรรมในอนาคต: ลูกค้าจะใช้หรือไม่ พวกเขาจะใช้มันอย่างไร? พวกเขาจะเลือกเราเหนือผลิตภัณฑ์ของคู่แข่งหรือไม่? พวกเขาจะจ่ายสำหรับมันหรือไม่

ข่าวดีก็คือผลิตภัณฑ์ดิจิทัลในปัจจุบันช่วยให้วิเคราะห์พฤติกรรมผู้ใช้จริงได้ง่ายขึ้น ผ่านบันทึกกิจกรรมและเครื่องมือสำหรับการดูการโต้ตอบที่แท้จริงกับผลิตภัณฑ์ของคุณ แทนที่จะอาศัยลางสังหรณ์หรือการอ้างสิทธิ์เล็กน้อย ที่ Braze เราแสวงหาวิธีการใช้ประโยชน์จากโอกาสเหล่านี้อย่างต่อเนื่องในการวิจัย UX ของเรา และตลอดหลายปีที่ผ่านมา เราพบแนวทางที่ประสบความสำเร็จหลายวิธีในการรวมข้อมูลพฤติกรรมเชิงปริมาณและเชิงคุณภาพ เพื่อให้สามารถตอบคำถามยากๆ เกี่ยวกับการใช้งานในอนาคตได้อย่างมั่นใจมากขึ้น:

1. การระบุวิธีแก้ปัญหาของผู้ใช้

การได้เห็นวิธีที่สร้างสรรค์มากมายที่ลูกค้าใช้ Braze เป็นแหล่งที่มาของข้อมูลเชิงลึกและแรงบันดาลใจอันล้ำค่าสำหรับทีมผลิตภัณฑ์ของเรา และหนึ่งในวิธีที่ดีที่สุดในการทำความเข้าใจว่ากิจกรรมนั้นเป็นอย่างไรโดยการตรวจสอบว่าลูกค้าโต้ตอบกับแพลตฟอร์มอย่างไร

ฟีเจอร์หนึ่งของ Braze คือ Canvas ให้ผู้ใช้ (นักการตลาด) ของเราจัดการการสื่อสารโดยกำหนดเส้นทางการเดินทางของลูกค้าและผู้รับข้อความที่ผู้รับควรได้รับในแต่ละจุดของการเดินทางนั้น Canvas เป็นเครื่องมือที่ยืดหยุ่นซึ่งส่วนใหญ่ช่วยให้นักการตลาดสามารถกำหนดโฟลว์การรับส่งข้อความตามกลยุทธ์ของบริษัทได้อย่างอิสระ ด้วยเหตุนี้ Canvas แต่ละแห่งจึงสามารถสะท้อนถึงลำดับความสำคัญและเป้าหมายในปัจจุบันของบริษัทนั้นได้ ในโปรเจ็กต์ล่าสุด เราได้ตรวจสอบ Canvas ของลูกค้าที่หลากหลายเพื่อช่วยระบุการสร้างและวิธีแก้ปัญหาที่ไม่มีประสิทธิภาพ ซึ่งแพลตฟอร์มของเราไม่สามารถตอบสนองความต้องการของลูกค้าได้อย่างเต็มที่ หลังจากการวิเคราะห์ เราสร้างความเข้าใจที่เราได้รับจากการสัมภาษณ์ลูกค้าที่ได้รับการคัดเลือก เพื่อตรวจสอบว่าการตีความข้อมูลของเราถูกต้องจริงหรือไม่ แม้ว่าบางครั้งจะเจ็บปวดที่ได้เห็นวิธีที่ลูกค้าพยายามดิ้นรนเพื่อให้บรรลุเป้าหมายโดยใช้เทคโนโลยีของเรา แต่คำให้การของพวกเขาได้ให้หลักฐานที่ชัดเจนว่ากรณีการใช้งานเหล่านี้มีความสำคัญต่อพวกเขาเพียงใด ทำให้เรามั่นใจว่าเรากำลังจัดการกับปัญหาที่ถูกต้อง และจะได้เห็น การนำคุณสมบัติที่แข็งแกร่งมาใช้เมื่อเราแก้ไขแล้ว

2. ดำเนินการทดลองโดยตรงในผลิตภัณฑ์

ที่ Braze เรามักจะเทศนาถึงความสำคัญของการเข้าถึงลูกค้าของคุณในที่ที่พวกเขาอยู่—และนั่นก็เป็นความจริงสำหรับบริษัท B2B เช่นเรา

ตัวอย่างหนึ่ง? ทีมผลิตภัณฑ์การรายงานของเราเพิ่งเปิดตัวแบบสำรวจภายในแพลตฟอร์ม Braze ที่ถามลูกค้าว่าพวกเขาสนใจที่จะรับรายงานใดจากสองรายงานที่ทีมกำลังพิจารณาสร้างหรือไม่ เมื่อลูกค้าลงทะเบียนแล้ว ทีมงานของเราได้สร้างผลิตภัณฑ์ขั้นต่ำที่ใช้งานได้ (MVP) ของรายงานเหล่านี้โดยอิงจากข้อมูลที่มีอยู่ของ Braze ส่งไปยังลูกค้าที่สนใจ และติดตามผลการสัมภาษณ์เชิงคุณภาพในสัปดาห์ต่อมา วิธีนี้ทำให้สามารถวัดได้ว่ารายงานใดในสองฉบับที่ลูกค้าต้องการและใช้งานจริงอย่างไร (ถ้ามี) แทนที่จะต้องพึ่งพาการอ้างสิทธิ์เกี่ยวกับการดำเนินการในอนาคต เมื่อใช้วิธีนี้ เราได้เห็นพฤติกรรมของลูกค้าจริง แทนที่จะขอให้ลูกค้าคาดการณ์สิ่งที่พวกเขาน่าจะทำในสถานการณ์สมมติในอนาคต ผลที่สุด? การทดลองนี้ต้องใช้ความพยายามทางวิศวกรรมเพียงเล็กน้อย ตอบสนองได้รวดเร็วมาก และเกือบจะขจัดความเสี่ยงในการสร้างผลิตภัณฑ์ที่ไม่ถูกต้อง

3. เข้าสู่เกมด้วย MVP ก่อนใคร

บางครั้งการสัมภาษณ์ลูกค้าเกี่ยวกับวิธีแก้ปัญหาที่เป็นไปได้ส่งผลให้เกิดการสนทนาที่คลุมเครือและสมมติขึ้น โดยเฉพาะอย่างยิ่งหากเรากำลังเข้าใกล้พื้นที่ใหม่ หากไม่มีข้อมูลอ้างอิงที่จับต้องได้ จะเป็นเรื่องง่ายที่จะจินตนาการถึงผลิตภัณฑ์ที่สมบูรณ์แบบในบริบทที่สมบูรณ์แบบ เนื่องจากเรามักจะลืมเกี่ยวกับความเป็นจริงของความเป็นไปได้ทางเทคนิค ลำดับความสำคัญที่แข่งขันกัน และความยากลำบากที่เกี่ยวข้องกับการใช้สิ่งใหม่ที่ไม่คุ้นเคย ลูกค้าจะสื่อสารรายละเอียดของประสบการณ์ที่สมบูรณ์แบบนั้นได้ยากเช่นกัน ในระหว่างการสัมภาษณ์ เราในทีมผลิตภัณฑ์อาจจินตนาการถึงบางสิ่งที่แตกต่างจากสิ่งที่อยู่ในหัวของลูกค้าอย่างมาก โดยที่ไม่รู้ตัว

นั่นคือสิ่งที่เกิดขึ้นระหว่างความพยายามในการวิจัยซึ่งเกิดขึ้นก่อนคุณลักษณะใหม่ที่ใช้ AI แทนที่จะต้องผ่านวงจรการพัฒนาที่แข็งแกร่งตามปกติของเรา (เช่น การค้นพบ ออกแบบ ประเมิน และทำซ้ำ) เราได้ออกแบบและเผยแพร่ MVP อย่างรวดเร็วให้กับลูกค้าจำนวนหนึ่งที่ตกลงที่จะทำงานที่ได้รับมอบหมายให้เสร็จสิ้น และพบกับเราทุกสัปดาห์เพื่อแสดงความคิดเห็น ในอีกไม่กี่เดือนข้างหน้า เราจะสามารถระบุปัญหา ทดสอบแนวคิดใหม่ๆ และสร้างผลิตภัณฑ์ที่ปรับขนาดได้สำหรับลูกค้าทุกคน ด้วยวิธีนี้ เราสามารถรับข้อเสนอแนะและข้อมูลเชิงลึกอย่างต่อเนื่องซึ่งจะทำให้เรามีความเข้าใจที่เป็นรูปธรรมว่าลูกค้าจะใช้คุณลักษณะนี้จริง ๆ อย่างไรก่อนที่จะมุ่งมั่นที่จะสร้างผลิตภัณฑ์ที่ปรับขนาดได้นอกเหนือจาก MVP

4. การใช้ประโยชน์จากเครื่องมือภายนอกเพื่อจับภาพการโต้ตอบกับผลิตภัณฑ์จริง

ที่ Braze เราจัดกิจกรรมภายใน "FullStory Fridays" ทุกสัปดาห์ โดยกลุ่มคนจากแผนกต่างๆ ภายในบริษัทมารวมตัวกันเพื่อรับชม วิเคราะห์ และหารือเกี่ยวกับการบันทึกของลูกค้าที่ใช้ผลิตภัณฑ์ Braze ผ่านเครื่องมือ FullStory แนวทางนี้ทำให้เกิดข้อมูลเชิงลึกและคำถามที่ยากจะเปิดเผยในการสัมภาษณ์ลูกค้า (อาจเป็นเพราะเราไม่รู้ว่าจะถามเกี่ยวกับปัญหาหนึ่งๆ หรือเพราะลูกค้าคุ้นเคยกับกิจวัตรของตนจนไม่ได้ไตร่ตรองถึงปัญหาเหล่านั้นอีกต่อไป)

เครื่องมือภายนอกอื่นที่เราใช้เพื่อวิเคราะห์การโต้ตอบของผลิตภัณฑ์? Looker คือระบบธุรกิจอัจฉริยะและแพลตฟอร์มแอปพลิเคชันข้อมูลที่เราใช้ระบุบริษัทที่เกี่ยวข้องเพื่อขอรับการสรรหาบุคลากรตามพฤติกรรมหรือการใช้คุณลักษณะเฉพาะของ Braze และเพื่อวัดปริมาณข้อมูลเชิงลึกที่ค้นพบระหว่างการวิจัยเชิงคุณภาพ

นั่นอาจหมายถึงการตอบคำถามเช่น:

• พฤติกรรมนี้เกิดขึ้นบ่อยเพียงใดในฐานลูกค้าในวงกว้าง

• มีลูกค้าบางกลุ่มที่ทำสิ่งนี้บ่อยกว่ากลุ่มอื่นหรือไม่?

• ลูกค้าที่ใช้ฟีเจอร์ X ต่างจากลูกค้าที่ไม่ใช้อย่างไร?

เพื่อให้แน่ใจว่าเราเห็นโอกาสสำหรับการวิเคราะห์เชิงปริมาณที่เกี่ยวข้องกับโครงการวิจัย UX ของเรา เราจึงมีการประชุมเป็นประจำกับทีม Business Intelligence เพื่อหารือเกี่ยวกับความคิดริเริ่มที่จะเกิดขึ้นและคำถามการวิจัยในปัจจุบัน

ความคิดสุดท้าย

เมื่อพูดถึงการวิจัย UX มักจะมีข้อมูลที่คุณต้องการและสถานการณ์ที่ความชัดเจนอาจเป็นไปได้ยาก หวังว่าแนวทางทั้งสี่นี้จะสร้างแรงบันดาลใจให้วิธีการใหม่ๆ เพื่อให้ได้ข้อสรุปที่น่าเชื่อถือและอิงตามข้อมูลมากขึ้น ซึ่งสามารถปรับปรุงผลิตภัณฑ์ของคุณได้ตลอดเวลา

สนใจเรียนรู้เพิ่มเติมเกี่ยวกับกระบวนการพัฒนาผลิตภัณฑ์หรือไม่? ตรวจสอบ Braze SVP ของผลิตภัณฑ์ Kevin Wang ที่คำถามสำคัญที่คุณต้องถามก่อนตัดสินใจผลิตภัณฑ์