数字の強さ–データ駆動型設計の概要

デザインは、科学ではなく芸術と見なされることがよくあります。 実際には、それは両方です。 デザインの芸術は、データと情報の科学に影響されるべきです。 データの収集と分析は、より優れたデザインとユーザーエクスペリエンスを作成するための鍵です。

データ駆動型の設計は、それに精通していない設計者にとっては威圧的です。 一部の設計者は、なぜそれが必要なのかさえわからないか、限られたベースでデータを利用するだけです。 プロセスを理解すると、プロセスがわかりやすくなり、あらゆるレベルの経験を持つ設計者がプロセスにアクセスできるようになります。

設計プロセスでデータを使用する理由

多くの設計者は、ユーザーの調査を一切行わなくても、ユーザーが何を望んでいるかを知っていると考えています。 彼らはまた、彼ら自身のデザインに夢中になる傾向があります。 しかし、ほとんどの場合、デザイナーはユーザーではありません。 最高のユーザーエクスペリエンスを作成する方法について下された決定を裏付けるデータがなければ、デザイナーは本当に暗闇の中で刺しているだけです。

データはデザイナーに洞察を与えるので、デザイナーは製品を使用する人々のために可能な限り最高のデザインを作成できます。 このデータは、一次資料と二次資料から複数の形式で提供されます。 設計者にとって重要なことは、設計の基礎として使用する価値のあるデータセットと、無視するデータセットを把握することです。

使用するデータ

データ駆動型UI設計では、最適なユーザーエクスペリエンスを作成するための最良の方法を決定するために、さまざまな種類のデータが必要になる場合があります。 このデータには、製品の既存のイテレーションに関するWebサイトまたはアプリの分析、ユーザーインタビュー、A / Bおよび多変量のテスト結果、行動フロー、その他のタイプのUX調査などが含まれます。

より多くのデータ設計者が前もって集まるほど、設計の初期の反復はより適切になります。 確かに、一部のタイプのデータ収集では、プロトタイプが一般的に必要です（A / Bまたは多変量テストなど）。 しかし、それらの初期のプロトタイプでさえ、業界データまたは同様のプロジェクトからのデータに依存する可能性があります（ケーススタディは、この点で非常に貴重なリソースになる可能性があります）。

DesignAnalyticsの使用

分析は、設計者にとって最も豊富なデータソースの一部になる可能性があります。 サイトやアプリを最初から設計するのではなく再設計する場合、設計者は既存の分析情報を利用して、機能しているものと機能していないものを判断できます。

人気のあるサイトのページ、平均ページ滞在時間の統計が高いページ、またはバウンス率が低いページを確認することは、何が機能しているかを知るための良い方法です。 ただし、終了率とバウンス率が高いページ、またはページの平均滞在時間が短いページを見ると、ヘルプが必要なページについての洞察が得られます。

終了率とバウンス率が高い場合は、ページにアクセスしたユーザーが探している情報がページに含まれていないことを示している可能性があります。 または、情報がそこにある場合は、見つけたり理解したりするのが簡単ではないことを示している可能性があります。

デザインに変更が加えられるときにUX分析に注意を払うことも重要です。 再設計前のページのパフォーマンスが良好な場合は、再設計後のパフォーマンスに注意してください。 ポジティブ指標の改善は、再設計が正しい方向に進んでいることを意味し、その逆も同様です。

最後に、業界分析ベンチマークは、同じ業界の他のサイトまたはアプリと比較して、サイトまたはアプリのパフォーマンスに関する重要な情報を提供できます。 一人で見た場合、ページの平均2分の時間が良いか悪いかを判断するのは難しいことがよくあります。 しかし、それを比較して、業界平均が3分のページ平均時間であることがわかるということは、現在のサイトのデザインまたはコンテンツが改善される可能性があることを意味します。 Google Analyticsには、業界平均と比較した場合にサイトのパフォーマンスを簡単に確認できるベンチマークツールが組み込まれています。

A/Bおよび多変量テスト結果の使用

A / Bテストと多変量テストは、ウェブサイトやアプリのさまざまなバージョンが相互にどのように機能するかを確認するための密接に関連した方法です。 これらを使用して、ユーザーエクスペリエンスとユーザーの動作を大幅に改善できます。

A / Bテストでは、2つのバージョン間でデザインの1つの要素（ボタンの色や見出しのテキストなど）を変更して、どちらが優れているかを確認します。 多変量テストは、複数の要素を変更します（ヘッダー全体またはページ上のすべてのコピーなど）。 どちらの種類のテストでも、サイトまたはアプリへの訪問者には、ページのさまざまなバージョンがランダムに表示され、分析データが記録されます。

設計を改善するためにA/Bまたは多変量テストを継続的に実行すると、コンバージョンが大幅に増加する可能性があります。 たとえば、37Signalsは、最適なデザインを決定するために、ホームページでさまざまなA / Bテストを実行しました（2つのバージョン間で100％を超える違いが見られる場合があります）。

ビヘイビアフローの使用

行動フローは、ユーザーが最初にアクセスしたページから、サイトを終了する前に最後に表示したページまで、サイト内を移動する方法です。 ほとんどの場合、UXの専門家には、ユーザーにサイトを介してもらいたい特定のフローがあります。 実際の動作フローがそれと大きく異なる場合は、ユーザーエクスペリエンスに問題があることを示しています。

Google Analyticsには、ユーザーの行動フローを調査するためのツールが組み込まれています。 UXデザイナーがプロジェクト用に作成した理想的な動作フローと比較してこのデータを調査すると、デザインが実際にユーザーエクスペリエンスと動作の目標を達成しているかどうかについての貴重な洞察が得られます。

ユーザー調査

設計者がデータを収集するために使用できるさまざまなユーザー調査方法があり、より良いユーザーエクスペリエンスを作成し、ユーザーの行動により効果的に影響を与える設計プロセスを支援できます。

これらの方法には、カードの並べ替え、実際のユーザーとのコンテキストインタビュー、フォーカスグループ、調査、ヒューリスティック分析などが含まれます。 ユーザー調査には、ペルソナやユースケースの作成なども含まれます。

ユーザー調査は、リソースを大量に消費するデータ収集方法の1つですが、特に既存のプライマリデータソースがない新しいプロジェクトや製品の場合、最も価値のあるものになる可能性があります。 効果的なユーザー調査を実施するにはさまざまな方法があり、それぞれがプロセスに独自の価値を付加することができます。

ユーザーテストは、ユーザー調査プロセスの1つの側面であり、多くの場合、ユーザビリティテストに加えて、前述のA/Bおよび多変量テストが含まれます。 費用効果の高いユーザーテストは設計プロセスの重要な部分であり、途中の各ステップで実行する必要があります。

データを分析する方法

データの収集は、データ駆動型の設計プロセスの1つの側面にすぎません。 デザインやUX分析などの定量的データは不可欠ですが、ユーザーのインタビューから収集されたような定性的データも同様に重要です。

定量的データにより、デザイナーはWebサイトやアプリで何が起こっているのかを知ることができます。 しかし、ユーザーが自分のしていることを行う理由を明らかにするには、定性的なデータが必要です。 ユーザーが特定の方法で行動する理由を理解することは、UX理論とデザインの心理学の大部分です。

定性的データと定量的データの両方が収集されたら、設計者はデータの傾向と外れ値を探す必要があります。 外れ値は、ユーザーが遭遇する可能性のある潜在的な問題についての洞察を与えることができます。これは、トラフィック数が増えるにつれて重要になる可能性があります。

データの視覚化を作成すると、大規模なデータセットを操作する場合に役立ちます。 単純なチャートやグラフでも、入手可能な情報の分析が容易になります。 これが、Google Analyticsを含むほとんどの分析プログラムが、生データとしてではなく視覚的にデータを表示する理由です。

新しいデータが収集されるため、データは継続的に分析する必要があります。 デザインの変更、コンテンツの変更、検索エンジンアルゴリズムの変更、およびその他の開発はすべて、ユーザーエクスペリエンスとユーザーの行動に影響を与える可能性があります。 設計者はこのデータを分析して、製品を絶えず改善し、新しいイテレーションを作成できます。

利害関係者へのデータの提示

データの分析に加えて、プロジェクトの利害関係者にデータを提示することは、多くの場合、利害関係者に最高の設計ソリューションを購入させるために重要です。 データを視覚的に表示することは、情報を提示するための最良の方法の1つです。

チャートやグラフを使用してスライドデッキを作成すると、多くの場合、クライアントまたはマネージャーにプロジェクトを承認してもらうことと、途中のすべてのステップで抵抗に直面することの違いを生む可能性があります。 データは、適切な設計の選択に関する設計者の「直感」を裏付けることができます。

データを使用した意思決定

データの最も優れた点の1つは、ほとんどの場合、より多くのデータを収集できることです。 データ駆動型の設計決定プロセスは循環的です。設計者はデータを収集して分析し、それに基づいて決定を下し、さらに多くのデータを収集して分析することでそれらの決定をテストする必要があります。

直感や勘ではなくデータに基づいて改善された製品の新しいイテレーションを絶えず設計することで、設計者は製品を使用する人々により良い体験を生み出すことができます。 利用可能なデータを常に把握することで、設計者は、ユーザーエクスペリエンスや動作の変更に関する問題を、収益に影響を与える前に回避できます。

結論

データ駆動型の設計プロセスを理解することは、設計者にとって重要なキャリアスキルです。 ユーザーの調査とテストのプロセスを詳しく調べ、データ分析がどのように機能するかを理解することで、設計者はアイデアをサポートするための追加のツールを利用できます。 また、そのアサーションをバックアップするためのデータを使用して、可能な限り最高の製品を作成することもできます。

データ駆動型のUIデザインは、芸術と科学の両方です。 データを収集および分析し、それに基づいて設計を実装する方法を理解することは、初心者から上級者まで、同様に重要なスキルです。

Toptal Designブログでさらに読む：

• 大衆向けのUXテスト：シンプルで費用対効果の高いものに保つ
• ユーザビリティテストデータを狂気に陥ることなく行動に移す
• UXの調査方法とユーザーの共感への道
• データの視覚化-ベストプラクティスと基盤
• これらのデータの視覚化からインスピレーションを得てください