Transformer les données des tests d'utilisabilité en action sans devenir fou

La collecte, le tri et la compréhension des données recueillies lors de la recherche d'utilisateurs et des tests d'utilisabilité deviennent une tâche de plus en plus courante chez les praticiens UX - en fait, cela devient une compétence UX essentielle.

Un test d'utilisabilité vous dira si vos utilisateurs cibles peuvent utiliser votre produit. Il aide à identifier les problèmes rencontrés par les utilisateurs avec une interface utilisateur spécifique et révèle des tâches difficiles à accomplir et un langage confus. En règle générale, un test d'utilisabilité implique une préparation et une analyse approfondies et est considéré comme l'une des techniques de recherche les plus précieuses. Il est capable de fournir des données quantitatives et qualitatives qui aideront à guider l'équipe produit vers de meilleures solutions.

Cependant, ce n'est pas une promenade dans le parc. Pour tenter de découvrir des problèmes d'utilisabilité, les chercheurs et concepteurs UX doivent souvent faire face à un déluge de données incomplètes, inexactes et confuses. Un test d'utilisabilité régulier avec cinq à dix participants peut facilement générer plus de soixante problèmes. Cela peut donner l'impression de "boire à la lance à incendie" en attendant que la paralysie redoutée de l'analyse apparaisse.

Un risque considérable lorsque vous essayez de résoudre des problèmes d'utilisabilité est de vous tromper de voie en essayant de trouver des solutions qui ne répondent pas vraiment aux problèmes en question. Le risque est qu'il puisse y avoir un décalage entre les problèmes trouvés et les solutions identifiées. Celles-ci peuvent être causées par un certain nombre de facteurs différents, notamment la fatigue décisionnelle et de nombreux types de biais cognitifs.

Comment transformer les données des tests d'utilisabilité en solutions exploitables

Afin de maîtriser les obstacles mentionnés ci-dessus, nous avons besoin de moyens efficaces pour gérer nos données de test tout en nous assurant de choisir les solutions les plus efficaces pour les problèmes rencontrés.

Commençons par emprunter quelques idées au processus de création. L'un des plus puissants est le double diamant du British Design Council, qui à son tour utilise la pensée divergente-convergente. Il s'agit d'un processus de conception avec des phases de problème et de solution clairement définies et intégrées.

Le double diamant est exactement ce dont nous avons besoin pour construire un cadre qui gérera les problèmes d'utilisabilité et trouvera des moyens de les résoudre.

L'adaptation du modèle ci-dessus aux tests d'utilisabilité du résultat est un processus en quatre étapes :

1. Collecte de données
2. Priorisation des problèmes
3. Génération de solutions
4. Priorisation des solutions

Voyons chaque étape en détail, y compris comment la mettre en pratique.

Remarque : Nous aurons besoin d'utiliser quelques mathématiques de base. Ne vous inquiétez pas, ce n'est pas trop, et à la fin de cet article, vous trouverez une feuille de calcul qui automatise l'ensemble du processus. Si cela ne fonctionne toujours pas pour vous, il existe également une approche visuelle où vous pouvez utiliser des post-its et des tableaux blancs.

Étape 1 : Collecte de données de recherche sur l'utilisabilité

En commençant par vos questions de recherche , la première étape consiste à collecter les données générées par le test d'utilisabilité. Il doit être configuré pour faciliter la génération d'idées et d'informations plus tard dans le processus. La clé est de structurer et d'organiser clairement les données pour éviter l'encombrement. Dans la plupart des cas, il suffit de :

• Avoir un système d' identification des problèmes (ID)
• Notez où cela s'est produit (écran, module, widget d'interface utilisateur, flux, etc.)
• Connaître la tâche dans laquelle l'utilisateur s'engageait
• Fournissez une description concise du problème

Une approche courante pour organiser les problèmes d'utilisabilité, utilisée par Lewis et Sauro dans le livre Quantifying the User Experience , consiste à tracer les données comme indiqué dans le tableau ci-dessous, avec les problèmes dans les lignes et les participants dans les dernières colonnes.

Dans l'exemple ci-dessus, un test d'utilisabilité fictif réalisé avec trois participants a généré deux problèmes :

• Le premier vécu par le participant (P1)
• La seconde par les autres participants (P2 et P3)

Étape 2 : hiérarchisation des problèmes

Les ressources étant limitées, il est nécessaire de hiérarchiser les problèmes d'utilisabilité de manière à optimiser l'analyse. En règle générale, chaque problème d'utilisabilité a un degré de gravité , influencé par certains facteurs tels que :

• Criticité de la tâche : évaluée en termes d'impact sur l'entreprise ou l'utilisateur si la tâche n'est pas accomplie.
• Fréquence des problèmes : combien de fois un problème s'est produit avec différents participants.
• Impact du problème : dans quelle mesure l'utilisateur tente-t-il d'accomplir la tâche ?

Pour prioriser, nous devons suivre ces étapes :

1. Définissez le score de criticité de chaque tâche effectuée dans le test. En termes simples, définissez à quel point la tâche est critique pour l'entreprise ou l'utilisateur en lui attribuant une valeur numérique. Les valeurs peuvent provenir d'une séquence linéaire simple (par exemple, 1, 2, 3, 4, etc.) ou quelque chose de plus élaboré comme la séquence de Fibonacci (1, 2, 3, 5, 8, etc.), exactement comme utilisé dans des méthodes agiles comme le planning poker.

2. Définissez le score d'impact pour chaque problème en attribuant une valeur (comme ci-dessus) aux éléments de cette échelle :
   • 5 : (bloqueur) le problème empêche l'utilisateur d'accomplir la tâche
   • 3 : (majeur) cela cause de la frustration et/ou du retard
   • 2 : (mineur) il a un effet mineur sur la performance des tâches
   • 1 : (suggestion) c'est une suggestion du participant

3. Trouvez la fréquence (%) du problème en divisant le nombre d'occurrences par le nombre total de participants. C'est un calcul de pourcentage de base.

4. Enfin, calculez la gravité de chaque problème en multipliant les trois variables ci-dessus.

Voyons comment cela fonctionne dans une feuille de calcul (bien sûr, nous voulons automatiser cela, n'est-ce pas ?). Notre tableau mis à jour ressemblerait à ceci :

Dans l'exemple ci-dessus, nous avons le scénario suivant :

• Trois problèmes d'utilisabilité rencontrés par trois participants (p1, p2 et p3);
• La tâche « créer un message » apparaît deux fois et a reçu un score critique de 5, et une tâche moins critique (connexion sociale) a reçu un score de 3 ;
• Chaque problème s'est vu attribuer une valeur en fonction de son impact : 5 (bloquant), 3 (majeur) et 2 (un impact mineur sur la performance des tâches) ;
• La fréquence de chaque problème (par exemple, le problème n° 2 s'est produit deux fois avec trois participants, donc 2/3 = 0,67) ;
• Enfin, la gravité résultait de la multiplication des autres facteurs (par exemple, 3 x 5 x 0,33 = 4,95).

C'est tout pour le moment. Nous avons trouvé nos problèmes d'utilisabilité les plus importants dans cet ordre : 3 , 2 et 1 . À ce stade, nous avons également une bonne perspective sur le paysage des problèmes d'utilisabilité - la vue d'ensemble qui aide l'équipe à cadrer le problème de haut niveau et à l'optimiser au cours des étapes suivantes.

Étape 3 : Génération de la solution

En règle générale, les tests d'utilisabilité ne sont pas complets à la fin sans une liste de recommandations (suggestions génériques) et de solutions (instructions spécifiques). Parfois, la solution est assez évidente, comme corriger le placement d'un composant d'interface utilisateur. La situation devient plus délicate pour les problèmes avec des solutions non évidentes ou de nombreuses solutions possibles. Quelle solution est la meilleure ? Laquelle est la plus faisable ? Quel est le rapport coût/bénéfice d'une expérience pour le savoir ? Ici, la méthode traditionnelle des recommandations régulières ne suffira pas.

Pour réduire le risque de prendre de mauvaises décisions de conception, nous avons besoin : a) de plusieurs alternatives de solutions parmi lesquelles choisir, et b) d'un processus de sélection efficace. Nous allons utiliser la même approche divergente-convergente utilisée pour aborder les étapes de collecte de données et de priorisation des problèmes dans la phase précédente. Les étapes sont :

1. Pour chaque problème, générez plusieurs idées de solutions. Quels sont les moyens possibles de résoudre le problème ? Ici, nous avons une belle opportunité de collaboration avec le reste de l'équipe (développeurs, designers, chefs de produits, etc.).

2. Réorganisez les solutions en les gardant spécifiques - selon les besoins, fusionnez ou divisez les solutions pour éviter les redondances et trop d'abstraction. Encore une fois, soyez précis, afin qu'il soit plus facile d'évaluer les idées. Par exemple, au lieu de simplement "Éviter d'utiliser un menu hamburger", il est préférable d'indiquer une solution spécifique, telle que "Utiliser une navigation horizontale et un menu arborescent vertical".

3. Marquez les problèmes supplémentaires que la solution peut résoudre. En pratique, une seule bonne solution peut résoudre plusieurs problèmes. Les bonnes solutions sont polyvalentes !

En suivant les étapes ci-dessus, le tableau résultant ressemble à ceci :

Dans cet exemple, nous avons la liste des solutions de brainstorming (lignes) et les problèmes que chaque solution résout (colonnes, qui représentent les problèmes trouvés dans les étapes précédentes).

Voyons ensuite comment faire évoluer cette liste et découvrir quelles solutions sont les meilleures candidates à la mise en œuvre, et dans quel ordre.

Étape 4 : Hiérarchisation des solutions

De même que pour la priorisation des problèmes, nous devons hiérarchiser les solutions en fonction de certains paramètres. Dans les équipes agiles, où ce sujet est traité très sérieusement, il est courant d'utiliser la valeur métier et la complexité , ce qui permet de calculer le retour sur investissement (ROI). Empruntant à cette logique, nous avons les étapes suivantes :

1. Calculer l' efficacité de chaque solution .
   Plus le problème traité est grave, meilleure est la solution. Cela pourrait être approximativement comparé à la valeur commerciale des méthodes agiles. Additionnez les gravités de tous les problèmes traités par la solution.

    Effectiveness = Sum of issue severities

2. Aiguisez la complexité de la solution .
   1. Quelles sont les ressources nécessaires pour développer cette solution ?
   2. Dans quelle mesure les technologies impliquées sont-elles standard ?
   3. Dans quelle mesure les besoins de l'entreprise/de l'utilisateur sont-ils clairs ?

   En d'autres termes, plus il y a d'efforts et d'incertitude, plus la solution est complexe. Traduisez simplement cela en une valeur quantifiable, comme la séquence de Fibonacci (1, 2, 3, 5, 8, etc.). Si vous faites cela en équipe, le planning poker convient parfaitement.

3. Calculez le retour sur investissement de la solution. Il s'agit de la relation coût-bénéfice, calculée en divisant l' efficacité de la solution par sa complexité . Plus le retour sur investissement est élevé, mieux c'est.

    ROI = Effectiveness / Complexity

Revenons à notre feuille de calcul, qui ressemble maintenant à ceci :

Dans l'exemple ci-dessus, nous avons :

1. La liste des solutions (lignes)
2. Les problèmes (i1 à i3) avec leurs sévérités (4.95, 6.7 et 10.05)
3. Un indicateur de 1 à chaque fois qu'une solution correspond (résout) un problème
4. L'efficacité de chaque solution (4.95, 4.95 et 16.75)
5. La complexité de chaque solution (1, 3 et 5) estimée par l'équipe
6. Le ROI de chaque solution (4,95, 1,65, 3,35)

Selon cet exemple, il faut prioriser le développement des solutions dans l'ordre suivant (du plus haut au plus bas ROI) : solution 1, puis solution 3 et 2.

Pour résumer les étapes : nous avons commencé par collecter des données, puis nous avons hiérarchisé les problèmes en fonction de paramètres spécifiques. Ensuite, nous avons généré des idées de solutions pour ces problèmes et, finalement, les avons hiérarchisées.

Utiliser une feuille de calcul

La méthode ci-dessus implique des calculs (de base) répétés plusieurs fois, il est donc préférable d'utiliser une feuille de calcul.

Si vous souhaitez suivre cette méthodologie, voici un modèle (Google Sheet) : https://goo.gl/RR4hEd. Il est téléchargeable et vous pouvez le personnaliser librement selon vos besoins.

Je déteste les feuilles de calcul ! Qu'en est-il de quelque chose de plus visuel ?

Presque tout le monde que je connais (y compris moi, bien sûr) aime travailler avec des notes autocollantes et des tableaux blancs, non seulement parce que c'est généralement plus rapide et amusant, mais aussi parce que cela facilite la collaboration. Si vous êtes un praticien agile ou du design thinking, vous savez ce que je veux dire. Comment pouvons-nous appliquer des outils visuels comme des notes autocollantes pour travailler avec l'approche présentée dans cet article ? Eh bien, cela mérite probablement un article de blog entier, mais essayons de gratter la surface.

Une façon de le faire est de créer une matrice pour les problèmes (impact x fréquence) et de la placer à côté d'une autre pour les solutions (efficacité x complexité). Chaque matrice est divisée en quatre quadrants, indiquant la priorisation.

Voici les étapes :

1. Créez la matrice des problèmes en plaçant les notes autocollantes dans le quadrant approprié en fonction de l' impact et de la fréquence . Afin de simplifier cette approche, nous avons dû omettre un paramètre. Dans ce cas, la criticité de la tâche .

2. Créez la matrice des solutions en organisant les notes autocollantes selon l' efficacité et la complexité de chaque solution :

   1. Réfléchissez à des solutions pour chaque problème, en commençant par les problèmes du quadrant 1 de la matrice des problèmes (ceux dont la gravité est la plus élevée).

   2. Placez ces solutions dans la matrice de solutions, en commençant par le quadrant 1 (en haut à gauche). Plus le problème est grave, plus sa solution est efficace.

   3. Ajustez la complexité de chaque solution en la déplaçant sur l'axe horizontal (plus elle est complexe, plus elle est à droite).

   4. Répétez les étapes ci-dessus pour les problèmes restants (quadrants 2, 3 et 4, dans cet ordre).

A la fin de l'exercice, les solutions du quadrant 1 sont celles avec le meilleur ROI (plus efficace et moins complexe) signifiant la priorité absolue. Le résultat est montré dans l'image ci-dessous:

Y compris le fait que nous avons omis un paramètre (criticité de la tâche), l'inconvénient ici est que vous devez vous fier à la précision visuelle au lieu des calculs comme dans la feuille de calcul. Du côté positif, nous avons une méthode qui favorise la collaboration, ce qui est parfois crucial pour obtenir l'adhésion de l'équipe.

Favoriser la collaboration grâce à une analyse visuelle "rapide et grossière" au détriment probable de la précision est un compromis potentiel. Quelle est la meilleure approche ? La réponse courte : celle qui correspond le mieux à votre situation et correspond le mieux à vos objectifs.

Points à retenir pour l'analyse des données des tests d'utilisabilité

L'utilisation de ces méthodologies a suscité les observations suivantes des équipes qui l'ont utilisé dans divers projets :

1. Surtout lorsqu'il s'agit d'études plus importantes, la hiérarchisation des problèmes permet à l'équipe de se concentrer sur ce qui compte vraiment, ce qui permet d'économiser du temps et des ressources en réduisant les défis cognitifs indésirables tels que la surcharge d'informations, la paralysie de l'analyse et la fatigue décisionnelle ;

2. Le flux de travail connecté de bout en bout maintient les solutions plus alignées sur les résultats des tests d'utilisabilité (car les problèmes et les solutions sont appariés), réduisant ainsi le risque de mettre en œuvre des solutions moins qu'optimales ;

3. Nous pouvons facilement appliquer cette méthode de manière collaborative (en partie ou dans son ensemble) à l'aide d'outils en ligne.

Il est important de comprendre les limites de cette approche. Par exemple, lors de la phase de priorisation, les attitudes et comportements positifs des utilisateurs observés lors des tests ne sont pas inclus. L'accent est mis sur les problèmes d'utilisabilité. Une suggestion consiste à consigner ce type de données séparément et à les utiliser en cours de route pour compléter et équilibrer les résultats selon les besoins.

Enfin, outre les tests d'utilisabilité, cette approche peut également être étendue à d'autres techniques de recherche UX. En appliquant l'approche "double diamant" (problèmes et solutions divergents/convergents), nous pouvons mélanger diverses données de recherche d'utilisateurs et utiliser les méthodes ci-dessus dans tout autre projet. La limite, c'est votre imagination!

• • •

Pour en savoir plus sur le blog Toptal Design :

• eCommerce UX - Un aperçu des meilleures pratiques (avec infographie)
• L'importance de la conception centrée sur l'humain dans la conception de produits
• Les meilleurs portefeuilles de concepteurs UX - Études de cas et exemples inspirants
• Principes heuristiques pour les interfaces mobiles
• Conception anticipative : comment créer des expériences utilisateur magiques