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

ユーザー調査とユーザビリティテスト中に収集されたデータの収集、並べ替え、および理解は、UX実践者の間でますます一般的なタスクになりつつあり、実際、それは重要なUXスキルになりつつあります。

ユーザビリティテストは、ターゲットユーザーが製品を使用できるかどうかを示します。 これは、特定のUIで人々が抱えている問題を特定するのに役立ち、完了が困難なタスクと紛らわしい言語を明らかにします。 通常、ユーザビリティテストには広範な準備と分析が含まれ、最も価値のある調査手法の1つと見なされています。 製品チームをより良いソリューションに導くのに役立つ定量的データと定性的データの両方を提供することができます。

しかし、それは公園を散歩することではありません。 ユーザビリティの問題を発見するために、UXの研究者や設計者は、多くの場合、不完全で不正確で紛らわしいデータの大洪水に対処する必要があります。 5〜10人の参加者による定期的なユーザビリティテストでは、60を超える問題が簡単に発生する可能性があります。 恐れられている分析の麻痺が醜い頭を後ろに向けるのを待っている間、それは「消防ホースから飲んでいる」ように感じることができます。

ユーザビリティの問題を解決しようとするときのかなりのリスクは、目前の問題に真に対処しない解決策を考え出そうとして間違った道を進むことです。 リスクは、見つかった問題と特定された解決策の間に断絶がある可能性があることです。 これらは、決断疲労や多くの種類の認知バイアスなど、さまざまな要因によって引き起こされる可能性があります。

ユーザビリティテストデータを実行可能なソリューションに変える方法

上記の障害を克服するには、見つかった問題に対して最も効果的なソリューションを選択することを確認しながら、テストデータを処理する効率的な方法が必要です。

創造的なプロセスからいくつかのアイデアを借りることから始めましょう。 最も強力なものの1つは、British Design Councilのダブルダイヤモンドです。これは、発散-収束思考を使用しています。 これは、明確に定義され統合された問題と解決のフェーズを備えた設計プロセスです。

ダブルダイアモンドは、ユーザビリティの問題を処理し、それらを解決する方法を見つけるフレームワークを構築するために必要なものです。

上記のモデルを結果のユーザビリティテストに適合させることは、4つのステップのプロセスです。

1. データ収集
2. 問題の優先順位付け
3. ソリューションの生成
4. ソリューションの優先順位付け

実践方法など、各ステップを詳しく見ていきましょう。

注：いくつかの基本的な計算を使用する必要があります。 心配しないでください。それほど多くはありません。この記事の最後に、プロセス全体を自動化するスプレッドシートがあります。 それでもうまくいかない場合は、ポストイットとホワイトボードを使用できる視覚的なアプローチもあります。

ステップ1：ユーザビリティ調査データ収集

調査の質問から始めて、最初のステップは、ユーザビリティテストによって生成されたデータを収集することです。 プロセスの後半でアイデアを簡単に生成して洞察できるように設定する必要があります。重要なのは、データを明確に構造化して整理し、混乱を避けることです。 ほとんどの場合、次のことで十分です。

• 問題識別（ID）システムを持っている
• 発生した場所（画面、モジュール、UIウィジェット、フローなど）に注意してください
• ユーザーが行っていたタスクを把握する
• 問題の簡潔な説明を提供する

ルイスとサウロが著書「ユーザーエクスペリエンスの定量化」で使用したユーザビリティの問題を整理するための一般的なアプローチは、下の表に示すようにデータをプロットし、最後の数列に問題を示します。

上記の例では、3人の参加者で行われた架空のユーザビリティテストで2つの問題が発生しました。

• 参加者が最初に体験したもの（P1）
• 他の参加者による2番目（P2およびP3）

ステップ2：優先順位付けを発行する

リソースが限られているため、分析を最適化する方法でユーザビリティの問題に優先順位を付ける必要があります。 通常、各ユーザビリティの問題には、次のようないくつかの要因の影響を受けて、重大度のグレードがあります。

• タスクの重要度：タスクが完了しなかった場合のビジネスまたはユーザーへの影響の観点から評価されます。
• 問題の頻度：さまざまな参加者で問題が発生した回数。
• 問題の影響：タスクを実行しようとしているユーザーにどの程度の影響がありましたか。

優先順位を付けるには、次の手順に従う必要があります。

1. テストで実行される各タスクの重要度スコアを設定します。 簡単に言えば、タスクに数値を設定することにより、タスクがビジネスまたはユーザーにとってどれほど重要であるかを定義します。 値は、単純な線形シーケンス（1、2、3、4など）またはフィボナッチ数列（1、2、3、5、8など）のようなより複雑なものから取得できます。プランニングポーカーのようなアジャイル手法。

2. このスケールのアイテムに値（上記と同じ）を割り当てて、各問題の影響スコアを設定します。
   • 5 :(ブロッカー）この問題により、ユーザーはタスクを実行できません
   • 3 :(メジャー）それは欲求不満および/または遅延を引き起こします
   • 2 :(マイナー）タスクのパフォーマンスにマイナーな影響を与える
   • 1 :(提案）参加者からの提案です

3. 発生数を参加者の総数で割って、問題の問題頻度（％）を見つけます。 これは基本的なパーセンテージの計算です。

4. 最後に、上記の3つの変数を掛けて、各問題の重大度を計算します。

スプレッドシートでどのように機能するかを見てみましょう（もちろん、これを自動化したいですよね？）。 更新されたテーブルは次のようになります。

上記の例では、次のシナリオがあります。

• 3人の参加者が経験した3つのユーザビリティの問題（p1、p2、p3）。
• タスク「投稿の作成」が2回表示され、クリティカル5が割り当てられ、クリティカル度の低いタスク（ソーシャルログイン）には3が割り当てられます。
• 各問題には、その影響を考慮して値が割り当てられました。5（ブロッカー）、3（メジャー）、および2（タスクのパフォーマンスへのマイナーな影響）。
• 各問題の頻度（たとえば、問題番号2は3人の参加者で2回発生したため、2/3 = 0.67）。
• 最後に、重大度は他の要因の乗算から生じました（たとえば、3 x 5 x 0.33 = 4.95）。

今のところ以上です。 最も重要なユーザビリティの問題は、 3、2、1の順に見つかりました。 この段階では、ユーザビリティの問題の状況についても十分な見通しがあります。これは、チームが高レベルの問題を組み立て、次の手順で最適化するのに役立つ全体像です。

ステップ3：ソリューションの生成

通常、ユーザビリティテストは、推奨事項（一般的な提案）と解決策（具体的な手順）のリストがないと、結論として完了しません。 UIコンポーネントの配置を修正するなど、解決策が非常に明白な場合もあります。 自明ではない、または多くの可能な解決策がある問題の場合、状況はより複雑になります。 どちらの解決策が良いですか？ どちらがより実現可能ですか？ 調べるために実験を実行することの費用便益は何ですか？ ここでは、定期的な推奨の従来の方法では不十分です。

悪い設計上の決定を下すリスクを減らすために、次のものが必要です。a）選択できるいくつかのソリューションの選択肢、およびb）効果的な選択プロセス。 前のフェーズでデータ収集に取り組み、優先順位付けの手順を発行するために使用したのと同じ発散-収束アプローチを使用します。 手順は次のとおりです。

1. 問題ごとに、複数の解決策のアイデアを生成します—問題に対処するための可能な方法は何ですか？ ここでは、チームの他のメンバー（開発者、デザイナー、製品マネージャーなど）とコラボレーションする絶好の機会があります。

2. ソリューションを再編成し、特定の状態に保ちます。必要に応じて、ソリューションをマージまたは分割して、冗長性や過度の抽象化を回避します。 繰り返しますが、アイデアを評価しやすくするために、具体的にしてください。 たとえば、単に「ハンバーガーメニューの使用を避ける」のではなく、「水平方向のナビゲーションと垂直方向のツリーメニューを使用する」などの特定の解決策を述べる方がよいでしょう。

3. ソリューションが対処する可能性のある追加の問題にマークを付けます。実際には、1つの優れたソリューションで複数の問題に対処できます。 優れたソリューションは用途が広いです！

上記の手順に従うと、結果のテーブルは次のようになります。

この例では、ブレインストーミングされたソリューション（行）のリストと、各ソリューションが対処する問題（前の手順で見つかった問題を表す列）があります。

次に、このリストを進化させる方法を見て、どのソリューションが実装に最適な候補であり、どの順序であるかを見つけましょう。

ステップ4：ソリューションの優先順位付け

問題の優先順位付けと同様に、いくつかのパラメーターに従ってソリューションに優先順位を付ける必要があります。 この主題が非常に真剣に扱われるアジャイルチームでは、ビジネス価値と複雑さを使用するのが一般的です。これにより、投資収益率（ROI）を計算できます。 このロジックから借用すると、次の手順があります。

1. 各ソリューションの有効性を計算します。
   対処する問題が深刻であればあるほど、解決策は良くなります。 これは、アジャイル手法のビジネス価値と大まかに比較できます。 ソリューションによって対処されるすべての問題の重大度を合計します。

    Effectiveness = Sum of issue severities

2. ソリューションの複雑さを磨きます。
   1. このソリューションを開発するために必要なリソースは何ですか？
   2. テクノロジーはどの程度標準化されていますか？
   3. ビジネス/ユーザーの要件はどの程度明確ですか？

   言い換えれば、努力と不確実性が増すほど、ソリューションはより複雑になります。 これをフィボナッチ数列（1、2、3、5、8など）のような定量化可能な値に変換するだけです。 チームとしてこれを行う場合、プランニングポーカーは完璧に適合します。

3. ソリューションのROIを計算します。 これは、ソリューションの有効性をその複雑さで割って計算された費用便益関係です。 ROIが高いほど、優れています。

    ROI = Effectiveness / Complexity

スプレッドシートに戻りましょう。これは次のようになります。

上記の例では、次のようになります。

1. ソリューションのリスト（行）
2. 重大度（4.95、6.7、および10.05）の問題（i1からi3）
3. ソリューションが問題に一致（対処）するたびに1のインジケーター
4. 各ソリューションの有効性（4.95、4.95、16.75）
5. チームによって推定された各ソリューション（1、3、および5）の複雑さ
6. 各ソリューションのROI（4.95、1.65、3.35）

この例によれば、ソリューションの開発を次の順序で優先する必要があります（ROIの高いものから低いものへ）：ソリューション1、次にソリューション3および2。

手順を要約すると、データを収集することから始め、次に特定のパラメーターに従って問題に優先順位を付けました。 その後、これらの問題の解決策のアイデアを生成し、最後にそれらに優先順位を付けました。

スプレッドシートの使用

上記の方法では、いくつかの（基本的な）計算が何度も繰り返されるため、スプレッドシートを使用するのが最適です。

この方法論に従いたい場合は、テンプレート（Google Sheet）をご覧ください：https：//goo.gl/RR4hEd。 ダウンロード可能で、ニーズに合わせて自由にカスタマイズできます。

スプレッドシートが大嫌い！ もっと視覚的なものはどうですか？

私が知っているほぼすべての人（もちろん私を含む）は、付箋紙やホワイトボードを使用するのが大好きです。これは、通常は高速で楽しいだけでなく、コラボレーションが容易になるためです。 あなたがアジャイルまたはデザイン思考の実践者であるなら、あなたは私が何を意味するか知っています。 この記事に示されているアプローチで機能するように、付箋のような視覚的なツールをどのように適用できますか？ まあ、それはおそらくブログ投稿全体に値するでしょうが、表面を傷つけてみましょう。

これを行う1つの方法は、問題のマトリックス（影響x頻度）を作成し、それを解決策（有効性x複雑さ）のマトリックスの隣に配置することです。 各マトリックスは4つの象限に分割され、優先順位を示します。

手順は次のとおりです。

1. 影響と頻度に応じて適切な象限に付箋を配置して、問題マトリックスを作成します。 このアプローチを単純化するために、1つのパラメーターを除外する必要がありました。 この場合、タスクの重要度。

2. 各ソリューションの有効性と複雑さに応じて付箋を整理して、ソリューションマトリックスを作成します。

   1. 問題マトリックスの第1象限の問題（重大度の高い問題）から始めて、各問題の解決策をブレインストーミングします。

   2. これらのソリューションを、象限1（左上）から始まるソリューションマトリックスに配置します。 問題が深刻であればあるほど、その解決策はより効果的です。

   3. 横軸上でソリューションを移動して、各ソリューションの複雑さを調整します（複雑になるほど、右に移動します）。

   4. 残りの問題（象限2、3、4の順）について、上記の手順を繰り返します。

演習の最後に、第1象限のソリューションは、ROIが最も高く（より効果的で複雑ではない）、最優先事項を示すソリューションです。 結果を下の画像に示します。

1つのパラメーター（タスクの重要度）を省略したという事実を含め、ここでの欠点は、スプレッドシートのように計算ではなく、視覚的な精度に依存する必要があることです。 良い面としては、コラボレーションを促進する方法があります。これは、チームからの賛同を得るために重要な場合があります。

精度を犠牲にして「迅速で汚い」視覚的分析を通じてコラボレーションを促進することは、潜在的なトレードオフです。 どちらがより良いアプローチですか？ 簡単な答え：あなたの状況に最もよく適合し、あなたの目標に最もよく一致するもの。

ユーザビリティテストのデータ分析の最終的なポイント

これらの方法論を使用すると、さまざまなプロジェクトでそれを使用したチームから次の観察結果が得られました。

1. 特に大規模な研究を扱う場合、問題の優先順位付けにより、チームは本当に重要なことに集中でき、情報過多、分析の麻痺、決断疲労などの不要な認知的課題を減らすことで時間とリソースを節約できます。

2. 接続されたエンドツーエンドのワークフローにより、ソリューションはユーザビリティテストの出力とより整合性が保たれ（問題とソリューションがペアになっているため）、最適とは言えないソリューションを実装するリスクが軽減されます。

3. オンラインツールを使用して、この方法を（部分的または全体的に）共同で簡単に適用できます。

このアプローチの制限を理解することが重要です。 たとえば、優先順位付けフェーズでは、テストで観察されたユーザーの前向きな態度や行動は含まれません。 焦点はユーザビリティの問題です。 1つの提案は、この種のデータを個別にログに記録し、必要に応じて調査結果を補完してバランスを取るために途中で使用することです。

最後に、ユーザビリティテストとは別に、このアプローチは他のUX調査手法にも拡張できます。 「ダブルダイヤモンド」アプローチ（発散/収束の問題と解決策）を適用することで、さまざまなユーザー調査データを混合し、他のプロジェクトで上記の方法を使用できます。 あなたの想像力が限界です！

•••

Toptal Designブログでさらに読む：

• eコマースUX–ベストプラクティスの概要（インフォグラフィック付き）
• 製品設計における人間中心の設計の重要性
• 最高のUXデザイナーポートフォリオ–刺激的なケーススタディと例
• モバイルインターフェースのヒューリスティック原則
• 予測的デザイン：魔法のユーザーエクスペリエンスを作成する方法