Превратите данные юзабилити-тестирования в действие, не сойдя с ума

Сбор, сортировка и понимание данных, собранных во время исследования пользователей и тестирования удобства использования, становится все более распространенной задачей среди практиков UX — фактически, это становится критическим навыком UX.

Юзабилити-тест покажет вам, могут ли ваши целевые пользователи использовать ваш продукт. Он помогает выявить проблемы, с которыми люди сталкиваются при работе с конкретным пользовательским интерфейсом, а также выявляет сложные для выполнения задачи и запутанный язык. Как правило, юзабилити-тест включает обширную подготовку и анализ и считается одним из наиболее ценных методов исследования. Он может предоставить как количественные , так и качественные данные, которые помогут команде разработчиков найти лучшие решения.

Однако это не прогулка в парке. В попытке обнаружить проблемы юзабилити исследователям и дизайнерам UX часто приходится сталкиваться с потоком неполных, неточных и запутанных данных. Обычный юзабилити-тест с пятью-десятью участниками может легко вызвать более шестидесяти проблем. Это может ощущаться как «пить из пожарного шланга», ожидая, пока страшный аналитический паралич поднимет свою уродливую голову.

Значительный риск при попытке решить проблемы юзабилити состоит в том, что вы идете по ложному пути, пытаясь найти решения, которые на самом деле не решают проблемы. Риск заключается в том, что может быть несоответствие между найденными проблемами и найденными решениями. Это может быть вызвано рядом различных факторов, в том числе усталостью от принятия решений и многими типами когнитивных искажений.

Как превратить данные юзабилити-тестирования в рабочие решения

Чтобы преодолеть препятствия, упомянутые выше, нам нужны эффективные способы обработки наших данных тестирования, при этом мы должны быть уверены, что выбираем наиболее эффективные решения для обнаруженных проблем.

Начнем с заимствования некоторых идей из творческого процесса. Одним из самых мощных является двойной ромб от Британского совета по дизайну, который, в свою очередь, использует дивергентно-конвергентное мышление. Это процесс проектирования с четко определенными и интегрированными фазами проблемы и решения.

Двойной бриллиант — это именно то, что нам нужно для создания фреймворка, который будет решать проблемы удобства использования и находить способы их решения.

Адаптация приведенной выше модели к юзабилити-тестированию результата состоит из четырех шагов:

1. Сбор информации
2. Приоритизация проблем
3. Генерация решения
4. Приоритизация решения

Давайте подробно рассмотрим каждый шаг, в том числе то, как применить его на практике.

Примечание: нам нужно будет использовать некоторые основные математические операции. Не волнуйтесь, это не так уж и много, и в конце этой статьи вы найдете электронную таблицу, которая автоматизирует весь процесс. Если это все еще не работает для вас, есть также визуальный подход, когда вы можете использовать стикеры и доски.

Шаг 1: Сбор данных исследования юзабилити

Начиная с ваших исследовательских вопросов , первым шагом будет сбор данных, сгенерированных тестом юзабилити. Его необходимо настроить для облегчения генерации идей и понимания позже в процессе — ключ в том, чтобы четко структурировать и организовать данные, чтобы избежать беспорядка. В большинстве случаев достаточно:

• Наличие системы идентификации проблем (ID)
• Обратите внимание, где это произошло (экран, модуль, виджет пользовательского интерфейса, поток и т. д.)
• Знать задачу , которую выполнял пользователь
• Дайте краткое описание проблемы

Обычный подход к организации вопросов юзабилити, использованный Льюисом и Сауро в книге « Количественная оценка взаимодействия с пользователем» , заключается в построении данных, как показано в таблице ниже, с проблемами в строках и участниками в нескольких последних столбцах.

В приведенном выше примере вымышленный юзабилити-тест, проведенный с тремя участниками, дал две проблемы:

• Первый испытанный участником один (P1)
• Второй другими участниками (P2 и P3)

Шаг 2. Приоритизация проблем

Поскольку ресурсы ограничены, необходимо расставить приоритеты по удобству использования таким образом, чтобы оптимизировать анализ. Как правило, каждая проблема юзабилити имеет степень серьезности , на которую влияют некоторые факторы, такие как:

• Критичность задачи: оценивается с точки зрения влияния на бизнес или пользователя, если задача не выполнена.
• Частота проблем: сколько раз возникала проблема с разными участниками.
• Влияние проблемы: насколько она повлияла на пользователя, пытающегося выполнить задачу.

Чтобы расставить приоритеты, нам нужно выполнить следующие шаги:

1. Установите оценку критичности каждой задачи, выполненной в тесте. Проще говоря, определите, насколько критична задача для бизнеса или пользователя, установив для нее числовое значение. Значения могут быть получены из простой линейной последовательности (например, 1, 2, 3, 4 и т. д.) или из чего-то более сложного, например, из последовательности Фибоначчи (1, 2, 3, 5, 8 и т. д.), точно так же, как в гибкие методы, такие как планирование покера.

2. Установите оценку воздействия для каждой проблемы, назначив значение (такое же, как указано выше) для элементов этой шкалы:
   • 5: (блокировщик) проблема не позволяет пользователю выполнить задачу
   • 3: (большой) вызывает разочарование и/или задержку
   • 2: (незначительное) оказывает незначительное влияние на выполнение задачи.
   • 1: (предложение) это предложение участника

3. Найдите частоту возникновения проблемы (%) путем деления количества случаев на общее количество участников. Это базовый процентный расчет.

4. Наконец, рассчитайте серьезность каждой проблемы, умножив три приведенные выше переменные.

Давайте посмотрим, как это работает в электронной таблице (конечно, мы хотим автоматизировать это, верно?). Наша обновленная таблица будет выглядеть так:

В приведенном выше примере у нас есть следующий сценарий:

• Три проблемы с удобством использования, с которыми столкнулись три участника (p1, p2 и p3);
• Задача «создать сообщение» появляется дважды и получает критическое значение 5, а менее критичное задание (социальный вход) получает 3 балла;
• Каждой проблеме было присвоено значение в зависимости от ее влияния : 5 (блокировщик), 3 (серьезное) и 2 (незначительное влияние на выполнение задачи);
• Частота каждой проблемы (например, проблема № 2 произошла дважды с тремя участниками, таким образом, 2/3 = 0,67);
• Наконец, тяжесть была результатом умножения других факторов (например, 3 х 5 х 0,33 = 4,95).

Это все на данный момент. Мы нашли наиболее важные проблемы юзабилити в следующем порядке: 3 , 2 и 1 . На этом этапе у нас также есть хорошее представление о ландшафте проблем юзабилити — общей картине, которая помогает команде сформулировать проблему высокого уровня и оптимизировать ее на следующих этапах.

Шаг 3: Генерация решения

Как правило, юзабилити-тесты не завершаются без списка рекомендаций (общих предложений) и решений (конкретных инструкций). Иногда решение вполне очевидно — например, исправление размещения компонента пользовательского интерфейса. Ситуация усложняется для задач с неочевидными или множеством возможных решений. Какое решение лучше? Какой из них более осуществим? Какова стоимость/выгода проведения эксперимента, чтобы выяснить это? Здесь традиционного метода регулярных рекомендаций будет недостаточно.

Чтобы снизить риск принятия неправильных дизайнерских решений, нам нужны: а) несколько альтернативных решений на выбор и б) эффективный процесс выбора. Мы собираемся использовать тот же дивергентно-конвергентный подход, который использовался для сбора данных и определения приоритетов на предыдущем этапе. Шаги:

1. Для каждой проблемы сгенерируйте несколько идей решения — Каковы возможные способы решения проблемы? Здесь у нас есть отличная возможность для сотрудничества с остальной командой (разработчиками, дизайнерами, продакт-менеджерами и т. д.).

2. Реорганизуйте решения, сохраняя их специфичность — при необходимости объединяйте или разделяйте решения, чтобы избежать избыточности и чрезмерной абстракции. Опять же, будьте конкретны, чтобы легче было оценивать идеи. Например, вместо простого «Избегайте использования гамбургер-меню» лучше указать конкретное решение, например «Использовать горизонтальную навигацию и вертикальное древовидное меню».

3. Отметьте дополнительные проблемы , которые может решить решение — на практике одно хорошее решение может решить несколько проблем. Хорошие решения универсальны!

В результате действий, описанных выше, результирующая таблица выглядит следующим образом:

В этом примере у нас есть список решений мозгового штурма (строки) и проблемы, которые решает каждое решение (столбцы, которые представляют проблемы, обнаруженные на предыдущих шагах).

Далее давайте посмотрим, как расширить этот список и выясним, какие решения лучше всего подходят для реализации и в каком порядке.

Шаг 4: Приоритизация решения

Аналогично приоритизации проблем, нам необходимо приоритизировать решения в соответствии с некоторыми параметрами. В agile-командах, где к этому вопросу относятся очень серьезно, принято использовать бизнес-ценность и сложность , что позволяет рассчитать рентабельность инвестиций (ROI). Заимствуя из этой логики, у нас есть следующие шаги:

1. Рассчитайте эффективность каждого решения .
   Чем серьезнее решаемая проблема, тем лучше решение. Это можно примерно сравнить с бизнес-ценностью гибких методов. Сложите серьезность всех проблем, на которые направлено решение.

    Effectiveness = Sum of issue severities

2. Оттачивайте сложность решения .
   1. Какие ресурсы необходимы для разработки этого решения?
   2. Насколько стандартны используемые технологии?
   3. Насколько ясны требования бизнеса/пользователя?

   Другими словами, чем больше усилий и неопределенности, тем сложнее решение. Просто переведите это в количественное значение, такое как последовательность Фибоначчи (1, 2, 3, 5, 8 и т. д.). Если вы делаете это в команде, планирование покера идеально подходит.

3. Рассчитайте окупаемость решения. Это соотношение затрат и выгод, рассчитанное путем деления эффективности решения на его сложность . Чем выше ROI, тем лучше.

    ROI = Effectiveness / Complexity

Вернемся к нашей электронной таблице, которая теперь выглядит так:

В приведенном выше примере мы имеем:

1. Список решений (строки)
2. Проблемы (от i1 до i3) с их серьезностью (4.95, 6.7 и 10.05)
3. Индикатор 1 каждый раз, когда решение соответствует (решает) проблему
4. Эффективность каждого решения (4,95, 4,95 и 16,75)
5. Сложность каждого решения (1, 3 и 5) оценивается командой
6. ROI каждого решения (4,95, 1,65, 3,35)

Согласно этому примеру, мы должны расставить приоритеты в разработке решений в следующем порядке (от более высокого ROI к более низкому): решение 1, затем решение 3 и 2.

Подводя итог шагам: мы начали со сбора данных, затем расставили приоритеты по конкретным параметрам. После этого мы сгенерировали идеи решения этих проблем и, наконец, расставили их по приоритетам.

Использование электронной таблицы

Приведенный выше метод включает в себя некоторые (базовые) расчеты, повторяемые много раз, поэтому лучше всего использовать электронную таблицу.

Если вы хотите следовать этой методологии, вот шаблон (Google Sheet): https://goo.gl/RR4hEd. Его можно загрузить, и вы можете свободно настроить его под свои нужды.

Я ненавижу электронные таблицы! Как насчет чего-то более визуального?

Почти все, кого я знаю (включая меня, конечно), любят работать с стикерами и досками не только потому, что это обычно быстрее и веселее, но и потому, что это облегчает совместную работу. Если вы практикуете agile или дизайн-мышление, вы понимаете, о чем я. Как мы можем применить визуальные инструменты, такие как стикеры, для работы с подходом, показанным в этой статье? Что ж, это, вероятно, заслуживает целого поста в блоге, но давайте попробуем коснуться поверхности.

Один из способов сделать это — создать матрицу проблем (воздействие x частота) и поместить ее рядом с другой матрицей для решений (эффективность x сложность). Каждая матрица разделена на четыре квадранта, что указывает на приоритетность.

Вот шаги:

1. Создайте матрицу проблем , поместив стикеры в соответствующий квадрант в соответствии с влиянием и частотой . Чтобы упростить этот подход, нам пришлось исключить один параметр. В данном случае критичность задачи .

2. Создайте матрицу решений , организовав стикеры в соответствии с эффективностью и сложностью каждого решения:

   1. Придумайте решения для каждой проблемы, начиная с проблем в квадранте 1 матрицы проблем (те, которые имеют более высокую серьезность).

   2. Поместите эти решения в матрицу решений, начиная с квадранта 1 (вверху слева). Чем серьезнее проблема, тем эффективнее ее решение.

   3. Регулируйте сложность каждого решения, перемещая его по горизонтальной оси (чем сложнее, тем правее).

   4. Повторите описанные выше шаги для остальных вопросов (квадранты 2, 3 и 4, в этом порядке).

В конце упражнения решения в квадранте 1 — это решения с наилучшей рентабельностью инвестиций (более эффективными и менее сложными), что означает наивысший приоритет. Результат показан на изображении ниже:

Включая тот факт, что мы упустили один параметр (критичность задачи), недостатком здесь является то, что вы должны полагаться на визуальную точность, а не на расчеты, как в электронной таблице. С положительной стороны, у нас есть метод, который способствует сотрудничеству, что иногда имеет решающее значение для получения согласия от команды.

Поощрение сотрудничества с помощью «быстрого и грязного» визуального анализа, вероятно, за счет точности, является потенциальным компромиссом. Какой подход лучше? Короткий ответ: тот, который лучше всего подходит для вашей ситуации и лучше всего соответствует вашим целям.

Заключительные выводы по анализу данных юзабилити-тестирования

Использование этих методологий привело к следующим наблюдениям от команд, которые использовали их в различных проектах:

1. Особенно при работе с более крупными исследованиями приоритизация проблем позволяет команде сосредоточиться на том, что действительно важно, экономя время и ресурсы за счет уменьшения нежелательных когнитивных проблем, таких как информационная перегрузка, паралич анализа и усталость от принятия решений;

2. Связанный сквозной рабочий процесс обеспечивает более точное соответствие решений результатам юзабилити-тестов (поскольку проблемы и решения связаны друг с другом), снижая риск внедрения неоптимальных решений;

3. Мы можем легко применить этот метод совместно (частично или полностью) с помощью онлайн-инструментов.

Важно понимать ограничения этого подхода. Например, на этапе определения приоритетов не учитываются позитивные установки и поведение пользователей, наблюдаемые при тестировании. Акцент делается на вопросах юзабилити. Одно из предложений состоит в том, чтобы регистрировать такие данные отдельно и использовать их по мере необходимости, чтобы дополнять и балансировать результаты по мере необходимости.

Наконец, помимо юзабилити-тестирования, этот подход можно распространить и на другие методы исследования UX. Применяя подход «двойного ромба» (расходящиеся/сходящиеся проблемы и решения), мы можем смешивать различные данные исследований пользователей и использовать описанные выше методы в любом другом проекте. Ваше воображение - это предел!

• • •

Дальнейшее чтение в блоге Toptal Design:

• UX электронной коммерции — обзор лучших практик (с инфографикой)
• Важность ориентированного на человека дизайна в дизайне продукта
• Лучшие портфолио дизайнеров UX — вдохновляющие тематические исследования и примеры
• Эвристические принципы для мобильных интерфейсов
• Упреждающий дизайн: как создать волшебный пользовательский опыт