เปลี่ยนข้อมูลการทดสอบความสามารถในการใช้งานให้กลายเป็นจริงโดยไม่ต้องเสียสติ

การรวบรวม จัดเรียง และทำความเข้าใจข้อมูลที่รวบรวมระหว่างการวิจัยผู้ใช้และการทดสอบการใช้งานกลายเป็นงานทั่วไปที่เพิ่มขึ้นในหมู่ผู้ปฏิบัติงาน UX—อันที่จริง ทักษะ UX ที่สำคัญกำลังกลายเป็น

การทดสอบความสามารถในการใช้งานจะบอกคุณว่าผู้ใช้เป้าหมายสามารถใช้ผลิตภัณฑ์ของคุณได้หรือไม่ ช่วยระบุปัญหาที่ผู้คนมีกับ UI เฉพาะ และเปิดเผยงานที่ยากต่อการทำให้สมบูรณ์และภาษาที่สับสน โดยทั่วไป การทดสอบความสามารถในการใช้งานจะเกี่ยวข้องกับการเตรียมการและการวิเคราะห์อย่างละเอียด และถือได้ว่าเป็นหนึ่งในเทคนิคการวิจัยที่มีค่าที่สุด สามารถให้ข้อมูลทั้ง เชิงปริมาณ และ เชิงคุณภาพ ที่จะช่วยแนะนำทีมผลิตภัณฑ์ไปสู่แนวทางแก้ไขที่ดีขึ้น

อย่างไรก็ตาม มันไม่ใช่การเดินเล่นในสวนสาธารณะ ในความพยายามที่จะ ค้นหา ปัญหาการใช้งาน นักวิจัยและนักออกแบบ UX มักจะต้องรับมือกับข้อมูลที่ไม่สมบูรณ์ ไม่ถูกต้อง และทำให้เกิดความสับสนจำนวนมาก การทดสอบการใช้งานปกติกับผู้เข้าร่วมห้าถึงสิบคนสามารถสร้างปัญหามากกว่าหกสิบฉบับได้อย่างง่ายดาย รู้สึกเหมือน "กำลังดื่มจากท่อดับเพลิง" ขณะรอให้อัมพาตจากการวิเคราะห์ที่น่ากลัวมาโผล่หัวที่น่าเกลียด

ความเสี่ยงที่สำคัญเมื่อพยายาม แก้ปัญหา ด้านความสามารถในการใช้งานกำลังเกิดขึ้นผิดทางโดยพยายามคิดหาวิธีแก้ไขที่ไม่ได้แก้ไขปัญหาที่เกิดขึ้นจริง ความเสี่ยงคืออาจมีการตัดการเชื่อมต่อระหว่างปัญหาที่พบและวิธีแก้ไขที่ระบุ สิ่งเหล่านี้อาจเกิดจากปัจจัยหลายประการ รวมถึงความเหนื่อยล้าในการตัดสินใจและอคติทางปัญญาหลายประเภท

วิธีเปลี่ยนข้อมูลการทดสอบความสามารถในการใช้งานเป็นโซลูชันที่ใช้การได้

เพื่อควบคุมอุปสรรคที่กล่าวถึงข้างต้น เราต้องการวิธีที่มีประสิทธิภาพในการจัดการข้อมูลการทดสอบของเรา ในขณะที่ต้องแน่ใจว่าเราเลือกวิธีแก้ปัญหาที่มีประสิทธิภาพมากที่สุดสำหรับปัญหาที่พบ

เริ่มต้นด้วยการยืมแนวคิดบางอย่างจากกระบวนการสร้างสรรค์ หนึ่งในสิ่งที่ทรงพลังที่สุดคือเพชรคู่จาก British Design Council ซึ่งใช้การคิดแบบลู่เข้าและออกต่างหาก เป็นกระบวนการออกแบบที่มีการกำหนดปัญหาและขั้นตอนการแก้ปัญหาที่ชัดเจนและบูรณาการ

เพชรคู่คือสิ่งที่เราต้องการเพื่อสร้างกรอบงานที่จะจัดการกับปัญหาการใช้งานและหาวิธีแก้ไข

การปรับโมเดลด้านบนให้เข้ากับการทดสอบการใช้งานของผลลัพธ์เป็นกระบวนการสี่ขั้นตอน:

1. การเก็บรวบรวมข้อมูล
2. จัดลำดับความสำคัญของปัญหา
3. การสร้างโซลูชัน
4. การจัดลำดับความสำคัญของโซลูชัน

มาดูรายละเอียดแต่ละขั้นตอนกัน รวมถึงวิธีนำไปใช้จริงกัน

หมายเหตุ: เราจะต้องใช้คณิตศาสตร์พื้นฐานบางอย่าง ไม่ต้องกังวล มันไม่มากเกินไป และในตอนท้ายของบทความนี้ คุณจะพบสเปรดชีตที่ทำให้กระบวนการทั้งหมดเป็นไปโดยอัตโนมัติ หากยังคงใช้ไม่ได้ผล คุณสามารถใช้โพสต์อิทและไวท์บอร์ดได้

ขั้นตอนที่ 1: การเก็บรวบรวมข้อมูลการวิจัยการใช้งาน

เริ่มต้นด้วย คำถามวิจัย ของคุณ ขั้นตอนแรกคือการรวบรวมข้อมูลที่สร้างโดยการทดสอบการใช้งาน จำเป็นต้องมีการตั้งค่าสำหรับการสร้างแนวคิดที่ง่ายดายและข้อมูลเชิงลึกในภายหลังในกระบวนการ กุญแจสำคัญคือการจัดโครงสร้างและจัดระเบียบข้อมูลให้ชัดเจนเพื่อหลีกเลี่ยงความยุ่งเหยิง ในกรณีส่วนใหญ่ ก็เพียงพอที่จะ:

• มีระบบ ระบุ ปัญหา (ID)
• สังเกต ว่า มันเกิดขึ้นที่ไหน (หน้าจอ โมดูล วิดเจ็ต UI โฟลว์ ฯลฯ)
• รู้ งาน ที่ผู้ใช้มีส่วนร่วม
• ให้ คำอธิบาย โดยย่อของปัญหา

วิธีการทั่วไปในการจัดระเบียบปัญหาการใช้งาน โดย Lewis และ Sauro ในหนังสือ Quantifying the User Experience คือการลงจุดข้อมูลตามที่แสดงในตารางด้านล่าง โดยมีปัญหาในแถวและผู้เข้าร่วมในคอลัมน์สองสามคอลัมน์สุดท้าย

ในตัวอย่างข้างต้น การทดสอบความสามารถในการใช้งานสมมติที่ทำกับผู้เข้าร่วมสามคนให้ผลลัพธ์สองประเด็น:

• ประสบการณ์ครั้งแรกโดยผู้เข้าร่วม (P1)
• คนที่สองโดยผู้เข้าร่วมคนอื่น ๆ (P2 และ P3)

ขั้นตอนที่ 2: จัดลำดับความสำคัญของปัญหา

เนื่องจากทรัพยากรมีจำกัด จึงจำเป็นต้องจัดลำดับความสำคัญของปัญหาการใช้งานในลักษณะที่จะเพิ่มประสิทธิภาพการวิเคราะห์ โดยทั่วไป ปัญหาด้านการใช้งานแต่ละรายการจะมีระดับ ความรุนแรง ซึ่งได้รับอิทธิพลจากปัจจัยบางประการ เช่น

• ความสำคัญของงาน: จัดอันดับในแง่ของผลกระทบต่อธุรกิจหรือผู้ใช้ หากงานไม่สำเร็จ
• ความถี่ของปัญหา: เกิดปัญหาขึ้นกับผู้เข้าร่วมหลายคนกี่ครั้ง
• ผลกระทบของปัญหา: ส่งผลกระทบต่อผู้ใช้ที่พยายามทำงานให้สำเร็จมากน้อยเพียงใด

ในการจัดลำดับความสำคัญ เราต้องทำตามขั้นตอนเหล่านี้:

1. กำหนด คะแนนวิกฤต ของแต่ละงานที่ดำเนินการในการทดสอบ พูดง่ายๆ ก็คือ กำหนดว่างานมีความสำคัญต่อธุรกิจหรือผู้ใช้มากเพียงใดโดยตั้งค่าเป็นตัวเลข ค่าอาจมาจากลำดับเชิงเส้นอย่างง่าย (เช่น 1, 2, 3, 4 เป็นต้น) หรือบางอย่างที่ซับซ้อนกว่านั้น เช่น ลำดับฟีโบนักชี (1, 2, 3, 5, 8 เป็นต้น) ตรงตามที่ใช้ใน วิธีการที่คล่องตัวเช่นการวางแผนโป๊กเกอร์

2. กำหนด คะแนนผลกระทบ สำหรับแต่ละประเด็นโดยกำหนดค่า (เหมือนด้านบน) สำหรับรายการในระดับนี้:
   • 5: (ตัวบล็อก) ปัญหาป้องกันไม่ให้ผู้ใช้ทำภารกิจสำเร็จ
   • 3: (หลัก) ทำให้เกิดความหงุดหงิดและ/หรือล่าช้า
   • 2: (เล็กน้อย) มีผลเล็กน้อยต่อประสิทธิภาพการทำงาน
   • 1: (ข้อเสนอแนะ) เป็นข้อเสนอแนะจากผู้เข้าร่วม

3. ค้นหา ความถี่ของปัญหา (%) ของปัญหาโดยการหารจำนวนครั้งที่เกิดขึ้นด้วยผู้เข้าร่วมทั้งหมด เป็นการคำนวณเปอร์เซ็นต์พื้นฐาน

4. สุดท้าย ให้คำนวณ ความรุนแรง ของแต่ละปัญหาด้วยการคูณตัวแปรสามตัวด้านบน

มาดูกันว่ามันทำงานอย่างไรในสเปรดชีต (แน่นอนว่าเราต้องการทำให้เป็นอัตโนมัติใช่ไหม) ตารางที่อัปเดตของเราจะมีลักษณะดังนี้:

ในตัวอย่างข้างต้น เรามีสถานการณ์สมมติต่อไปนี้:

• ปัญหาด้านการใช้งานสามประการที่พบโดยผู้เข้าร่วมสามคน (p1, p2 และ p3)
• งาน 'สร้างโพสต์' ปรากฏสองครั้งและกำหนดระดับ วิกฤต 5 รายการ และงานที่สำคัญน้อยกว่า (เข้าสู่ระบบโซเชียล) มอบหมาย 3 รายการ
• แต่ละปัญหาได้รับการกำหนดค่าตาม ผลกระทบ : 5 (ตัวบล็อก), 3 (หลัก) และ 2 (ผลกระทบเล็กน้อยต่อประสิทธิภาพงาน);
• ความถี่ ของแต่ละประเด็น (เช่น ฉบับที่ 2 เกิดขึ้นสองครั้งโดยมีผู้เข้าร่วมสามคน ดังนั้น 2/3 = 0.67);
• สุดท้าย ความรุนแรง เกิดจากการคูณปัจจัยอื่นๆ (เช่น 3 x 5 x 0.33 = 4.95)

แค่นั้นแหละสำหรับตอนนี้ เราพบปัญหาการใช้งานที่สำคัญที่สุดในลำดับนี้: 3 , 2 และ 1 ในขั้นตอนนี้ เรายังมีมุมมองที่ดีเกี่ยวกับ แนวปัญหาด้านความสามารถในการใช้งาน ซึ่งเป็นภาพรวมที่ช่วยให้ทีมวางกรอบปัญหาในระดับสูงและปรับให้เหมาะสมในระหว่างขั้นตอนต่อไปนี้

ขั้นตอนที่ 3: การสร้างโซลูชัน

โดยทั่วไป การทดสอบการใช้งานจะไม่สมบูรณ์ในตอนท้ายหากไม่มีรายการคำแนะนำ (คำแนะนำทั่วไป) และวิธีแก้ไข (คำแนะนำเฉพาะ) บางครั้งวิธีแก้ปัญหาก็ค่อนข้างชัดเจน—เหมือนกับการแก้ไขตำแหน่งขององค์ประกอบ UI สถานการณ์จะยากขึ้นสำหรับปัญหาเหล่านั้นที่ไม่ชัดเจนหรือมีวิธีแก้ไขที่เป็นไปได้มากมาย ทางออกไหนดีกว่ากัน? อันไหนเป็นไปได้มากกว่ากัน? ค่าใช้จ่าย/ประโยชน์ของการทำการทดสอบเพื่อหาคำตอบคืออะไร ที่นี่วิธีการดั้งเดิมของคำแนะนำปกติจะไม่เพียงพอ

เพื่อลดความเสี่ยงในการตัดสินใจออกแบบที่ไม่ดี เราจำเป็นต้อง: a) ทางเลือกโซลูชันหลายทางให้เลือก และ b) กระบวนการคัดเลือกที่มีประสิทธิภาพ เราจะใช้วิธีการลู่เข้า-ออกจากกันแบบเดียวกับที่ใช้ในการจัดการกับการรวบรวมข้อมูลและขั้นตอนการจัดลำดับความสำคัญของปัญหาในระยะก่อนหน้า ขั้นตอนคือ:

1. สำหรับแต่ละปัญหา ให้ สร้างแนวคิดในการแก้ปัญหาหลาย แบบ —วิธีใดบ้างที่สามารถแก้ไขปัญหาได้ ที่นี่ เรามีโอกาสที่ดีในการทำงานร่วมกับทีมที่เหลือ (นักพัฒนา นักออกแบบ ผู้จัดการผลิตภัณฑ์ ฯลฯ)

   

2. จัดระเบียบโซลูชันใหม่ โดยกำหนดให้เฉพาะ—ตามความจำเป็น รวมหรือแยกโซลูชันเพื่อหลีกเลี่ยงความซ้ำซ้อนและนามธรรมที่มากเกินไป โปรดระบุให้เฉพาะเจาะจงอีกครั้งเพื่อให้ประเมินแนวคิดได้ง่ายขึ้น ตัวอย่างเช่น แทนที่จะระบุเพียงแค่ "หลีกเลี่ยงการใช้เมนูแฮมเบอร์เกอร์" เป็นการดีกว่าที่จะระบุวิธีแก้ปัญหาเฉพาะ เช่น "ใช้การนำทางแนวนอนและเมนูต้นไม้แนวตั้ง"

3. ทำเครื่องหมายปัญหาเพิ่มเติม ที่โซลูชันอาจแก้ไข—ในทางปฏิบัติ โซลูชันที่ดีเพียงวิธีเดียวสามารถแก้ไขปัญหาได้หลายปัญหา โซลูชั่นที่ดีมีประโยชน์หลากหลาย!

ทำตามขั้นตอนข้างต้น ตารางผลลัพธ์จะมีลักษณะดังนี้:

ในตัวอย่างนี้ เรามีรายการวิธีแก้ปัญหาที่ระดมความคิด (แถว) และปัญหาที่แต่ละวิธีแก้ไข (คอลัมน์ที่แสดงถึงปัญหาที่พบในขั้นตอนก่อนหน้า)

ต่อไป เรามาดูวิธีพัฒนารายการนี้และค้นหาว่าโซลูชันใดเหมาะสมที่สุดสำหรับการนำไปใช้ และในลำดับใด

ขั้นตอนที่ 4: การจัดลำดับความสำคัญของโซลูชัน

ในทำนองเดียวกันกับการจัดลำดับความสำคัญของปัญหา เราจำเป็นต้องจัดลำดับความสำคัญของโซลูชันตามพารามิเตอร์บางตัว ในทีมที่คล่องตัว ซึ่งหัวข้อนี้ได้รับการปฏิบัติอย่างจริงจัง เป็นเรื่องปกติที่จะใช้ มูลค่าทางธุรกิจ และ ความซับซ้อน ซึ่งช่วยให้เราสามารถคำนวณ ผลตอบแทนจากการลงทุน (ROI) การยืมจากตรรกะนี้ เรามีขั้นตอนดังต่อไปนี้:

1. คำนวณ ประสิทธิภาพของโซลูชันแต่ละ อย่าง
   ยิ่งปัญหารุนแรงมากเท่าใด วิธีแก้ปัญหาก็จะยิ่งดีขึ้นเท่านั้น ซึ่งอาจเปรียบเทียบได้คร่าวๆ กับมูลค่าทางธุรกิจในวิธีที่คล่องตัว เพิ่มความรุนแรงของปัญหาทั้งหมดที่แก้ไขโดยวิธีแก้ไข

    Effectiveness = Sum of issue severities

2. เหลา ความซับซ้อนของสารละลาย
   1. ทรัพยากรที่จำเป็นในการพัฒนาโซลูชันนี้มีอะไรบ้าง
   2. เทคโนโลยีที่เกี่ยวข้องมีมาตรฐานอย่างไร?
   3. ความต้องการของธุรกิจ/ผู้ใช้มีความชัดเจนเพียงใด?

   กล่าวอีกนัยหนึ่ง ยิ่งความพยายามและความไม่แน่นอนมากเท่าใด การแก้ปัญหาก็จะยิ่งซับซ้อนมากขึ้นเท่านั้น แค่แปลค่านี้เป็นค่าเชิงปริมาณ เช่น ลำดับฟีโบนักชี (1, 2, 3, 5, 8 เป็นต้น) หากคุณกำลังทำสิ่งนี้เป็นทีม การวางแผนโป๊กเกอร์ก็ลงตัวพอดี

3. คำนวณ ROI ของโซลูชัน นี่คือความสัมพันธ์ระหว่างต้นทุนและผลประโยชน์ ซึ่งคำนวณโดยการหาร ประสิทธิภาพ ของโซลูชันด้วย ความซับซ้อน ยิ่ง ROI สูงเท่าไหร่ก็ยิ่งดี

    ROI = Effectiveness / Complexity

กลับไปที่สเปรดชีตของเรา ซึ่งตอนนี้มีลักษณะดังนี้:

ในตัวอย่างข้างต้น เรามี:

1. รายการวิธีแก้ปัญหา (แถว)
2. ปัญหา (i1 ถึง i3) ที่มีความรุนแรง (4.95, 6.7 และ 10.05)
3. ตัวบ่งชี้ 1 ทุกครั้งที่วิธีแก้ปัญหาตรงกับ (ที่อยู่) ปัญหา
4. ประสิทธิผลของแต่ละโซลูชัน (4.95, 4.95 และ 16.75)
5. ความซับซ้อนของแต่ละโซลูชัน (1, 3 และ 5) ประเมินโดยทีมงาน
6. ROI ของแต่ละโซลูชัน (4.95, 1.65, 3.35)

จากตัวอย่างนี้ เราควรจัดลำดับความสำคัญของการพัฒนาโซลูชันในลำดับต่อไปนี้ (จาก ROI ที่สูงขึ้นไปต่ำ): โซลูชัน 1 จากนั้นโซลูชัน 3 และ 2

เพื่อสรุปขั้นตอน: เราเริ่มต้นด้วยการรวบรวมข้อมูล จากนั้นเราจัดลำดับความสำคัญของปัญหาตามพารามิเตอร์เฉพาะ หลังจากนั้น เราได้สร้างแนวคิดการแก้ปัญหาสำหรับปัญหาเหล่านั้น และสุดท้าย ได้จัดลำดับความสำคัญของปัญหาเหล่านั้น

การใช้สเปรดชีต

วิธีการข้างต้นเกี่ยวข้องกับการคำนวณ (พื้นฐาน) บางอย่างซ้ำหลายครั้ง ดังนั้นจึงควรใช้สเปรดชีต

หากคุณต้องการปฏิบัติตามวิธีการนี้ นี่คือเทมเพลต (Google ชีต): https://goo.gl/RR4hEd สามารถดาวน์โหลดได้และคุณสามารถปรับแต่งตามความต้องการของคุณได้อย่างอิสระ

ฉันเกลียดสเปรดชีต! แล้วอะไรที่มองเห็นได้มากกว่านี้ล่ะ?

เกือบทุกคนที่ฉันรู้จัก (รวมถึงฉันด้วย) ชอบทำงานกับกระดาษโน้ตและกระดานไวท์บอร์ด ไม่เพียงเพราะว่ามันมักจะเร็วและสนุกเท่านั้น แต่ยังเพราะอำนวยความสะดวกในการทำงานร่วมกันอีกด้วย หากคุณเป็นนักคิดที่คล่องแคล่วหรือออกแบบ คุณก็รู้ว่าฉันหมายถึงอะไร เราจะใช้เครื่องมือที่มองเห็นได้เช่นบันทึกย่อเพื่อทำงานกับแนวทางที่แสดงในบทความนี้ได้อย่างไร นั่นอาจสมควรได้รับการโพสต์บล็อกทั้งหมด แต่มาลองเกาพื้นผิวกัน

วิธีหนึ่งที่ทำได้คือสร้างเมทริกซ์สำหรับปัญหา (ผลกระทบ x ความถี่) และวางไว้ข้างๆ อีกวิธีหนึ่งเพื่อหาวิธีแก้ปัญหา (ประสิทธิผล x ความซับซ้อน) แต่ละเมทริกซ์ถูกแบ่งออกเป็นสี่ส่วน แสดงถึงการจัดลำดับความสำคัญ

นี่คือขั้นตอน:

1. สร้าง เมทริกซ์ของปัญหา โดยวางบันทึกย่อช่วยเตือนในจตุภาคที่เหมาะสมตาม ผลกระทบ และ ความถี่ เพื่อให้แนวทางนี้ง่ายขึ้น เราต้องละพารามิเตอร์หนึ่งตัวออก ในกรณีนี้ ความสำคัญของงาน

2. สร้าง เมทริกซ์ของโซลูชัน โดยจัดระเบียบบันทึกย่อช่วยเตือนตาม ประสิทธิภาพ และ ความซับซ้อน ของแต่ละโซลูชัน:

   1. ระดมความคิดแก้ปัญหาสำหรับแต่ละปัญหา โดยเริ่มจากปัญหาในจตุภาคที่ 1 ของเมทริกซ์ปัญหา (ปัญหาที่มีความรุนแรงสูงกว่า)

   2. วางคำตอบเหล่านี้ในเมทริกซ์ของโซลูชัน โดยเริ่มต้นที่จตุภาคที่ 1 (ซ้ายบน) ยิ่งปัญหารุนแรงมากเท่าใด การแก้ปัญหาก็จะยิ่งมีประสิทธิภาพมากขึ้นเท่านั้น

   3. ปรับ ความซับซ้อน ของแต่ละโซลูชันโดยเลื่อนบนแกนนอน (ยิ่งซับซ้อน ยิ่งไปทางขวามากขึ้น)

   4. ทำซ้ำขั้นตอนข้างต้นสำหรับปัญหาที่เหลือ (จตุภาค 2, 3 และ 4 ตามลำดับนี้)

ในตอนท้ายของการฝึกหัด แนวทางแก้ไขในจตุภาคที่ 1 คือแนวทางที่มี ROI ที่ดีที่สุด (มีประสิทธิภาพมากกว่าและซับซ้อนน้อยกว่า) ซึ่งแสดงถึงความสำคัญสูงสุด ผลลัพธ์แสดงในภาพด้านล่าง:

รวมถึงความจริงที่ว่าเราทิ้งพารามิเตอร์ไว้หนึ่งตัว (ความสำคัญของงาน) ข้อเสียคือคุณต้องพึ่งพาความแม่นยำของภาพแทนการคำนวณเช่นเดียวกับในสเปรดชีต ในด้านบวก เรามีวิธีการที่ส่งเสริมการทำงานร่วมกัน ซึ่งบางครั้งก็สำคัญอย่างยิ่งต่อการได้รับการตอบรับจากทีม

การส่งเสริมการทำงานร่วมกันผ่านการวิเคราะห์ด้วยภาพที่ "รวดเร็วและสกปรก" โดยมีค่าใช้จ่ายด้านความแม่นยำที่น่าจะเป็นไปได้คือการแลกเปลี่ยนที่อาจเกิดขึ้น แนวทางไหนดีกว่ากัน? คำตอบสั้น ๆ : คำตอบที่เหมาะกับสถานการณ์ของคุณและสอดคล้องกับเป้าหมายของคุณมากที่สุด

ประเด็นสุดท้ายสำหรับการวิเคราะห์ข้อมูลการทดสอบความสามารถในการใช้งาน

การใช้วิธีการเหล่านี้ทำให้เกิดข้อสังเกตต่อไปนี้จากทีมที่ใช้ในโครงการต่างๆ:

1. โดยเฉพาะอย่างยิ่งเมื่อต้องรับมือกับการศึกษาที่ใหญ่ขึ้น การจัดลำดับความสำคัญของปัญหาช่วยให้ทีมจดจ่อกับสิ่งที่สำคัญจริงๆ ประหยัดเวลาและทรัพยากรโดยลดความท้าทายด้านความรู้ความเข้าใจที่ไม่ต้องการ เช่น ข้อมูลล้นเกิน การวิเคราะห์อัมพาต และความเหนื่อยล้าในการตัดสินใจ

2. เวิร์กโฟลว์แบบ end-to-end ที่เชื่อมต่อกันช่วยให้โซลูชันสอดคล้องกับผลการทดสอบการใช้งานมากขึ้น (เนื่องจากปัญหาและโซลูชันได้รับการจับคู่กัน) ลดความเสี่ยงของการใช้โซลูชันที่น้อยกว่าที่เหมาะสม

3. เราสามารถใช้วิธีนี้ร่วมกันได้อย่างง่ายดาย (บางส่วนหรือทั้งหมด) โดยใช้เครื่องมือออนไลน์

สิ่งสำคัญคือต้องเข้าใจข้อจำกัดของแนวทางนี้ ตัวอย่างเช่น ในช่วงการจัดลำดับความสำคัญ ทัศนคติและพฤติกรรมเชิงบวกของผู้ใช้ที่สังเกตพบในการทดสอบจะไม่ถูกรวมไว้ เน้นที่ปัญหาการใช้งาน ข้อเสนอแนะหนึ่งคือการบันทึกข้อมูลประเภทนี้แยกจากกัน และใช้ไปพร้อมกันเพื่อเสริมและปรับสมดุลของสิ่งที่ค้นพบตามความจำเป็น

สุดท้ายนี้ นอกจากการทดสอบความสามารถในการใช้งานแล้ว แนวทางนี้ยังสามารถขยายไปสู่เทคนิคการวิจัย UX อื่นๆ ได้อีกด้วย การใช้แนวทาง 'เพชรคู่' (ปัญหาและวิธีแก้ปัญหาที่แยกจากกัน/บรรจบกัน) เราสามารถผสมข้อมูลการวิจัยผู้ใช้ต่างๆ และใช้วิธีการข้างต้นในโครงการอื่นๆ จินตนาการของคุณมีขีด จำกัด !

• • •

อ่านเพิ่มเติมเกี่ยวกับบล็อก Toptal Design:

• eCommerce UX – ภาพรวมของแนวทางปฏิบัติที่ดีที่สุด (พร้อมอินโฟกราฟิก)
• ความสำคัญของการออกแบบที่เน้นมนุษย์เป็นศูนย์กลางในการออกแบบผลิตภัณฑ์
• ผลงานออกแบบ UX ที่ดีที่สุด – กรณีศึกษาและตัวอย่างที่สร้างแรงบันดาลใจ
• หลักการฮิวริสติกสำหรับอินเทอร์เฟซมือถือ
• การออกแบบที่คาดหวัง: วิธีสร้างประสบการณ์ผู้ใช้ที่มีมนต์ขลัง