Analisi dei dati nella ricerca UX | Ricerca UX #33

Sai quale ruolo gioca l’analisi dei dati nella ricerca UX? Oggi, ci piacerebbe concentrarci sulla questione dell’analisi dei dati in UX discutendo l’analisi dei dati qualitativi e quantitativi, e imparando riguardo le sue fasi, obiettivi principali e obiettivi. Suggeriremo anche quando è il momento giusto per condurla in un progetto.

Analisi dei dati nella ricerca UX – indice:

1. Perché analizzare i dati raccolti?
2. Quando analizzare i dati?
3. Analisi dei dati nella ricerca UX
4. Definire gli obiettivi dell’analisi
5. Analisi qualitativa dei dati di ricerca
6. Riepilogo

Perché analizzare i dati raccolti?

Prendere una decisione di prodotto basata esclusivamente su dati grezzi è un enorme errore di UX. Saltare la fase di analisi può portare a fornire agli utenti una soluzione incompleta o inefficace, o addirittura far concentrare il team di progetto sulla risoluzione del problema sbagliato o sul riconoscimento dei veri utenti. Per questi e altri motivi, l’analisi dei dati è un processo essenziale che mantiene l’intero progetto sulla giusta strada. Lo fa tenendo conto delle reali esigenze degli utenti e raccogliendo informazioni che aiutano a sviluppare la migliore e più ottimale soluzione possibile.

Quando analizzare i dati?

Molte persone nutrono una grossa concezione errata secondo cui l’analisi dovrebbe avvenire dopo aver completato la ricerca, cioè dopo aver raccolto informazioni da molte fonti. Tuttavia, questo approccio è inefficace, poiché esaminare una così grande quantità di dati richiede un enorme sforzo, manodopera e tempo. È più efficiente indagare i dati in modo continuo, ad esempio, prendendo qualche minuto dopo ogni intervista approfondita.

Inoltre, ricorda di prendere appunti durante la tua ricerca. In questo modo, puoi annotare osservazioni fresche e assicurarti che nulla venga omesso. Queste riflessioni ti permettono di selezionare facilmente le informazioni e scegliere quelle che saranno più rilevanti per le raccomandazioni di design successive. Analizzare in modo continuo, dopo ogni piccolo passo di ricerca, ti consente di condurre l’analisi finale in modo molto più organizzato e strutturato, ma soprattutto, molto più veloce.

Analisi dei dati nella ricerca UX

L’analisi dei dati nella ricerca UX trasforma dati precedentemente non elaborati in informazioni significative che supporteranno le decisioni aziendali. Condurre un’analisi dei dati completa consiste in cinque passaggi fondamentali – questi passaggi sono:

1. Definire gli obiettivi dell’analisi
2. Organizzare i dati
3. Investigazione
4. Clusterizzazione
5. Identificazione dei risultati e delle intuizioni

Definire gli obiettivi dell’analisi

Il primo passo definisce gli obiettivi della nostra analisi – questi dovrebbero essere in stretta conformità con gli obiettivi della ricerca UX. In questa fase, ricorda di non deviare dai motivi che ti hanno spinto a condurre la ricerca – ad esempio, quali sono le esigenze dell’utente; in quale pagina il tasso di rifiuto è più significativo e perché; quali miglioramenti apportare per aumentare il tasso di conversione; o come rendere il nostro prodotto più attraente rispetto alla concorrenza. Attenersi a questi obiettivi di ricerca ti aiuterà a capire come condurre l’analisi dei dati in un modo utile per il progetto. Per definire esattamente cosa stai cercando.

Organizzare i dati

Ogni indagine fornisce diversi tipi di dati, più o meno rilevanti per il progetto. Pertanto, devi gestirli, selezionarli e filtrarli in modo intelligente per l’usabilità. Organizzare i dati consente anche di disporli in modo ponderato per raccogliere rapidamente le informazioni desiderate quando necessario. Ad esempio, puoi catalogare i dati per la sottopagina del sito web a cui si riferiscono. La segregazione è fondamentale per condurre un’analisi dei dati efficiente e migliorare la sua visualizzazione, il che consente agli stakeholder di comprendere meglio l’intero processo.

Investigazione

La fase di investigazione si trova al centro dell’intero processo di analisi dei dati. Il suo obiettivo principale consiste nell’identificare le parole, le idee o le frasi che appaiono più frequentemente nelle risposte degli utenti e che sono più probabilmente in linea con lo scopo dell’analisi. Questo processo non riguarda solo la ricerca di parole e dei loro sinonimi, ma anche la comprensione di cosa significano per gli utenti nel loro contesto.

Capire le parole e le espressioni significa dipendere dal gruppo di utenti studiato. Questo accade perché le persone variano. Hanno esperienze e comportamenti unici, così come modi di esprimersi. Pertanto, dovresti evitare di trascrivere le risposte degli utenti nel tuo vocabolario. Invece, attieniti il più possibile all’originale, perché qualsiasi variazione, anche la più piccola, può danneggiare la fase di investigazione rimodellando l’intera analisi dei dati.

Clusterizzazione

Il passo successivo è ideare i cosiddetti cluster per etichettare le risposte in base a quelle identificate nella fase di investigazione. Questi cluster aiutano il team a differenziare le questioni prioritarie. Ad esempio, se più della metà delle risposte degli utenti rientra nel cluster creato etichettato “Prestazioni dell’interfaccia”, il team dovrebbe probabilmente dare priorità a questo argomento e cercare problemi specificamente legati alle prestazioni dell’interfaccia.

Identificazione dei risultati e delle intuizioni

Non dimentichiamo che i risultati non sono intuizioni. I risultati riguardano i fatti scoperti, investigati, poi raggruppati e catalogati che il team di ricerca ha portato alla luce attraverso il processo di analisi. Le intuizioni, d’altra parte, si riferiscono solo all’atto di riconoscere le cause che hanno provocato i risultati. Questa è una caratteristica piuttosto distinta poiché le risposte degli utenti non portano sempre alla fonte del problema. Il compito del designer, quindi, è guardare più a fondo e cercare intuizioni.

Gli utenti di solito non sono in grado di identificare la fonte delle loro difficoltà da soli. Pertanto, il team di ricerca deve rivedere i risultati durante il processo di analisi dei dati, discuterli e poi cercare intuizioni e abbinarle agli obiettivi di ricerca. Un workshop per identificare le intuizioni più rilevanti aiuta a portare a termine questo compito. Un uso efficace di questo strumento implica la conduzione di diversi turni di discussione separati da brevi pause.

I passaggi descritti sopra sono un processo di analisi dei dati abbastanza generale e standard che funziona con qualsiasi metodo di ricerca (sia qualitativo che quantitativo). Tutto ciò che devi fare è adattare correttamente i passaggi al tuo processo.

Analisi dei dati quantitativi vs. qualitativi

Sebbene il processo di analisi dei dati quantitativi non sia significativamente diverso dall’analisi dei dati qualitativi, a causa della natura di questa ricerca, i designer possono ricevere intuizioni diverse. La ricerca quantitativa si concentra sulla raccolta e analisi di dati numerici, utilizzando statistiche e probabilità. Indicatori come il tasso di rifiuto di una determinata pagina, ad esempio, o il profilo demografico di un utente, forniscono ai ricercatori informazioni concrete e quantificabili su come le persone interagiscono con il prodotto e il pubblico stesso.

La ricerca qualitativa si concentra maggiormente su concetti astratti, come il comportamento umano. Per questo motivo, è utile dedicare un po’ più di tempo a studiare e valutare per comprendere appieno l’esperienza e le opinioni degli utenti. Vale la pena porre domande utili in questa fase, come:

• Cosa piace di più agli utenti del prodotto e cosa piace di meno?
• Perché alcuni utenti reagiscono in modo diverso rispetto ad altri?
• Gli utenti hanno avuto (e quando) una reazione emotiva?
• Gli utenti sono (e perché) soddisfatti del prodotto?

Data la differenza nei dati ricevuti, ha senso utilizzare sia aneddoti quantitativi che qualitativi come parte della ricerca UX. In questo modo, i dati raccolti si completano a vicenda e forniscono un’analisi chiara e più profonda dei risultati.

Riepilogo

Un’analisi dei dati condotta correttamente consente di prendere decisioni di design migliori e più ottimali. Omettere i suoi risultati porta a sviluppare un prodotto incompleto e inefficace che non risponde alle reali esigenze degli utenti. È per questo che l’analisi dei dati è un processo così critico che determina il successo dell’intero progetto. Ti consente di raccogliere e selezionare informazioni chiave che, quando tradotte in raccomandazioni di design concrete, aiutano a sviluppare la migliore soluzione possibile – su misura per le esigenze e i requisiti degli utenti. I passaggi dell’analisi dei dati che abbiamo descritto ti aiuteranno a portarla a termine in modo strutturato e a concentrarti su ciò che conta di più.

Se ti piace il nostro contenuto, unisciti alla nostra comunità di api operose su Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.