Když se řekne využívat data v designu, spousta lidí si jistě představí nástroje pro analytiků a měření, AB testování a tak dále. Samozřejmě s tím, že budou moct sledovat konkrétní ukazatele používání.
Většinou navrhu interaktivní aplikace, takže analytika je pro mě pouze jeden určitý pohled. Zajímá mě totiž, jak konkrétně lidé daný produkt využívají – jaký vkládají obsah, jak mají aplikaci nastavenou a tak podobně.
Vedle analytických nástrojů tak analyzuji i konkrétní data, který poté využívám v rámci dalšího zkoumání nebo rovnou pro dílčí zlepšování produktu.
Analytika je jen jedna část
Vědět jak lidé využívají námi navrhovaný produkt (nebo službu) je stěžejní pro jeho další fungování. Určitě tedy nemusím říkat, že pro jeho udržení a zlepšování bychom jej tedy měli neustále měřit, sledovat, analyzovat a vyhodnocovat – na čemž poté stavět další kroky.
Díky analytickým nástrojům můžeme například sledovat:
- Jaké funkce lidé využívají.
- Kde mohou být potencionální problémy, např. když lidé někde tráví více času, než by bylo záhodno.
- Jak často se lidé vracejí.
- Kolik lidí udělá požadovanou akci (konverzi), např. nákup.
A další ukazatele. Vlastně jde o to sledovat, jak lidé s daným produktem interagují a dát si pozor na případné problémy.
Jenže dozvíte se o všech případných problémech a způsobu, jak lidé produkt skutečně používají? Vedle kvantitativních metod nám s tím pomůže i to, pokud nahlédneme do reálných dát, které lidé nějakým způsobem vytváří.
Můžeme lépe porozumět problému
Průzkum dat bychom určitě měli zapojit do fáze zkoumání. Data nám totiž mnohdy ukážou, že máme nějaký problém. Například se může stát, že
- Konverze nejsou takové, jaké bychom očekávali.
- Kvůli určitým nedostatkům přicházíme o peníze.
Když jsem například v LMC začínal na Práce za rohem, pomocí výzkumu jsme chtěli aplikaci neustále zlepšovat. Například jsme kontinuálně dělali:
- Dotazníkové studie,
- Testování použitelnosti,
- Analýzu dat.
Snažili jsme se například zjistit, co bychom mohli udělat pro to, aby lidé více odpovídali. Často se nám totiž opakovalo například to, že by lidé očekávali více inzerátů. Jenže co to vlastně znamenalo a proč?
Protože jsme lidem zobrazovali (podle nás) dost inzerátů, potřebovali jsem zjistit víc. Nejjednodušší tedy bylo podívat na :
- Jak mají lidé nastavené preference.
- Kolik lidé viděli inzerátů.
- Na kolik jich odpověděli.
Pro lepší přehlednost jsem data konkrétně vizualizoval.
Díky tomu jsme se mohli konkrétně podívat na reálné preference a vidět tak například, kolik inzerátů:
- Měli lidé v dosahu.
- Si lidé prohlédli.
- Získalo odpověď.
Ve spojitosti s dalším zkoumáním nám to pomohlo dojít k závěru, že problém není v počtu inzerátu, ale v jejich relevanci a museli jsme tak řešit zlepšení doporučování inzerátů. Protože i když bychom jim zobrazili klidně 1 000 inzerátů, bez jejich relevance bychom asi nic nezlepšili.
Podobný přístup máme i v Cimpress. Do naší platformy se například ze zákazníckých webů přenáší určité množství neplatných adres, na které nelze objednávky doručit. Jenže co je na takových adresách konkrétně špatně?
Mohli bychom se podívat například na to, jak:
- Lide adresy zadávají, třeba s využitím nástrojů jako je Fullstory.
- Vypadá průchod košíkem v Google Analytics.
Jenže tam bychom nic neobjevili. S Product Managerem jsem tedy podívali na konkrétní vzorek neplatných adres a zjistili jsem například, že:
- Dost adres je platných, protože je můžeme dohledat.
- Dopravci adresy odmítají, ale my nevíme proč.
- Lidé mnohdy zadávají nesmysly.
Na stole byly už nějaké nápady, jak tento problém vyřešit. Jenže pomohly by nám mu předcházet a vlastně jej tak vyřešit? Položili jsme si několik otázek a dokud na ně nezjiskáme odpovědi, nechceme se konkrétním řešení zabývat.
Díky konkrétním datům můžeme získat více informací o tom, co řešíme a udělat si i lepší představu o tom, jak lidé produkt používají. Můžeme zjištění dále využít, například udělat doplňující kvalitativní výzkum, a nebo klidně navrhnout konkrétní zlepšení.
Pomůže to s designem
Data nám mohou hodně ukázat a mnohdy je můžeme rovnou využít ke nápadům na řešení, případně i k designovým rozhodnutím.
Představte si například následující situace:
- Mají lidé možnost si psát poznámky a z dat jste zjistili, že spíš pro konverzaci s ostatními? Možná by byl lepší chat.
- Základní nastavení nenabízí žádné vychozí hodnoty a z dat jste zjistili, že většina lidí si nastavuje stejné možnosti? Možná by to mělo být výchozí nastavení.
V Cimpress dnes například řešíme konfiguraci logistických kalendářů. Podobnou možnost už v platformě máme, ale chceme jí zjednodušit a možnosti sjednotit.
Podíval jsem se proto na existující nastavení a zjistil jsem, že lidé například:
- Až na určité případy nastavují pro události stejné dny, pondělí až pátek.
- Využívají pro vybrané dny stejný čas.
- Výjimečně nastavují dny o víkendu.
Když vidím, co konkrétně lidé potřebují, přemýšlím o tom, jak nastavení zjednodušit a zároveň nechat lidem určitou flexibilitu. Napadlo mě tedy využít zkratky podle toho, co mají lidé typicky nastavené.
Z mého pohledu to většině lidí usnadní práci, protože nebudou muset vlastně nic řešit (je to ale ještě na vyzkoušení) a pokud si budou potřebovat nastavení změnit, například na sobotu, budou to moct udělat na 2 kliknutí místo 6 v případě, kdy bychom je nechali ze dnů vybírat.
Data jsou určitě hodně užitečným zdrojem informací. Na jejich základě toho můžeme nejen hodně zjistit, ale také získat konkrétní nápady. Osobně si taky myslím, že bychom se nikdy neměli upínat pouze na jeden zdroj informací, ale kombinovat je dohromady.
Kombinujme různé pohledy
Stejně jako uživatelský výzkum není pouze o testování nebo rozhovorech, stejně tak data nejsou pouze o analytických nástrojích. Ideální podle mě je, pokud různé pohledy kombinujeme a snažíme se z různých informací získat maximum.
Například ve spojení analytiky a uživatelských dat můžeme přinést konkrétní návrhy na zlepšení našeho produktu. Například se zeptat, když vidíme, že lidé využívají některé věci častěji, jak bychom jim to mohli ulehčit?
Data nám také mohou pomoct získat lepší představu o tom, jak lidé s rozhraním konkrétně pracují a tomu pak naše návrhy přizpůsobit a vyladit je tak i do drobných detailů. Přeci jen chceme mít dobře fungující produkt a lidem práci usnadnit.