Vi lever i en tidsalder med store datamængder og analyse, og det virker, som om denne disciplin er dukket op næsten overalt, herunder inden for salg, markedsføring, produktstyring og selvfølgelig UX-design.
Der er en god grund til, at dataanalyse i dag er blevet en vigtig del af designarbejdsgangen. Ved at analysere dine brugeres adfærd kan du forbedre kvaliteten af dine designs betydeligt.
Så lad os forstå, hvordan designteams kan drage fordel af datadrevet design og sikre, at dine brugere er fuldstændig tilfredse, når de interagerer med dit produkt.
Hvad er datadrevet design (og hvorfor bruge data i din UX-designproces)?
Datadrevet design er processen med at integrere datasporing og analyse i din arbejdsgang for at hjælpe dig med at træffe bedre designbeslutninger baseret på den viden, du opnår gennem dine dataanalyseværktøjer.
Designere bruger en række forskellige brugerundersøgelses- og analyseværktøjer til at spore kritiske brugerrejser og KPI'er, der repræsenterer produktets overordnede brugervenlighed. Til dette anvender de processer som A/B-test, analyse af forskellige datatyper (f.eks. kvantitative og kvalitative data), brugertest, fokusgruppeinterviews, opbygning af sporbare landingssider og prototyper samt andre metoder.
Som resultat kan de hurtigt identificere problemer med brugervenligheden, finde det grundlæggende problem, der forårsager dem, og løse det.
Desuden bruger designteams aktivt dataanalyse til at måle det seneste designs indvirkning på brugeroplevelsen og anvender resultaterne til at skabe nye og forbedrede iterationer.
Eksempler på datainformeret design
Disciplinen med at implementere UX-designløsninger baseret på empiriske data er langt mere udbredt, end du måske tror. Størstedelen af succesfulde produktvirksomheder anvender aktivt denne proces for at sikre, at de designvalg, de træffer, sandsynligvis vil have en positiv indvirkning på deres produkt.
Her er tre eksempler på disse produkter.
YouTubes automatiske afspilning
Kan du huske de ældre versioner af YouTube, hvor du skulle klikke på en ny video, efter at den aktuelle video var færdig? Var det ikke irriterende?
Denne funktion førte til et betydeligt fald i YouTube-brugernes engagement (antallet af afspillede videoer pr. dag), og designteamet besluttede at gøre noget ved det.
De kiggede på dataene og opnåede to interessante indsigter:
- Folk har en tendens til at se flere videoer i træk. Nogle kan lide at sætte musik på YouTube som baggrundsstøj, mens de laver mad eller gør rent. Andre (som mig) kan lide at falde i søvn, mens en video afspilles i baggrunden.
- Mange brugere ville ikke klikke på en anden videominiature, efter at afspilningen var færdig. Det var besværligt for mange brugere konstant at skulle klikke på videominiaturerne.
På baggrund af disse resultater besluttede de at tilføje den berømte funktion til “automatisk afspilning”, som automatisk ville skifte til en relateret video foreslået af platformen eller den næste video på afspilningslisten.
Som resultat oplevede YouTube en massiv stigning i deres engagementstal.
Have an account? Log In
Airbnbs brugercentrerede anmeldelsesforløb
Hvis du nogensinde har boet på et Airbnb-sted, har du højst sandsynligt anmeldt stedet ved at gennemgå platformens tilbagemeldingsforløb.
Hvis jeg spørger dig, om det var besværligt at skrive en anmeldelse, vil de fleste af jer sandsynligvis sige, at formularen ikke var kort, men at det ikke var smertefuldt at udfylde den.
Det skyldes, at du ikke havde mulighed for at opleve den pine, det var at udfylde den formular med en million spørgsmål, som Airbnb tidligere brugte til deres anmeldelser.
Folkene hos Airbnb havde to problemer:
- Få mennesker udfyldte deres anmeldelsesformularer.
- Svarene i deres formularer var meget generiske og lidet nyttige.
For at finde en løsning på disse problemer begyndte designteamet at analysere formularens præstationsdata og forstod, at langt de fleste ganske enkelt forlod den et sted midtvejs.
På baggrund af disse indsigter begyndte teamet at gennemføre brugervenlighedstest og forstod, at:
- Formularens størrelse var overvældende for brugerne. Ingen ønskede at besvare så mange spørgsmål.
- Folk gav generisk feedback, fordi de ikke ønskede at bruge deres dyrebare tid på at skrive detaljerede anmeldelser.
Nu hvor problemets årsag stod klart, gik teamet hos Airbnb i gang med en omfattende redesign af deres anmeldelsesoplevelse. I stedet for én enkelt lang formular oprettede de flere sider med kortere formularer for at undgå at overvælde deres brugere.
De begyndte også at bruge knapper med foruddefinerede svar i stedet for tekstfelter, hvilket hjalp dem med at undgå generiske svar. Desuden kunne teamet køre dataanalyser af brugernes svar og optimere dem yderligere, eftersom svarene var strukturerede i stedet for at være tekst.
Som du måske allerede har gættet, blev den redesignede formular en enorm succes!
Navigering i Reddit-kommentarer
Reddit er ikke bare endnu et forum. Det er blevet et kulturelt fænomen og stedet, hvor hele internettet samles for at diskutere forskellige emner.
Reddits popularitet havde dog også en interessant bagside. Folk tilføjede så mange kommentarer under de emner, der blev slået op på siden, at det blev umuligt at læse tråden. Det var især irriterende at navigere, når der var dusinvis af svar under en enkelt kommentar, og man skulle rulle et stykke for at nå frem til den næste kommentar.
Folkene hos Reddit kendte til problemet. De havde endda flere koncepter til at redesigne kommentarsektionen, så den blev nemmere at navigere i.
For at vælge det bedste koncept begyndte de at gennemføre brugervenlighedstests og udnytte andre researchmetoder til at indsamle data om brugerinteraktioner, udtrække nøgletal og sammenligne deres koncepter ved hjælp af disse nøgletal.
Der var én designløsning, der klart klarede sig bedre end resten – at lade brugerne udvide og skjule svar.
På den måde kunne du, hvis du ikke ønskede at læse den endeløse tråd af svar under en bestemt kommentar, blot skjule den og gå videre til den næste kommentar på listen.
Som du kan se, er den datadrevne designproces kernen i arbejdsgangene for mange succesfulde produkter.
Og jeg ved, at du også gerne vil træffe dine designbeslutninger baseret på data (ellers, hvorfor er du her?).
Så her får du en trinvis gennemgang af, hvordan du integrerer datadrevet design i din produktudviklingsproces.
6 trin til at muliggøre datadrevne beslutninger for dit produkt
Lad os anlægge en mere praktisk tilgang her. I stedet for blot at tale om, hvad der bør gøres i teorien, ser vi også på eksempler for hvert trin ved hjælp af værktøjer fra den virkelige verden. Mit foretrukne værktøj i dag bliver Amplitude, eftersom det er det hændelsesbaserede produktanalyseværktøj, jeg bruger på arbejdet hver dag.
Lad os nu begynde med det første trin – strategi.
Trin 1: Udarbejd en dataanalysestrategi sammen med dine interessenter
Du kan godt glemme at få værdifulde resultater ud af din dataanalyseindsats, hvis du ikke har en gennemtænkt strategi for den.
En typisk dataanalysestrategi indeholder følgende to sektioner:
Sektion 1: Målsætninger
Du skal tydeligt definere grunden til, at du overhovedet implementerer analyse. Uden klare målsætninger risikerer du at spore og måle brugerdata, der ikke indeholder værdifuld indsigt.
Lad os nu forestille os, at du har ansvaret for Spotify, og se på, hvordan et typisk sæt målsætninger kunne se ud for dig.
Jeg ved godt, at disse mål virker lidt indlysende. Men tro mig: Uden at formulere dem tydeligt ender du i et analytisk rod.
Sektion 2: KPI'er
Når dine målsætninger er klar, bruger du dem til at udlede de nøgletal, du ønsker at måle. Nøgleordet her er “udlede”. Det betyder, at en forbedring af dine nøgletal bør bringe dig tættere på at nå dine mål.
Hvis dit mål for eksempel er bæredygtig brugervækst, bør du overveje at måle fastholdelse, aktiveringsrate og tilmeldingsrate. At vælge MRR som dit vigtigste nøgletal ville derimod være en dårlig idé, eftersom du kan øge din omsætning på kort sigt, men miste det meste af den på lang sigt. I dette tilfælde vil din vækst ikke være bæredygtig, og du vil ikke nå dit mål.
Sådan vil en liste over KPI'er se ud for det første mål i vores tidligere eksempel – “Forbedr brugeroplevelsen”:
Dette er alle indikatorer på en positiv brugeroplevelse. Hvis ovenstående rater stiger, kan vi med sikkerhed fastslå, at brugerne er tilfredse med vores produkt.
Trin 2: Integrér et dataanalyseværktøj
Nu hvor du har en klar forståelse af, hvad du vil måle, er det tid til at overveje, hvordan du vil måle det. Det handler især om dit valg af analyseværktøj, som du i sidste ende vil bruge til at finde interessante indsigter i dine data.
Der findes en lang række værktøjer, du kan overveje til dette, afhængigt af hvilken kategori af analyser du er interesseret i (f.eks. heatmaps, demografi, brugeradfærd osv.), funktionssættet (kohorter, tragte osv.) og selvfølgelig dit budget.
Her er et par muligheder, du kan overveje for hver type:
- Heatmaps (inklusive A/B- og multivariat test): Hotjar, Mouseflow, Clarity.
- Demografi og webstedsanalyse (f.eks. afvisningsprocent): Google Analytics, Matomo, Yandex Metrica.
- Hændelsesbaseret analyse (for konverteringsrater, tragte osv.): Amplitude, Mixpanel.
- Forretningsintelligens (for målinger af finansiel påvirkning osv.): Looker Studio, Tableau, PowerBI.
Min nuværende opsætning består af en kombination af GA4, Hotjar, Amplitude og Looker Studio.
I dag vil jeg dog fokusere på Amplitude og vise dig, hvordan du integrerer det.
Vi bruger Google Tag Manager (GTM) for at holde det enkelt og undgå at involvere dit udviklingsteam i opsætningen.
Vi begynder med at åbne GTM, klikke på “Tags” i venstre sidepanel for at åbne vores liste over tags og klikke på “Ny” for at åbne sidepanelet til oprettelse af tags.
For at undgå manuelt at konfigurere et tag til Amplitude har virksomheden oprettet en skabelon, som vi kan bruge. For at bruge denne skabelon klikker vi på kortet “Tagkonfiguration” for at åbne skabelongalleriet.
Her skal vi klikke på “Find flere tagtyper i Community-skabelongalleriet”, søge efter “Amplitude” og klikke på “Amplitude Analytics Browser SDK”.
Vi er næsten i mål. Først skal vi tilføje vores Amplitude API-nøgle i det tilsvarende felt.
Derefter tilføjer vi en udløser ved at klikke på udløserkortet på skærmen og vælge “Initialisering—Alle sider”.
Til sidst giver vi vores tag et navn (f.eks. “Amplitude Initialize”), gemmer det og udgiver en ny version i GTM. Sådan! Næste gang nogen åbner dit produkt, initialiseres Amplitudes SDK og begynder at køre i baggrunden.
Trin 3: Dokumentér din proces for indsamling af kvantitative data
At køre Amplitude er kun begyndelsen på opsætningen. Da det er et hændelsesbaseret analyseværktøj, skal du manuelt opsætte hændelser i dit produkt og udløse dem ved hjælp af Amplitudes SDK, som vi netop har tilføjet til dit produkt ved hjælp af GTM.
Men før vi tilføjer hændelser, skal vi først dokumentere dem. Et dataindsamlingsdokument er normalt et regneark, hvor du angiver de hændelser, som SDK'et vil udløse, de brugerhandlinger, der fungerer som udløsere for dem, samt de forskellige parametre, du vil sende til Amplitude sammen med hændelsen.
Her kan du se, hvordan en forenklet version af dette regneark ser ud til sporing af brugerinteraktioner i Airbnbs anmeldelsesformular.
Efter at vi har dokumenteret de hændelser, vi skal spore, vil vi bede vores udviklingsteam om at tilføje udløsere for hver af dem i vores frontendkode ved hjælp af Amplitudes SDK. Når de har fuldført denne opgave, vil vores produkt automatisk udløse disse hændelser og sende de nødvendige data til Amplitude, så vi kan analysere dem.
Trin 4: Opret rapporter og dashboards for dine vigtigste UX-målinger
På dette tidspunkt har du alt, hvad du skal bruge for at begynde den egentlige analyse og afgøre, om din brugeroplevelse lever op til dine forventninger.
Din vej til datavisualisering begynder med at opbygge grafer for de vigtigste brugervenlighedsmålinger, som du tidligere har identificeret og dokumenteret, ved hjælp af det analyseværktøj, du foretrækker. Lad mig vise dig, hvordan du gør det ved at bruge Amplitude som eksempel. Adoptionsraten for playlister ser ud til at være en god måling at starte med.
Vi opretter et nyt segmenteringsdiagram (også kaldet et almindeligt diagram) i Amplitude ved at klikke på knappen “Ny” og vælge “Segmentering” i det sidepanel, der åbnes.
Derefter skal vi vælge de hændelser, der hjælper os med at måle adoptionen. I vores tilfælde bliver det “Følg playliste”.
Dernæst skal vi sikre os, at tallene på diagrammet repræsenterer procentdelen af aktive brugere, der udfører denne handling. Derfor vælger vi indstillingen “Aktive %” i menuen “Målt som”.
Sådan kommer vores diagram til at se ud. Det viser, at omkring 70 % af vores dagligt aktive brugere følger playlister hver dag. For at være ærlig virker det som et ret godt resultat.
Til sidst gemmer vi vores diagram og arbejder videre med de resterende målinger.
Du kan oprette et dashboard for at få et samlet overblik over alle dine vigtigste målinger. Det gør vi ved igen at klikke på knappen “Ny”, vælge “Rapport” og derefter “Dashboard”.
Som resultat ser vi et tomt dashboard, som vi skal navngive og udfylde med de diagrammer, vi tidligere har oprettet.
Lad os kalde det “Vigtige brugervenlighedsmålinger” og tilføje vores diagrammer ved at klikke på “Tilføj indhold”, derefter “Eksisterende diagram” og vælge de diagrammer, vi har oprettet.
Tillykke! Nu har du et overblik over alle dine vigtigste målinger!
More Articles
Trin 5: Gennemgå og analysér løbende dine rapporter
De resultater, du ser på dit Amplitude-dashboard, er “levende”. De vil stige eller falde afhængigt af de ændringer, du har foretaget i din UX. Derfor bør du løbende gennemgå disse målinger for at:
- Se, om din indsats har haft en positiv indvirkning på brugervenligheden af dit produkt.
- Identificere målinger, der klarer sig dårligt, og forsøge at finde årsagen til dem.
Jeg foreslår, at du organiserer ugentlige eller hver anden uge afholdte evalueringsmøder med dine interessenter for at drøfte ændringer i KPI'erne og brainstorme over mulige årsager til dem, der ikke klarer sig godt.
Resultatet af disse møder bør være en liste over hypoteser om, hvordan dine målinger kan forbedres, samt mulige problemer, der forårsager den dårlige performance.
Derefter gennemfører du en proces for UX-designresearch for at validere eller afvise disse hypoteser og begynde at udvikle løsninger, der kan flytte nålen.
Her er et casestudie fra den virkelige verden baseret på min erfaring.
Et af de produkter, jeg arbejdede på, var en marketingplatform til websites, som gjorde det muligt for dem at sende pushnotifikationer til deres målgruppe. Efter tilmeldingen skulle websiteejere opsætte vores SDK på deres websites for at aktivere pushnotifikationer på dem.
Vi byggede et tragtdiagram, der viste alle de vigtigste trin, som ejere af websteder skulle konfigurere. Da vi først gennemgik tragten, bemærkede vi noget mærkeligt. Der var et massivt fald på 70 % mellem trinnet med installation af SDK'et og afsendelsen af den første push-notifikation.
Efter en brainstormsession fremsatte vi hypotesen, at årsagen til dette fald var manglen på en "testtilstand", hvor brugerne kunne kontrollere, om push-notifikationerne fungerede korrekt.
Vi gennemførte flere brugervenlighedstests og brugerinterviews for at validere denne hypotese. Det viste sig, at ejere af websteder ikke følte sig trygge ved at bruge ny teknologi, medmindre de først testede den på sig selv.
Derfor designede og byggede vi et testforløb, som brugerne skulle gennemføre lige efter installationen af SDK'et. Resultatet var opsigtsvækkende. Vi var i stand til at imødekomme brugernes behov og problemområder ganske godt. I løbet af et par uger blev faldet på 70 % reduceret til blot 15 %!
Trin 6: Integrer læringen i dine designs
Det sidste trin i din datadrevne tilgang er også det vigtigste. Dine analyser og hypoteser vil ikke påvirke dit produkt, medmindre du handler på baggrund af dem.
Den måde, vi håndterede denne proces på for et af de produkter, jeg ledte, var ganske enkel. Så snart vi havde valideret en hypotese, oprettede vi en produktdesignopgave i vores værktøj til opgavestyring, prioriterede den og tildelte den til en af vores designere.
Så snart designet var færdigt, gennemførte vi modererede eller ikke-modererede brugervenlighedstests af det, itererede på baggrund af brugerfeedback og klargjorde det nye design til backlogforfinelse.
Uanset om du følger den proces, jeg netop har gennemgået med dig, eller udvikler din egen, skal du sørge for at handle på baggrund af læringen!
Løft dit designarbejde med data
Dataanalyse er et fantastisk værktøj i et designteams hænder. Ved konstant at overvåge og fejlfinde i dine vigtigste brugervenlighedsmålinger kan du forbedre din beslutningstagning markant og skabe brugeroplevelser, der vil imponere dine brugere.
Glem ikke at tilmelde dig vores nyhedsbrev for flere ressourcer og vejledninger om produktledelse samt de nyeste podcasts, interviews og andre indsigter fra brancheledere og eksperter.
