Er det ikke irriterende at spole hurtigt gennem dusinvis af dine interviewoptagelser i timevis for at finde et enkelt citat, der kan hjælpe dig med at træffe en velunderbygget produktbeslutning? Jeg hader det! Det spilder den værdifulde tid, som du kunne have brugt på at bygge fantastiske produkter.
Det er ofte sådanne kedelige situationer, der får os til at konkludere, at vi er nødt til at holde vores interviewdata organiseret. Og for at gøre det er vi nødt til at skabe en proces, hvor vi løbende omsætter disse indsigter til konkrete resultater og dermed omdanner dem til funktioner og løsninger.
Hvis det lyder bekendt, men du ikke er sikker på, hvordan du skal begynde at organisere dine store mængder brugerundersøgelser, så bare rolig. Jeg er her for at hjælpe!
Styrken ved kvalitative interviews
Efter min mening er brugerinterviews (og kvalitativ analyse generelt) den mest værdifulde type arbejde, som produktchefer udfører.
Du kan ikke skabe fantastiske produkter uden at vide, hvem dine brugere er, og hvad de ønsker. Ved hjælp af interviews dykker du derimod ned i den virkelighed, disse mennesker lever i, og oplever de problemer og gener, de møder i deres dagligdag, når de udfører bestemte opgaver.
Denne indsigt giver dig det rette vidensgrundlag til at formulere løsninger, der faktisk er nyttige for dem og kan gøre deres liv bedre. Derfor er det yderst vigtigt for produktchefer at optimere deres brugerinterviewprocesser og sikre, at de får mest muligt ud af den begrænsede tid, de taler med deres brugere.
Sådan organiserer du interviewdata
I det øjeblik dit team har gennemført mere end 20 brugerinterviews, bliver tingene rodede. For at finde et bestemt citat eller en bestemt indsigt er du måske nødt til at finde den person, der gennemførte interviewet, og spørge vedkommende om det. Uundgåeligt vil personen ikke kunne huske de præcise detaljer fra interviewet.
I sidste ende står du tilbage med en masse indsigter, der ikke er knyttet til nogen specifikke antagelser. Et sådant rod gør det næsten umuligt at få nyttige konklusioner fra undersøgelsen.
Derfor er det værdifuldt at organisere dine brugerinterviews omhyggeligt.
Grundlæggende organisering
Før vi dykker ned i de mere indviklede processer, skal vi først gennemgå de nemme måder, du kan holde dine interviews organiseret på.
Navngivningskonventioner for interviews
Hvis du gennemfører interviews hele tiden, ender du på et tidspunkt med hundredvis af optagelser på din cloudlagringskonto (eller i dit idéudviklingsværktøj). Forestil dig blot, hvor besværligt det ville være at søge gennem store mængder af disse filer, hvis deres navne så sådan her ud (“ros” til Zoom for deres elendige navngivningslogik):
Der er ingen måde, du kan finde et bestemt interview her.
Overvej derfor at indføre en standardiseret navngivningskonvention, der gør dine interviewfiler søgbare. Måske noget i denne stil:
Nu har du strukturerede interviews med søgbare navne, emner og datoer. Du kan også tilføje navnet på den produktchef, der gennemførte interviewet. Men hvis du bruger et specialiseret interviewværktøj, vil både navnet og interviewdatoen allerede være søgbare, og du kan fjerne dem fra dine filnavne.
Have an account? Log In
Planlægningsværktøjer
Det kan også være tidskrævende at planlægge dato og tidspunkt for interviewet. Der kan være lange e-mailtråde med dine respondenter, mens I forsøger at finde det rette tidspunkt og den rette dag til samtalen. Der er også det ekstra besvær, når en deltager ikke dukker op, og du er nødt til at omlægge mødet.
Med et planlægningsværktøj kan du derimod nemt angive ledige tidsrum for dine samtaler og lade interviewpersonerne vælge det, der passer dem bedst.
Du kan bruge hvilket som helst planlægningsværktøj til dette formål, herunder Calendly, Google Workspace og Hubspot.
Delte kalendere
Dette er især nyttigt, når flere personer på dit team gennemfører interviews. Med en delt kalender kan du “give” det interview, der er planlagt til dig, videre til en kollega, hvis du ikke har mulighed for at deltage.
Desuden kan du dele denne kalender med hele virksomheden og opfordre medarbejdere fra forskellige afdelinger til at deltage og høre, hvad brugerne siger om dit produkt. Denne taktik er en god måde at holde alle opmærksomme på brugerne og nedbryde siloer mellem afdelinger.
Transskribering og opsummering
Produktteams laver traditionelt en lyd- og videooptagelse af deres interviews. Vi bruger derefter disse optagelser til at analysere indsigterne og finde specifikke citater, som vi ønsker at fremhæve i vores resultater.
Der er også et behov for at gemme optagelserne. Nogle gange vil du vende tilbage til gamle interviews og se på brugerens svar fra en anden vinkel.
Problemet med lyd- og videooptagelser er dog, at de er langsomme at gennemgå og svære at navigere i.
Derfor anbefaler jeg, at du bruger et værktøj til transskribering og opsummering (du kan også bruge AI i brugerresearch til at hjælpe med dette).
Transskriptioner er tekst, der kan rulles igennem og søges i. Hvis der er en bestemt del af et interview, du vil finde, skal du bare trykke Command-F og søge efter den. Ud over at søge i det enkelte interview giver mange værktøjer dig også mulighed for at køre forespørgsler på tværs af alle de interviews, du har gennemført.
Opsummeringer er det næste trin i udviklingen. Du kan bede AI-modellen (en LLM, som normalt er integreret i transskriberingsværktøjet) om at udarbejde en opsummering af de vigtigste resultater for dig.
På den måde sparer du også masser af tid på analysen af dine transskriptioner. Med den rette kontekst er moderne LLM'er (især GPT-4) ret gode til at analysere interviewet for dig.
Hvad angår værktøjer, bruger jeg nu Krisp, fordi jeg leder produktet for transskribering og opsummering. Men jeg anbefaler også at prøve Dovetail, Otter.ai, Fireflies.ai og andre. Alternativt kan du overveje den mere videnskabelige og dybdegående software til kvalitativ dataanalyse, såsom Atlas.ti, Nvivo, Maxqda og andre.
Gruppering af indholdet i interviewtransskriptioner efter hypoteser
Mange værktøjer til interviewhåndtering giver dig mulighed for at fremhæve bestemte dele af transskriptionen og tilføje mærkater til dem. Denne fantastiske funktionalitet giver dig mulighed for at organisere dine kundeinterviews (såvel som dine casestudier, memoer og andre undersøgelsesprojekter) baseret på:
- Det overordnede tema (f.eks. udforskning af indtægtsgenerering, aktiveringsfunktioner osv.)
- Personaens karakteristika (f.eks. geografi, profession osv.)
- Brugertype med hensyn til engagement (f.eks. inaktive brugere, superbrugere osv.)
Men den mest værdifulde anvendelse af denne funktionalitet er sandsynligvis at fremhæve brugernes svar og mærke dem baseret på den hypotese, de kan validere.
Det, du normalt gør, er at overføre alle dine aktive hypoteser til dit værktøj til brugerinterviews i form af mærkater og begynde at mærke de relevante dele af dine interviews. Når du klikker på et af disse mærkater, får du vist en samling af alle relevante citater fra alle dine interviews.
Sådan ser det ud i Dovetail:
Som du kan se, er det ret praktisk – du kan få et hurtigt overblik over alt, der relaterer sig til hypotesen, på én enkelt skærm og træffe en hurtig beslutning på baggrund af det.
Nu hvor vi ved, hvordan du organiserer dine brugerinterviewdata, går vi videre til, hvordan du kan analysere dem.
Sådan fortolker du brugerinterviews
Jeg plejer at afholde mig fra at tale om teori, men dette er et af de sjældne tilfælde, hvor det er værdifuldt (og anvendeligt i virkelige situationer) at lære den videnskabeligt teoretiske tilgang. Så lad os gennemgå de tre klassiske metoder til kvalitativ dataanalyse. Overvej, hvordan du kan bruge AI i dataanalyse sammen med disse metoder.
Narrativ analyse
Denne type analyse er den mindst strukturerede og mest kvalitative metode blandt dem. Den fokuserer udelukkende på dine brugeres historier og forsøger at afdække interessante indsigter baseret på, hvordan de har det med dit produkt, og hvordan de opfatter det.
I modsætning til andre typer analyser er det dine brugeres følelser og den måde, de ser dit produkt på i deres dagligdag, der betyder noget.
Lad os bruge Slack som eksempel.
Forestil dig, at du var en af de oprindelige produktchefer hos Slack og ønskede at revolutionere den måde, folk kommunikerer på arbejdet. Du ved, at folk primært bruger e-mail som deres vigtigste kanal, og du vil give dem noget, der minder mere om sociale medieplatforme (dvs. opslag med kommentarer).
Når du gennemfører en narrativ analyse, kan du bede folk om at beskrive deres daglige kommunikation via e-mail, høre deres klager og få en overordnet forståelse af, hvordan folk har det med denne del af deres dag.
Derefter ville du stille de samme undersøgelsesspørgsmål om deres oplevelse med opslag på sociale medier, observere deres følelsesmæssige reaktion og forstå den typiske brugerrejse, når de opretter opslag og kommenterer på dem.
Ved at bruge alle disse indsigter (og anvende deduktiv ræsonnering) kan du derefter oprette din brugerpersona med dens mål og udfordringer. Desuden vil du også kunne visualisere de forskellige brugerrejser og vaner, som du skal tage højde for, når du bygger dit produkt.
Tematisk analyse
I modsætning til narrativ analyse er denne metode en smule mere “kvantitativ” og giver dig mulighed for at tilføre dine indsigter en vis struktur. Tematisk analyse handler om processen med at læse dine interviewudskrifter og identificere forskellige temaer, der går igen på tværs af flere interviews.
Tilbage til Slack-eksemplet...
Når du analyserer dine interviewpersoners svar, vil du måske hurtigt opdage, at mange af dem klager over besværet ved at administrere “visningstilladelser” (hvem der kan se din besked, og hvem der ikke kan) i en typisk lang e-mailkommunikationskæde.
Fremragende, nu har du identificeret et fælles tema (og et potentielt unikt værditilbud for din funktion med 'kanaltilladelser')!
Du vil måske også identificere en anden almindelig klage—besværet ved at læse tidligere beskeder i en e-mailkæde. Voilà! Endnu et fælles tema og endnu en mulighed for at skille dig ud med din næste funktion.
Tagging-funktionen, som jeg nævnte for et øjeblik siden, er et fremragende værktøj til at gennemføre tematisk analyse. Når du ser noget interessant i interviewudskriften, kan du fremhæve det og føje et 'tema'-tag til det. Derefter kan du åbne siden for 'tema'-tagget og se alle de citater, der er knyttet til det.
Indholdsanalyse
Indholdsanalyse af interviews er den mest strukturerede og kvantitative forskningsmetode blandt disse tre. I dette tilfælde er dit mål at gøre dine indsigter målbare.
For eksempel...
Hvis du allerede har identificeret et tema (dvs. besværet ved at administrere tilladelser i en e-mailkæde) i dine interviews, kan du forsøge at beregne procentdelen af personer, der synes, at det er meget besværligt, og sammenligne den med procentdelen af personer, der ikke rigtig er generet af det.
Ved at kvantificere dine data vil du kunne forstå betydningen af dine resultater. Hvis kun 20 % af interviewpersonerne synes, at visningstilladelser i e-mailkæder er et problem, vil værditilbuddet for din funktion med kanaltilladelser være svagt.
Det er naturligvis ganske praktisk. Men efter min erfaring er den mest værdifulde anvendelse af indholdsanalyse at validere (eller afkræfte) dine hypoteser.
Med indholdsanalyse bruger du den samme teknik, som du ville bruge til tematisk analyse. Men i dette tilfælde måler du procentdelen af svar, der validerer din hypotese. Forestil dig, at du bygger en app til transskription (ligesom Dovetail) med følgende hypotese:
Jeg mener, at en reduktion af behandlingstiden for transskriptioner fra 10 minutter til 10 sekunder vil øge visningsraten for transskriptioner markant
Forestil dig nu, at du analyserer dine interviewsvar og opdager, at 80 % af personerne siger, at de har interviews lige efter hinanden og normalt læser transskriptionerne sidst på arbejdsdagen.
Det betyder, at din hypotese er ugyldig, og at du ikke bør spilde tid og ressourcer på at optimere din behandlingsmotor.
Bonusmetode til analyse: Den funderede teori
Den traditionelle videnskabelige metode (som anvendes bredt inden for produktledelse) begynder med at formulere hypoteser og derefter validere dem med empirisk evidens.
Problemet er dog, at du ikke altid kan formulere disse hypoteser. Nogle gange, især når du befinder dig i den tidlige idéfase af din startup, ved du intet om dit marked og dine brugere. Derfor er der ingen måde, hvorpå du kan nedskrive meningsfulde hypoteser.
Det er her, den funderede teori kommer ind i billedet.
I stedet for at skabe hypoteser og derefter validere dem med data leder forskningsprocessen dig her til først at analysere data og derefter skabe hypoteser baseret på de indsigter, du har fundet i dine data.
For en startup i den tidlige fase vil det betyde, at man begynder at interviewe brugere uden nogen hypoteser og forsøger at forstå deres behov og rejser. Først når du har en grundlæggende forståelse af, hvad de ønsker, kan du begynde at formulere dine hypoteser.
Sådan handler du på din kvalitative forskning
Dine brugerinterviews er meningsløse (og dine beslutninger er fulde af forskningsbias), hvis du ikke er i stand til at få noget, du kan handle på, ud af dem. I dette afsnit gennemgår vi de grundlæggende trin til at handle på det, du har lært, og ser på, hvordan du kan anvende det i virkeligheden. Du kan også bruge AI i UX-forskning sammen med disse trin.
Trin 1: Valider eller afkræft dine hypoteser
Medmindre du bruger den funderede teori, bør hvert eneste brugerinterview have som mål at validere en eller flere hypoteser. Sådan validerer du dine hypoteser:
- Brug mærknings- og annoteringsfunktionerne i dit interviewværktøj til at samle al den nødvendige indsigt relateret til denne hypotese på én enkelt skærm.
- Inviter dit produktteam (herunder UX-designere og interessenter), og evaluer disse resultater.
- Beslut, om du anser hypotesen for valideret eller ej.
Nogle gange er det datasæt, du har, måske ikke tilstrækkeligt til at give et entydigt svar på dit spørgsmål. I så fald skal du blot gennemføre flere interviews, indtil du har indsamlet tilstrækkeligt med data.
Trin 2: Handl på afkræftede hypoteser
Hvis dine interviewresultater afkræfter en hypotese (hvilket er mere almindeligt end at validere en), kan du handle på den på to mulige måder:
- Revider din hypotese: Måske var en del af hypotesen gyldig, og du skal blot formulere en ny, ændret hypotese baseret på den gamle.
Lad os for eksempel sige, at du har antaget, at folk ville foretrække at administrere tilladelser for hvert enkelt indlæg i Slack. Interviewdataene viser, at folk faktisk ønsker tilladelser, men at de ikke bør være på indlægsniveau. I dette tilfælde ændrer du din hypotese til følgende:
Vi tror, at folk vil foretrække at administrere tilladelser på kanalniveau
- Betragt den som afkræftet, og forkast den: Hvis du ikke kan se nogen brugbare revisioner af din hypotese, kan du blot forkaste den og begynde at formulere nye.
More Articles
Trin 3: Omdan validerede hypoteser til produktløsninger
Hvis du ender med at validere din hypotese, kan du begynde at arbejde på en produktløsning til den.
Jeg ved, at det er indlysende, men de fleste af os ender med at udskyde det og til sidst glemme disse muligheder. For at begrænse dette tab af værdi foreslår jeg, at du afholder regelmæssige produktidéworkshops og anvender designrammer til at udvikle og videreudvikle dine løsninger.
De vigtigste interessenter i dette møde er dine produktdesignere (eller udviklere, hvis løsningen involverer en omfattende kodningsproces). Du kan normalt begynde disse workshops ved at præsentere slides eller en samarbejdsbaseret tavle, der indeholder den indsigt, du har indsamlet i relation til denne hypotese.
(Interviewværktøjer har i øvrigt denne funktion, så lad være med at bruge PowerPoint, og brug i stedet disse funktioner.)
Derefter begynder du at finde frem til forskellige funktioner og designidéer, der dækker scenariet i hypotesen. Til sidst kan du bruge et hvilket som helst prioriteringsværktøj til at finde de mest værdifulde funktioner på listen og markere dem som “klar til backloggen.”
Trin 4: Tilføj produktløsningerne til din køreplan
Dette trin er jo indlysende. Så snart dit UX-team har designene klar, og du er færdig med kravene til løsningen, skal du føje den til backloggen og prioritere den.
Kvalitativ dataanalyse er din produktmæssige superkraft!
Produktchefer er brugernes stemme i enhver virksomhed. Takket være vores viden om brugernes behov og udfordringer vejer produktchefernes meninger tungt, og folk har en tendens til at være enige med os. (Eller det burde de i det mindste!)
Produktchefer kan opnå dette gennem grundige processer for indsamling og analyse af kvantitative data. Men brugerinterviews har én stor fordel. Under møderne med dit ledelsesteam bliver dine meninger uigendrivelige, så snart du citerer dine brugere.
Sørg derfor for, at alle dine interviewdata er velorganiserede og meget grundigt analyseret!
Glem ikke at tilmelde dig vores nyhedsbrev for flere ressourcer og vejledninger om produktledelse samt de nyeste podcasts, interviews og anden indsigt fra brancheledere og eksperter.
