Eikö olekin ärsyttävää kelata tuntikausia kymmeniä haastattelutallenteitasi eteenpäin löytääksesi yhden lainauksen, joka auttaa sinua tekemään perustellun tuotekehityspäätöksen? Minä ainakin inhoan sitä! Se tuhlaa kallisarvoista aikaa, jonka olisit voinut käyttää upeiden tuotteiden rakentamiseen.
Usein juuri tällaiset työläät tilanteet johtavat meidät siihen tulokseen, että haastattelutietomme on pidettävä järjestyksessä. Tätä varten meidän on luotava prosessi, jossa nämä opit muutetaan jatkuvasti konkreettisiksi tuotoksiksi ja siten ominaisuuksiksi ja ratkaisuiksi.
Jos tämä kuulostaa tutulta, mutta et ole varma, miten aloittaa valtavien käyttäjätutkimusmääriesi järjestäminen, ei hätää. Olen täällä auttamassa!
Laadullisten haastattelujen voima
Mielestäni käyttäjähaastattelut (ja laadullinen analyysi yleensäkin) ovat arvokkainta työtä, jota tuotepäälliköt tekevät.
Et voi rakentaa upeita tuotteita tuntematta käyttäjiäsi ja tietämättä, mitä he haluavat. Haastattelujen avulla voit puolestaan sukeltaa näiden ihmisten elämään ja kokea ne ongelmat ja hankaluudet, joita he kohtaavat arjessaan suorittaessaan tiettyjä tehtäviä.
Tämä ymmärrys antaa sinulle oikean tietopohjan sellaisten ratkaisujen muotoilemiseen, jotka ovat heille todella hyödyllisiä ja voivat parantaa heidän elämäänsä. Siksi on äärimmäisen tärkeää, että tuotepäälliköt optimoivat käyttäjähaastatteluprosessinsa ja varmistavat saavansa kaiken irti rajallisesta ajasta, jonka he viettävät käyttäjiensä kanssa.
Haastattelutietojen järjestäminen
Kun tiimisi on tehnyt yli 20 käyttäjähaastattelua, asiat muuttuvat sekaviksi. Löytääksesi tietyn lainauksen tai oivalluksen saatat joutua etsimään haastattelun tehneen henkilön ja kysymään häneltä siitä. Vääjäämättä hän ei muista haastattelun tarkkoja yksityiskohtia.
Lopulta sinulla on joukko oivalluksia, joita ei ole yhdistetty mihinkään tiettyihin oletuksiin. Tällaisen sotkun vuoksi tutkimuksesta on lähes mahdotonta saada hyödyllisiä johtopäätöksiä.
Siksi käyttäjähaastattelujen huolellinen järjestäminen on arvokasta.
Järjestämisen perusteet
Ennen kuin perehdymme monimutkaisempiin prosesseihin, käydään ensin läpi helppoja tapoja pitää haastattelut järjestyksessä.
Haastattelujen nimeämiskäytännöt
Jos teet haastatteluja jatkuvasti, pilvitallennustilillesi (tai ideointityökaluusi) kertyy jossain vaiheessa satoja tallenteita. Kuvittele, kuinka tuskallista näiden tiedostojen etsiminen suurista tiedostomääristä olisi, jos niiden nimet näyttäisivät tältä (”Kunnia” Zoomille sen surkeasta nimeämislogiikasta):
Täältä ei ole mahdollista löytää tiettyä haastattelua.
Harkitse siis vakiomuotoisen nimeämiskäytännön käyttöönottoa, joka tekee haastattelutiedostoistasi haettavia. Ehkä jotakin tämän kaltaista:
Nyt haastattelusi on jäsennelty, ja niiden nimet, aiheet sekä päivämäärät ovat haettavissa. Voit myös lisätä haastattelun tehneen tuotepäällikön nimen. Jos kuitenkin käytät erikoistunutta haastattelutyökalua, sekä nimi että haastattelupäivä ovat jo haettavissa, joten voit poistaa ne tiedostonimistäsi.
Have an account? Log In
Ajanvaraustyökalut
Haastattelun päivämäärän ja kellonajan sopiminen voi myös viedä paljon aikaa. Vastaajien kanssa käydään pitkiä sähköpostiketjuja, joissa yritetään löytää puhelulle sopiva aika ja päivä. Lisäksi vaivaa aiheutuu silloin, kun haastateltava ei saavu paikalle ja tapaaminen on järjestettävä uudelleen.
Ajanvaraustyökalun avulla voit puolestaan helposti määrittää puheluille sopivat ajat ja antaa haastateltavien valita niistä itselleen parhaiten sopivan.
Voit käyttää tähän tarkoitukseen mitä tahansa ajanvaraustyökalua, kuten Calendlyä, Google Workspacea ja Hubspotia.
Jaetut kalenterit
Tämä on erityisen hyödyllistä silloin, kun tiimissäsi on useita haastatteluja tekeviä henkilöitä. Jaetun kalenterin avulla voit ”siirtää” sinulle suunnitellun haastattelun kollegalle, jos et itse pysty osallistumaan siihen.
Voit lisäksi jakaa tämän kalenterin koko yrityksen kanssa ja kannustaa eri osastojen työntekijöitä osallistumaan kuulemaan, mitä käyttäjät sanovat tuotteestasi. Tämä taktiikka on loistava tapa pitää kaikki tietoisina käyttäjien tarpeista ja purkaa osastojen välisiä siiloja.
Litterointi ja yhteenvetojen tekeminen
Tuotetiimit tallentavat perinteisesti haastattelunsa ääni- ja videotallenteina. Käytämme näitä tallenteita sitten oppien analysointiin ja löytääksemme tietyt sitaatit, jotka haluamme nostaa esiin havainnoissamme.
Siihen liittyy myös tallenteiden säilyttämisen käyttötapaus. Joskus haluat palata vanhoihin haastatteluihisi ja tarkastella käyttäjän vastauksia eri näkökulmasta.
Ääni- ja videotallenteiden ongelmana on kuitenkin se, että niiden läpikäyminen on hidasta ja niiden sisältöä on vaikea selata.
Siksi suosittelen käyttämään litterointi- ja yhteenvetotyökalua (voit käyttää myös tekoälyä käyttäjätutkimuksessa apuna tässä).
Litteraatit ovat vieritettävää ja haettavaa tekstiä. Jos haluat löytää tietyn osan haastattelusta, paina vain Command-F-näppäinyhdistelmää ja hae sitä. Tietystä haastattelusta hakemisen lisäksi monet työkalut mahdollistavat myös kyselyiden tekemisen kaikista suorittamistasi haastatteluista.
Yhteenvedot ovat seuraava askel kehityksessä. Voit pyytää tekoälyn LLM-mallia (joka on yleensä integroitu litterointityökaluun) laatimaan sinulle yhteenvedon tärkeimmistä havainnoista.
Näin säästät myös valtavasti aikaa litteraattiesi analysoinnissa. Oikean kontekstin avulla nykyaikaiset LLM-mallit (erityisesti GPT-4) ovat varsin hyviä analysoimaan haastattelun puolestasi.
Työkaluista käytän tällä hetkellä Krispiä, koska johdan sen litterointi- ja yhteenvetotuotetta. Suosittelen kuitenkin kokeilemaan myös Dovetailia, Otter.aia, Fireflies.aia ja muita vastaavia. Vaihtoehtoisesti voit harkita tieteellisempää ja perusteellisempaa laadullisen aineiston analyysiohjelmistoa, kuten Atlas.ti:tä, Nvivoa, Maxqdaa ja muita.
Haastattelulitteraattien sisällön ryhmittely hypoteesien mukaan
Monissa haastattelujen hallintatyökaluissa voit korostaa tiettyjä litteraatin osia ja merkitä ne tunnisteilla. Tämän erinomaisen toiminnallisuuden avulla voit järjestää asiakashaastattelusi (samoin kuin tapaustutkimuksesi, muistiosi ja muut tutkimusprojektisi) seuraavien perusteella:
- Yleinen teema (esim. monetisoinnin selvittäminen, aktivointiominaisuudet jne.)
- Persoonan ominaisuudet (esim. maantieteellinen sijainti, ammatti jne.)
- Käyttäjätyyppi sitoutumisen perusteella (esim. passiiviset käyttäjät, aktiivikäyttäjät jne.)
Mutta luultavasti tämän toiminnallisuuden yksittäinen arvokkain käyttötapaus on korostaa käyttäjien vastauksia ja merkitä ne sen perusteella, minkä hypoteesin ne voivat vahvistaa.
Yleensä siirrät kaikki aktiiviset hypoteesisi käyttäjähaastattelutyökaluusi tunnisteiden muodossa ja alat merkitä haastattelujesi olennaisia osia. Kun napsautat jotakin näistä tunnisteista, näet koosteen kaikista olennaisista sitaateista kaikista haastatteluistasi.
Tältä se näyttää Dovetailissa:
Kuten näet, se on varsin kätevää – voit tarkastella yhdellä silmäyksellä kaikkea kyseiseen hypoteesiin liittyvää yhdellä näytöllä ja tehdä sen perusteella nopeasti päätöksen.
Nyt kun tiedämme, miten käyttäjähaastattelujen data järjestetään, siirrytään seuraavaksi siihen, miten voit analysoida sitä.
Miten käyttäjähaastatteluja tulkitaan
Vältän yleensä teoriasta puhumista, mutta tämä on yksi niistä harvoista tapauksista, joissa tieteellis-teoreettisen lähestymistavan oppimisesta on hyötyä (ja jota voidaan soveltaa tosielämän tilanteisiin). Käydään siis läpi kolme klassista laadullisen aineiston analyysimenetelmää. Pohdi, miten voisit käyttää tekoälyä data-analyysissä näiden menetelmien rinnalla.
Narratiivinen analyysi
Tämä analyysityyppi on joukon strukturoimattomin ja laadullisin menetelmä. Se keskittyy puhtaasti käyttäjiesi tarinoihin ja pyrkii löytämään kiinnostavia oivalluksia sen perusteella, miltä tuotteesi heistä tuntuu ja miten he kokevat sen.
Toisin kuin muuntyyppisissä analyyseissä, merkityksellisiä ovat käyttäjiesi tunteet ja se, miten he näkevät tuotteesi jokapäiväisessä elämässään.
Käytetään Slackia esimerkkinä.
Kuvittele, että olisit yksi Slackin alkuperäisistä tuotepäälliköistä ja haluaisit mullistaa ihmisten tavan viestiä työpaikalla. Tiedät, että ihmiset käyttävät ensisijaisena viestintäkanavanaan enimmäkseen sähköpostia, ja haluat tarjota heille jotain, joka muistuttaa enemmän sosiaalisen median alustoja (eli julkaisuja kommentteineen).
Narratiivista analyysiä tehdessäsi voisit pyytää ihmisiä kuvailemaan päivittäistä sähköpostiviestintäänsä, kuunnella heidän valituksiaan ja muodostaa kokonaiskäsityksen siitä, miltä tämä heidän päivänsä osa tuntuu.
Sen jälkeen esittäisit samat tutkimuskysymykset heidän kokemuksistaan sosiaalisen median julkaisumuodoista, tarkkailisit heidän tunnereaktioitaan ja ymmärtäisit tyypillisen käyttäjäpolun julkaisujen luomisessa ja kommentoinnissa.
Kaikkien näiden oivallusten avulla (ja deduktiivista päättelyä soveltamalla) voit sitten luoda käyttäjäpersoonan ja määritellä sen tavoitteet ja haasteet. Lisäksi pystyt visualisoimaan erilaiset käyttäjäpolut ja tottumukset, jotka sinun on otettava huomioon tuotetta rakentaessasi.
Temaattinen analyysi
Narratiiviseen analyysiin verrattuna tämä menetelmä on hieman ”määrällisempi” ja auttaa tuomaan oivalluksiisi hieman rakennetta. Temaattisessa analyysissä luetaan haastattelujen litteraatteja ja tunnistetaan eri teemoja, jotka toistuvat useissa haastatteluissa.
Palataan Slack-esimerkkiin...
Kun analysoit haastateltaviesi vastauksia, saatat pian huomata, että monet heistä valittavat ”katseluoikeuksien” hallinnan hankaluudesta (kuka näkee viestisi ja kuka ei) tyypillisessä pitkässä sähköpostiviestiketjussa.
Hienoa, olet nyt tunnistanut yleisen teeman (ja mahdollisen ainutlaatuisen arvolupauksen ”kanavaoikeudet”-ominaisuudellesi)!
Saatat myös tunnistaa toisen yleisen valituksen — sähköpostiketjun aiempien viestien lukemisen hankaluuden. Voilà! Jälleen yksi yleinen teema ja uusi mahdollisuus loistaa seuraavan ominaisuutesi avulla.
Hetki sitten mainitsemani tunnisteominaisuus on erinomainen työkalu temaattisen analyysin tekemiseen. Aina kun huomaat haastattelulitteraatissa jotain kiinnostavaa, voit korostaa sen ja lisätä siihen ”teema”-tunnisteen. Sen jälkeen voit avata ”teema”-tunnistesivun ja nähdä kaikki siihen liittyvät lainaukset.
Sisältöanalyysi
Haastattelujen sisältöanalyysi on näistä kolmesta tutkimusmenetelmästä rakenteellisin ja määrällisin. Tässä tapauksessa tavoitteesi on tehdä oivalluksistasi mitattavia.
Esimerkiksi...
Jos olet jo tunnistanut haastatteluissasi teeman (eli sähköpostiketjun oikeuksien hallinnan hankaluuden), voit yrittää laskea niiden ihmisten osuuden, joiden mielestä se on erittäin hankalaa, ja verrata sitä niiden ihmisten osuuteen, joita asia ei juuri haittaa.
Muuttamalla tietosi määrälliseen muotoon pystyt ymmärtämään havaintojesi merkityksen. Jos vain 20 % haastateltavista pitää sähköpostiketjujen katseluoikeuksia hankalana, kanavaoikeusominaisuutesi arvolupaus olisi heikko.
Tämä on tietenkin varsin hyödyllistä. Kokemukseni mukaan sisältöanalyysin arvokkain yksittäinen käyttötarkoitus on kuitenkin hypoteesiesi vahvistaminen (tai kumoaminen).
Sisältöanalyysissä käytät samaa tekniikkaa kuin temaattisessa analyysissä. Tässä tapauksessa mittaat kuitenkin niiden vastausten prosenttiosuutta, jotka vahvistavat hypoteesisi. Kuvittele, että olet rakentamassa litterointisovellusta (aivan kuten Dovetailia), ja sinulla on seuraava hypoteesi:
Uskon, että litteraatin käsittelyajan lyhentäminen 10 minuutista 10 sekuntiin lisää merkittävästi litteraattien katselutiheyttä
Kuvittele nyt analysoivasi haastatteluvastauksiasi ja huomaavasi, että 80 % ihmisistä kertoo heidän haastattelujensa olevan peräkkäin ja että he yleensä lukevat litteraatit työpäivän päätteeksi.
Tämä tarkoittaa, että hypoteesisi ei pidä paikkaansa eikä sinun kannata tuhlata aikaa ja resursseja käsittelymoottorisi optimointiin.
Bonusanalyysimenetelmä: aineistolähtöinen teoria
Perinteinen tieteellinen menetelmä (jota käytetään laajasti tuotehallinnassa) alkaa hypoteesien muotoilulla ja niiden vahvistamisella empiirisen näytön avulla.
Ongelma on kuitenkin se, ettet voi aina muotoilla näitä hypoteeseja. Joskus, erityisesti startup-yrityksesi ideoinnin alkuvaiheessa, et tiedä markkinoistasi ja käyttäjistäsi juuri mitään. Siksi et pysty kirjoittamaan muistiin merkityksellisiä hypoteeseja.
Tässä aineistolähtöinen teoria tulee avuksi.
Sen sijaan, että loisit hypoteeseja ja sitten vahvistaisit ne tietojen avulla, tutkimusprosessi ohjaa sinua tässä ensin analysoimaan tietoja ja luomaan sitten hypoteeseja tietojesi pohjalta löytämiesi oivallusten perusteella.
Varhaisvaiheen startup-yritykselle tämä tarkoittaisi käyttäjien haastattelemisen aloittamista ilman hypoteeseja sekä heidän tarpeidensa ja käyttäjäpolkujensa ymmärtämistä. Vasta kun sinulla on perustason ymmärrys siitä, mitä he haluavat, voit alkaa muotoilla hypoteesejasi.
Miten toimia laadullisen tutkimuksesi pohjalta
Käyttäjähaastattelusi ovat merkityksettömiä (ja päätöksesi perustuvat täynnä tutkimusharhaa), jos et pysty saamaan niistä jotain käytännössä hyödynnettävää. Tässä osiossa käymme läpi oppimasi perusteella toimimisen perusvaiheet ja katsomme, miten voit soveltaa niitä käytännössä. Voit myös käyttää tekoälyä UX-tutkimuksessa näiden vaiheiden rinnalla.
Vaihe 1: Vahvista tai kumoa hypoteesisi
Ellet käytä aineistolähtöistä teoriaa, jokaisen käyttäjähaastattelun tavoitteena tulisi olla yhden tai useamman hypoteesin vahvistaminen. Näin vahvistat hypoteesisi:
- Käytä haastattelutyökalusi merkintä- ja kommentointiominaisuuksia kerätäksesi kaikki kyseiseen hypoteesiin liittyvät tarvittavat havainnot yhdelle näytölle.
- Kutsu tuotetiimisi (mukaan lukien UX-suunnittelijat ja sidosryhmät) mukaan ja arvioikaa nämä havainnot.
- Päättäkää, pidättekö hypoteesia vahvistettuna vai ette.
Joskus käytettävissäsi oleva tietoaineisto ei ehkä riitä antamaan kysymykseesi lopullista vastausta. Siinä tapauksessa tee yksinkertaisesti lisää haastatteluja, kunnes olet kerännyt tarpeeksi tietoa.
Vaihe 2: Toimi kumoutuneiden hypoteesien perusteella
Jos haastatteluista saamasi havainnot kumoavat hypoteesin (mikä on yleisempää kuin sen vahvistaminen), voit toimia kahdella mahdollisella tavalla:
- Tarkista hypoteesiasi: Ehkä jokin osa hypoteesista oli pätevä, ja sinun tarvitsee vain luoda vanhan hypoteesin pohjalta uusi muokattu hypoteesi.
Oletetaan esimerkiksi, että olet olettanut ihmisten haluavan hallita jokaisen Slack-julkaisun käyttöoikeuksia erikseen. Haastattelutiedot osoittavat, että ihmiset kyllä haluavat käyttöoikeudet, mutta niiden ei pitäisi olla julkaisukohtaisia. Tässä tapauksessa muutat hypoteesisi seuraavanlaiseksi:
Uskomme, että ihmiset haluavat hallita käyttöoikeuksia kanavatasolla
- Totea se kumotuksi ja hylkää se: Jos et näe hypoteesillesi toteuttamiskelpoisia muunnelmia, voit yksinkertaisesti hylätä sen ja alkaa muotoilla uusia hypoteeseja.
More Articles
Vaihe 3: Muuta vahvistetut hypoteesit tuoteratkaisuiksi
Jos onnistut vahvistamaan hypoteesisi, voit alkaa työstää siihen liittyvää tuoteratkaisua.
Tiedän, että tämä on itsestään selvää, mutta useimmat meistä päätyvät lykkäämään asioita ja lopulta unohtavat nämä mahdollisuudet. Jotta tämä menetetty arvo saataisiin minimoitua, suosittelen järjestämään säännöllisiä tuoteideointityöpajoja ja hyödyntämään suunnittelumenetelmiä ratkaisujen kehittämiseen ja iterointiin.
Tämän kokouksen tärkeimmät sidosryhmät ovat tuotesuunnittelijasi (tai ohjelmistokehittäjät, jos ratkaisu edellyttää laajaa koodaustyötä). Voit yleensä aloittaa nämä työpajat esittelemällä dioja tai yhteistyötaulun, joka sisältää kyseiseen hypoteesiin liittyvät keräämäsi havainnot.
(Haastattelutyökaluissa on muuten tämä ominaisuus, joten älä vaivaudu käyttämään PowerPointia, vaan hyödynnä sen sijaan näitä ominaisuuksia.)
Sen jälkeen alat kehittää erilaisia ominaisuuksia ja suunnitteluideoita, jotka kattavat hypoteesissa kuvatun tapauksen. Lopuksi voit käyttää mitä tahansa priorisointityökalua löytääksesi luettelosta arvokkaimmat ominaisuudet ja merkitä ne “valmiiksi prioriteettilistalle”.
Vaihe 4: Lisää tuoteratkaisut etenemissuunnitelmaasi
Tämä vaihe on itsestään selvä. Heti kun UX-tiimilläsi on suunnitelmat valmiina ja ratkaisua koskevat vaatimukset on määritelty, lisää se työjonoon ja priorisoi se.
Laadullinen data-analyysi on tuotteesi supervoima!
Tuotepäälliköt toimivat käyttäjiensä äänenä jokaisessa yrityksessä. Käyttäjiemme tarpeita ja haasteita koskevan tietämyksemme ansiosta tuotepäälliköiden mielipiteillä on huomattava painoarvo, ja ihmisillä on taipumus olla kanssamme samaa mieltä. (Tai ainakin heidän pitäisi olla!)
Tuotepäälliköt voivat saavuttaa tämän järjestelmällisten määrällisen datan keruu- ja analyysiprosessien avulla. Käyttäjähaastatteluilla on kuitenkin yksi suuri etu. Kokouksissa johtoryhmäsi kanssa mielipiteesi muuttuvat kiistattomiksi heti, kun siteeraat käyttäjiäsi.
Varmista siis, että kaikki haastattelutietosi ovat hyvin järjestettyjä ja erittäin hyvin analysoituja!
Älä unohda tilata uutiskirjettämme saadaksesi lisää tuotehallinnan resursseja ja oppaita sekä uusimmat podcastit, haastattelut ja muut alan johtajien ja asiantuntijoiden näkemykset.
