Nell’ambito in rapida evoluzione del product management, la combinazione di ricerca qualitativa e quantitativa è essenziale per prendere decisioni informate. La sfida, tuttavia, risiede nel come combinare efficacemente questi due approcci per dipingere un quadro accurato delle esigenze e dei comportamenti degli utenti.
In questo episodio, Hannah Clark è affiancata da Laura Klein—Principal di Users Know—per parlare dell’intersezione di questi metodi di ricerca e di come i team di prodotto possano sfruttarli al meglio per costruire prodotti di successo.
Punti salienti dell’intervista
- Incontra Laura Klein: Esperta UX e Autrice [01:05]
- Laura è una professionista UX/prodotto con un background in ingegneria.
- Ha fondato Users Know nei primi anni 2010.
- Laura ha lavorato in un’agenzia di design dove ha imparato molto, ma l’ha lasciata perché desiderava maggior controllo sui suoi progetti e sui clienti.
- Preferisce lavorare con clienti che comprendono il suo stile lavorativo.
- Laura è selettiva sui progetti che accetta con Users Know, concentrandosi su quelli per cui può davvero apportare valore.
- Sfide nella combinazione della ricerca qualitativa e quantitativa [03:37]
- I team incontrano difficoltà sia nei metodi di ricerca qualitativa che quantitativa sugli utenti.
- Qualitativa: Le persone mancano di conoscenze, competenze o fiducia per svolgerla efficacemente.
- Quantitativa: Difficoltà nella comprensione delle statistiche, nell’implementazione della raccolta dati nei prodotti e nell’interpretazione di dati complessi.
- Combinare ricerche svolte male (qualitative o quantitative) porta a risultati inaffidabili.
- Alcuni team eccellono nella ricerca qualitativa ma fanno fatica a integrare i risultati nelle decisioni di prodotto.
- I product manager eccessivamente “data-driven” rischiano di perdere il “perché” dietro ai dati.
- I team incontrano difficoltà sia nei metodi di ricerca qualitativa che quantitativa sugli utenti.
- Comprendere l’importanza dei buoni dati [07:04]
- La combinazione di ricerca qualitativa e quantitativa è più efficace quando si affronta una domanda specifica.
- I dati qualitativi (ricerca utente) aiutano a comprendere perché gli utenti si comportano in un certo modo, mentre i dati quantitativi (analisi) rivelano cosa stanno facendo gli utenti.
- Si parte con la ricerca qualitativa nel pre-lancio del prodotto o in situazioni con pochi utenti.
- Analizzare i dati quantitativi per individuare i punti di abbandono nel percorso dell’utente (ad esempio nel funnel di acquisto).
- Utilizzare la ricerca qualitativa per comprendere le ragioni dietro i punti di abbandono identificati nei dati quantitativi.
- Concentrarsi sull’individuazione della causa principale (il perché) prima di passare alle soluzioni (il come).
La ricerca utente implica una reale comprensione dei tuoi utenti: i loro modelli mentali, il loro contesto, ciò che stanno cercando di fare e i problemi che incontrano in generale e con il tuo prodotto. Tutte queste intuizioni ti aiuteranno a capire perché certe cose stanno succedendo.
Laura Klein
- Ricerca utente vs. spostarsi subito sulle soluzioni [14:11]
- La ricerca qualitativa viene spesso evitata a causa di:
- Percezione che richieda troppo tempo
- Difficoltà nel reclutamento dei partecipanti (in particolare nelle grandi organizzazioni)
- Mancanza di competenza o confidenza con i metodi di ricerca utenti
- L’ideazione di soluzioni è preferita perché:
- È facile e piacevole
- È una tendenza naturale degli esseri umani
- Opinioni personali forti sui difetti del prodotto possono influenzare negativamente il processo decisionale.
- Il vero problema non è la mancanza di funzionalità o di intelligenza artificiale, ma il fatto che il prodotto non riesce ad affrontare i problemi degli utenti in modo veramente utile e di valore.
- La ricerca qualitativa viene spesso evitata a causa di:
Ci sono problemi che si potrebbero certamente risolvere con l’IA, e alcuni potrebbero addirittura essere risolti meglio con l’IA. Ma il tuo problema non è che il prodotto non abbia abbastanza funzionalità; il tuo problema è che non risolve i problemi dell’utente in un modo che sia utile e di valore per loro.
Laura Klein
- Il ruolo della segmentazione nella ricerca [17:00]
- La ricerca qualitativa può essere difficile da condurre in alcune situazioni:
- Ambienti aziendali con diversi gruppi di utenti (acquirenti, clienti, amministratori).
- Mercato direct-to-consumer in fase iniziale con utenti limitati.
- Scenari con segmentazione degli utenti che rendono poco chiara l’analisi dei dati.
- Organizzazioni con una base utenti ridotta.
- Quando i dati quantitativi (ad es., test A/B) non sono disponibili, concentrati sulla ricerca qualitativa e formula ipotesi illuminate.
- La ricerca qualitativa può essere difficile da condurre in alcune situazioni:
- Dimensione del campione nella ricerca sugli utenti [18:51]
- Determinare la dimensione del campione per la ricerca quantitativa (ad es., test A/B) è complesso e richiede un data scientist a causa di fattori come:
- Numero di persone necessarie in ciascuna variazione del test.
- Presenza di valori anomali (ad es., utenti con grandi spese) che alterano i dati.
- Anche la ricerca qualitativa beneficia di esperti, ma per motivi diversi:
- Non mira alla significatività statistica ma all’individuazione di pattern ricorrenti.
- La visione tradizionale suggerisce la necessità di 5 partecipanti per individuare problemi di usabilità, ma questo potrebbe non valere per tutti i tipi di prodotto o gruppi di utenti.
- Concentrarsi sulla sintesi continua dei dati per individuare pattern nella ricerca qualitativa.
- La dimensione del campione nella ricerca qualitativa è meno importante dell’individuazione di problemi ricorrenti e della segmentazione degli utenti in base a bisogni e comportamenti.
- Determinare la dimensione del campione per la ricerca quantitativa (ad es., test A/B) è complesso e richiede un data scientist a causa di fattori come:
- Segmentazione per una ricerca utenti efficace [24:04]
- La segmentazione è fondamentale nella ricerca, soprattutto quando si gestiscono funzionalità che rispondono a diversi bisogni degli utenti.
- Considera l’esempio di un assistente di scrittura email basato su intelligenza artificiale per recruiter:
- La funzionalità ha beneficiato la maggior parte degli utenti che fatica a scrivere email di contatto.
- Tuttavia, un piccolo gruppo di recruiter esperti con propri template testati ha trovato l’IA d’intralcio.
- Segmentare gli utenti in base alle loro necessità e competenze è fondamentale per evitare soluzioni che danneggiano involontariamente un gruppo utenti prezioso.
- Divertimento nel processo di ricerca [28:40]
- Laura sostiene che la ricerca può essere divertente, soprattutto quella qualitativa.
- Metodi di ricerca creativi includono:
- Simulare ambienti reali (ad es., ospedali finti) per studiare il comportamento degli utenti.
- Seguire gli utenti per osservare il loro lavoro e le routine quotidiane.
- Attività di co-design come utilizzare i Lego per ideare soluzioni.
- Questi metodi possono essere piacevoli perché:
- Permettono agli utenti di esprimersi creativamente.
- Danno uno sguardo ai processi mentali degli utenti.
- I test di usabilità possono essere impegnativi ma gratificanti, poiché permettono di individuare problemi e realizzare miglioramenti.
- Iscriviti alla newsletter The CPO Club
- Collegati con Laura su LinkedIn
- Scopri Users Know
- Informazioni sul podcast The CPO Club
- Come scrivere obiettivi di ricerca UX (con 14 esempi)
- Come creare un piano di ricerca UX in 6 passi (con esempi!)
- Come creare esperienze più intuitive: il processo di ricerca UX più intelligente
- I 15 migliori podcast sulla ricerca UX
- Il vero ROI della UX: come convincere la leadership a investire negli utenti
Conosci il nostro ospite
Laura si è innamorata della tecnologia quando ha assistito alla sua prima sessione di ricerca utenti oltre 20 anni fa. Da allora ha lavorato come ingegnere, designer di user experience e product manager nella Silicon Valley per aziende di tutte le dimensioni. Ha scritto due libri per product manager, designer e imprenditori, Build Better Products (Rosenfeld Media ’16) e UX for Lean Startups (O’Reilly Media ’13), ed è una speaker frequente in conferenze tech, tra cui SXSW, Lean Startup Conference e Mind the Product. Attualmente è Principal presso Users Know, una società di consulenza in UX design, e lavora come coach e consulente per team di prodotto e startup.

C’è qualcosa di piacevole nel capire come le persone fanno le cose. Puoi organizzare attività di co-design che sono davvero divertenti.
Laura Klein
Risorse da questo episodio:
Articoli e podcast correlati:
Leggi la Trascrizione:
Stiamo provando a trascrivere i nostri podcast utilizzando un programma software. Ti preghiamo di scusare eventuali errori di battitura, poiché il bot non è sempre corretto al 100%.
Hannah Clark: Sei più una persona razionale o creativa? Se non sai a cosa mi riferisco, le persone razionali tendono ad essere più analitiche e focalizzate sui dati, mentre quelle creative sono più inclini a usare delle storie per dare senso al mondo. Quindi, quando pensiamo alla ricerca qualitativa e quantitativa, puoi probabilmente intuire quali tipi di persone gravitano attorno ai diversi metodi. Ed è fantastico—dopotutto abbiamo bisogno di entrambi—ma, a quanto pare, mettere insieme le due cose è molto più facile a dirsi che a farsi. Come si combinano numeri e storie per dare un quadro fedele? E a prescindere dal metodo di ricerca, come si fa a garantire che i dati raccolti siano davvero validi?
Ospite di oggi è la straordinaria Laura Klein, Principal presso Users Know e autrice di Build Better Products e UX for Lean Startups. Negli ultimi 20 anni, Laura ha lavorato con numerosi team di prodotto, osservando come molti di essi inciampino sempre negli stessi errori quando si tratta di svolgere e applicare la ricerca utenti. Sta per condividere alcune delle sue osservazioni più utili e consigli per i team di prodotto, specialmente più avanti nell'episodio quando parleremo del ruolo chiave della segmentazione nella ricerca. Ti serviranno entrambi i lati del cervello per questa puntata, quindi iniziamo.
Bentornati al Podcast The CPO Club.
Laura, grazie mille per aver trovato il tempo di parlare con noi.
Laura Klein: Oh, grazie a voi per avermi invitata.
Hannah Clark: Iniziamo parlando un po' di te e di come sei arrivata a fondare Users Know.
Laura Klein: Sì. Come hai detto, sono una persona UX e prodotto. Sono un'ingegnera pentita. Sono nel mondo tech dagli anni '90, quindi da un bel po'. Ho fatto un sacco di cose diverse. Ho fondato Users Know nei primi anni 2010. In realtà non ricordo la data precisa, prima la sapevo. Ho imparato a fare design in una splendida agenzia boutique di design, dove ci occupavamo di design e ricerca per i clienti.
Ho imparato tantissimo lì. È stato bellissimo. Questo dopo essere stata ingegnera per un bel po', soprattutto in startup. Alla fine me ne sono andata, sinceramente, perché volevo poter licenziare i miei clienti. È la pura verità. Quando lavori in agenzia, dico sempre per scherzo che devi far felici un sacco di persone.
Devi rendere felici i tuoi capi, i clienti. E anche, idealmente, se sei una designer UX, devi rendere felici i clienti/final users. E spesso queste cose sono in conflitto. Quel che ho capito è che lavoravo molto meglio con clienti sulla mia stessa lunghezza d’onda su come portar avanti il lavoro.
E mi è davvero piaciuto lavorare con persone che sposano il mio modo di lavorare. Non che sia particolarmente didattico, ma ho un modo preciso di fare le cose, e se sei d'accordo, allora lavoriamo benissimo insieme e facciamo tante cose buone.
Hannah Clark: Sì, anch’io vengo da un'agenzia e posso confermare che funziona tutto meglio quando c’è il giusto feeling. Non sempre si può forzare una collaborazione.
Laura Klein: Esatto, magari vuoi qualcosa che non era nei patti e non so nemmeno se posso farlo per te. E metà del tempo che faccio sviluppo del business per Users Know, che non è sempre, a volte ho lavori full-time o sono al completo, passo molto tempo a dire alle persone: "Ah, io non mi occupo di questo. Dovresti parlare con tizio, che conosco e che lo fa meglio di me. Sarai molto più felice con lui." Quindi passo metà del mio tempo a rifiutare progetti.
Perché sei solo una persona e ti bastano pochi progetti. Vuoi trovare quelli che ti entusiasmano davvero.
Hannah Clark: Sì, è un segno di successo poter scegliere solo i progetti che vanno davvero a beneficio sia tuo che del cliente. Lo rispetto molto.
Oggi ci concentreremo su come unire ricerca qualitativa e quantitativa per prendere decisioni migliori. Cosa hai visto, nella tua esperienza, che i team fanno fatica a combinare tra queste due discipline?
Laura Klein: Tutto. Questo è uno degli aspetti particolari del mio modo di lavorare. Credo davvero che... ecco il problema: vedo persone che fanno fatica con entrambi. Molte persone faticano con la ricerca utenti qualitativa, altrettante con la quantitativa.
Quando poi si tratta di combinarle, è davvero una caccia all’unicorno. Devi far tutto bene, insomma. La verità è che fanno fatica con tutto. Molti non sanno fare buona ricerca qualitativa, non sanno quando farla o quando assumere i professionisti fantastici che lo fanno per mestiere. Sul lato quantitativo, la matematica è difficile, non è intuitiva per nessuno.
E oltre a questo, è complicato strumentare bene il prodotto al punto da raccogliere i dati giusti. Tanti raccolgono enormi quantità di dati, ma pochi dati sono davvero corretti. È caotico da ogni punto di vista. E quando combini ricerca qualitativa fatta male – con questioni poco chiare – a dati quantitativi raccolti in modo casuale e magari sbagliati, ecco che il risultato non è buono. Questo è lo scenario peggiore.
Alcune aziende hanno un ottimo team di ricerca qualitativa ma poca integrazione con le decisioni sul prodotto, oppure product manager troppo focalizzati sui numeri che trascurano l'aspetto qualitativo. Così non colgono il perché di ciò che succede, vedono solo i numeri.
E magari dicono: "Sarà per quello, o per quell'altro...". È molto comune il modello del product manager "guidato dai dati", che per carità, io sono a favore delle decisioni informate dai dati, ma i dati ti dicono solo cosa succede, non perché. E a volte neanche quello. Quindi è tutto difficile. Per questo non dovresti provarci e dovresti andare a intuito. No, scherzo.
Hannah Clark: Sì, assolutamente non è questo l'obiettivo.
Laura Klein: Esatto. L'obiettivo non è mollare.
Hannah Clark: No, bisogna insistere. Lo show deve continuare.
Laura Klein: Sì, riconosciamo che ciò che facciamo è difficile e ci diamo lo spazio per imparare, ammettere di non sapere tutto e collaborare con chi è esperto. Io imparo continuamente da entrambi i lati e lavoriamo con esperti di entrambe le parti per far del nostro meglio.
Hannah Clark: Non vedo l’ora di approfondire su come avere dati più affidabili per ottenere buoni insight.
Nel frattempo, ipotizziamo di avere dati di qualità sia dal lato qualitativo che quantitativo, giusto per esempio.
Laura Klein: Sì, siamo bravissimi in entrambi. Sì.
Hannah Clark: Sì, immaginiamo di avere i migliori professionisti. Quali modi abbiamo per unire i due tipi di ricerca nel contesto delle decisioni di prodotto?
Laura Klein: Diciamo che abbiamo buoni dati, o meglio procedure e persone che ci permettono di ottenerli, perché è davvero importante avere la domanda giusta da indagare. Questo è tanto difficile quanto il resto. Spesso ci sono dashboard, test di usabilità ecc., ma alla fine si vuol prendere una decisione: facciamo X? Quale funzionalità costruiamo dopo? Come miglioriamo l'attivazione su questa feature? Sono queste le domande che dobbiamo porci. Qual è più adatta a raggiungere il nostro obiettivo? Torniamo così alle metriche e all'obiettivo stesso. Serve una domanda precisa, che possa avere una risposta.
Certe domande, tipo "Quanto pagherebbe qualcuno per questo?", sono difficilissime da indagare con entrambi i metodi. Ma a volte vanno affrontate. Bisogna quindi restringere il campo, capire che cosa volete davvero sapere, e poi vedere i dati quanti vi dicono cosa succede nel prodotto via analytics, metriche e così via. Se il prodotto non c’è ancora o mancano utenti, i dati quanti non aiutano. Vi diranno comunque solo cosa fanno le persone, dove cliccano, cosa comprano – ma mai il perché.
I dati qualitativi, ovvero ricerca utenti o test di usabilità (che sono diversi!), servono invece a capire il perché: quali sono i contesti degli utenti, quali i loro modelli mentali, i loro problemi e obiettivi. Non vi diranno cosa succede, anche perché la ricerca qualitativa si fa con pochi utenti per volta e va ripetuta in modo iterativo. Non basta parlare a 5 persone e chiudere per sempre: si parla con alcune persone, poi altre, costantemente.
Ma non si può parlare con tutti! Si costruiscono una visione e delle ipotesi solide, anche se limitate.
Faccio un esempio classico: il processo "checkout" in un ecommerce. Se avete strumenti di analisi dati adeguati, saprete esattamente in quale punto le persone abbandonano; lo chiamano “funnel”, ma spesso è più simile a un colabrodo! I dati dicono dove si perde la gente. I product manager spesso vedono che l’abbandono avviene, ad esempio, sull’inserimento della carta e iniziano a cercare subito soluzioni: cambiamo layout, semplifichiamo, aggiungiamo spiegazioni, ecc. Oppure… potreste osservare direttamente un utente durante il checkout e capire se c’è qualcosa di ovvio che non avete notato!
I motivi per cui le persone escono possono essere decine: non capiscono qualcosa, c’è un bug, mancano i metodi di pagamento desiderati, e così via. Importante: la soluzione giusta dipende dal vero problema! E il problema non è "la gente abbandona il checkout" (cioè il vostro problema), ma piuttosto "non capisco questa schermata" o "c’è un errore che mi blocca"." Se non lo sapete, non lo risolverete mai!
Durante una sessione di ricerca utenti ho visto ingegneri correggere il bug vero e proprio in tempo reale, davanti a me, durante il test. Capire davvero il perché di un comportamento permette di trovare a volte soluzioni semplicissime e di passare oltre.
Hannah Clark: Cosa ci impedisce, secondo te, di cercare prima il perché invece di saltare subito alle soluzioni?
Laura Klein: La ricerca qualitativa è difficile, spesso vista come time-consuming, e effettivamente in certe organizzazioni può esserlo. In aziende enterprise spesso è complicato raggiungere gli utenti giusti o reclutarli, se manca un processo di "research ops" solido. E poi ideare soluzioni è facile e divertente, si può fare chiusi in una stanza senza coinvolgere nessuno. Il cervello umano è fatto per immaginare soluzioni... ma non sempre sono quelle giuste!
Spesso chi lavora sul prodotto ha idee molto forti su quale sia il problema… si parte dritti con “Secondo me il difetto è questo!” anche se magari non c’entra davvero. A volte c’è poi la “moda”: ad esempio tutti vogliono aggiungere intelligenza artificiale, ma di rado è davvero la risposta, credimi!
Hannah Clark: Dillo forte! Potremmo dedicarci una puntata intera…
Laura Klein: Assolutamente. Certo, l’IA può risolvere certi problemi, ma la vera questione non è che il prodotto non abbia "abbastanza caratteristiche" o "non abbia ancora la funzione AI". Il problema reale è che non risolve bene i problemi dell’utente in modo utile e di valore!
Hannah Clark: Questa me la tatuo.
Laura Klein: Forse meglio ricamarla su un cuscino, è un po’ lunga!
Hannah Clark: Non scorrerebbe bene sul corpo, in effetti.
Comunque, parliamo dei casi in cui è meglio applicare ricerca qualitativa o quantitativa. Hai dato già un ottimo esempio su come si informano a vicenda, ma in quali contesti una è più utile dell'altra? E ci sono situazioni limite?
Laura Klein: Certo. A volte capita che una delle due semplicemente non sia disponibile.
Fate il meglio che potete con ciò che avete. Talvolta ottenere dati qualitativi dagli utenti giusti è una sfida, specie nell’ambito enterprise dove gli “acquirenti” e gli “utenti” spesso non sono le stesse persone, con esigenze e desideri diversi. Magari è più facile intervistare solo un tipo, ma non farmi parlare degli amministratori. Ho svolto parecchia ricerca con loro – difficile, ma utilissima.
Meglio dotarsi di processi che aiutino a trovarli. Sul fronte quantitativo, l’enterprise è di nuovo un buon esempio: a volte i dati non bastano. In particolare, se si parla di A/B test, servono tanti utenti per cogliere le differenze. Se siete agli inizi, avete segmenti troppo diversi o pochi utenti, è impossibile raccogliere dati quantitativi significativi. Serve ricorrere al qualitativo e “fare il meglio possibile”.
Hannah Clark: Come decidiamo il campione minimo necessario per i nostri scopi?
Laura Klein: Per i dati quantitativi è meglio chiedere a un vero data scientist: la matematica è complicata e capita spesso che venga fatta male, con tutti i problemi del caso… anche solo sapere quando guardare i dati è materia per esperti. Ogni ambito ha le sue peculiarità sulla numerosità campionaria utile.
Sul qualitativo, anche lì meglio affidarsi a chi è esperto! Però, qui non si parla di “significatività statistica”, che non importa davvero: cerchiamo pattern che si ripetono e sono prevedibili. C’è il solito vecchio studio che diceva “bastano 5 utenti per trovare i problemi principali”, ma era riferito all’usabilità, e solo a certe condizioni. Su un checkout semplice, con pochi tipi di utenti, basta davvero poco per scovare barriere evidenti.
Spesso basta parlare con tre persone diverse per individuare bug che colpiscono molti altri. Il punto è vedere emergere sempre gli stessi problemi o bisogni, cioè riconoscere la ricorsività.
Mi piace lavorare in sintesi continua: si incontra un utente, si raccolgono osservazioni e insight, si accumulano fino a poter prevedere “ok, questo tipo di persona probabilmente avrà questi bisogni e userà così il prodotto”. Qualitativo dovrebbe essere sempre in corso, non serve fermarsi troppo sulla dimensione del campione. Se pochi utenti faticano con qualcosa, probabilmente non saranno casi isolati.
Certo, se invece i problemi sono molto differenti tra loro, potrebbe essere un errore di segmentazione: non tutti usano il prodotto nello stesso modo! Paragonare power user e beginner, ad esempio, genera risultati diversissimi. O chi acquista all’ingrosso contro chi acquista per sé. Se avete divergenze così marcate, probabilmente dovete rivedere la segmentazione!
Hannah Clark: Sì, sono contenta che tu abbia menzionato la segmentazione. Spesso si ignora quanto sia fondamentale per raccogliere dati realmente utili.
Qualche consiglio rapido su come approcciarla in modo proattivo, sapendo che sarà un fattore chiave sia su dati qualitativi che quantitativi?
Laura Klein: Sì, la segmentazione conta moltissimo. E… lo dico da designer UX… dipende! Ora spiego su cosa dipende. Lascio l’esempio di una funzione IA implementata in un prodotto per recruiter: spesso scrivere email di outreach è difficile (anche per i professionisti) – serve sapere come scrivere messaggi credibili! Si decide di aggiungere IA e far scegliere all’utente che tono dare (più formale, più amichevole…). Nel complesso, aiuta davvero molti.
Ma c’è un piccolo gruppo di utenti super-esperti: recruiter professionisti che fanno solo quello, magari con team di data scientist dedicati che testano modelli di mail. In questo caso l’IA per loro non aiutava, anzi disturbava. Hanno template testati, regole aziendali, esigenze legali precise che l’IA poteva rompere!
Quegli utenti sono anche i clienti che pagano di più. Quindi, c’è una vasta maggioranza che trae vantaggio dalla funzione, ma una minoranza che – per valore economico – conta di più. Qui la scelta più saggia è renderla opzionale, mai obbligarla a tutti! Se guardate solo i “numeri complessivi”, riskiante, perché “la media” inganna.
Hannah Clark: Ottimo esempio: non basta individuare i segmenti, serve anche capire il loro valore e l’impatto strategico sul business e sul prodotto.
Laura Klein: Vale per ogni funzionalità, ma con l’IA ancor di più.
Hannah Clark: Potremmo parlarne per ore! Ma il tempo stringe, quindi…
Parliamo di come possiamo rendere divertente la ricerca, che spesso passa per attività noiose o interminabili. Invece c’è valore, insight e anche divertimento nel parlare con le persone. Qual è stata la tua esperienza più divertente?
Laura Klein: A volte i progetti diventano veri e propri laboratori creativi! Non tutti sono assatanati di Excel e tabelle pivot come me, non cercherò di convincervi che siano divertenti. Però il lato qualitativo lo è davvero: se si è creativi, trovare modi ingegnosi e pratici per risolvere problemi è proprio stimolante!
Nei progetti in presenza ci sono esercizi di “service design” dove si costruiscono finti ospedali o aeroporti per testare i flussi, per esempio vedere se i carrelli passano in corridoio o dove sistemare le nuove tecnologie, senza disturbare ambienti reali. Ho seguito persone nel loro lavoro, tipo uno shadowing – può sembrare bizzarro ma mi piace tantissimo: stare a osservare, capire, non giudicare quanto ascoltare. Forse sarei dovuta diventare antropologa!
Le attività di co-design sono fantastiche: si usano mattoncini Lego, si disegna, si fa brainstorming. Sono attività miste qualitative che aiutano a capire la “mappa mentale” delle persone, cosa davvero pensano, e sono anche… divertenti! Ovviamente ci sono parti meno piacevoli, come quando il test di usabilità ti mette di fronte a quanto funzioni male qualcosa che avevi progettato con amore. Conoscevo un ingegnere che chiamava quei video "video ostaggio": vedere qualcuno lottare con il tuo prodotto può far male! Ma è una sofferenza necessaria.
Hannah Clark: Decisamente – serve, anche se fa male!
Laura Klein: La parte divertente arriva quando risolvi il problema, aggiorni il prodotto e vedi i successivi utenti cavarsela benissimo! Se non affrontate il dolore di persona, restano comunque utenti frustrati che non comprano nulla! Il bello della ricerca è trovare il problema, capirlo e avere l'illuminazione giusta per risolverlo in modo efficace. Per me è un piacere, ma io adoro anche le tabelle pivot… ognuno ha le sue passioni!
Hannah Clark: Anch’io adoro osservare le persone, è pure il motivo per cui amo il podcast. E a proposito di divertimento: è stato bellissimo chiacchierare con te! Sono sicura che tutti abbiano apprezzato, dove possiamo seguirti online?
Laura Klein: Al momento il posto migliore è LinkedIn, dove ogni tanto pubblico cose relative al mio lavoro. Sono anche su Blue Sky, anche se lì parlo poco di lavoro, magari in futuro cambierà. Spero di lanciare quest’anno un corso su Maven su come combinare dati qualitativi e quantitativi. Se vuoi imparare da me direttamente, ci saranno molte più esercitazioni, dettagli e template. Ho anche scritto dei libri, disponibili da un po’ di anni. Ogni tanto partecipo a podcast come "What is Wrong with Hiring?", focalizzato su assunzioni in ambito design, ricerca e prodotto.
Hannah Clark: Se sei così anche lì, corro subito a seguirlo!
Laura Klein: Ah, lì dico molte più parolacce, sappilo!
Hannah Clark: Ancora meglio! Mi iscrivo al volo.
Grazie Laura per il tuo tempo, è stata una conversazione utilissima e molto divertente. Non vedo l’ora di leggere i feedback su questa puntata.
Laura Klein: Grazie a voi, mi sono divertita tanto.
Hannah Clark: Grazie per l’ascolto! Per tanti altri insight, guide e recensioni di strumenti, iscriviti alla nostra newsletter su theproductmanager.com/subscribe. Puoi ascoltare altre conversazioni come questa iscrivendoti a The CPO Club, ovunque ascolti i tuoi podcast.
