Datagedreven ontwerp: zo creëer je een UX op maat
We leven in het tijdperk van big data en gegevensanalyse, en het lijkt erop dat deze discipline bijna overal is doorgedrongen, waaronder verkoop, marketing, productmanagement en natuurlijk UX-ontwerp.
Er is een goede reden waarom data-analyse tegenwoordig een essentieel onderdeel van het ontwerpproces is geworden. Door het gedrag van je gebruikers te analyseren, kun je de kwaliteit van je ontwerpen aanzienlijk verbeteren.
Laten we daarom begrijpen hoe ontwerpteams gebruik kunnen maken van datagestuurd ontwerp en ervoor kunnen zorgen dat je gebruikers zich volkomen tevreden voelen wanneer ze met je product werken.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Wat is datagestuurd ontwerp (en waarom zou je data gebruiken in je UX-ontwerpproces?)
Datagestuurd ontwerp is het proces waarbij het volgen en analyseren van data in je workflow wordt geïntegreerd, zodat je betere ontwerpbeslissingen kunt nemen op basis van de inzichten die je uit je data-analysetools verkrijgt.
Ontwerpers gebruiken verschillende tools voor gebruikersonderzoek en gegevensanalyse om belangrijke gebruikerstrajecten en KPI's te volgen die de algehele gebruiksvriendelijkheid van hun product vertegenwoordigen. Hiervoor gebruiken ze processen zoals A/B-testen, het analyseren van verschillende soorten data (bijvoorbeeld kwantitatieve en kwalitatieve data), gebruikerstests, het interviewen van focusgroepen, het bouwen van meetbare landingspagina's en prototypes, en nog veel meer.
Daardoor kunnen ze snel problemen met de gebruiksvriendelijkheid identificeren, het kernprobleem dat deze veroorzaakt vinden en het oplossen.
Bovendien gebruiken ontwerpteams data-analyse actief om de impact van hun nieuwste ontwerpen op de gebruikerservaring te meten en de bevindingen te gebruiken om nieuwe en verbeterde iteraties te creëren.
Voorbeelden van datagestuurd ontwerp
De discipline waarbij UX-ontwerpoplossingen op basis van empirische data worden geïmplementeerd, is veel populairder dan je misschien dacht. De meerderheid van succesvolle productbedrijven gebruikt dit proces actief om ervoor te zorgen dat de ontwerpkeuzes die ze maken waarschijnlijk een positieve impact op hun product zullen hebben.
Hier zijn drie voorbeelden van dergelijke producten.
YouTube's automatisch afspelen
Herinner je je de oudere versies van YouTube nog, waarin je na afloop van de huidige video op een nieuwe video moest klikken? Was dat niet irritant?
Deze “functie” leidde tot een aanzienlijke daling van de betrokkenheid van YouTube-gebruikers (het aantal afgespeelde video's per dag), en het ontwerpteam besloot er iets aan te doen.
Ze bekeken de data en verkregen twee interessante inzichten:
- Mensen hebben de neiging om meerdere video's achter elkaar te bekijken. Sommigen zetten graag muziek op YouTube aan als achtergrondgeluid terwijl ze koken of schoonmaken. Anderen (zoals ik) vallen graag in slaap terwijl er een video op de achtergrond wordt afgespeeld.
- Veel gebruikers klikten niet op een andere videominiatuur nadat de weergave was voltooid. Voor veel gebruikers was het onhandig om voortdurend op videominiaturen te moeten klikken.
Op basis van deze bevindingen besloten ze de beroemde functie voor “automatisch afspelen” toe te voegen, die automatisch overschakelt naar een gerelateerde video die door het platform wordt voorgesteld of naar de volgende video in de afspeellijst.
Als gevolg daarvan zag YouTube een enorme stijging in zijn betrokkenheidsstatistieken.
De gebruikersgerichte beoordelingservaring van Airbnb
Als je ooit in een Airbnb-accommodatie hebt verbleven, heb je de accommodatie waarschijnlijk beoordeeld via het feedbackproces van het platform.
Als ik je zou vragen of het achterlaten van een beoordeling omslachtig was, zouden de meesten van jullie waarschijnlijk zeggen dat het formulier niet kort was, maar dat het niet pijnlijk was om in te vullen.
Dat komt doordat je nooit de ellende hebt hoeven ervaren van het invullen van het formulier met een miljoen vragen dat Airbnb in het verleden voor beoordelingen gebruikte.
De mensen bij Airbnb hadden twee problemen:
- Weinig mensen vulden hun beoordelingsformulieren in.
- De antwoorden in hun formulieren waren erg algemeen en hielpen niet.
Om hiervoor een oplossing te vinden, begon het ontwerpteam de prestatiegegevens van het formulier te analyseren en ontdekte het dat de overgrote meerderheid het formulier ergens halverwege simpelweg verliet.
Op basis van deze inzichten begon het team gebruiksvriendelijkheidstests uit te voeren en ontdekte het dat:
- De omvang van het formulier overweldigend was voor gebruikers. Niemand wilde zoveel vragen beantwoorden.
- Mensen lieten algemene feedback achter omdat ze hun kostbare tijd niet wilden besteden aan het schrijven van gedetailleerde beoordelingen.
Nu de oorzaak van het probleem duidelijk was, begon het team van Airbnb aan een grote herziening van de beoordelingservaring. In plaats van één lang formulier maakten ze meerdere pagina's met kortere formulieren om te voorkomen dat gebruikers werden overweldigd.
Ze begonnen ook knoppen met vooraf gedefinieerde antwoorden te gebruiken in plaats van tekstvelden, waardoor ze generieke antwoorden konden vermijden. Bovendien kon het team gegevensanalyses uitvoeren op de antwoorden van gebruikers en deze nog verder optimaliseren, omdat het om gestructureerde antwoorden ging in plaats van tekst.
Zoals je misschien al had geraden, was het opnieuw ontworpen formulier een enorm succes!
Navigatie door reacties op Reddit
Reddit is niet zomaar een forum. Het is uitgegroeid tot een cultureel fenomeen en de plek waar het hele internet samenkomt om dingen te bespreken.
De populariteit van Reddit had echter ook een interessant nadeel. Mensen voegden zoveel reacties toe onder de onderwerpen die op de site werden geplaatst dat het onmogelijk werd om de discussie te lezen. Navigeren was vooral vervelend wanneer er tientallen reacties onder één enkele opmerking stonden en je een tijdje moest scrollen om bij de volgende opmerking te komen.
De mensen bij Reddit waren op de hoogte van dit probleem. Ze hadden zelfs verschillende concepten voor het opnieuw ontwerpen van de sectie met reacties om deze gemakkelijker navigeerbaar te maken.
Om het beste concept te kiezen, begonnen ze gebruikerstests uit te voeren en andere onderzoeksmethoden te benutten om gegevens over gebruikersinteracties te verzamelen, belangrijke statistieken te extraheren en hun concepten aan de hand van deze statistieken te vergelijken.
Er was één ontwerpoplossing die duidelijk beter presteerde dan de rest: gebruikers de mogelijkheid geven om reacties uit te klappen en in te klappen.
Op deze manier kon je, als je de eindeloze reeks reacties onder een bepaalde opmerking niet wilde lezen, deze eenvoudig inklappen en doorgaan naar de volgende opmerking in de lijst.
Zoals je kunt zien, vormt een datagedreven ontwerpproces de kern van de workflows voor veel succesvolle producten.
En ik weet dat jij je ontwerpbeslissingen ook op gegevens wilt baseren (anders, waarom ben je hier?).
Dus hier volgt een stapsgewijze uitleg over hoe je datagedreven ontwerp kunt integreren in je productontwikkelingsproces.
6 stappen om datagedreven beslissingen voor je product mogelijk te maken
Laten we hier een meer praktische aanpak hanteren. In plaats van alleen te bespreken wat er in theorie moet gebeuren, bekijken we ook voorbeelden voor elke stap met behulp van hulpmiddelen uit de praktijk. Het belangrijkste hulpmiddel van vandaag is voor mij Amplitude, aangezien dit het gebeurtenisgestuurde productanalysehulpmiddel is dat ik elke dag op mijn werk gebruik.
Laten we nu beginnen met de eerste stap: strategie bepalen.
Stap 1: ontwikkel samen met je belanghebbenden een gegevensanalysestrategie
Je kunt waardevolle resultaten uit je gegevensanalyse-inspanningen wel vergeten als je daarvoor geen goede strategie hebt.
Een typische gegevensanalysestrategie bevat de volgende twee onderdelen:
Onderdeel 1: doelstellingen
Je moet duidelijk definiëren waarom je überhaupt analyses implementeert. Zonder duidelijke doelstellingen loop je het risico gebruikersgegevens bij te houden en te meten die geen waardevolle inzichten bevatten.
Laten we nu aannemen dat je de leiding hebt over Spotify en bekijken hoe een typische reeks doelstellingen er voor jou uit zou zien.
Ik weet het, deze doelen lijken nogal vanzelfsprekend. Maar geloof me: als je ze niet duidelijk formuleert, beland je in een analytische chaos.
Onderdeel 2: KPI's
Als je doelstellingen eenmaal klaar zijn, gebruik je ze om de belangrijkste statistieken af te leiden die je wilt meten. Het sleutelwoord hier is “afleiden”. Dat betekent dat het verbeteren van je statistieken je dichter bij het bereiken van je doelen moet brengen.
Als je doel bijvoorbeeld duurzame gebruikersgroei is, moet je overwegen om retentie, activatiepercentage en registratiepercentage te meten. MRR kiezen als belangrijkste statistiek zou daarentegen een slecht idee zijn, omdat je je omzet op korte termijn kunt verhogen maar op lange termijn het grootste deel ervan kunt verliezen. In dit geval zal je groei niet duurzaam zijn en zul je je doel niet bereiken.
Zo ziet een lijst met KPI's eruit voor het eerste doel uit ons vorige voorbeeld: “De gebruikerservaring verbeteren”:
Dit zijn allemaal indicatoren van een positieve gebruikerservaring. Als de bovenstaande percentages stijgen, kunnen we met vertrouwen stellen dat gebruikers van ons product genieten.
Stap 2: Integreer een analysetool voor gegevens
Nu je duidelijk begrijpt wat je wilt meten, is het tijd om na te denken over hoe je dit gaat meten. Het gaat hierbij vooral om je keuze van de analysetool die je uiteindelijk zult gebruiken om interessante inzichten uit je gegevens te halen.
Je kunt hiervoor uit een groot aantal tools kiezen, afhankelijk van de analysecategorie waarin je geïnteresseerd bent (bijvoorbeeld heatmaps, demografische gegevens, gebruikersgedrag enzovoort), de beschikbare functies (cohorten, trechters enzovoort) en natuurlijk je budget.
-
Mouseflow
Visit WebsiteThis rating combines scores from multiple user review sites to reflect overall customer sentiment about the product.4.7 -
Google Analytics
Visit WebsiteThis rating combines scores from multiple user review sites to reflect overall customer sentiment about the product.4.6 -
Quantum Metric
Visit WebsiteThis rating combines scores from multiple user review sites to reflect overall customer sentiment about the product.4.7
Hier zijn enkele opties die je voor elk type kunt overwegen:
- Heatmaps (inclusief A/B-tests en multivariate tests): Hotjar, Mouseflow, Clarity.
- Demografische gegevens en siteanalyse (bijvoorbeeld bouncepercentage): Google Analytics, Matomo, Yandex Metrica.
- Gebeurtenisgestuurde analyse (voor conversiepercentages, trechters enzovoort): Amplitude, Mixpanel.
- Bedrijfsinformatie (voor statistieken over financiële impact enzovoort): Looker Studio, Tableau, PowerBI.
Mijn huidige configuratie bestaat uit een combinatie van GA4, Hotjar, Amplitude en Looker Studio.
Vandaag wil ik me echter richten op Amplitude en laten zien hoe je het integreert.
We gebruiken Google Tag Manager (GTM) om het eenvoudig te houden en te voorkomen dat we je engineeringteam bij de configuratie moeten betrekken.
We beginnen door GTM te openen, in de linkerzijbalk op “Tags” te klikken om onze lijst met tags te openen en vervolgens op “Nieuw” te klikken om de zijbalk voor het maken van tags te openen.
Om te voorkomen dat we handmatig een tag voor Amplitude moeten configureren, heeft het bedrijf een sjabloon gemaakt dat we kunnen gebruiken. Om dat sjabloon te gebruiken, klikken we op de kaart “Tagconfiguratie” om de sjabloongalerij te openen.
Hier moeten we klikken op “Ontdek meer tagtypen in de Community-sjabloongalerij”, zoeken naar “Amplitude” en klikken op de “Amplitude Analytics Browser SDK”.
We zijn er bijna. Eerst moeten we onze Amplitude API-sleutel aan het bijbehorende veld toevoegen.
Vervolgens voegen we een trigger toe door op de triggerkaart op het scherm te klikken en “Initialisatie—Alle pagina’s” te selecteren.
Tot slot geven we onze tag een naam (bijvoorbeeld “Amplitude initialiseren”), slaan we deze op en publiceren we een nieuwe versie in GTM. Voilà! De volgende keer dat iemand je product opent, wordt de SDK van Amplitude geïnitialiseerd en op de achtergrond uitgevoerd.
Stap 3: Documenteer je proces voor het verzamelen van kwantitatieve gegevens
Het uitvoeren van Amplitude is slechts het begin van de configuratie. Omdat het een gebeurtenisgestuurde analysetool is, moet je handmatig gebeurtenissen in je product instellen en deze activeren met de SDK van Amplitude, die we zojuist via GTM aan je product hebben toegevoegd.
Maar voordat we gebeurtenissen toevoegen, moeten we ze eerst documenteren. Een document voor gegevensverzameling is meestal een spreadsheet waarin je de gebeurtenissen vermeldt die de SDK zal activeren, de gebruikersacties die daarvoor als trigger dienen en de verschillende parameters die je samen met de gebeurtenis naar Amplitude wilt verzenden.
Zo ziet een vereenvoudigde versie van deze spreadsheet eruit voor het bijhouden van gebruikersinteracties in het beoordelingsformulier van Airbnb.
Nadat we de gebeurtenissen die we moeten bijhouden hebben gedocumenteerd, vragen we ons engineeringteam om voor elke gebeurtenis triggers toe te voegen aan onze frontendcode met behulp van de SDK van Amplitude. Wanneer ze deze taak hebben voltooid, activeert ons product deze gebeurtenissen automatisch en verzendt het de benodigde gegevens naar Amplitude, zodat wij ze kunnen analyseren.
Stap 4: Maak rapporten en dashboards voor je belangrijkste UX-metrieken
Op dit punt heb je alles wat je nodig hebt om te beginnen met de daadwerkelijke analyse en te bepalen of je gebruikerservaring aan je verwachtingen voldoet.
Je traject naar datavisualisatie begint met het maken van grafieken voor de belangrijkste bruikbaarheidsmetrieken die je eerder hebt geïdentificeerd en gedocumenteerd, met behulp van de analysetool van je keuze. Ik laat je zien hoe je dit doet met Amplitude als voorbeeld. De adoptiegraad van afspeellijsten lijkt een goede metriek om mee te beginnen.
We maken een nieuwe segmentatiegrafiek (ook wel een gewone grafiek genoemd) in Amplitude door op de knop “Nieuw” te klikken en “Segmentatie” te kiezen in de zijbalk die wordt geopend.
Vervolgens moeten we de gebeurtenissen selecteren die ons helpen de adoptie te meten. In ons geval is dat “Afspeellijst volgen”.
Vervolgens moeten we ervoor zorgen dat de getallen op de grafiek het percentage actieve gebruikers weergeven dat deze actie uitvoert. Daarom selecteren we de optie “Actief %” in het menu “Gemeten als”.
Zo zal onze grafiek eruitzien. De grafiek laat zien dat ongeveer 70% van onze dagelijks actieve gebruikers elke dag afspeellijsten volgt. Eerlijk gezegd lijkt dit een behoorlijk goed resultaat.
Ten slotte slaan we onze grafiek op en werken we aan de resterende metrieken.
Je kunt een dashboard maken om alle belangrijke metrieken in één overzicht te hebben. Hiervoor klikken we opnieuw op de knop “Nieuw”, kiezen we “Rapport” en vervolgens “Dashboard”.
Als resultaat zien we een leeg dashboard dat we een naam moeten geven en moeten vullen met de grafieken die we eerder hebben gemaakt.
We noemen het “Belangrijkste bruikbaarheidsmetrieken” en voegen onze grafieken toe door op “Inhoud toevoegen” en vervolgens op “Bestaande grafiek” te klikken en de grafieken te selecteren die we hebben gemaakt.
Gefeliciteerd! Nu heb je een overzicht van al je belangrijkste metrieken!
Stap 5: Bekijk en analyseer je rapporten voortdurend
De resultaten die je op je Amplitude-dashboard ziet, zijn “levend”. Ze zullen toenemen of afnemen afhankelijk van de wijzigingen die je in je UX hebt aangebracht. Daarom moet je deze metrieken voortdurend bekijken om:
- Te zien of je inspanningen een positieve invloed hebben gehad op de bruikbaarheid van je product.
- Slecht presterende metrieken te identificeren en te proberen de oorzaak ervan te vinden.
Ik raad je aan om wekelijkse of tweewekelijkse evaluatievergaderingen met je belanghebbenden te organiseren om de veranderingen in de KPI’s te bespreken en te brainstormen over mogelijke redenen waarom bepaalde metrieken slecht presteren.
De uitkomst van deze vergaderingen moet een lijst zijn met hypothesen over het verbeteren van je metrieken en mogelijke problemen die slechte prestaties veroorzaken.
Vervolgens voer je een onderzoeksproces voor UX-ontwerp uit om deze hypothesen te valideren of te verwerpen en oplossingen te ontwikkelen die een verschil kunnen maken.
Hier is een praktijkvoorbeeld uit mijn ervaring.
Een van de producten waaraan ik werkte, was een marketingplatform voor websites waarmee ze pushmeldingen naar hun doelgroep konden versturen. Nadat ze zich hadden aangemeld, moesten website-eigenaren onze SDK op hun websites instellen om pushmeldingen daarop te activeren.
We bouwden een trechterdiagram waarin alle belangrijkste stappen werden weergegeven die website-eigenaren moesten instellen. Toen we de trechter voor het eerst bekeken, merkten we iets vreemds op. Er was een enorme daling van 70% tussen de stap voor het installeren van de SDK en het verzenden van de eerste pushmelding.
Na een brainstormsessie veronderstelden we dat de reden voor deze daling het ontbreken van een ‘testmodus’ was, waarin gebruikers konden controleren of de pushmeldingen correct werkten.
We voerden verschillende bruikbaarheidstests en gebruikersinterviews uit om deze hypothese te valideren. Daaruit bleek dat website-eigenaren zich niet prettig voelden bij het gebruik van nieuwe technologie, tenzij ze deze eerst zelf hadden getest.
Daarom ontwierpen en bouwden we een testtraject dat gebruikers direct na het installeren van de SDK zouden doorlopen. Het resultaat was verbluffend. We konden goed inspelen op de behoeften en pijnpunten van de gebruikers. Binnen enkele weken was de daling van 70% teruggebracht tot slechts 15%!
Stap 6: Verwerk inzichten in je ontwerpen
De laatste stap in je data-gedreven aanpak is ook de belangrijkste. Je analyses en hypothesen hebben geen invloed op je product tenzij je ernaar handelt.
De manier waarop we dit proces aanpakten voor een van de producten waarvoor ik verantwoordelijk was, was vrij eenvoudig. Zodra we een hypothese hadden gevalideerd, maakten we een productontwerptaak aan in onze taakbeheertool, gaven we deze prioriteit en wezen we de taak toe aan een van onze ontwerpers.
Zodra het ontwerp was voltooid, voerden we gemodereerde of ongemodereerde bruikbaarheidstests uit, verbeterden we het ontwerp op basis van feedback van gebruikers en bereidden we het nieuwe ontwerp voor op verfijning van de backlog.
Of je nu het proces volgt dat ik zojuist heb beschreven of je eigen proces ontwikkelt: zorg ervoor dat je de inzichten toepast!
Til je ontwerpproces naar een hoger niveau met data
Data-analyse is een fantastisch hulpmiddel voor een ontwerpteam. Door je belangrijkste bruikbaarheidsmetingen voortdurend te monitoren en problemen ermee op te lossen, kun je je besluitvorming aanzienlijk verbeteren en gebruikerservaringen creëren die je gebruikers versteld zullen doen staan.
Vergeet niet je te abonneren op onze nieuwsbrief voor meer bronnen en handleidingen over productmanagement, evenals de nieuwste podcasts, interviews en andere inzichten van leiders en experts uit de sector.
