Czy nie irytuje Cię przewijanie do przodu dziesiątek nagrań wywiadów przez całe godziny, aby znaleźć pojedynczy cytat, który pomoże Ci podjąć trafną decyzję dotyczącą produktu? Ja tego nie znoszę! To marnowanie cennego czasu, który można by poświęcić na tworzenie niesamowitych produktów.
Często to właśnie takie żmudne sytuacje prowadzą nas do wniosku, że musimy uporządkować dane z wywiadów. Aby to zrobić, musimy stworzyć proces ciągłego materializowania tych wniosków, przekształcając je tym samym w funkcje i rozwiązania.
Jeśli brzmi to znajomo, ale nie wiesz, od czego zacząć porządkowanie ogromnych zbiorów badań użytkowników, nie martw się. Jestem tu, aby Ci pomóc!
Siła wywiadów jakościowych
Moim zdaniem wywiady z użytkownikami (a także analiza jakościowa ogólnie) są najcenniejszym rodzajem pracy wykonywanej przez menedżerów produktu.
Nie można tworzyć niesamowitych produktów bez wiedzy o tym, kim są użytkownicy i czego chcą. Z drugiej strony dzięki wywiadom zagłębiasz się w rzeczywistość, w której żyją ci ludzie, oraz doświadczasz problemów i niedogodności, z którymi mierzą się na co dzień podczas wykonywania określonych zadań.
Ta wiedza zapewnia Ci właściwą bazę do formułowania rozwiązań, które są dla nich naprawdę użyteczne i mogą poprawić jakość ich życia. Dlatego niezwykle ważne jest, aby menedżerowie produktu optymalizowali procesy wywiadów z użytkownikami i dbali o maksymalne wykorzystanie ograniczonego czasu rozmów z użytkownikami.
Jak organizować dane z wywiadów
Gdy Twój zespół przeprowadzi więcej niż 20 wywiadów z użytkownikami, sytuacja zaczyna się komplikować. Aby znaleźć konkretny cytat lub wniosek, możesz być zmuszony odszukać osobę, która przeprowadziła wywiad, i zapytać ją o szczegóły. Nieuniknione jest, że nie będzie ona pamiętać dokładnych szczegółów tego wywiadu.
Ostatecznie otrzymujesz zbiór wniosków, które nie są powiązane z żadnymi konkretnymi założeniami. Taki bałagan sprawia, że wyciągnięcie jakichkolwiek użytecznych wniosków z badań jest niemal niemożliwe.
Właśnie dlatego tak ważne jest skrupulatne organizowanie wywiadów z użytkownikami.
Podstawy organizacji
Zanim przejdziemy do bardziej złożonych procesów, omówmy najpierw proste sposoby na uporządkowanie wywiadów.
Zasady nazywania wywiadów
Jeśli stale przeprowadzasz wywiady, w pewnym momencie będziesz mieć setki nagrań na swoim koncie w chmurze (lub w narzędziu do generowania pomysłów). Wyobraź sobie tylko, jak uciążliwe byłoby przeszukiwanie dużej liczby takich plików, gdyby ich nazwy wyglądały mniej więcej tak ("Kudos" dla Zooma za jego fatalną logikę nazewnictwa):
Nie ma możliwości znalezienia tutaj konkretnego wywiadu.
Rozważ więc przyjęcie standardowej konwencji nazewnictwa, która ułatwi wyszukiwanie plików z wywiadami. Może wyglądać ona na przykład tak:
Teraz masz uporządkowane wywiady z nazwami, tematami i datami, które można przeszukiwać. Możesz także dodać imię i nazwisko PM-a, który przeprowadził wywiad. Jeśli jednak korzystasz ze specjalistycznego narzędzia do wywiadów, zarówno nazwa, jak i data wywiadu będą już dostępne w wyszukiwarce, więc możesz usunąć je z nazw plików.
Have an account? Log In
Narzędzia do planowania
Ustalenie daty i godziny wywiadu również może być czasochłonnym procesem. Z respondentami prowadzisz długie korespondencje e-mailowe, próbując ustalić odpowiedni termin i dzień rozmowy. Dodatkowym utrudnieniem jest sytuacja, gdy ktoś nie pojawi się na spotkaniu i trzeba je przełożyć.
Z drugiej strony dzięki narzędziu do planowania możesz łatwo ustawić dostępne przedziały czasowe rozmów i pozwolić uczestnikom wywiadów wybrać ten, który najbardziej im odpowiada.
Możesz użyć dowolnego dostępnego narzędzia do planowania, w tym Calendly, Google Workspace i Hubspot.
Współdzielone kalendarze
Jest to szczególnie przydatne, gdy wywiady przeprowadza kilka osób z Twojego zespołu. Dzięki współdzielonemu kalendarzowi możesz „przekazać” zaplanowany dla Ciebie wywiad współpracownikowi, jeśli nie możesz w nim uczestniczyć.
Co więcej, możesz udostępnić ten kalendarz całej firmie i zachęcić osoby z różnych działów do dołączenia oraz posłuchania, co użytkownicy mówią o Twoim produkcie. To świetny sposób na to, aby wszyscy byli „świadomi użytkowników” i przełamywali bariery między działami.
Transkrypcja i podsumowywanie
Zespoły produktowe tradycyjnie wykonują nagrania audio i wideo swoich wywiadów. Następnie wykorzystujemy te nagrania do analizy wniosków i znajdowania konkretnych cytatów, które chcemy wyróżnić w naszych ustaleniach.
Istnieje również przypadek użycia związany z archiwizacją. Czasami chcesz wrócić do swoich wcześniejszych wywiadów i spojrzeć na odpowiedzi użytkownika z innej perspektywy.
Problem z nagraniami audio i wideo polega jednak na tym, że ich odsłuchiwanie i oglądanie zajmuje dużo czasu, a nawigowanie po nich jest trudne.
Z tego powodu zalecam korzystanie z narzędzia do transkrypcji i tworzenia podsumowań (możesz również wykorzystać AI w badaniach użytkowników, aby sobie w tym pomóc).
Transkrypcje to tekst, po którym można przewijać i który można przeszukiwać. Jeśli chcesz znaleźć konkretny fragment wywiadu, po prostu naciśnij Command-F i wyszukaj go. Oprócz przeszukiwania konkretnego wywiadu wiele narzędzi pozwala również wykonywać zapytania w ramach wszystkich przeprowadzonych wywiadów.
Podsumowania to kolejny etap rozwoju. Możesz poprosić model AI LLM (zwykle zintegrowany z narzędziem do transkrypcji) o przygotowanie dla Ciebie podsumowania najważniejszych ustaleń.
W ten sposób zaoszczędzisz również mnóstwo czasu podczas analizy transkrypcji. Przy odpowiednim kontekście nowoczesne modele LLM (zwłaszcza GPT-4) całkiem dobrze radzą sobie z analizowaniem wywiadu za Ciebie.
Jeśli chodzi o narzędzia, obecnie korzystam z Krisp, ponieważ kieruję jego produktem do transkrypcji i tworzenia podsumowań. Polecam jednak również wypróbowanie Dovetail, Otter.ai, Fireflies.ai i innych narzędzi. Ewentualnie możesz rozważyć bardziej naukowe i pogłębione oprogramowanie do jakościowej analizy danych, takie jak Atlas.ti, Nvivo, Maxqda i inne.
Grupowanie treści transkrypcji wywiadów według hipotez
Wiele narzędzi do zarządzania wywiadami pozwala wyróżniać określone fragmenty transkrypcji i oznaczać je tagami. Ta niezwykle przydatna funkcja umożliwia organizowanie wywiadów z klientami (a także analiz przypadków, notatek i innych projektów badawczych) na podstawie:
- Ogólnego tematu (np. badania sposobów monetyzacji, funkcji aktywacji itp.)
- Cech persony (np. położenia geograficznego, zawodu itp.)
- Typu użytkownika pod względem zaangażowania (np. nieaktywnych użytkowników, zaawansowanych użytkowników itp.)
Jednak prawdopodobnie najcenniejszym zastosowaniem tej funkcji jest wyróżnianie odpowiedzi użytkowników i oznaczanie ich na podstawie hipotezy, którą mogą potwierdzić.
Zwykle przenosisz wszystkie aktywne hipotezy do swojego narzędzia do przeprowadzania wywiadów z użytkownikami w formie tagów, a następnie oznaczasz odpowiednie fragmenty wywiadów. Po kliknięciu jednego z tych tagów zobaczysz zestawienie wszystkich istotnych cytatów ze wszystkich przeprowadzonych wywiadów.
Tak wygląda to w Dovetail:
Jak widzisz, jest to bardzo przydatne — możesz jednym rzutem oka zobaczyć wszystko, co wiąże się z daną hipotezą, na jednym ekranie i szybko podjąć decyzję.
Skoro wiemy już, jak organizować dane z wywiadów z użytkownikami, przejdźmy do tego, jak je analizować.
Jak interpretować wywiady z użytkownikami
Zwykle powstrzymuję się od omawiania teorii, ale jest to jeden z nielicznych przypadków, gdy poznanie podejścia naukowo-teoretycznego jest wartościowe (i możliwe do zastosowania w rzeczywistych sytuacjach). Omówmy więc trzy klasyczne metody jakościowej analizy danych. Zastanów się, jak możesz wykorzystać AI w analizie danych wraz z tymi metodami.
Analiza narracyjna
Ten rodzaj analizy jest najbardziej nieustrukturyzowaną i jakościową metodą spośród omawianych. Skupia się wyłącznie na historiach użytkowników i próbuje odkryć interesujące spostrzeżenia na podstawie tego, jak postrzegają oni Twój produkt i jakie mają wobec niego odczucia.
W przeciwieństwie do innych rodzajów analiz liczą się tu emocje użytkowników i sposób, w jaki postrzegają oni Twój produkt w codziennym życiu.
Posłużmy się przykładem Slacka.
Wyobraź sobie, że jesteś jednym z pierwszych menedżerów produktu w Slacku i chcesz zrewolucjonizować sposób komunikowania się ludzi w pracy. Wiesz, że ludzie używają głównie poczty elektronicznej jako podstawowego kanału komunikacji, i chcesz zaoferować im coś bardziej przypominającego platformy społecznościowe (tj. posty z komentarzami).
Podczas przeprowadzania analizy narracyjnej możesz poprosić ludzi o opisanie ich codziennej komunikacji za pośrednictwem poczty elektronicznej, wysłuchać ich skarg i uzyskać ogólne zrozumienie tego, co czują w związku z tym aspektem swojego dnia.
Następnie zadałbyś te same pytania badawcze dotyczące ich doświadczeń z formatami postów w mediach społecznościowych, zaobserwowałbyś ich reakcję emocjonalną i zrozumiałbyś typową ścieżkę użytkownika podczas tworzenia postów i komentowania ich.
Korzystając ze wszystkich tych spostrzeżeń (i stosując rozumowanie dedukcyjne), możesz następnie stworzyć personę użytkownika wraz z jej celami i wyzwaniami. Co więcej, będziesz również w stanie zobrazować różne ścieżki użytkowników i nawyki, które musisz uwzględnić podczas tworzenia produktu.
Analiza tematyczna
W przeciwieństwie do analizy narracyjnej ta metoda jest nieco bardziej „ilościowa” i pozwala wprowadzić odrobinę struktury do uzyskanych spostrzeżeń. Analiza tematyczna polega na czytaniu transkrypcji wywiadów i identyfikowaniu różnych tematów, które powtarzają się w wielu wywiadach.
Wróćmy do przykładu Slacka...
Podczas analizowania odpowiedzi osób biorących udział w wywiadach możesz szybko zauważyć, że wiele z nich skarży się na niedogodności związane z zarządzaniem „uprawnieniami wyświetlania” (kto może zobaczyć Twoją wiadomość, a kto nie) w typowym długim łańcuchu korespondencji e-mail.
Świetnie, właśnie zidentyfikowałeś wspólny temat (i potencjalną unikalną propozycję wartości dla funkcji „uprawnień kanału” w Twoim produkcie)!
Możesz również zidentyfikować inną często powtarzającą się skargę — niedogodności związane z czytaniem wcześniejszych wiadomości w łańcuchu e-mail. Voilà! To kolejny wspólny temat i kolejna szansa, aby wyróżnić się dzięki następnej funkcji.
Wspomniana przed chwilą funkcja tagowania jest świetnym narzędziem do przeprowadzania analizy tematycznej. Za każdym razem, gdy zobaczysz coś interesującego w transkrypcji wywiadu, możesz to wyróżnić i dodać do tego tag „temat”. Następnie możesz otworzyć stronę tagu „temat” i zobaczyć wszystkie powiązane z nim cytaty.
Analiza treści
Analiza treści wywiadów jest najbardziej uporządkowaną i ilościową metodologią badawczą spośród tych trzech. W tym przypadku Twoim celem jest umożliwienie pomiaru uzyskanych spostrzeżeń.
Na przykład...
Jeśli podczas wywiadów zidentyfikowałeś już pewien temat (tj. niedogodności związane z zarządzaniem uprawnieniami w łańcuchu e-mail), możesz spróbować obliczyć odsetek osób, które uważają to za bardzo niedogodne, i porównać go z odsetkiem osób, którym w rzeczywistości to nie przeszkadza.
Przekształcając dane w wartości liczbowe, będziesz w stanie zrozumieć znaczenie swoich ustaleń. Jeśli tylko 20% osób biorących udział w wywiadach uważa, że uprawnienia wyświetlania w łańcuchach e-mail są uciążliwe, propozycja wartości funkcji uprawnień kanału będzie słaba.
Jest to oczywiście bardzo przydatne. Jednak z mojego doświadczenia wynika, że najcenniejszym zastosowaniem analizy treści jest potwierdzanie (lub obalanie) hipotez.
W analizie treści stosujesz tę samą technikę, której używałbyś w analizie tematycznej. W tym przypadku mierzysz jednak odsetek odpowiedzi potwierdzających Twoją hipotezę. Wyobraź sobie, że tworzysz aplikację do transkrypcji (taką jak Dovetail) i przyjmujesz następującą hipotezę:
Uważam, że skrócenie czasu przetwarzania transkrypcji z 10 minut do 10 sekund znacząco zwiększy odsetek wyświetleń transkrypcji
Teraz wyobraź sobie, że analizujesz odpowiedzi z wywiadów i odkrywasz, że 80% osób mówi, że przeprowadza wywiady jeden po drugim i zazwyczaj czyta transkrypcje pod koniec dnia pracy.
Oznacza to, że Twoja hipoteza jest nieprawdziwa i nie powinieneś marnować czasu ani zasobów na optymalizację silnika przetwarzania.
Dodatkowa metoda analizy: teoria ugruntowana
Tradycyjna metoda naukowa (powszechnie stosowana w zarządzaniu produktem) rozpoczyna się od sformułowania hipotez, a następnie ich weryfikacji za pomocą dowodów empirycznych.
Problem polega jednak na tym, że nie zawsze możesz sformułować te hipotezy. Czasami, zwłaszcza gdy znajdujesz się na wczesnym etapie tworzenia pomysłu na startup, nic nie wiesz o swoim rynku i użytkownikach. Nie ma więc możliwości zapisania jakichkolwiek sensownych hipotez.
Właśnie tutaj z pomocą przychodzi teoria ugruntowana.
Zamiast tworzyć hipotezy, a następnie weryfikować je za pomocą danych, proces badawczy polega tutaj najpierw na analizowaniu danych, a dopiero potem na tworzeniu hipotez na podstawie spostrzeżeń znalezionych w danych.
W przypadku wczesnego etapu startupu oznaczałoby to rozpoczęcie wywiadów z użytkownikami bez żadnych hipotez oraz zrozumienie ich potrzeb i ścieżek. Dopiero gdy uzyskasz podstawowe zrozumienie tego, czego chcą, możesz zacząć formułować hipotezy.
Jak wykorzystać wyniki badań jakościowych
Wywiady z użytkownikami nie mają sensu (a Twoje decyzje są pełne błędów poznawczych w badaniach), jeśli nie potrafisz wyciągnąć z nich konkretnych wniosków. W tej sekcji omówimy podstawowe kroki związane z wykorzystaniem zdobytej wiedzy i zobaczymy, jak możesz zastosować je w praktyce. Możesz również korzystać z AI w badaniach UX wraz z tymi krokami.
Krok 1: Potwierdź lub obal swoje hipotezy
Jeśli nie stosujesz teorii ugruntowanej, każdy wywiad z użytkownikiem powinien mieć na celu potwierdzenie jednej lub większej liczby hipotez. Oto jak możesz potwierdzić swoje hipotezy:
- Skorzystaj z funkcji tagowania i adnotacji w swoim narzędziu do przeprowadzania wywiadów, aby zebrać wszystkie niezbędne informacje dotyczące tej hipotezy na jednym ekranie.
- Zaproś swój zespół produktowy (w tym projektantów UX i interesariuszy) i oceń te ustalenia.
- Zdecyduj, czy uznajesz tę hipotezę za potwierdzoną.
Czasami zestaw danych, którym dysponujesz, może nie wystarczyć do sformułowania jednoznacznej odpowiedzi na Twoje pytanie. W takim przypadku po prostu przeprowadź kolejne wywiady, aż zbierzesz wystarczającą ilość danych.
Krok 2: Podejmij działania w związku z niepotwierdzonymi hipotezami
Jeśli wyniki wywiadów podważą hipotezę (co zdarza się częściej niż jej potwierdzenie), możesz podjąć dwa rodzaje działań:
- Zrewiduj swoją hipotezę: Być może część hipotezy była prawidłowa i wystarczy utworzyć nową, zmodyfikowaną hipotezę na jej podstawie.
Załóżmy na przykład, że uznano, iż ludzie będą preferować zarządzanie uprawnieniami do każdego pojedynczego posta w Slacku. Dane z wywiadów pokazują, że użytkownicy rzeczywiście chcą uprawnień, ale nie powinny one być przypisywane na poziomie posta. W takim przypadku zmieniasz hipotezę na następującą:
Uważamy, że ludzie będą preferować zarządzanie uprawnieniami na poziomie kanału
- Uznaj ją za niepotwierdzoną i odrzuć: Jeśli nie widzisz żadnych możliwych sposobów zrewidowania hipotezy, możesz ją po prostu odrzucić i rozpocząć formułowanie nowych hipotez.
More Articles
Krok 3: Przekształć potwierdzone hipotezy w rozwiązania produktowe
Jeśli uda Ci się potwierdzić hipotezę, możesz rozpocząć pracę nad rozwiązaniem produktowym.
Wiem, że to oczywiste, ale większość z nas zaczyna zwlekać, a w końcu zapomina o tych możliwościach. Aby ograniczyć tę utratę wartości, sugeruję organizowanie regularnych warsztatów poświęconych opracowywaniu pomysłów produktowych oraz korzystanie z ram projektowych w celu tworzenia i iteracyjnego rozwijania rozwiązań.
Najważniejszymi interesariuszami tego spotkania są projektanci produktu (lub inżynierowie, jeśli rozwiązanie wymaga intensywnego programowania). Warsztaty można zazwyczaj rozpocząć od przedstawienia slajdów lub tablicy współpracy zawierającej zebrane informacje dotyczące tej hipotezy.
(Narzędzia do przeprowadzania wywiadów mają tę funkcję, więc nie zawracaj sobie głowy programem PowerPoint i zamiast tego skorzystaj z tych funkcji.)
Następnie zacznij opracowywać różne funkcje i pomysły projektowe, które uwzględnią przypadek opisany w hipotezie. Na koniec możesz użyć dowolnego narzędzia do ustalania priorytetów, aby wybrać z listy najbardziej wartościowe funkcje i oznaczyć je jako „gotowe do umieszczenia w backlogu”.
Krok 4: Dodaj rozwiązania produktowe do planu rozwoju produktu
Cóż, ten krok jest oczywisty. Gdy tylko zespół UX przygotuje projekty, a Ty zakończysz opracowywanie wymagań dotyczących rozwiązania, dodaj je do backlogu i ustal jego priorytet.
Analiza danych jakościowych to Twoja supermoc produktowa!
Menedżerowie produktu są głosem użytkowników w każdej firmie. Dzięki naszej wiedzy na temat potrzeb i problemów użytkowników opinie menedżerów produktu mają istotne znaczenie, a ludzie zwykle się z nami zgadzają. (A przynajmniej powinni!)
PM-owie mogą to osiągnąć dzięki rygorystycznym procesom gromadzenia i analizy danych ilościowych. Jednak wywiady z użytkownikami mają jedną wielką zaletę. Podczas spotkań z zespołem kierowniczym Twoje opinie stają się niepodważalne w chwili, gdy cytujesz swoich użytkowników.
Dlatego upewnij się, że wszystkie dane z wywiadów są dobrze zorganizowane i bardzo dokładnie przeanalizowane!
Nie zapomnij zapisać się do naszego newslettera, aby otrzymywać więcej materiałów i poradników dotyczących zarządzania produktem, a także najnowsze podcasty, wywiady i inne informacje od liderów oraz ekspertów branżowych.
