Stoga dizajniramo i šaljemo sjajnu novu funkciju. Kako znamo da li radi? Kako mjerimo i pratimo njegov uticaj? Ne postoji nedostatak u UX metrikama, ali šta ako želimo da uspostavimo jednostavnu, ponovljivu, smislenu UX metriku – posebno za naše karakteristike? Pa, da vidimo kako to učiniti.
Prvi put sam čuo za TARS okvir iz prekrasnog članka Adriana H. Raudschla o “Kako izmjeriti utjecaj karakteristika”. Ovdje je Adrian istaknuo kako njegov tim prati i odlučuje na koje karakteristike će se usredotočiti - a zatim ih mapira jednu protiv druge u matrici kvadranata 2×2. Pokazalo se da je to bio vrlo koristan okvir za vizualizaciju utjecaja UX rada kroz sočivo poslovnih metrika. Pogledajmo kako to funkcionira. 1. Ciljna publika (%) Počinjemo kvantificiranjem ciljne publike istražujući koji postotak korisnika proizvoda ima specifičan problem koji funkcija želi riješiti. Možemo proučavati postojeće ili slične karakteristike koje pokušavaju riješiti slične probleme, te koliko korisnika se s njima bavi. Međutim, ciljna publika nije isto što i korištenje funkcija. Kao što je Adrian primetio, ako znamo da postojeću funkciju dugmeta za izvoz koristi 5% svih korisnika, to ne znači da je ciljna publika 5%. Više korisnika može imati problem koji funkcija izvoza pokušava riješiti, ali ga ne mogu pronaći. Pitanje koje postavljamo: "Koliki postotak svih korisnika našeg proizvoda ima taj specifičan problem koji nova funkcija želi riješiti?"
2. A = Usvajanje (%) Zatim mjerimo koliko dobro „pribavljamo“ svoju ciljnu publiku. Za to pratimo koliko korisnika se zapravo uspješno bavi tom funkcijom u određenom vremenskom periodu. Tu se ne fokusiramo na CTR ili trajanje sesije, već na to da li se korisnici smisleno bave time. Na primjer, ako išta ukazuje na to da su to smatrali vrijednim, kao što je dijeljenje URL-a za izvoz, broj izvezenih datoteka ili korištenje filtera i postavki.
Visoko usvajanje karakteristika (>60%) ukazuje na to da je problem bio uticajan. Niska prihvaćenost (<20%) može implicirati da problem ima jednostavna rješenja na koja su se ljudi oslanjali. Za promjenu navika također je potrebno vrijeme, pa se očekuje nisko usvajanje u početku. Ponekad, nisko usvajanje funkcija nema nikakve veze sa samom funkcijom, već tamo gde se nalazi u korisničkom sučelju. Korisnici ga možda nikada neće otkriti ako je skriveno ili ako ima zbunjujuću oznaku. To mora biti dovoljno očigledno da ljudi na njega nalete. Niska usvojenost ne znači uvijek neuspjeh. Ako problem pogađa samo 10% korisnika, dostizanje 50-75% usvajanja unutar te specifične niše znači da je funkcija uspješna. Pitanje koje postavljamo: „Koji postotak aktivnih ciljnih korisnika zapravo koristi ovu funkciju za rješavanje tog problema?“
3. Zadržavanje (%) Zatim, proučavamo da li se funkcija zaista više puta koristi. Mjerimo učestalost korištenja, ili konkretno, koliko korisnika koji su koristili ovu funkciju zapravo nastavljaju koristiti je tokom vremena. Obično je to snažan signal za značajan uticaj. Ako karakteristika ima >50% stope zadržavanja (pros.), možemo biti sasvim sigurni da ima veliki strateški značaj. Stopa zadržavanja od 25-35% signalizira srednji strateški značaj, a zadržavanje od 10-20% je tada niskog strateškog značaja. Pitanje koje postavljamo: „Od svih korisnika koji su smisleno usvojili funkciju, koliko ih se vratilo da je ponovo koriste?“
4. Ocjena zadovoljstva (CES) Konačno, mjerimo nivo zadovoljstva koji korisnici imaju s tom funkcijom koju smo isporučili. Ne pitamo sve - pitamo samo "zadržane" korisnike. Pomaže nam da uočimo skrivene probleme koji se možda neće odraziti na rezultat zadržavanja.
Kada su korisnici zaista koristili funkciju više puta, pitamo ih koliko je lako bilo riješiti problem nakon što su koristili tu funkciju – između „mnogo teže“ i „mnogo lakše nego što se očekivalo“. Znamo kako želimo postići gol. Korištenje TARS-a za značajnu strategiju Kada počnemo da merimo sa TARS-om, možemo izračunati S÷T rezultat — procenat zadovoljnih korisnika ÷ ciljnih korisnika. To nam daje osjećaj koliko dobro funkcija djeluje za našu ciljanu publiku. Kada to uradimo za svaku karakteristiku, možemo mapirati sve karakteristike u 4 kvadranta u matrici 2×2.
Vrijedno je obratiti pažnju na karakteristike koje imaju prevelike performanse: one imaju nisko zadržavanje, ali visoko zadovoljstvo. Možda su to jednostavno funkcije koje korisnici ne moraju često koristiti, ali kada to učine, to je izuzetno učinkovito. Funkcije odgovornosti imaju visoko zadržavanje, ali nisko zadovoljstvo, tako da možda trebamo poraditi na njimapoboljšati ih. A onda takođe možemo identifikovati ključne karakteristike i karakteristike projekta — i razgovarati sa dizajnerima, PM-ovima i inženjerima o tome na čemu bi trebalo da radimo sledeće. Stopa konverzije nije UX metrika TARS ne pokriva stopu konverzije, i to s dobrim razlogom. Kao što je Fabian Lenz primijetio, konverzija se često smatra krajnjim pokazateljem uspjeha - ali u praksi je uvijek vrlo teško predstaviti jasnu vezu između manjih dizajnerskih inicijativa i velikih ciljeva konverzije.
Istina je da skoro svi u timu rade na boljoj konverziji. Porast bi mogao biti povezan s mnogo različitih inicijativa - od prodaje i marketinga do povećanja web performansi do sezonskih efekata do UX inicijativa. UX može, naravno, poboljšati konverziju, ali to zapravo nije UX metrika. Često ljudi jednostavno ne mogu odabrati proizvod koji koriste. I često željeni poslovni ishod proizlazi iz nužde i borbe, a ne iz povjerenja i uvažavanja. Visoka konverzija unatoč lošem korisničkom doživljaju Kako piše Fabian, visoka stopa konverzije može se dogoditi uprkos lošem korisničkom doživljaju, jer:
Jaka moć brenda privlači ljude unutra, Agresivne, ali efikasne taktike hitnosti, Cijene su izuzetno atraktivne, Marketing radi briljantno, Istorijska lojalnost kupaca, Korisnici jednostavno nemaju alternativu.
Niska konverzija unatoč odličnom korisničkom doživljaju U isto vrijeme, može doći do niske stope konverzije uprkos odličnom korisničkom doživljaju, jer:
Ponude nisu relevantne za publiku, Korisnici ne vjeruju brendu, Loš poslovni model ili visok rizik od neuspjeha, Marketing ne dopire do prave publike, Vanjski faktori (cijena, vrijeme, konkurencija).
Poboljšana konverzija je pozitivan rezultat UX inicijativa. Ali dobar UX rad obično poboljšava završetak zadatka, smanjuje vrijeme na zadatku, minimizira greške i izbjegava paralizu odlučivanja. I postoji mnogo praktičnih metrika dizajna koje možemo koristiti za praćenje UX-a i postizanje održivog uspjeha. Wrapping Up Sama metrika proizvoda ne daje uvijek precizan uvid u to koliko dobro funkcionira proizvod. Prodaja može biti dobra, ali korisnici mogu biti krajnje neefikasni i frustrirani. Ipak, odljev je mali jer korisnici ne mogu odabrati alat koji koriste.
Potrebni su nam UX metrika da bismo razumjeli i poboljšali korisničko iskustvo. Ono što mi se najviše sviđa kod TARS-a je to što je to zgodan način da povežete korištenje korisnika i iskustvo kupaca s relevantnim metrikama proizvoda. Lično bih proširio TARS sa metrikama i KPI-ovima fokusiranim na UX - u zavisnosti od potreba projekta. Veliko hvala Adrianu H. Raudaschlu što ga je sastavio. A ako vas zanimaju metrika, toplo vam preporučujem da ga pratite za praktične i korisne vodiče oko toga! Upoznajte “Kako izmjeriti UX i uticaj dizajna” Više detalja o UX strategiji možete pronaći u 🪴 Mjeri UX i utjecaj na dizajn (8h), praktičnom vodiču za dizajnere i UX vodiče za mjerenje i prikaz vašeg UX utjecaja na poslovanje. Iskoristite kod 🎟 IMPACT da danas uštedite 20% popusta. Pređite na detalje.
Video + UX trening Samo videoVideo + UX trening$ 495,00 $ 799,00
Nabavite video + UX trening 25 video lekcija (8h) + UX trening uživo. 100 dana garancije povrata novca. Samo video 250,00$ 395,00$
Preuzmite video kurs 25 video lekcija (8h). Ažurira se svake godine. Dostupan i kao UX paket sa 3 video kursa.
Korisni resursi
„Kako izmjeriti UX i uticaj na dizajn“, iskreno od vas “Poslovno razmišljanje za dizajnere”, Ryan Rumsey “ROI dizajn projekta “Kako pravi UX metrika pokazuju vrijednost koja mijenja igru”, Jared Spool “Kalkulatori veličine uzorka istraživanja”
Dalje čitanje
„Projektovanje za stres i hitne slučajeve“, Vitaly Friedman “AI u UX-u: Postignite više s manje”, Paul Boag “Problem pristupačnosti sa metodama provjere autentičnosti poput CAPTCHA”, Eleanor Hecks „Od upita do partnera: Dizajniranje vašeg prilagođenog AI asistenta“, Lyndon Cerejo
