Navrhujeme a dodáváme zbrusu novou funkci. Jak poznáme, že to funguje? Jak měříme a sledujeme jeho dopad? Metriky UX nechybí, ale co kdybychom chtěli vytvořit jednoduchou, opakovatelnou a smysluplnou metriku UX – konkrétně pro naše funkce? No, podívejme se, jak to udělat.
Poprvé jsem o frameworku TARS slyšel z úžasného článku Adriana H. Raudschla „Jak měřit dopad funkcí“. Zde Adrian zdůraznil, jak jeho tým sleduje a rozhoduje, na které funkce se zaměřit – a poté je vzájemně mapuje v matici 2×2 kvadrantů. Ukázalo se, že je to velmi užitečný rámec pro vizualizaci dopadu práce UX přes optiku obchodních metrik. Podívejme se, jak to funguje. 1. Cílové publikum (%) Začneme kvantifikací cílového publika tím, že prozkoumáme, jaké procento uživatelů produktu má konkrétní problém, který má funkce vyřešit. Můžeme studovat existující nebo podobné funkce, které se pokoušejí řešit podobné problémy, a kolik uživatelů se s nimi zapojí. Cílové publikum však není totéž jako použití funkcí. Jak poznamenal Adrian, pokud víme, že existující funkci Export Button používá 5 % všech uživatelů, neznamená to, že cílovou skupinou je 5 %. Více uživatelů může mít problém, který se funkce exportu snaží vyřešit, ale nemohou jej najít. Klademe si otázku: „Jaké procento všech uživatelů našeho produktu má konkrétní problém, který má nová funkce vyřešit?“
2. A = přijetí (%) Dále změříme, jak dobře „získáváme“ naše cílové publikum. Za tímto účelem sledujeme, kolik uživatelů skutečně úspěšně pracuje s touto funkcí za určité časové období. Nezaměřujeme se tam na míru prokliku nebo trvání návštěvy, ale spíše na to, zda s nimi uživatelé smysluplně interagují. Pokud například něco signalizuje, že to považují za hodnotné, například sdílení adresy URL pro export, počet exportovaných souborů nebo použití filtrů a nastavení.
Vysoká míra přijetí funkcí (> 60 %) naznačuje, že problém měl dopad. Nízká adopce (<20 %) může naznačovat, že problém má jednoduchá řešení, na která lidé spoléhali. Změna návyků také vyžaduje čas, a proto se ze začátku očekává nízké přijetí. Nízké přijetí funkce někdy nemá nic společného s funkcí samotnou, ale spíše s tím, kde je v uživatelském rozhraní. Uživatelé jej nemusí nikdy objevit, pokud je skrytý nebo má matoucí štítek. Musí to být dostatečně zřejmé, aby na to lidé narazili. Nízká adopce se vždy nerovná selhání. Pokud se problém týká pouze 10 % uživatelů, znamená to, že 50–75 % přijetí v této konkrétní oblasti znamená, že je funkce úspěšná. Klademe si otázku: „Jaké procento aktivních cílových uživatelů skutečně používá funkci k vyřešení tohoto problému?“
3. Udržení (%) Dále zkoumáme, zda je funkce skutečně používána opakovaně. Měříme frekvenci používání nebo konkrétně to, kolik uživatelů, kteří se zapojili do této funkce, ji v průběhu času skutečně používá. Obvykle je to silný signál pro smysluplný dopad. Pokud má funkce >50% míru udržení (průměr.), můžeme si být zcela jisti, že má velký strategický význam. Míra retence 25–35 % signalizuje střední strategický význam a retence 10–20 % je pak strategický význam nízký. Klademe si otázku: „Kolik ze všech uživatelů, kteří smysluplně přijali nějakou funkci, se vrátilo, aby ji znovu použili?“
4. Skóre spokojenosti (CES) Nakonec změříme míru spokojenosti uživatelů s touto funkcí, kterou jsme dodali. Neptáme se všech – ptáme se pouze „udržených“ uživatelů. Pomáhá nám odhalit skryté problémy, které se nemusí projevit ve skóre udržení.
Jakmile uživatelé skutečně použili funkci vícekrát, zeptáme se jich, jak snadné bylo vyřešit problém poté, co tuto funkci použili – mezi „mnohem obtížnějším“ a „mnohem jednodušším, než se očekávalo“. Víme, jak chceme skórovat. Použití TARS pro strategii funkcí Jakmile začneme měřit pomocí TARS, můžeme vypočítat skóre S÷T — procento Spokojených uživatelů ÷ Cílových uživatelů. Dává nám to představu o tom, jak dobře funkce funguje pro naše zamýšlené cílové publikum. Jakmile to uděláme pro každý prvek, můžeme mapovat všechny prvky ve 4 kvadrantech v matici 2×2.
Nadprůměrné vlastnosti stojí za pozornost: mají nízkou retenci, ale vysokou spokojenost. Mohou to být jednoduše funkce, které uživatelé nemusí často používat, ale když tak učiní, je to extrémně efektivní. Funkce odpovědnosti mají vysokou retenci, ale nízkou spokojenost, takže na nich možná budeme muset zapracovatzlepšit je. A pak můžeme také identifikovat základní funkce a funkce projektu – a vést rozhovor s designéry, PM a inženýry o tom, na čem bychom měli dále pracovat. Konverzní poměr není metrikou UX TARS nezahrnuje míru konverze, a to z dobrého důvodu. Jak poznamenal Fabian Lenz, konverze je často považována za konečný ukazatel úspěchu – přesto je v praxi vždy velmi obtížné prezentovat jasné spojení mezi menšími designovými iniciativami a velkými cíli konverze.
Pravdou je, že téměř každý v týmu pracuje na lepší konverzi. Zvýšení může souviset s mnoha různými iniciativami – od prodeje a marketingu přes zvýšení výkonu webu až po sezónní efekty až po iniciativy UX. UX může samozřejmě zlepšit konverzi, ale ve skutečnosti to není metrika UX. Lidé si často nemohou vybrat produkt, který používají. A požadovaný obchodní výsledek často vychází z nutnosti a boje, spíše než z důvěry a uznání. Vysoká konverze navzdory špatnému uživatelskému prostředí Jak píše Fabian, vysoký konverzní poměr může nastat i přes špatné uživatelské prostředí, protože:
Silná síla značky přitahuje lidi, Agresivní, ale účinná taktika naléhavosti, Ceny jsou mimořádně atraktivní, Marketing funguje skvěle, Historická věrnost zákazníků, Uživatelé prostě nemají jinou možnost.
Nízká konverze navzdory skvělému UX Zároveň může dojít k nízkému konverznímu poměru navzdory skvělému UX, protože:
Nabídky nejsou pro publikum relevantní, Uživatelé značce nedůvěřují, Špatný obchodní model nebo vysoké riziko neúspěchu, Marketing neoslovuje správné publikum, Vnější faktory (cena, načasování, konkurence).
Zlepšená konverze je pozitivním výsledkem iniciativ UX. Dobrá práce UX však obvykle zlepšuje dokončení úkolu, zkracuje čas na úkol, minimalizuje chyby a zabraňuje paralýze rozhodování. A existuje spousta použitelných metrik designu, které bychom mohli použít ke sledování uživatelského dojmu a dosažení udržitelného úspěchu. Zabalit se Samotné metriky produktu neposkytují vždy přesný přehled o tom, jak dobře si produkt vede. Prodej může fungovat dobře, ale uživatelé mohou být extrémně neefektivní a frustrovaní. Přesto je odchod nízký, protože uživatelé si nemohou vybrat nástroj, který používají.
Potřebujeme metriky UX, abychom pochopili a zlepšili uživatelský dojem. Na TARS se mi nejvíce líbí, že je to úhledný způsob, jak propojit používání zákazníků a zkušenosti zákazníků s relevantními metrikami produktu. Osobně bych rozšířil TARS také o metriky zaměřené na UX a KPI — v závislosti na potřebách projektu. Obrovské díky Adrianu H. Raudaschlovi, že to dal dohromady. A pokud se zajímáte o metriky, vřele vám doporučuji, abyste ho následovali, abyste získali praktické a užitečné průvodce všude kolem! Seznamte se s „Jak měřit UX a dopad designu“ Další podrobnosti o strategii UX najdete v 🪴 Measure UX & Design Impact (8h), praktickém průvodci pro designéry a UX leady, jak změřit a ukázat svůj dopad UX na podnikání. Použijte kód 🎟 IMPACT a ušetřete 20 % ještě dnes. Přejít na detaily.
Video + školení UX PouzevideoVideo + školení UX $ 495,00 $ 799,00
Získejte video + školení UX 25 videolekcí (8 hodin) + živé školení UX. 100denní záruka vrácení peněz. Pouze video 250,00 $ 395,00 $
Získejte videokurz25 videolekcí (8h). Aktualizováno ročně. K dispozici také jako balíček UX se 3 video kurzy.
Užitečné zdroje
„Jak změřit UX a dopad designu“ skutečně od vás "Obchodní myšlení pro designéry", Ryan Rumsey „ROI of Design Project „Jak správné metriky UX ukazují hodnotu, která mění hru“, od Jareda Spoola "Výzkumné kalkulačky velikosti vzorku"
Další čtení
"Navrhování pro stres a nouzové situace", Vitaly Friedman „AI v UX: Dosáhněte více s méně“, Paul Boag „Problém s přístupností s metodami ověřování, jako je CAPTCHA“, Eleanor Hecks „Od výzvy k partnerovi: Navrhování vlastního asistenta AI“, Lyndon Cerejo
