Stoga dizajniramo i isporučujemo sjajnu novu značajku. Kako znamo da radi? Kako mjerimo i pratimo njegov učinak? UX metrika ne nedostaje, ali što ako želimo uspostaviti jednostavnu, ponovljivu, smislenu UX metriku — posebno za naše značajke? Pa, da vidimo kako to učiniti.
Prvi put sam čuo za okvir TARS iz prekrasnog članka Adriana H. Raudschla o "Kako izmjeriti utjecaj značajki". Ovdje je Adrian istaknuo kako njegov tim prati i odlučuje na koje će se značajke usredotočiti — a zatim ih mapira jedne protiv drugih u matrici 2×2 kvadranta. Pokazalo se da je to vrlo koristan okvir za vizualizaciju utjecaja UX rada kroz objektiv poslovnih metrika. Pogledajmo kako funkcionira. 1. Ciljana publika (%) Započinjemo kvantificiranjem ciljane publike istražujući koji postotak korisnika proizvoda ima određeni problem koji značajka želi riješiti. Možemo proučiti postojeće ili slične značajke koje pokušavaju riješiti slične probleme i koliko korisnika sudjeluje u njima. Ciljana publika ipak nije isto što i korištenje značajki. Kao što je primijetio Adrian, ako znamo da postojeću značajku gumba za izvoz koristi 5% svih korisnika, to ne znači da je ciljna publika 5%. Više korisnika moglo bi imati problem koji značajka izvoza pokušava riješiti, ali ga ne mogu pronaći. Pitanje koje postavljamo: "Koji postotak svih korisnika našeg proizvoda ima taj specifični problem koji nova značajka namjerava riješiti?"
2. A = usvajanje (%) Zatim mjerimo koliko dobro "stječemo" svoju ciljanu publiku. Za to pratimo koliko se korisnika stvarno uspješno angažiralo tom značajkom u određenom vremenskom razdoblju. Tu se ne fokusiramo na CTR-ove ili trajanje sesije, već na to jesu li korisnici smisleno uključeni u to. Na primjer, ako bilo što signalizira da su to smatrali vrijednim, poput dijeljenja URL-a za izvoz, broja izvezenih datoteka ili upotrebe filtara i postavki.
Visoko usvajanje značajki (>60%) sugerira da je problem imao utjecaja. Nisko usvajanje (<20%) može značiti da problem ima jednostavna rješenja na koja su se ljudi oslanjali. Za promjenu navika također je potrebno vrijeme, pa se u početku očekuje nisko usvajanje. Ponekad nisko usvajanje značajki nema nikakve veze sa samom značajkom, već mjestom u korisničkom sučelju. Korisnici ga možda nikada neće otkriti ako je skriven ili ako ima zbunjujuću oznaku. Mora biti dovoljno očigledan da ljudi na njega naiđu. Slabo usvajanje ne znači uvijek neuspjeh. Ako problem utječe samo na 10% korisnika, postizanje 50-75% usvajanja unutar te specifične niše znači da je značajka uspješna. Pitanje koje postavljamo: "Koji postotak aktivnih ciljnih korisnika zapravo koristi značajku za rješavanje tog problema?"
3. Zadržavanje (%) Zatim proučavamo koristi li se značajka zaista više puta. Mjerimo učestalost korištenja, točnije, koliko korisnika koji su se uključili u tu značajku stvarno je nastavlja koristiti tijekom vremena. Obično je to snažan signal za značajan utjecaj. Ako značajka ima >50% stope zadržavanja (prosječno), možemo biti sasvim sigurni da ima veliku stratešku važnost. Stopa zadržavanja od 25–35% signalizira srednji strateški značaj, a zadržavanje od 10–20% tada je niska strateška važnost. Pitanje koje postavljamo: "Od svih korisnika koji su smisleno usvojili značajku, koliko ih se vratilo da bi je ponovno koristilo?"
4. Ocjena zadovoljstva (CES) Konačno, mjerimo razinu zadovoljstva korisnika tom značajkom koju smo isporučili. Ne pitamo sve - pitamo samo "zadržane" korisnike. Pomaže nam uočiti skrivene probleme koji se možda neće odraziti na ocjenu zadržavanja.
Nakon što su korisnici stvarno upotrijebili značajku više puta, pitamo ih koliko je lako bilo riješiti problem nakon što su upotrijebili tu značajku — između "puno teže" i "puno lakše od očekivanog". Znamo kako želimo zabiti. Korištenje TARS-a za strategiju značajki Nakon što počnemo mjeriti s TARS-om, možemo izračunati S÷T rezultat — postotak Zadovoljnih korisnika ÷ Ciljanih korisnika. Daje nam dojam koliko dobra značajka funkcionira za našu ciljanu publiku. Nakon što to učinimo za svaku značajku, možemo mapirati sve značajke u 4 kvadranta u matrici 2×2.
Vrijedi obratiti pažnju na značajke koje imaju izvrsne performanse: one imaju nisko zadržavanje, ali visoko zadovoljstvo. To mogu jednostavno biti značajke koje korisnici ne moraju često koristiti, ali kada to rade, izuzetno je učinkovita. Značajke odgovornosti imaju visoko zadržavanje, ali nisko zadovoljstvo, pa možda trebamo poraditi na njimapoboljšati ih. Zatim također možemo identificirati osnovne značajke i značajke projekta — i razgovarati s dizajnerima, voditeljima projekata i inženjerima o tome na čemu bismo trebali raditi sljedeće. Stopa konverzije nije UX metrika DURS ne pokriva stopu konverzije, i to s dobrim razlogom. Kao što je primijetio Fabian Lenz, pretvorba se često smatra krajnjim pokazateljem uspjeha — no u praksi je uvijek vrlo teško predstaviti jasnu vezu između manjih dizajnerskih inicijativa i velikih ciljeva pretvorbe.
Istina je da gotovo svi u timu rade na boljoj konverziji. Porast može biti povezan s mnogo različitih inicijativa — od prodaje i marketinga do poboljšanja web performansi, sezonskih učinaka 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 povjerenja i zahvalnosti. Visoka konverzija unatoč lošem korisničkom doživljaju Kao što Fabian piše, visoka stopa konverzije može se dogoditi unatoč lošem korisničkom doživljaju jer:
Jaka snaga brenda privlači ljude, Agresivna ali učinkovita taktika hitnosti, Cijene su izuzetno atraktivne, Marketing radi briljantno, Povijesna lojalnost kupaca, Korisnici jednostavno nemaju alternativu.
Niska konverzija unatoč izvrsnom korisničkom doživljaju Istodobno, može doći do niske stope konverzije unatoč dobrom korisničkom doživljaju jer:
Ponude nisu relevantne za publiku, Korisnici ne vjeruju marki, Loš poslovni model ili visok rizik neuspjeha, Marketing ne dopire do prave publike, Vanjski čimbenici (cijena, vrijeme, konkurencija).
Poboljšana pretvorba pozitivan je ishod UX inicijativa. Ali dobar rad na korisničkom sučelju obično poboljšava dovršetak zadatka, smanjuje vrijeme na zadatku, minimizira pogreške i izbjegava paralizu donošenja odluka. Postoji i mnoštvo korisnih metrika dizajna koje bismo mogli koristiti za praćenje korisničkog doživljaja i postizanje održivog uspjeha. Zamotavanje Sama mjerna vrijednost proizvoda ne pruža uvijek točan prikaz izvedbe proizvoda. Prodaja može biti dobra, ali korisnici mogu biti krajnje neučinkoviti i frustrirani. Ipak, odljev je nizak jer korisnici ne mogu odabrati alat koji koriste.
Potrebni su nam UX mjerni podaci za razumijevanje i poboljšanje korisničkog iskustva. Ono što najviše volim kod DURS-a je to što je to zgodan način povezivanja upotrebe i iskustva kupaca s relevantnim mjernim podacima proizvoda. Osobno bih proširio TARS metrikom usmjerenom na UX i KPI-jevima — ovisno o potrebama projekta. Veliko hvala Adrianu H. Raudaschlu što ga je sastavio. A ako ste zainteresirani za metriku, toplo preporučujem da ga pratite za praktične i korisne vodiče upravo o tome! Upoznajte “Kako izmjeriti UX i utjecaj dizajna” Više pojedinosti o strategiji korisničkog doživljaja možete pronaći u 🪴 Mjerenje utjecaja korisničkog doživljaja i dizajna (8h), praktičnog vodiča za dizajnere i potencijalne klijente korisničkog doživljaja za mjerenje i prikaz vašeg utjecaja korisničkog doživljaja na poslovanje. Koristite kod 🎟 IMPACT da uštedite 20% danas. Prijeđite na detalje.
Video + UX obuka Samo video Video + UX obuka $ 495,00 $ 799,00
Nabavite video + UX obuku 25 video lekcija (8h) + UX obuku uživo. 100 dana garancije povrata novca. Samo video 250,00 $ 395,00 $
Nabavite video tečaj 25 video lekcija (8h). Ažurira se svake godine. Dostupno i kao UX paket s 3 video tečaja.
Korisni resursi
“Kako izmjeriti UX i utjecaj dizajna”, iskreno “Poslovno razmišljanje za dizajnere”, Ryan Rumsey “ROI dizajnerskog projekta “Kako prava UX metrika pokazuje vrijednost koja mijenja igru”, Jareda Spoola “Istraživanje kalkulatora veličine uzorka”
Daljnje čitanje
“Dizajniranje za stres i hitne slučajeve”, Vitaly Friedman “AI in UX: Postignite više s manje”, Paul Boag “Problem pristupačnosti s metodama provjere autentičnosti poput CAPTCHA”, Eleanor Hecks “Od brzog do partnera: Dizajniranje prilagođenog AI pomoćnika”, Lyndon Cerejo
