Tāpēc mēs izstrādājam un piegādājam jaunu spīdīgu funkciju. Kā mēs zinām, vai tas darbojas? Kā mēs novērtējam un izsekojam tā ietekmi? UX metrikas netrūkst, bet kā būtu, ja mēs vēlamies izveidot vienkāršu, atkārtojamu, jēgpilnu UX metriku — īpaši mūsu funkcijām? Nu, redzēsim, kā to izdarīt.
Pirmo reizi par TARS ietvaru dzirdēju no Adriana H. Raudšla brīnišķīgā raksta par tēmu “How To Measure Impact of Features”. Šeit Adrians uzsvēra, kā viņa komanda izseko un izlemj, uz kurām funkcijām koncentrēties, un pēc tam samēro tās vienu pret otru 2 × 2 kvadrantu matricā. Tas izrādījās ļoti noderīgs ietvars, lai vizualizētu UX darba ietekmi, izmantojot biznesa rādītājus. Apskatīsim, kā tas darbojas. 1. Mērķauditorija (%) Mēs sākam ar mērķa auditorijas kvantitatīvu noteikšanu, noskaidrojot, cik lielai daļai produkta lietotāju ir konkrēta problēma, kuru ar līdzekli cenšas atrisināt. Mēs varam izpētīt esošās vai līdzīgas funkcijas, kas mēģina atrisināt līdzīgas problēmas, un to, cik lietotāju ar tām iesaistās. Tomēr mērķauditorija nav tas pats, kas funkcijas izmantošana. Kā atzīmēja Adrians, ja mēs zinām, ka esošu Eksportēšanas pogas funkciju izmanto 5% no visiem lietotājiem, tas nenozīmē, ka mērķauditorija ir 5%. Lielākajai daļai lietotāju var rasties problēma, ko mēģina atrisināt eksportēšanas funkcija, taču viņi to nevar atrast. Jautājums, ko mēs uzdodam: “Kādam procentuālajam daļai no visiem mūsu produkta lietotājiem ir konkrēta problēma, kuru jaunā funkcija vēlas atrisināt?”
2. A = adopcija (%) Tālāk mēs izmērām, cik labi mēs “iegūstam” savu mērķauditoriju. Lai to izdarītu, mēs izsekojam, cik lietotāju faktiski veiksmīgi izmanto šo funkciju noteiktā laika periodā. Mēs nekoncentrējamies uz VKS vai sesijas ilgumu, bet gan uz to, vai lietotāji to jēgpilni iesaistās. Piemēram, ja kaut kas norāda uz to, ka viņi to uzskatīja par vērtīgu, piemēram, eksportēšanas URL kopīgošana, eksportēto failu skaits vai filtru un iestatījumu izmantošana.
Liela funkciju izmantošana (>60%) liecina, ka problēma bija ietekmīga. Zema adopcija (<20%) varētu nozīmēt, ka problēmai ir vienkārši risinājumi, uz kuriem cilvēki ir paļāvušies. Arī paradumu maiņa prasa laiku, tāpēc sākumā ir sagaidāma zema adopcija. Dažkārt zemai funkciju ieviešanai nav nekā kopīga ar pašu līdzekli, bet gan ar to, kur tā atrodas lietotāja saskarnē. Lietotāji, iespējams, to nekad neatklās, ja tas ir paslēpts vai ja tam ir mulsinoša etiķete. Tam ir jābūt pietiekami acīmredzamam, lai cilvēki uz to varētu paklupt. Zema adopcija ne vienmēr ir neveiksme. Ja problēma skar tikai 10% lietotāju, 50–75% ieviešana šajā konkrētajā nišā nozīmē, ka funkcija ir veiksmīga. Jautājums, ko mēs uzdodam: "Cik procentuālā daļa aktīvo mērķa lietotāju faktiski izmanto šo funkciju, lai atrisinātu šo problēmu?"
3. Saglabāšana (%) Tālāk mēs pētām, vai funkcija patiešām tiek izmantota atkārtoti. Mēs izmērām lietošanas biežumu vai konkrēti to, cik lietotāju, kuri izmantoja šo funkciju, faktiski turpina to izmantot laika gaitā. Parasti tas ir spēcīgs signāls nozīmīgai ietekmei. Ja objektam ir vairāk nekā 50% saglabāšanas rādītājs (vid.), mēs varam būt diezgan pārliecināti, ka tam ir liela stratēģiskā nozīme. 25–35% saglabāšanas līmenis norāda uz vidēju stratēģisku nozīmi, un 10–20% saglabāšana tad ir zema stratēģiskā nozīme. Jautājums, ko mēs uzdodam: "Cik daudzi lietotāji, kuri jēgpilni izmantoja funkciju, atgriezās, lai to izmantotu vēlreiz?"
4. Apmierinātības rādītājs (CES) Visbeidzot, mēs novērtējam lietotāju apmierinātības līmeni ar šo mūsu piegādāto funkciju. Mēs nejautājam visiem — mēs prasām tikai “saglabātajiem” lietotājiem. Tas palīdz mums pamanīt slēptās problēmas, kuras, iespējams, neatspoguļojas saglabāšanas rādītājā.
Kad lietotāji faktiski izmantoja funkciju vairākas reizes, mēs viņiem jautājam, cik viegli bija atrisināt problēmu pēc šīs funkcijas izmantošanas — starp “daudz grūtāk” un “daudz vieglāk, nekā gaidīts”. Mēs zinām, kā gribam gūt vārtus. TARS izmantošana funkciju stratēģijai Kad mēs sākam mērīt ar TARS, mēs varam aprēķināt S÷T rezultātu — apmierināto lietotāju procentuālo daļu — mērķa lietotāju skaitu. Tas sniedz mums priekšstatu par to, cik labi funkcija darbojas mūsu paredzētajai mērķauditorijai. Kad mēs to izdarīsim katram objektam, mēs varam kartēt visus objektus 4 kvadrantos 2 × 2 matricā.
Ir vērts pievērst uzmanību funkcijām, kurām ir pārāk augsta veiktspēja: tām ir zema saglabāšana, bet augsta apmierinātība. Tās var vienkārši būt funkcijas, kuras lietotājiem nav bieži jāizmanto, taču, kad tās izmanto, tās ir ārkārtīgi efektīvas. Atbildības funkcijām ir augsta saglabāšana, bet zema apmierinātība, tāpēc, iespējams, mums ir jāstrādā pie tāmuzlabot tos. Un tad mēs varam arī noteikt galvenās funkcijas un projekta funkcijas — un sarunāties ar dizaineriem, PM un inženieriem par to, pie kā mums vajadzētu strādāt tālāk. Reklāmguvumu līmenis nav UX metrika TARS neaptver reklāmguvumu līmeni, un tas ir pamatota iemesla dēļ. Kā atzīmēja Fabians Lencs, pārveidošana bieži tiek uzskatīta par galveno veiksmes rādītāju, taču praksē vienmēr ir ļoti grūti parādīt skaidru saikni starp mazākām dizaina iniciatīvām un lieliem konversijas mērķiem.
Patiesība ir tāda, ka gandrīz visi komandas locekļi strādā pie labākas konversijas. Pieaugums var būt saistīts ar daudzām dažādām iniciatīvām — no pārdošanas un mārketinga līdz tīmekļa veiktspējas uzlabošanai līdz sezonāliem efektiem un UX iniciatīvām. UX, protams, var uzlabot konversiju, taču tas nav īsti UX rādītājs. Bieži vien cilvēki vienkārši nevar izvēlēties produktu, ko viņi izmanto. Un bieži vien vēlamais biznesa rezultāts rodas nepieciešamības un cīņas, nevis uzticības un atzinības dēļ. Augsta konversija, neskatoties uz sliktu UX Kā raksta Fabians, augsts reklāmguvumu līmenis var notikt, neskatoties uz sliktu UX, jo:
Spēcīgs zīmola spēks piesaista cilvēkus, Agresīva, bet efektīva steidzamības taktika, Cenas ir ļoti pievilcīgas, Mārketings darbojas lieliski, Vēsturiskā klientu lojalitāte, Lietotājiem vienkārši nav alternatīvas.
Zema konversija, neskatoties uz lielisko UX Tajā pašā laikā, neskatoties uz lielisko lietotāja pieredzi, var rasties zems reklāmguvumu līmenis, jo:
Piedāvājumi nav aktuāli auditorijai, Lietotāji neuzticas zīmolam, Slikts biznesa modelis vai augsts neveiksmes risks, Mārketings nesasniedz īsto auditoriju, Ārējie faktori (cena, laiks, konkurence).
Uzlabota konversija ir UX iniciatīvu pozitīvs rezultāts. Bet labs UX darbs parasti uzlabo uzdevumu izpildi, samazina uzdevuma izpildes laiku, samazina kļūdas un novērš lēmumu paralīzi. Turklāt ir daudz praktisku dizaina rādītāju, ko mēs varētu izmantot, lai izsekotu UX un veicinātu ilgtspējīgus panākumus. Iesaiņošana Produkta metrika vien ne vienmēr sniedz precīzu priekšstatu par produkta veiktspēju. Pārdošana var darboties labi, taču lietotāji var būt ārkārtīgi neefektīvi un neapmierināti. Tomēr atteikšanās ir zema, jo lietotāji nevar izvēlēties izmantoto rīku.
Mums ir nepieciešami UX rādītāji, lai saprastu un uzlabotu lietotāju pieredzi. Man visvairāk patīk TARS tas, ka tas ir glīts veids, kā savienot klientu lietojumu un klientu pieredzi ar atbilstošiem produktu rādītājiem. Personīgi es paplašinātu TARS, izmantojot arī uz UX vērstus rādītājus un KPI — atkarībā no projekta vajadzībām. Milzīgs paldies Adrianam H. Raudašlam par tā salikšanu. Un, ja jūs interesē metrika, es ļoti iesaku sekot viņam, lai iegūtu praktiskus un noderīgus ceļvežus. Iepazīstieties ar “Kā izmērīt UX un dizaina ietekmi” Plašāku informāciju par UX stratēģiju varat atrast sadaļā 🪴 Izmērīt UX un dizaina ietekmi (8 h) — tas ir praktisks ceļvedis dizaineriem un UX pavadinājumi, lai izmērītu un parādītu jūsu UX ietekmi uz uzņēmējdarbību. Izmantojiet kodu 🎟 IMPACT, lai šodien ietaupītu 20% atlaidi. Pārejiet uz detaļām.
Video + UX apmācība tikai videoVideo + UX apmācība 495,00 USD 799,00
Iegūstiet video + UX apmācību 25 video nodarbības (8 h) + tiešraides UX apmācību. 100 dienu naudas atdošanas garantija. Tikai video 250,00 $ 395,00
Iegūstiet video kursu25 video nodarbības (8h). Atjaunina katru gadu. Pieejams arī kā UX komplekts ar 3 video kursiem.
Noderīgi resursi
“Kā izmērīt UX un dizaina ietekmi”, patiesi jūsu vārds Raiens Ramsijs “Biznesa domāšana dizaineriem”. “Dizaina projekta ROI Džareds Spols “Kā pareizie lietotāja pieredzes rādītāji parāda spēles mainīgo vērtību”. “Izpētes paraugu lieluma kalkulatori”
Tālāka lasīšana
“Projektēšana stresam un ārkārtas situācijām”, Vitālijs Frīdmens “AI In UX: sasniedziet vairāk ar mazāk”, Pols Boags “Pieejamības problēma ar autentifikācijas metodēm, piemēram, CAPTCHA”, Eleonora Heksa “No uzvednes līdz partnerim: pielāgotā AI palīga izstrāde”, Lindons Sereho
