Så vi designer og sender en skinnende ny funksjon. Hvordan vet vi om det fungerer? Hvordan måler og sporer vi effekten? Det er ingen mangel på UX-målinger, men hva om vi ønsket å etablere en enkel, repeterbar, meningsfull UX-måling – spesielt for funksjonene våre? Vel, la oss se hvordan du gjør akkurat det.
Jeg hørte først om TARS-rammeverket fra Adrian H. Raudschls fantastiske artikkel om "How To Measure Impact of Features". Her fremhevet Adrian hvordan teamet hans sporer og bestemmer hvilke funksjoner de skal fokusere på - og deretter kartlegger dem mot hverandre i en 2×2 kvadrantsmatrise. Det viste seg å være et veldig nyttig rammeverk for å visualisere virkningen av UX-arbeid gjennom linsen til forretningsmålinger. La oss se hvordan det fungerer. 1. Målgruppe (%) Vi starter med å kvantifisere målgruppen ved å utforske hvor stor prosentandel av et produkts brukere som har det spesifikke problemet som en funksjon har som mål å løse. Vi kan studere eksisterende eller lignende funksjoner som prøver å løse lignende problemer, og hvor mange brukere som engasjerer seg i dem. Målgruppen er imidlertid ikke det samme som funksjonsbruk. Som Adrian bemerket, hvis vi vet at en eksisterende eksportknappfunksjon brukes av 5 % av alle brukere, betyr det ikke at målgruppen er 5 %. Flere brukere kan ha problemet som eksportfunksjonen prøver å løse, men de finner det ikke. Spørsmål vi stiller: «Hvor stor prosentandel av alle brukerne av produktet vårt har det spesifikke problemet som en ny funksjon tar sikte på å løse?»
2. A = Adopsjon (%) Deretter måler vi hvor godt vi "anskaffer" målgruppen vår. For det sporer vi hvor mange brukere som faktisk engasjerer seg med den funksjonen over en bestemt tidsperiode. Vi fokuserer ikke på klikkfrekvenser eller øktvarighet der, men snarere om brukerne engasjerer seg meningsfullt med det. For eksempel hvis noe signaliserer at de fant det verdifullt, for eksempel deling av eksport-URL, antall eksporterte filer eller bruk av filtre og innstillinger.
Høy funksjonsadopsjon (>60 %) antyder at problemet var virkningsfullt. Lav adopsjon (<20 %) kan bety at problemet har enkle løsninger som folk har stolt på. Å endre vaner tar også tid, og derfor forventes lav adopsjon i begynnelsen. Noen ganger har lav funksjonsadopsjon ingenting å gjøre med selve funksjonen, men heller hvor den sitter i brukergrensesnittet. Brukere vil kanskje aldri oppdage det hvis det er skjult eller hvis det har en forvirrende etikett. Det må være tydelig nok til at folk kan snuble over det. Lav adopsjon er ikke alltid det samme som fiasko. Hvis et problem bare berører 10 % av brukerne, betyr det at funksjonen er en suksess når 50–75 % blir brukt innenfor den spesifikke nisjen. Spørsmålet vi stiller: "Hvilken prosentandel av aktive målbrukere bruker faktisk funksjonen for å løse det problemet?"
3. Oppbevaring (%) Deretter studerer vi om en funksjon faktisk brukes gjentatte ganger. Vi måler bruksfrekvensen, eller spesifikt, hvor mange brukere som har engasjert seg i funksjonen som faktisk fortsetter å bruke den over tid. Vanligvis er det et sterkt signal for meningsfull effekt. Hvis en funksjon har >50 % oppbevaringsgrad (gjennomsnitt), kan vi være ganske sikre på at den har en høy strategisk betydning. En 25–35 % oppbevaringsgrad signaliserer middels strategisk betydning, og retensjon på 10–20 % er da lav strategisk betydning. Spørsmål vi stiller: "Av alle brukerne som tok i bruk en funksjon på en meningsfull måte, hvor mange kom tilbake for å bruke den igjen?"
4. Satisfaction Score (CES) Til slutt måler vi graden av tilfredshet brukerne har med den funksjonen vi har sendt. Vi spør ikke alle – vi spør bare «beholdte» brukere. Det hjelper oss med å oppdage skjulte problemer som kanskje ikke gjenspeiles i oppbevaringsresultatet.
Når brukere faktisk brukte en funksjon flere ganger, spør vi dem hvor enkelt det var å løse et problem etter at de brukte den funksjonen – mellom «mye vanskeligere» og «mye enklere enn forventet». Vi vet hvordan vi vil score. Bruke TARS for funksjonsstrategi Når vi begynner å måle med TARS, kan vi beregne en S÷T-poengsum – prosentandelen av fornøyde brukere ÷ målbrukere. Det gir oss en følelse av hvor godt en funksjon fungerer for vår tiltenkte målgruppe. Når vi gjør det for hver funksjon, kan vi kartlegge alle funksjoner på tvers av 4 kvadranter i en 2×2 matrise.
Overpresterende funksjoner er verdt å være oppmerksom på: de har lav oppbevaring, men høy tilfredshet. Det kan ganske enkelt være funksjoner som brukere ikke trenger å bruke ofte, men når de gjør det, er det ekstremt effektivt. Ansvarsfunksjoner har høy oppbevaring, men lav tilfredshet, så kanskje vi må jobbe med dem for åforbedre dem. Og så kan vi også identifisere kjernefunksjoner og prosjektfunksjoner – og ha en samtale med designere, PM-er og ingeniører om hva vi bør jobbe med videre. Konverteringsfrekvens er ikke en UX-beregning TARS dekker ikke konverteringsfrekvens, og det er en god grunn. Som Fabian Lenz bemerket, blir konvertering ofte ansett for å være den ultimate indikatoren på suksess - men i praksis er det alltid veldig vanskelig å presentere en klar sammenheng mellom mindre designinitiativer og store konverteringsmål.
Sannheten er at nesten alle i teamet jobber mot bedre konvertering. En økning kan være knyttet til mange forskjellige initiativer - fra salg og markedsføring til ytelsesøkning på nettet til sesongmessige effekter til UX-initiativer. UX kan selvfølgelig forbedre konverteringen, men det er egentlig ikke en UX-måling. Ofte kan folk rett og slett ikke velge produktet de bruker. Og ofte kommer et ønsket forretningsresultat ut av nødvendighet og kamp, snarere enn tillit og verdsettelse. Høy konvertering til tross for dårlig UX Som Fabian skriver, kan høy konverteringsfrekvens skje til tross for dårlig UX, fordi:
Sterk merkevarekraft trekker folk inn, Aggressiv, men effektiv hastetaktikk, Prisene er ekstremt attraktive, Markedsføring fungerer strålende, Historisk kundelojalitet, Brukerne har rett og slett ikke noe alternativ.
Lav konvertering til tross for god brukeropplevelse Samtidig kan en lav konverteringsfrekvens oppstå til tross for god brukeropplevelse, fordi:
Tilbud er ikke relevante for publikum, Brukere stoler ikke på merkevaren, Dårlig forretningsmodell eller høy risiko for feil, Markedsføring når ikke den rette målgruppen, Eksterne faktorer (pris, timing, konkurranse).
En forbedret konvertering er det positive resultatet av UX-initiativer. Men godt UX-arbeid forbedrer vanligvis fullføring av oppgave, reduserer tid på oppgaven, minimerer feil og unngår beslutningslammelse. Og det er mange praktiske designberegninger vi kan bruke for å spore UX og drive bærekraftig suksess. Innpakning Produktberegninger alene gir ikke alltid en nøyaktig oversikt over hvor godt et produkt presterer. Salg kan fungere bra, men brukere kan være ekstremt ineffektive og frustrerte. Likevel er churnen lav fordi brukere ikke kan velge verktøyet de bruker.
Vi trenger UX-målinger for å forstå og forbedre brukeropplevelsen. Det jeg elsker mest med TARS er at det er en fin måte å koble kundenes bruk og kundenes opplevelse med relevante produktmålinger. Personlig ville jeg utvidet TARS med UX-fokuserte beregninger og KPIer også – avhengig av prosjektets behov. Stor takk til Adrian H. Raudaschl for å sette det sammen. Og hvis du er interessert i beregninger, anbefaler jeg deg å følge ham for praktiske og nyttige guider rundt akkurat det! Møt "Hvordan måle UX og designpåvirkning" Du kan finne flere detaljer om UX-strategi i 🪴 Measure UX & Design Impact (8h), en praktisk veiledning for designere og UX-leads for å måle og vise UX-påvirkningen din på virksomheten. Bruk koden 🎟 IMPACT for å spare 20% i dag. Hopp til detaljene.
Video + UX-trening Kun videoVideo + UX-trening$ 495,00 $ 799,00
Få video + UX Training25 videotimer (8 timer) + Live UX Training.100 dagers pengene-tilbake-garanti. Video kun $ 250,00$ 395,00
Få videokurset25 videoleksjoner (8t). Oppdateres årlig. Også tilgjengelig som en UX-pakke med 3 videokurs.
Nyttige ressurser
"Hvordan måle UX og designpåvirkning", av deg "Business Thinking For Designers", av Ryan Rumsey "ROI av designprosjektet "Hvordan de riktige UX-beregningene viser spillendrende verdi", av Jared Spool "Forskningsprøvestørrelseskalkulatorer"
Videre lesing
"Designing for stress and Emergency", Vitaly Friedman "AI In UX: Achieve More With Less", Paul Boag "Tilgjengelighetsproblemet med autentiseringsmetoder som CAPTCHA", Eleanor Hecks "Fra spørsmål til partner: designe din tilpassede AI-assistent", Lyndon Cerejo
