چگونه داده های به دست آمده از "مرحله ی پژوهش کاربر" را آنالیز کنیم؟

چگونه داده های به دست آمده از "مرحله ی پژوهش کاربر" را آنالیز کنیم؟

آنالیز و تحلیل داده ها یکی از مراحل مهم در روند طراحی تجربه کاربری است. بعضی اوقات این مرحله می‌تواند ما را به یک سیاه چاله ی گیج کننده از داده ها برساند که هیچ قابلیت اجرایی و عملیاتی نخواهند داشت و در واقع بی مصرف خواهند بود. در این قسمت قصد داریم در 5 گام با طرز صحیح آنالیز داده های به دست آمده از تحقیقات آشنا بشویم. 

گام اول: گردآوری و سازماندهی داده ها

در روند جمع آوری و سازماندهی داده هایتان، روشی را در پیش بگیرید که منطقی و قابل مدیریت باشد. برای  مثال اگر داده های شما به شکل ویدئو کلیپ، فایل های صوتی و یا یادداشت های کاغذی است همگی باید به فرمت‌ های دیجیتالی تبدیل شوند. در این مرحله شما باید به این موضوع فکر کنید که بر اساس نوع کار و تحقیق‌تان چطور می توانید فایل های داده ها را سازماندهی کنید. این که برای هر شخصی که با او مصاحبه کردید یک پوشه جداگانه بسازید می تواند مفید و جالب باشد. بعد از مرتب سازی فضای دیجیتال داده هایتان، زمان این است که محیط فیزیکی و پیرامون خودتان را هم آماده و مرتب کنید. یک میز خالی، یک دیوار خالی و یا یک تخته سفید تهیه کنید و مطمئن شوید تمام تحقیقاتتان بر روی آن ها قابل دسترس هستند.

گام دوم: رجوع به اهداف پژوهش

وقتی که همه چیز مرتب و سازماندهی شد حالا شما آماده هستید که آنالیز را آغاز کنید اما قبل از این کار باید به اهداف پژوهشتان بازگردید. چرا شما این تحقیقات را انجام داده اید؟ هدفتان از این پژوهش چه بود؟ قصد داشتید میزان همدلی با کاربران هدفتان را توسعه بدهید؟ یا می خواستید بدانید که محصولتان نیاز کاربر را برآورده می کند یا خیر؟ مرور اهداف اولیه ی تحقیق، راهنمای شما خواهد بود و در روند آنالیز داده‌ها به شما کمک خواهد کرد که اطلاعات مفید، در جهت رسیدن به هدف را انتخاب کنید.

گام سوم : جستجو و کاوش در داده ها برای رسیدن به یافته ها

در گام سوم قرار است شما تمام داده ها و نتایج تحقیقات را برای رسیدن به الگو ها و داستان های مرتبط با هم بگردید. یادتان باشد که شما دنبال هرچیزی می گردید که بتواند برای رسیدن به هدف اصلی تحقیق به شما کمک کند. برای اینکه تحقیق خود را بیشتر درک کنید در گام اول (گردآوری و سازماندهی داده ها) برای داده های خود کدگذاری کنید .این روشی بسیار مفید برای ساختار بندی داده ها به خصوص داده های کیفی مثل داده های به دست آمده از مصاحبه با کاربران است. بیاید این روش را دقیق تر بررسی کنیم:

  • کدگذاری داده ها 

فرض کنید شما در حال مطالعه ی متن های مربوط به مصاحبه با کاربر هستید، هربار که کاربر مطلب جالب و قابل توجه ای را بیان کرده، آن را هایلایت کنید و کد متناظرش را به آن بدهید. این خیلی مهم است که آن کد باید توصیفی از آنچه کاربر گفته است باشد. به فرض شما قصد دارید یک اپلیکیشن سفارش غذا طراحی کنید و لازم است بدانید مصاحبه شونده از چه نوع خدمات مربوط به سفارش غذا در گذشته استفاده کرده؟ هرچند وقت یکبار از این خدمات استفاده می کند؟ و در کل چه احساسی راجع به آن ها دارد؟ به فرض او اعلام می کند طرفدار اپلیکیشن های غذا نیست، حساب کاربری دارد اما در ماه شاید تنها یک بار از آن استفاده می کند و معتقد است این جور برنامه ها برایش کاربردی نیستند. بنابراین در رابطه با صحبت های این فرد این کدها می تواند مفید باشد: # برنامه سفارش غذا # احساسات منفی #‌چارچوب زمانی 

حالا به راحتی می توان گفته های کاربر را برچسب گذاری کرد (اگر از رونوشت های چاپی استفاده می کنید می توانید کدها را در آخر اضافه کنید). وقتی که تمام داده ها و اطلاعات خود را کدگذاری کردید چیزی که مقابل روی شماست مجموعه ای به نسبت نا مرتب از کدهاست که باید کدهای مشابه را در دسته های مختلف گروه بندی کنید. این مرحله را که پشت سر بگذارید موضوعات جالبی دارید که با استفاده از آن ها می‌توانید داده ها را تفسیر کنید. برای مثال کدهای"برنامه سفارش غذا" "سفارش آنلاین" یا "سرعت سفارش" می‌تواند همگی در گروه "خدمات سفارش غذا" گروه بندی شوند و زیرمجموعه آن باشند. به یاد داشته باشید تقسیم‌بندی داده ها به "دسته های مختلف" فرآیندی تکراری است. آماده ی این باشید که مدام برای ایجاد تغییرات احتمالی در دسته بندی ها و داده ها بین آن ها جابه جا بشوید. توصیه می کنم کد ها و دسته ها را در برگه‌های کوچک یادداشت کنیدکه این جابه جایی راحت تر باشد. اینجا همان جایی است که آن دیوار بلند خالی به کارتان می آید.

  • نگارش وابستگی و نزدیکی:

یکی دیگر از تکنیک های مفید برای گروه بندی و درک داده هایتان مشخص کردن وابستگی ها و نزدیکی داده هاست. بعد از کد گذاری داده هایتان، آن ها را روی برگه های کوچک می نویسید و بعد یکی از آن ها را به عنوان نقطه ی شروع انتخاب می کنید و به دیوار می چسبانید و سپس شروع به چسباندن برگه های مرتبط به آن در اطرافش می کنید. هر برگه غیرمرتبطی که مشاهده کردید با آن همانند نقطه ی شروع رفتار کنید. به این صورت مجموعه هایی به وجود می آید که هر کدام موضوع منحصر به فردی دارند. بعد از اینکه مجموعه‌ها ساخته شد به تعداد آنها برگه هایی بردارید و یک نام برای هر مجموعه بنویسید که مشخص کند در آن چه نوع نوشته هایی وجود دارد و به چه علت آن ها در یک گروه قرار گرفته اند. سپس آن را بالای گروه بچسبانید.(تا پایان یافتن تمام نوشته ها و مطالب به این کار ادامه بدهید و در نظر داشته باشید که ممکن است بعضی از آن ها در چند گروه جای داشته باشند.) 

تصویر  1: دسته بندی و کد گذاری داده ها

گام چهارم: تشخیص بینش کاربر

در گام های قبل، شما زمانی را برای کند وکاو کردن و سازماندهی داده هایتان خرج کردید. گام چهارم به طور کامل درباره‌ی ترکیب و آمیختن داده های شماست. ترکیب کردن می تواند به عنوان فرآیندی برای ساخت یافته‌ها و بینش و مفاهیمی بر پایه ی حقایق آنالیزهای شما باشد. قبل از دقیق شدن در مفهوم این گام بهتر است نگاهی به تفاوت "یافته ها" و "بینش ها" بیاندازیم.

در مبحث User research ممکن است یافته ها و بینشی که از آن صحبت می کنیم بتوانند در جای یکدیگر قرار گیرند ولی یک مفهوم نیستند. "یافته ها" حقایق و جملاتی برآمده از داده هایتان هستند که به سادگی اعلام می کنند چه اتفاقی در حال رخ دادن است ولی حاوی جوابی برای اینکه چرا این اتفاق افتاده یا چه راه حل هایی برای آن وجود دارد، نیستند. اما "بینش ها" ما را با انواع و اقسام رفتار بشر آشنا می کنند. آن ها از دل "یافته ها" بیرون می آیند و به ما کمک می کنند که چگونه باید یک مسئله و مشکل خاص و منحصر به فرد را حل کرد. برای مثال اگر یافته ی ما از تحقیقات این باشد که "کاربر مایل به استفاده از چندین اپلیکیشن مربوط به یادگیری زبان است"، می توان دریافت که "در حال حاضر هیچ اپلیکیشنی که جواب تمام نیاز های کاربر را به طور واحد در خود داشته باشد وجود ندارد و به همین علت کاربران به چندین اپلیکیشن برای یادگیری زبان نیاز دارند" این همان بینشی است که از یافته ی تحقیق به دست می آید.

می توانید ببینید که بینش و فهمی که از یافته ها به دست می آورید چه اشاراتی به راه حل های مسئله دارد و به طور خاص در این مثال شما به این درک رسیدید که برنامه ای طراحی کنید که پاسخگوی  تمامی نیاز کاربر برای یادگیری زبان جدید باشد. حالا که با تفاوت این دو مفهوم آشنا شدیم، گام چهارم را بررسی کنیم:

 همانطور که اشاره شد در این گام قرار است به درون داده ها، دسته ها و موضوعاتی که از قبل آماده کرده ایم برویم و یافته هایی به دست آوریم که فهم جدیدی درباره ی مسئله پیش روی ما خواهد گذاشت. با موضوعاتی شروع کنید که بر اساس هدف اصلی پژوهشتان اولویت بالاتری دارند. اگر هدف شناخت بیشتر کاربرهایتان است شما موضوعات را بر همین اساس اولویت بندی کنید. اینکه چگونه یافته هایتان را سازماندهی می کنید به خودتان بستگی دارد ولی مانند قبل برگه های کوچک، دیوار یا تخته سفید خالی جای مناسبی برای شروع کار است. زمانی که دارید یافته ها را از دل تک تک موضوعات و دسته بندی ها بیرون می آورید باید در همان حال به دنبال کشف و درک مفاهیم درونی آن ها باشید که ظاهر می شوند(بینش ها). وقتی به طور کامل این مراحل را پشت سر گذاشتید، تمام یافته های خودتان را سند کنید. این کار کلید آماده سازی آخرین گام آنالیز داده هاست.

تصویر  2: استخراج یافته ها و اولویت بندی آنها بر اساس اهداف

گام پنجم: به اشتراک گذاری یافته ها و مفاهیم به دست آمده (مخصوص پروژه های تیمی)

آخرین مرحله ی فرآیند آنالیز داده، تقسیم کردن یافته ها و فهم شما از آن با سایر اعضای تیم است تا آن ها اقدامات لازم را بر اساس همان سندی که در مرحله ی قبل آماده کردید آغاز کنند. همچنین لازم است با ذینفعان پروژه درباره ی آنها گفتگو کنید. اینکه تمام اعضای تیم کاملا متوجه بشوند که شما در طول مراحل آنالیز داده های تحقیق  به چه نکات و یافته هایی رسیدید بسیار حائز اهمیت است. وقتی یافته های شما به درستی به اشتراک گذاشته می شوند در بازده کاری سایر اعضای تیم تاثیر مثبت خواهند داشت و در اغلب موارد، آن یافته ها می توانند به شرح مشکلات شما تبدیل شوند؛ مشکلاتی که کاربران با آن دست و پنجه نرم می کنند و شما قصد برطرف کردنشان را دارید. آنها می توانند سوالاتی را در ذهن شما ایجاد کنند که جواب دادن به آنها فرصتی را برای طراحی بهتر پیش روی شما قرار می دهد. برای مثال طبق نمونه گام چهارم ما دریافتیم که هیچ اپلیکیشنی که پاسخگوی تمام نیاز های کاربر باشد وجود ندارد و به همین خاطر کاربران به چندین اپلیکیشن برای یادگیری زبان نیاز دارند. همین می تواند جرقه ی سوالی در ذهن یک تیم طراح باشد که "ما چگونه می توانیم کاربران را برای یادگیری زبان جدید، تنها در یک مکان راضی نگه داریم؟" به یاد داشته باشید که همیشه سوال خوب بپرسید تا جواب خوب، شما را پیدا کند. شما می توانید به همراه تیم، هر کدام از یافته ها را به دید یک مشکل کاربر ببینید که در نهایت، نتایج به دست آمده از بررسی آن ها می‌تواند راهنمای شما در امر طراحی باشد و به شما نشان دهد روی چه چیزی تمرکز کنید. 

تصویر  3: اشتراک گذاری نتایج آنالیز با هم تیمی ها

بعد از گذراندن هر پنج گام وقت آن است که بر اساس یافته ها، تصمیمات هوشمندانه ای درباره ی پروژه طراحی تان بگیرید. امیدوارم این آموزش برای شما مفید واقع شده باشد. پیروز باشید.

شنیدن این اپیزود از رادیوفول‌استک را به شما پیشنهاد می‌دهیم

از بهترین نوشته‌های کاربران سکان آکادمی در سکان پلاس