كيفية استخدام تحليل البيانات لتحسين نتائج اختبارات القابلية للاشتراك

لماذا تحليل البيانات يحوّل اختبارات القابلية للاشتعال

وقد كان اختبار القابلية للتأثر منذ وقت طويل العمود الفقري للتصميم الذي يركز عليه المستخدم، ولكن خلطه مع تحليل البيانات يأخذ الممارسة من التخمين إلى الدقة، بدلا من الاعتماد فقط على ما يقوله المشاركون في الاختبار أو ما يلاحظه الميسر، يؤدي التحليلات إلى أرقام صعبة: حيث يضغط المستخدمون، وكم يترددون، وما يتخلون عنه من أخطاء، وما يُعادلون من أفكار.

وعندما تقترن الأفرقة باختبارات الاستخدام التقليدية مع تحليلات البيانات، فإنها تكشف عن أنماط قد تظل مخبأة، فعلى سبيل المثال، قد يكافح خمسة مشاركين في الاختبار مع تدفق خارجي، ولكن التحليلات يمكن أن تكشف أن 80 في المائة من المستخدمين في عينة أكبر لا تصل حتى إلى الخطوة النهائية، وهذا الفرق بين التغذية المرتدة الثابتة والدليل الإحصائي هو ما يدفعنا إلى اتخاذ قرارات التصميم الحقيقية.

فهم تحليلات البيانات في سياق اختبار القابلية للاشتراك

أما تحليل البيانات في اختبار القابلية للتداول، فهو العملية المنتظمة لاستخلاص البيانات السلوكية والبيانات عن الأداء وتجهيزها وتفسيرها أثناء اختبارات المستعملين، الأمر الذي يتجاوز مجرد الدراسات الاستقصائية أو المقابلات اللاحقة للاختبارات، ويشمل تتبع كل تفاعل يقوم به المشترك في إطار حركات الوصل بينية، وعمق التداخل، والوقت في المهمة، ومدونات الأخطاء، وحتى تتبع العين إذا كانت الأجهزة متاحة، والهدف هو تحويل سلوك المستخدمين الخام إلى مقاييس قابلة للقياس تبين بشكل موضوعي.

الاختبار التقليدي للقابلية للاستخدام كثيرا ما يُنتج ملاحظات نوعية: "الإستعمالات تبدو مشوشة من قبل الملاحة" أو "نضالهم لإيجاد حانة البحث"

توسيع النطاق: من المختبر إلى البيانات الحية

بينما تُخضع اختبارات الاستخدام في المختبرات لإنتاج بيانات نظيفة، فإن أدوات التحليل الحديثة تسمح لك بجمع البيانات السلوكية من بيئات الإنتاج الحيّة أيضاً، وكثيراً ما يُسمى هذا اختبار القابلية للاستخدام الحي، حيث تحلل التفاعلات الحقيقية للمستعملين دون مُدير، وتُسجل الأدوات مثل استكمال المُهمة المُتطوّرة، و(كلورسوفت) تلقائياً كل نقرة وارتش على موقعكم الحيّ.

فعلى سبيل المثال، يمكن لشركة من شركة ساسا التي تجري اختباراً على بيتا أن تتيح تسجيل الدورة على لوحة جديدة، ومن خلال تحليل 500 دورة مسجلة، يلاحظ الفريق أن 40 في المائة من المستخدمين يضغطون على عنصر غير تفاعلي، ويتوقعون أن يفتحوا طريقة، ولم يذكر أحد أن الإحباط في الدراسات الاستقصائية لما بعد الاختبار، وأن تحليل البيانات قد ظهر فجوة حقيقية في القابلية للتداول كانت لولا ذلك ستظل غير مرئية.

أنواع البيانات التي جمعت أثناء اختبارات القابلية للاشتراك

ولتطبيق تحليلات البيانات بفعالية، تحتاج إلى معرفة أنواع البيانات المتاحة وكيفية تفسير كل منها، وفيما يلي الفئات الرئيسية الثلاث التي لديها أمثلة على كيفية تحسين عملية صنع القرار.

بيانات الأداء الكمية

• Task Completion Rate:] Percentage of users who successfully end a task. A rate below 70% typically signals a serious design flaw.
• Time on Task:] average seconds (or minutes) needed to complete a task. Abnormally high times point to confusion or unnecessary steps.
• Error Rate:] How often users make mistakes, such as entering invalid data or hit wrong blues. A high error rate indicates unclear labels or affordances.
• Click count:] Number of interactions before success. Extraنقرs often mean users are hunting rather than navigating.

البيانات السلوكية النوعية

• المستعملون يتحدثون عن أفكارهم في الوقت الحقيقي
• Post- experiment Survey Scores:] System Usability Scale (SUS) and Net Promoter Score (NPS) give standardized benchmarks. Track these across tests to measure improvements.
• Facilitator Observations:] Notes on body language, hesitation, or verbal spect. While subjective, these observations can be coded into topics and cross-referenced with quantitative data.

بيانات التفاعل (محللي المخازن)

• Mouse Movement and Hover:] Indicates where users expect interactionivity. Hovering on a non-clickable element suggests a mismatch between visual design and functionity.
• Scroll Depth: ] Measures how far down a page users scroll before stop. Low scroll depth often means content above the fold is not engaging enough or the layleading is misleading.
• Click Maps / Heatmaps:] Visual representation of reads and taps. helps identify hot spots (most readed areas) and cold zones (elements users ignore).
• Form Analytics:] Tracks field interactions, drop-offs per field, and time spent on each field. Reveals which form fields cause abandonment.

تطبيق تحليل البيانات لتحسين نتائج اختبارات القابلية للاشتراك

جمع البيانات هو نصف المعركة فقط، القيمة الحقيقية تأتي من تحليل منهجي يؤدي إلى تغيير التصميم، ويتبع ذلك إطار تدريجي لاستخدام تحليلات البيانات لتحسين نتائج اختبار القابلية للاستخدام، سواء كنت تختبر نموذجا أوليا أو إطلاقا من البيتا أو منتجا حيا.

1- تحديد معايير النجاح القابلة للقياس قبل الاختبار

قبل أن تجري اختباراً واحداً، تقرر أي مقاييس ستحدد النجاح، بدلاً من الأهداف الغامضة مثل "تجعل الصفحة أسهل استخداماً" تضع أهدافاً محددة: "إخضاع وقت السحب من 90 ثانية إلى أقل من 45 ثانية" أو "معدل إنجاز المهمة من 60 إلى 85٪"

استخدام البيانات التاريخية من منابر التحليل (محللي غوغل أو ميكسبانيل أو الأمبلود) لوضع خطوط أساس واقعية، ولوجود سمة جديدة لا تاريخ لها، إجراء اختبار تجريبي صغير (5-10 مستخدمين) واستخدام هذه البيانات كمعيار أولي، ثم بعد إعادة التصميم، إجراء اختبار كامل ومقارنة.

2 - الدورة الآلية المكوّنة

ويلتقط تسجيلات الجلسات تلقائيا كل تفاعل، غير أن التسجيلات الأولية تولد آلاف الأحداث في اختبار الـ 30 دقيقة، وتستخدم التحليلات للتصفيح في اللحظات الحرجة: الصفحات التي يمهد فيها المستخدمون لأكثر من خمس ثوان، حيث وقعت أخطاء، أو عندما انحرف مسار الملاحة عن التدفق المتوقع، ثم راقب تلك المقاطع المحددة مع فريقكم، وهذا النهج الهجين (الاستعراض المتناثر) الذي يتبعه

على سبيل المثال، قد تضعين مرشحاً في هوتجر لتظهري فقط الجلسات التي أطلق فيها الحدث "الطيور" في حقل الزبدة" بمشاهدة عشر جلسات من هذا القبيل، تكتشفين أن حقل رمز الزبدة لا يقبل شكل "12345-6789" حتى وإن كان المستخدم يتوقع ذلك، تلك النظرة الوحيدة تقود إلى إصلاح سريع.

3- بناء تحليل الجنة في تصميم الاختبار

فالعمليات ليست فقط من أجل التحويل الأمثل - فهي قوية لاختبار القابلية للتداول، ورسم الطريق المثالي الذي ينبغي للمستعمل أن يتخذه خلال سيناريو اختباري (مثلاً، التوقيع على إضافة البند ⁇ تأكيداً)، ثم كل خطوة في الحدث، وبعد الاختبار، يُصدر تقرير عن المنافذ، أكبر تسرب بين الخطوات هو مشكلة استغلالك ذات الأولوية القصوى.

في اختبار متوسط للاستعمال، يمكنك أيضا استخدام لوحات شبكه النسيج الحي لترى في الوقت الحقيقي حيث يكافح المشاركون، هذا يجعل مدير المناقشة يتعمق خلال الدورة: "ألاحظ أنك توقفت في صفحة الشحن، ماذا كنت تتوقع أن ترى؟" إن الجمع بين بيانات الشرائط التي يقودها المحللون والمتابعة النوعية الفورية فعالة للغاية.

4 - استخدام أجهزة الاختبار في البيانات التجريبية

وعندما تجري اختبارات غير معتدلة مع عينة أكبر )١٠-٣٠ مستخدما(، تصبح الاضطرابات الحرارية قيمة، وتخلق مقياسا حراريا لجميع النقرات أثناء مهمة محددة، وإذا ما كان المستخدمون يضغطون باستمرار على عنصر غير تفاعلي، فإن هذا المجال يحتاج إلى تغيير في التصميم، سواء جعله قابلا للنقر أو يضيف شريحة بصرية، كما تكشف النقرات عن الإحباط )النقرات المتكررة المغلقة على نفس العنصر(.

فالنقاط الشائعة هو معالجة الاضطرابات الحرارية كدليل نهائي، فهي ذات اتجاه لا حصري، وتجمع دائما بين نتائج الحرق الحراري وتسجيلات الدورة لفهم سبب نقر المستخدمين أين فعلوا، وهل أساءوا قراءة العلامة؟ هل كان الزر صغيرا جدا؟ إن التحليلات توفر ما هو؛ فشعار الدورة يوفر السبب.

5- القياسات الكمية المرجعية مع عودة المستخدمين

أحد أكبر الأخطاء في اختبارات الإستخدام المُوجّهة نحو البيانات يعتمد فقط على الأرقام وتجاهل التعليقات الفظيّة، الأرقام تقول لك أن 50% من المستخدمين تخلوا عن الشكل،

على سبيل المثال، قد ترى في محلليات غوغل أن زر "إضافات إلى كارت" لديه معدل نقي مرتفع لكن منخفض في إكتمال الشاحنات، وتذكر أنه مع تسجيلات الدورة، وتعرف أن ضغط الزر يفتح العربة، لكن التقدير سريع جداً لدرجة أن المستخدمين لا يرونها ويضغطون عليها ثانيةً، وحذف البند، والبيانات وحدها لن تفسر المشكلة؛ والطبقة النوعية تكشف عن التجسس.

الاستراتيجيات الرئيسية لإدماج تحليل البيانات في تدفق اختباراتك

ولتحسين النتائج بشكل مستمر، تحتاج إلى أكثر من تحليل واحد، وتُدخل التحليلات في دورة حياتك الخاصة باختبار القابلية للاستخدام، وقد ثبتت الاستراتيجيات الواردة أدناه في المنظمات التي تستخدم منتجاتها بسرعة.

ابدأ بـ "هيوبسيس" وليس سؤال

بدلاً من سؤال "ما الخطأ في هذه الصفحة؟" يشكل فرضية محددة: "نعتقد أن خفض عدد الحقول الشكلية من ثمانية إلى أربعة سيقلل من التخلي بنسبة 20 في المائة" ثم تصميم اختبار مع مجموعات التحكم والبدائل، واستخدام التحليلات لقياس الفرق، وهذا النهج العلمي يحول دون إجراء اختبارات مفرطة ويركز على التغيرات ذات الأثر المرتفع.

استخدام الجزء لكشف دوريات خفية

ويمكن للمحللين المختلطين إخفاء الاختلافات الحاسمة، إذ قد يبدو معدل إنجاز المهمة البالغ 75 في المائة عموما مقبولا، ولكن عندما تقطعين حسب نوع المستخدم (الجديد ضد العودة، والهواتف المحمولة، والخبير ضد النفوس)، يمكن أن تكشف الأرقام عن تفاوتات حادة، وقد يكون لدى المستعملين الجدد معدل إنجاز بنسبة 40 في المائة بينما بلغ عدد المستفيدين من الخبراء 95 في المائة، مما يخبركم بأن النتائج المترابطة أكثر أهمية من غيرها من المعلومات السابقة.

الأولويات في المسائل حسب التأثير والتواتر

ويعطي تحليل البيانات لكم تواتر كل مسألة من مسائل القابلية للتداول، ولا تستحق كل مشكلة اهتماما فوريا، بل تستخدم نظاما بسيطا للتمثيل: مضاعفة عدد المستعملين المتضررين من جراء شدة الأثر (الصغير، المتوسط، الحاسم)، مثلا، خطأ بالغ الأهمية يحول دون وصول 2 في المائة من المستعملين قد يكون أقل إلحاحا من الخلط المتوسط الذي يؤثر على 60 في المائة من المستعملين، مع إعطاء الأولوية لأثام الجمهور التي سيكون لها أكبر أثر إيجابي على ذلك.

تصميمات مصممة بناء على البيانات، ثم اختبار مرة أخرى

فالتغييرات التي يقوم بها التحليل هي افتراضات، وبعد تنفيذ الإصلاح )مثلاً، نقل الزر، وتبسيط البطاقة، إضافة أداة(، وإجراء جولة أخرى من اختبار القابلية للاستخدام، ومقارنة القياسات الجديدة بخط الأساس الخاص بك، وإذا كان التحسن ذا أهمية إحصائية، توثيق التغيير والانتقال إلى الأولوية التالية، وإذا لم يكن الأمر كذلك، اتعمق في البيانات: ربما حلت المشكلة، ولكنها أدخلت عليها مرة أخرى.

تدريب فريقك على القراءة والعمل على التحليل

أدوات تحليل البيانات هي فقط جيدة مثل الناس الذين يترجمونها، الاستثمار في التدريب للمصممين ومديري المنتجات والمطورين على مفاهيم التحليلات الأساسية: تحليل الشوائب، الأهمية الإحصائية، التجزئة، تفسير الدفتر الحراري، وبدون هذا الإلمام المشترك، تخاطرون بتجاهل البيانات أو إساءة تفسيرها، وتنظمون حلقات عمل فصلية حيث يقوم الفريق بإجراء اختبار للقابلية للتداول الحي ثم تقومان معا بتحليل نواتج البيانات.

أدوات لتحليل البيانات في اختبارات القابلية للاشتعال

وقد نضجت الصورة المصورة للأدوات بشكل كبير، كما يلي قائمة مشفوعة بالأدوات التي تعمل بشكل جيد في مختلف مراحل اختبار القابلية للاستخدام، من التغذية المرتدة الأولية إلى رصد الإنتاج، ولا يوجد أي من هذه الأدوات بديلا لمحلل ماهر، ولكنها تعجل بشكل كبير بجمع البيانات والتصوير البصري.

Hotjar - Best All-in-One for Prototypes and Live Sites

ويقدم هوتجر نماذج للحرارة، وتسجيلات الدورات، والدراسات الاستقصائية، ونباتات التغذية المرتدة، وهو مفيد بصفة خاصة لاختبارات الاستخدام غير المتحركة، لأنه يمكن أن تنشئ حلقة وصل لجمع التسجيلات دون ميسر، كما أن مجموعات أدوات القفز تدق وترتجف على أي صفحة، بينما تتيح سمة التسجيل في الدورة لك إعادة تشغيل فرادى رحلات المستعملين، واستخدام خيارات التصفية لعزل الجلسات فقط التي تتطابق مع المعايير المحددة (الصفحة).

الدورة المتقدمة

وكشف كل عنصر من عناصره يستحق الاستثمار، ويمكنك البحث عن جلسات حيث قام المستعملون بتصفح جهاز معين من أجهزة البرمجيات المقطعية، ثم مشاهدة ما حدث بالضبط قبل وبعد ذلك، كما أن نظام فول ستوري يوفر أيضاً أجهزة تحليلية للصوت لا يستطيع المستعملون التفاعل مع أي شيء يمكن أن يشير إلى أن المحتوى مخفي أو متجاهل.

محلل غوغل - خط الأساس المجاني

وفي حين أن تحليلات غوغل لا توفر أداة مخصصة لاختبار القابلية للتداول، فإنها توفر بيانات قيمة لتحديد خطوط الأساس وقياس أثر تحسينات القابلية للتداول، واستخدام مهبط الخضر في رؤية مستعملي المسارات يتبعون موقعكم، ووضع أهداف لتتبع التحويل الكلي (مثل نماذج الطلبات أو المشتريات) كشرط لاستعمالها، وفي السياق النوعي، يمكن سمة " السائل المزود بالجر " من أن تُنشر في كل دورة من الأجهزة.

Egg المجنون - تقارير بسيطة عن التصورات

ويركز البيض المجنون على الاضطرابات والخرائط والتفريغات (بيانات النقر المزودة بالفلور) ومن السهل إنشاء فرق تريد الحصول على تعليقات سريعة بصرية على صفحة واحدة، مثل صفحة الهبوط أو تدفق الأشعة، ويشاهد تقرير المخروط تماماً حيث تدق أجزاء مختلفة من المستعملين، وهو أمر مفيد أيضاً لمقارنة سلوكيات الزائرين الجديدة.

النظرة - تحديث و عدم التحديث مع التحليل المتكامل

إن التطلعات تجمع بين اختبارات الاستخدام المعتدل المباشر والتسجيل وبعض السمات التحليلية، ويمكنك إجراء اختبار معتدل، والقيام تلقائياً بالكشف عن اللحظات التي يتردد فيها المشارك أو ينقرها بسرعة، ويمكنك خلال الدورة إضافة ملاحظات مدروسة زمنياً، وبعد ذلك، تولد النظرة الخلفية حلقة تسلط الضوء على أكثر اللحظات إثارة للاهتمام استناداً إلى بيانات التفاعل، وهذه الأداة ممتازة بالنسبة للأفرقة التي تريد الاحتفاظ بسجلات البشرية.

Microsoft Clarity - Free Alternative with Heatmaps and Recordings

إذا كانت الميزانية قيداً، فإن (مايكروسوفت كلاريتي) يقدم حركات غير محدودة وسجلات جلسات مجاناً، وتشمل سمات مثل خرائط النقر وخرائط الصلصة وتتبع النقرة الميتة، كما أن الوضوح يُظهر "نقرات الغضب" و"المستعملون الذين يغادرون الصفحة بسرعة" بينما الواجهة أقل مهذبة من المنافسين، فإن عدم وجود البيانات هو أمر متين،

الشلالات المشتركة إلى تجنب عندما تستخدم التحليلات في اختبارات القابلية للاستعمال

تحليل البيانات قوي، ولكن إساءة تطبيقه يمكن أن تؤدي إلى استنتاجات خاطئة، وهنا أخطاء ترتكبها حتى الأفرقة ذات الخبرة، وكيفية تجنبها.

إشهاد العلامة الإحصائية

ويمكن أن تؤدي أحجام العينات الصغيرة إلى اتجاهات مضللة، وإذا رأيتم نسبة 10 في المائة من حالات التسرب في نفق على أساس 20 مستخدما فقط، فإن ذلك قد يكون ضجيجا، ويحسبون دائما فترات الثقة أو يستخدموا أطر الاختبارات A/B التي تبلغ عن أهميتها، وبالنسبة لفحوصات القابلية للاستخدام، فإن عينة من 30 مستخدما على الأقل في كل جزء توفر لكم بيانات كافية عن القياسات الموثوق بها مثل معدل إنجاز المهام (بها 10 في المائة).

الاعتماد المفرط على متر واحد

وقد يكون معدل إنجاز المهام مرتفعا، ولكن الوقت في المهمة يمكن أن يكون بطيئا، أو قد تكون النقرات منخفضة، ولكن درجات الرضا ضعيفة، واستخدام سجل متوازن لقياسات القياس (الكمال، والكفاءة، ومعدل الخطأ، والارتياح) للحصول على صورة كاملة، وإذا تحسنت متر واحد بينما تسوء أخرى، فإن التحقيق في السبب، فالإعادة إلى التصميم التي تسرع في الخروج، ولكنها تسبب هجرة أعلى، ليست ربحا صافيا.

تطابق مع السخرية

وقد يُظهر الاختلاط الحراري أن المستعملين يضغطون على صورة معينة في كثير من الأحيان، مما يدفعكم إلى الاعتقاد بأنها مُضَتَجة، ولكن ربما يُنقرون لأنّهم يتوقعون أن يكون زراً، ثم يُحبطون، ويؤكّدون دائماً تسجيلات الجلسات أو تعليقات المستخدمين.

إغفال الأثر المُتَمَرِّس

وفي اختبارات معتدلة، يمكن أن يؤثر وجود الميسر على مستخدمي السلوكيات على نحو أكثر دقة أو يحاول إرضاء مدير المناقشة، وعند الاعتماد على البيانات الكمية المستمدة من هذه الدورات، يقارنها ببيانات غير متطورة (عن بعد) من عينات أكبر، وإذا كان الوقت المخفف للعمل هو نصف الوقت غير المتطور، فإن المستعملين قد يسرعون بسبب الحكم المتصور.

الاستنتاج: إجراء اختبار قابلية استخدام البيانات والقابلية للتداول

ولا يتطلب إدماج تحليل البيانات في اختبار القابلية للتداول ميزانية ضخمة أو فريقاً مخصصاً لعلوم البيانات، والبدء في مرحلة صغيرة: اختيار متر واحد (مثل معدل إنجاز المهام) وأداة واحدة (مثلاً هوتجر أو كلاريتي) لاختباركم التالي، وجمع بيانات خط الأساس، وتحليل النتائج، وإجراء تغيير تصميمي واحد، وقياس الفرق، وإعادة ترتيب تلك الدورة إلى أن تصبح ذات طبيعة ثانية.

كما تبنى الثقة، وتطبق تقنيات أكثر تقدما: تحليل الشظايا، والتجزؤ، واختبارات A/B للتحسينات في القابلية للتداول، النتيجة هي حلقة تغذية مرتدة تدعم فيها كل قرار تصميمي بسلوك مستخدم حقيقي، وليس مجرد حدس، وتضع الأفرقة التي تعتمد هذه المنتجات التي يسهل استخدامها بشكل ملحوظ، وتولد أقل تذاكر دعم، وتدفع معدلات تحويل أعلى، ولا تحل محل البيانات محل التعاطف الإنساني الذي تقوم به في اختبار القابلية للاختبار؛

لمزيد من القراءة عن إدماج الأساليب الكمية في بحوث المستخدمين، انظر دليل مجموعة نيلسون نورمان بشأن أساليب الاستخدام الكمي، لمعرفة المزيد عن دورات إعادة تحليل التحليل، قراءة ]