Table of Contents

Data Analytics Neden Kullanılabilirlik Testlerini Dönüştürüyor

Usability testing uzun zamandır kullanıcı merkezli tasarımının arka kemiği olmuştur, ancak verileri analiz etmek için uygulamayı hassaslığa yönlendirmek gerekir. Test katılımcıların sadece ne söylediğini veya kolaylaştırıcı gözlemler yaptığını güvenmek yerine, analizler zor sayılarda getirir: kullanıcıların hangi yolları terk ettikleri, hangi hataları tekrarlar.Bu füzyon doğrudan sürtünmeyi azaltıp dönüşüm oranlarını artırmak için ham test seanslarını döndürür.

Takımlar veri analizi ile geleneksel kullanılabilirlik testleri eşlerken, aksi takdirde saklı kalabilirler. Örneğin, beş test katılımcısı bir çek akışıyla mücadele edebilir, ancak analizler, bu nedenle, kullanıcıların% 80'i daha büyük bir örnekle ilgili olarak, gerçek tasarım kararları verenler arasındaki farklar ortaya çıkabilir.

Veri Analytics'i Usability Testlerinin Eşlemesini Anlayın

Kullanılabilirlik testlerinde veri analizi, ele alma, işleme ve kullanıcı testleri sırasında davranışsal ve performans verilerini yorumlamaktır. Bu, bir arayüz içinde her etkileşimi takip eder ve bir katılımcının bir arayüz içinde yaptığı her etkileşimi içerir - görev, hata kodları, ve hatta donanım mevcutsa göz izleme.

Geleneksel kullanılabilirlik testleri genellikle niteliksel gözlemler verir: “Kullanıcılar navigasyon tarafından karıştırılmış gibi görünüyordu” veya "Arama çubuğunu bulmaya çalıştılar."

Kapsama Genişleme: Lab'dan Canlı Data

Bir laboratuvar ortamındaki kullanılabilirlik testleri temiz veriler üretirken, modern analiz araçları, canlı üretim ortamlarından davranışsal verileri toplayabileceğinizi sağlar. Bu genellikle canlı usability test olarak adlandırılır, moderator gibi gerçek kullanıcı etkileşimleri analiz ettiğinizden, FullStory ve Microsoft Clarity her tıklama ve kaydırmaya çalışırken, kullanıcıların bir form doldurmaları veya satın almaları gibi binlerce kullanıcıdan haberdar olmanızı sağlar. Ancak dikkatli segmentasyon, sıcak göz önünde bulundurmanız gerekir.

Örneğin, bir SaaS şirketi beta testi çalıştırıyor, oturum kaydı yeni bir panoda özelliğiyle etkinleştirebilir. 500 kayıt seansı analiz ederek, kullanıcıların %40'ının non-interaktif bir elemente tıkladığını, test sonrası anketlerde hayal kırıklığı yaratmasını bekleyebiliyor.

Veri türleri Kullanılabilirlik Testleri sırasında Toplandı

Veri analizini etkili bir şekilde uygulamak için, hangi tür verilerin mevcut olduğunu ve her birini nasıl yorumlayabildiğini bilmeniz gerekir. Aşağıda karar verme örnekleri ile üç birincil kategori vardır.

Quantitative Performance Data

  • [[0)Task Tamamlama Puanı:[Dönetici:[Dönetici:0)[0]Task Tamamlama Puanı:[Dönetici:[Dönetici: 1 ) Bir görev başarıyla bitiren kullanıcıların Yüzde 70'i genellikle ciddi bir tasarım kusuru gösterir.
  • [FONT:0) Görevde Zaman:[Dönem:[Dönemli: 0,3) Bir görev tamamlamak için ortalama saniyeler (veya dakika) gerekir.
  • [FONT:0)Error Puanı:[[Dönetici:[Döneticileri)[değiştir | kaynağı değiştir] Kullanıcılar, geçersiz verilere girmek veya yanlış düğmelere vurmak gibi hataları ne sıklıkta yapar. yüksek bir hata oranı belirsiz etiketler veya tutarlar gösterir.
  • [[Dönem:0)Click Count:[Döneticileri başarıdan önce değiştir] Ekstra tıklamalar genellikle kullanıcıların navigating yerine avlanması anlamına gelir.

Qualitative Davranışsal Data

  • [FONT:0)Düşün-Aloud Transcripts:[Döneticiler gerçek zamanlı düşüncelerini konuşurlar. Text mining these transcripts can define tekrarlayan anahtar kelimeler "trusted" veya "yer" olarak tanımlanabilir.
  • [FONT=0)Post-Test Anket Puanları: [Dönetici: Sistemi Usability Scale (SUS) ve Net Promosyon Puanı (NPS) bu testleri iyileştirmeleri ölçmek için standartlaştırılmış kriterler verir.
  • [FONT:0)Faciliteator Gözlemler:[Dönetici dili, tereddüt veya sözlü nefesler.Yetersizce, bu gözlemler temalara ve çapraz-referanslara göre kodlanabilir.

Etkileşim Verileri (Behavioral Analytics)

  • [FONT:0)Mouse Hareketi ve Hover:[Dönetici:[Döneticileri geçici olarak beklediği Indicates. Hovering on a non-screenable element, görsel tasarım ve işlevsellik arasında yanlış bir eşleşme önerir.
  • [FONT:0)Scroll Derinlik:[Dönetici:[Dönetici:0)Scroll Derinlik:[Dönetici:[Dönetici: 0)) Önlemler, bir sayfadan önce bir sayfanın aşağı doğru kaydırdığı ölçüler. Lowroad derinliği genellikle kattan yukarıdaki içerik yeterince meşgul değildir veya düzen yanıltıcı değildir.
  • [[Düzg:0)Click Maps / Heatmaps:[Dönler ve musluklar Görsel gösterimi. Sıcak noktaları (en çok tıklanmış alanlar) ve soğuk bölgeleri (elements kullanıcıları görmezden gelir).
  • [FONT:0)Form Analytics:[Döneticileri:[Döneticileri, alan başına düşenler ve her alanda harcanan zaman.

Veri Analytics'i Usability Test Çıktılarını Geliştirmek için Uygulamalı

Verilerin toplanması sadece savaşın yarısıdır. Gerçek değer, tasarım değişikliklerine yol açan sistematik analizlerden gelir. Aşağıda, veri analizinin biziability test sonuçları için bir adım adım çerçevesidir, bir prototip test olup olmadığınız, bir beta serbest bırakılması veya canlı bir ürün.

1. Testten Önce ölçülebilir Başarı Kriterleri Tanımlayın

Tek bir test yapmadan önce, hangi ölçümlerin başarı tanımlayacağına karar verin. "kullanıcı hedefler kullanmak" gibi belirsiz hedefler yerine, belirli hedefler: "Reduce ortalama checkout time from 90 saniye to under 45 saniye" veya "Increase task tamamlama oranı% 60 ila% 85'den% 85'e kadar. Bu kriterler, analizlerinizi bir amaç haline getirir ve ROI'yi kullanılabilirlik iyileştirmeler konusunda ölçmenize izin verir.

Analiz platformlarından tarihsel verileri kullanın (Google Analytics, Mixpanel veya Amplitude) gerçekçi temelleri belirlemek için. Yeni bir özellik için tarih olmadan, küçük bir pilot test (5-10 kullanıcı) çalıştırın ve bu verileri ön bir kriter olarak kullanın.

2. Manual Gözlem Kaydı ile Otomatik Oturum Kaydı

Oturum kayıt araçları otomatik olarak her etkileşimi ele alır. Ancak, ham kayıtları ezicitir - 30 dakikalık bir test, kritik anlar için filtre oluşturabilir: kullanıcıların beş saniyeden fazla süre boyunca nerede durduğu veya navigasyon yolu, bu özel klipleri ekibinizle izlemek.Bu hibrit yaklaşım (kuygun incelemeler) saatlerini kaydetmek ve en etkili haftalar boyunca takip eden sayfaları izlemek.

Örneğin, Hotjar'da bir filtre oluşturabilirsiniz, sadece olayı "error field zipcode" nın on böyle seansları izleyerek, zip kodu alanının "12345-6789" biçimini kabul etmediğini keşfedin.Bu tek bir anlayış hızlı bir doğrulama düzeltme yapar.

3. Test Tasarımlarına Funnel Analizi Oluşturun

Funnels sadece dönüşüm optimizasyonu için değil - test için güçlüler. Haritada ideal bir kullanıcı test senaryosu sırasında almalı (örneğin, → ek öğe ekleyin - checkout → onaylayın). sonra testin ardından her adım bir eğlenceli rapor oluşturun. adımlar arasında en büyük düşüş bizizorite probleminiz.

Ortada kullanılabilirlik testi, katılımcıların mücadele ettiği gerçek zamanda görmek için canlı eğlence panolarını da kullanabilirsiniz. Bu, moderatör prototipinin oturumda daha derin bir şekilde daha derinleşmesine izin verir: "Kaynakda ne görmeyi beklersiniz?"

4. Aşırı Test Data için Heatmaps kullanın

Daha büyük bir örnekle sınırsız testler çalışırken (10-30 kullanıcı), ısımaps "akıl tıklama" (rapama aynı öğede tekrarlanan tıklamalar) anlamına gelir. Kullanıcılar sürekli olarak bir tasarım değişikliğine ihtiyaç duyarsa, bu alan bir görsel cue'ye tıkılabilir veya ekleyebil. Heatmaps ayrıca "akış tıklamaları" ortaya koyar (rapid tekrarlanan tıklamaları aynı öğede tekrarlanır).

Ortak bir pitfall, ısımaps'ı kesin bir kanıt olarak tedavi ediyor. Onlar yön verici değil, kesin değil. Her zaman kullanıcıların neden yaptıklarını anlamaları için oturum kayıtları ile ısımap bulguları birleştirdiler.Pekleleri yanlış mı yazdılar?The Selection provided the Düğme too small?The Analytics provides the what; the session klibi provides the why.

5. Kullanıcı Geri bildirimleriyle Cross-Reference Quantitative Metrics

Veriye dayalı kullanılabilirlik testlerinde en büyük hatalardan biri yalnızca sayılara ve sözlü geri bildirime dayanıyor. Sayılar, kullanıcıların% 50'sinin formdan ayrıldığını söylüyor; geri bildirimler size “Continue” düğmesine gri ve inaktif görünüyor.Her zaman triangulate gibi bir araç kullanın. hem ekran hem de katılımcının sesini görmezden gelin ve sonra duygusal yanıtları belirli etkileşim noktalarına haritalamanızı sağlayın.

Örneğin, Google Analytics'de "Ek toplay" düğmesine ek olarak, yüksek tıklama oranına sahip olabilir, ancak düşük kart eki tamamlama.Git kayıtları ile oturum kayıtlarını keşfedin.Bu düğmeye tıklayarak, kullanıcıların tekrar görmediği kadar hızlı olduğunu görebilirsiniz, öğeyi kaldırmayın.The data only would explain the Animation bug.

Data Analytics'i Test Çalışma Akışına entegre etmek için anahtar stratejiler

Sürekli olarak sonuçları geliştirmek için, tek bir çıkış analizine ihtiyacınız var. Tüm kullanılabilirlik test yaşam döngüsüne analitik olun. Aşağıdaki stratejiler gemi kullanıcı dostu ürünler hızla kanıtlanmış kuruluşlarda kanıtlanmıştır.

Bir hipotezle başlayın, Bir Soru Değil

Sorulması yerine, "Bu sayfa ile neyin yanlış?" belirli bir hipotez oluşturur: "Dördüncüden sekiz ila dört form alanını azaltmanın, kontrol ve değişken gruplarla bir test tasarlamasına inanıyoruz. Bu bilimsel yaklaşım, aşırı test ve aşırı yükleme değişiklikleri önlemeye yardımcı olur.

Gizli Desenler İçin Segmentasyon Kullanın

Aggregated Analytics önemli farklılıkları gizleyebilir.Genel olarak% 75 oranında genel olarak seslenebilir, ancak kullanıcı tipi tarafından segmente (yeni vs. geri dönüş, mobil vs. masaüstü, uzman vs. novice), belirli sayıların yıldıza dispariteleri tespit etmesi için. Yeni kullanıcılar% 95 oranında bir tamamlanma oranına sahip olabilir.Bu size arayüz önceden bilgi için çok ağır basabilir. Segment your usability test results by related Dimension (device, tarayıcı, kullanıcı rolü)

Önceki İçerikleri Etki ve Frekansla

Veri analizi size her bir kullanılabilirlik sorununun frekansı verir. Her problem acil dikkati hak etmez. Basit bir puanlama sistemi kullanın: etkilenen kullanıcıların sayısını etkinin şiddetine (minor, orta, kritik) Örneğin, kullanıcıların% 2'si için kontrol edilen kritik bir hata, kullanıcıların% 60'ını etkileyen bir karışıklıktan daha az acil olabilir.

Veriye dayalı tasarımlar, sonra tekrar test edin

Analytics-güdümlü değişiklikler kendilerini hipotezler. Bir düzeltmeyi yaptıktan sonra (örneğin, bir düğmeye hareket etmek, bir etiket eklemek, bir araçtip ekledik), başka bir yuvarlak kullanılabilirlik testi yürütmek ve yeni metrikleri temelinize kıyasla karşılaştırmak ve bir sonraki önceliğinizi belgelemek.Eğer olmasın, bir sonraki verilere daha derin bir şekilde hareket etmek: belki de bir sorunu çözmüş bir problemin başka bir kısmını ortaya koyar.Bu iteratif döngüyü – test etmek, analiz etmek, tekrar test etmek – olgun usability analizi, analiz etmek, analiz etmek, analiz etmek, test etmek, tekrar test etmek.

Ekibiniz Analytics hakkında bilgi ve bilgi için bilgi ve bilgi için

Veri analizi araçları sadece insanları yorumlayan insanlar kadar iyidir. Tasarımcılar, ürün yöneticileri ve temel analitik kavramlar hakkında geliştiriciler için eğitimde araştırma yapmak: eğlenceli analiz, istatistiksel önem, segmentasyon ve ısımap yorumu. Bu paylaşılan okuryazarlığı olmadan, takımın canlı bir usability testi yaptığı veya kolektif olarak analiz ettiği atölyeleri çalıştırın.

Veri Analytics için Araçlar

Aracın peyzajı önemli ölçüde olgunlaşmıştır. Aşağıda, farklı kullanılabilirlik testlerinin farklı aşamalarında iyi çalışan bir araç listesidir, prototip geri yüklemeye geri dönülemez.Bu araçların hiçbiri yetenekli bir analist olarak değil, ancak dramatik bir şekilde veri toplama ve görselleştirmeyi hızlandırırlar.

Hotjar – En İyi Tüm - Bir Prototip ve Canlı Siteler için

Hotjar ısımaps, seans kayıtları, anketler ve geri bildirim widgets sağlar. Özellikle belirli kriterleri (örneğin, bir hata veya bir sayfada 10 saniyeden fazla harcamaya çalışan kullanıcılar) için filtreleme seçenekleri kullanın. Sıcakjar ayrıca eğlenceli bir şekilde sunar: oturum kaydı özelliği, belirli adımları tekrar oynatabilirsiniz (örneğin, belirli kriterleri (örneğin, bir hatayı tetikleyen veya bir sayfadaki 10 saniyeden fazla harcanan kullanıcılar).

FullStory – Advanced Session Replay ve Analytics

TamStory kayıtları sitenizdeki her etkileşim ve her elementin aramasını yapar. "akış tıklama" algılaması yalnızca yatırıma değerdir. Kullanıcılar belirli bir CSS seçici olarak tıkladığı oturumlar için arama yapabilirsiniz, sonra tam olarak daha önce olanları izleyin (omission) ve sonrasındaki tüm bilgiler "omission" analizi sağlar - kullanıcıların hiçbir zaman etkileşime giremediği sayfanın parçaları - bu içeriğin gizli veya görmezden gelindiğini gösterebilir.

Google Analytics – Free Davranışal Baseline

Özel bir kullanılabilirlik test aracı olmasa da, Google Analytics, veri tabanları oluşturmak ve kullanılabilirlik geliştirmelerinin etkisini ölçmek için paha biçilmez bir veri sağlar.Bu durumda, kullanıcıların sitenizdeki izlemelerini ve veri toplamalarını makro-konversiyonları ( form teklifleri veya satın alma gibi) takip etmek için kullanım kolaylığı sağlar.For kalitatif bağlamda, bireysel seansları takip etmek için "Kullanıcı-ID" özelliği ve sonra kullanıcı düzeyindeki verileri, tabloda daha derin analiz için makro-konversiyonları veya SQL ile birlikte ekleyin.

Çılgın Yumurta – Basit Görsel Raporlar

Çılgın Yumurta ısımaps, kaydırma haritaları ve konfetti raporlarına odaklanır (color-coded erişim verileri ile karşılaştırılır).Yeni gelen ziyaretçi davranışları karşılaştırırken, bir iniş sayfası veya çekout akışı gibi hızlı bir görsel geri bildirim isteyen takımlar için idealdir.

Geri dönüş – Tümleşik Analytics ile Moderated and Unmodeed with Integrated Analytics

Geri dönüş, kayıt ve bazı analitik özelliklerle canlı olarak algılanabilir. Bir orta test çalıştırabilirsiniz ve katılımcının tereddüt veya tıklama anlarını hızla yakaladığı takımlar için otomatik olarak geri dönebilirsiniz. Oturum sırasında, zaman kesinti notları ekleyebilirsiniz.Returnback, etkileşim verilere dayanan en ilginç anlarla bir vurgu oluşturabilir.Bu araç, insan dokunuşunu korumak isteyen ekipler için mükemmel ancak yine de analitik metadata bulabilirsiniz.

Microsoft Clarity – Heatmaps ve Records ile Free Alternative

Bütçe bir kısıtlamaysa, Microsoft Clarity sınırsız ısımaps ve oturumu ücretsiz olarak kayıt sağlar.Sekiz haritalar gibi özellikler içerir ve "ölü tıklama" izleme. Clarity ayrıca yüzeyler "akılış tıklamaları" ve "sayır" (kullanıcılar sayfayı hızla terk ederlerken).

Kullanılabilirlik Testinde Analytics kullanırken Common Pitfalls

Veri analizi güçlüdür, ancak yanlış sonuçlar doğurabilir. İşte deneyimli ekiplerin bile yaptığı hatalar ve onlardan nasıl kaçınılacağı.

İstatistiksel İşareti Ignoring

Küçük örnek boyutları yanıltıcı eğilimler üretebilir.Eğer sadece 20 kullanıcıdan oluşan bir eğlencede% 10 düşüş görürseniz, bu gürültüyü hesaplayabilir.Her zaman güven aralıklarını hesaplar veya rapor önemini içeren A/B test çerçevelerini hesaplar. For usability tests, a example of at least 30 users per Segment allows you enough data for task completed rate (With a marj of error of the 10%).

Bir Metrike Üzerinden Fazladan

Görev tamamlanma oranı yüksek olabilir, ancak görev zamanı bir başka kötüleşirse, kontrolden vazgeçen bir yeniden tasarım nedenlerinin zayıf olduğunu araştırın. metrics (completion, verimlilik, hata oranı, memnuniyet) tamamen bir resim elde etmek için.Eğer bir metrik daha kötüleşirse, kontrolden vazgeçen bir yeniden tasarlamak neden olur. daha yüksek bir kart terketmez.

Causation ile korelasyon

Bir ısımap, kullanıcıların sık sık belirli bir görüntüye tıklamalarını gösterebilir, sizi ilgi çekici bir şekilde düşünmenize yol açabilir.Ama belki de bir düğme olmasını beklerler ve sonra her zaman oturum kayıtları veya kullanıcı geri bildirimleriyle onay verirler.Data Analytics size desenler verir; [DDDDDD:0why).

Moderatör Etkisini Neglecting the Moderator Etkisi

Orta testlerde, kolaylaştırıcının varlığı davranışı etkileyebilir - kullanıcılar daha dikkatli davranabilir veya bu seanslardan sayısal verilere güvendiğinde, karşılaştırmaz (remote) verileri daha büyük örneklerden karşılaştırır.

Sonuç: Veri-Driven Usability Test A Habit

Veri analizinin usability testine entegre edilmesi, büyük bir bütçe veya özel bir veri bilimi ekibi gerektirmez. Küçük başlayın: ikinci doğa haline gelene kadar bu döngüyü tekrarlayın.

Güven inşa ettiğinizde, daha gelişmiş tekniklerde katman: eğlenceli analiz, segmentasyon ve A /B kullanılabilirlik iyileştirmelerin test edilmesi. Sonuç, her tasarım kararının gerçek kullanıcı davranışı tarafından desteklendiği bir geri bildirim döngüsüdir, sadece sezginizi benimsemeyen Teams.

Kullanıcıların araştırmalarına sayısal yöntemler entegre etmeyi daha fazla okuma için, seanstaki TamamStory blogu ve UX için eğlenceli bir analiz için bir adım adım adım adım adım adım adım adım adım atarak, oturum tekrarlama analizini öğrenmek için, [[Dönetici:2|Story blogu bizimle ilgili olarak okuyun.[FLD:2).