Naast algoritmen, A/B-testen en data-analyse, is het doel van datavisualisatie om het begrip van de gebruiker te ontwikkelen door een betere benadering van de verzamelde data te hanteren.
Binnen een bedrijf is het soms moeilijk voor teams om de gegevens die ze ontvangen te begrijpen en te analyseren: A/B-tests, marktonderzoek, enquêtes...
Waar moeten we dan rekening mee houden in deze massa data en hoe kunnen we die exploiteren?
Om te begrijpen wat datavisualisatie is, zullen we de eliminatie doornemen door eerst te laten zien wat het niet is, en vervolgens zullen we uitleggen hoe datavisualisatie de gebruikerservaring kan verbeteren.

Mythe 1: Bij data draait alles om cijfers

De analyse van de activiteit op een site wordt over het algemeen weergegeven door numerieke indicatoren zoals het aantal bezoeken, de tijd die de gebruiker op de site doorbrengt, uitgaande klikken. In deze gevallen zijn de cijfers een eenvoudige manier om iemands gewoonten te transcriberen.
Het is echter misschien niet zo nuttig en betrouwbaar als men zou denken. Inderdaad, analytische studies kunnen niet alle antwoorden geven op menselijk gedrag, dat soms subjectief is en per persoon verandert: wat voelt de gebruiker? Wat sprak hem het meest aan aan de interface? Waarom zal hij haar aanbevelen?
Net als in sociale studies en geneeskunde, worden kwalitatieve studies niet als veilig beschouwd. Hetzelfde geldt voor datavisualisatie. De enige echte gegevens die in aanmerking kunnen worden genomen, zijn de sporen die gebruikers hebben achtergelaten, ongeacht de bron.

Mythe 2: Gegevens zijn objectief

Kwantitatieve gegevens zijn over het algemeen benchmarks die acties weerspiegelen. Deze gegevens worden vervolgens door machines verzameld en niet door mensen. Aangezien dit onbetwistbare feiten zijn, hebben deze gegevens meestal meer gewicht.
Zelfs als de hoeveelheid gegevens enorm is, moet deze echter niet als volledig objectief worden beschouwd, want zelfs als deze door machines worden verzameld, blijven ze door mensen geïnterpreteerd (waar fouten mogelijk zijn).
Gegevens van sociale netwerken tonen bijvoorbeeld alleen de actie van bepaalde soorten populaties: abonnees op Twitter of Facebook die bepaalde hashtags gebruiken, fans en volgers van een pagina... Met andere woorden, mensen die ermee instemmen om deel te nemen aan een onderzoek komen overeen met een minderheid en weerspiegelen niet de gehele bevolking. Door deze gegevens als ware waarheden te beschouwen, vervallen we uiteindelijk in vooroordelen.
Net als bij het onzekerheidsprincipe van Heisenberg kunnen de resultaten veranderen door simpelweg het onderwerp te observeren. De omgeving kan neutraal zijn, het gedrag van de gebruiker kan worden veranderd doordat het wordt geobserveerd. Er zijn maar weinig onderzoeken die de gebruiker echt de mogelijkheid bieden om zich puur en eenvoudig uit te drukken. Dit is ook het geval bij kwantitatieve onderzoeken waarbij gedrag kan worden veranderd afhankelijk van hoe de vragen worden gesteld.

Daarnaast zien we verschillen in gedrag als we op afstand uitgevoerde onderzoeken en interviews met een waarnemer vergelijken. Mensen hebben de neiging om iets positievere indrukken te geven wanneer ze met een waarnemer zijn dan wanneer ze naar huis gaan.
Gegevens, groot of klein, kunnen niet 100% veilig zijn. Ze hebben hun grenzen en vooroordelen kunnen hun interpretaties wijzigen.

Mythe 3: Groter is beter

Deze rage voor Big Data suggereert de kracht om de grootste geheimen van de mensheid te onthullen en de toekomst te voorspellen. Toegegeven, soms geldt als het om gegevens gaat, hoe meer informatie, hoe beter.
Dit geldt ook bij het omgaan met subjectieve elementen, zoals emoties op basis van persoonlijke ervaringen: hoe meer antwoorden er zijn, hoe zekerder de gegevens kunnen zijn.
Als we groter denken, hebben we de neiging om naar veel statistieken te kijken. Maar de enorme hoeveelheid data is ook een kwestie van diversiteit en bij uitbreiding van diverse bronnen.
Je kunt niet verwachten dat je alle antwoorden krijgt die je wilt over gebruikersgedrag door alleen maar naar de cijfers te kijken. Alle verzamelde gegevens, kwalitatief en kwantitatief, moeten worden gebruikt om zowel de ontwikkeling als het uiterlijk van een product te verbeteren. Het gaat meer om het creëren en classificeren van de elementen die in een logische volgorde zijn verzameld om ze te meten, te begrijpen en een pad te bepalen dat moet worden gevolgd.
Gegevens uit verschillende bronnen geven een genuanceerder beeld dat leidt tot een consistent resultaat.
Hoe groter hoe beter. Hoe groter, hoe beter.

Mythe 4: Gegevens zijn alleen voor managers (niet voor ontwerpers)

Feiten worden vaak gebruikt om beslissingen in het ontwerp van sites of applicaties te valideren.
Het is soms verleidelijk om deze gegevens te gebruiken ter onderbouwing van een eigen mening, een persoonlijke keuze of om conflicten tussen teams op te lossen. Het gebruiken als feitelijk bewijs is een klein deel van de doelen van datavisualisatie. Als u datavisualisatie in ontwerp gebruikt, zijn er 3 manieren om dit te benaderen:

• Het gebruik van data voor productverbetering staat gelijk aan itereren.
• Haal gegevens op in een bepaalde periode, volgens versiewijzigingen of zelfs door jezelf te vergelijken met concurrenten.
• Het gebruik van data betekent het analyseren van verschillende onderzoeken om nieuwe patronen en trends te ontdekken.

Gegevens worden gesorteerd op basis van verwachtingen, daarom zullen een manager en een UX Designer verschillende soorten gegevens analyseren.
Elk team heeft zijn eigen referenties en heeft geen kennis van de gegevens van de andere teams. Datavisualisatie gaat niet alleen over het arbitreren van goed en kwaad, het gaat over het verbeteren en ontdekken van nieuwe mogelijkheden. Het is een nieuwe manier om de gebruiksgewoonten van mensen via technologie te begrijpen.

Mythe 5: Data-analyse is een rem op innovatie

Analytics wordt in zekere zin gezien als de antithese van innovatie. Dit is op 3 manieren te verklaren:

1. De verzamelde resultaten gebruiken we achteraf. Hoewel ze helpen bij het ontdekken van nieuwe patronen en trends, helpen ze niet bij het voorspellen van gedrag.
2. Datavisualisatie gaat meer over methodologie dan over strategie. Kwantitatieve onderzoeken in verband met A/B-testen kunnen nuttig zijn om fouten te corrigeren of verbeteringen aan een product aan te brengen, maar ze laten niet toe om een ​​unieke gebruikerservaring te creëren.
3. De verzamelde gegevens zijn niet slechts het topje van de ijsberg. Als we weten waar gebruikers hebben geklikt en hoe vaak ze hebben gescrolld, kunnen we bepalen hoe we een product moeten maken. Maar ze voegen niet veel toe aan de gevoelens van de gebruiker over het ontwerp, hun drijfveren, hun verwachtingen of hun gevoelens.

Er is noodzakelijkerwijs een nut voor de accumulatie van deze gegevens. Het probleem zijn niet de gegevens zelf, maar hoe ze worden gebruikt.

Mythe 6: Er is maar één juiste manier om data te gebruiken in ontwerp

In werkelijkheid is er geen enkele algemene regel die voor elk team kan werken. Een paar methodieken kunnen echter relatief goed werken:

• Gebruik data uit verschillende bronnen: doelgroepanalyse, A/B-tests, sociale media, klantenservice, gebruikerstests, etc.
• Houd rekening met de context waarin de testen worden uitgevoerd. Wat het type test ook is, de context heeft soms invloed op feedback van gebruikers, het is belangrijk om deze te begrijpen.
• Zorg ervoor dat de gegevens rekening houden met de gemoedstoestand van de geteste personen. Hiervoor worden referentiegemiddelden gebruikt.
• Gebruik gegevens om veranderingen in gewoonten en behoeften bij te houden, nieuwe patronen te verkennen en problemen dieper te onderzoeken.
• Bepaal het type gegevens dat nuttig is voor het tekenen van definitieve resultaten.
• Creëer een manier om met de teams te delen en uit te wisselen over wat er is verzameld en reflecteer samen op een gemeenschappelijke basis.

Het gebruik van data moet verder gaan dan algoritmen, gebruikerstests of doelgroepanalyse. Het doel is om deze gegevens te gebruiken om een ​​beter inzicht te krijgen in gebruikersgewoonten.
Thierry Andrianalisoa - DA @UX-Republic