Visualização de dados em design

Além de algoritmos, testes A/B e análise de dados, o objetivo da visualização de dados é desenvolver a compreensão do usuário, adotando uma abordagem melhor dos dados coletados.
Dentro de uma empresa, às vezes é difícil para as equipes entenderem e analisarem os dados que recebem: testes A/B, pesquisas de mercado, pesquisas...
Então, o que devemos levar em conta nessa massa de dados e como podemos explorá-la?
Para entender o que é visualização de dados, passaremos pela eliminação mostrando primeiro o que não é, depois explicaremos como a visualização de dados pode melhorar a experiência do usuário.
????????????

Mito 1: Dados são tudo sobre números

A análise da atividade em um site geralmente é representada por indicadores numéricos, como número de visitas, tempo gasto pelo usuário no site, cliques de saída. Nesses casos, os números são uma forma simples de transcrever os hábitos de uma pessoa.
No entanto, reduzir os hábitos de milhões de pessoas a alguns números pode não ser tão útil e confiável quanto se poderia pensar. De fato, os estudos analíticos não podem fornecer todas as respostas relativas ao comportamento humano, que às vezes é subjetivo e muda de acordo com o indivíduo: Qual é o sentimento do usuário? O que mais o atraiu na interface? Por que ele a recomendaria?
Assim como nos estudos sociais e na medicina, os estudos qualitativos não são considerados seguros. O mesmo vale para a visualização de dados. Os únicos dados reais que podem ser considerados são os rastros deixados pelos usuários, qualquer que seja a fonte.

Mito 2: Dados são objetivos

Os dados quantitativos são geralmente benchmarks que refletem as ações. Esses dados são então compilados por máquinas e não por pessoas. Por serem fatos indiscutíveis, esses dados costumam ter mais peso.
Mesmo que a quantidade de dados seja enorme, não deve, no entanto, ser considerada como completamente objetiva, porque mesmo que sejam coletados por máquinas, eles permanecem interpretados por humanos (onde o erro é possível).
Por exemplo, os dados das redes sociais mostram apenas a ação de determinados tipos de populações: assinantes no Twitter ou Facebook que usam determinadas hashtags, fãs e seguidores de uma página... Ou seja, as pessoas que concordam em participar de um estudo correspondem a um minoria e não refletem toda a população. Ao tomar esses dados como verdades verdadeiras, acabamos caindo em preconceitos.
Tal como acontece com o princípio da incerteza de Heisenberg, os resultados podem mudar simplesmente observando o assunto. O ambiente pode ser neutro, o comportamento do usuário pode ser alterado porque é observado. Existem muito poucos estudos que realmente deixam o usuário a oportunidade de se expressar de forma pura e simples. Este também é o caso de estudos quantitativos em que os comportamentos podem ser alterados dependendo de como as perguntas são feitas.
treinamento
Além disso, quando comparamos estudos realizados remotamente e entrevistas com um observador, notamos diferenças de comportamento. As pessoas tendem a dar impressões ligeiramente mais positivas quando estão com um observador do que quando voltam para casa.
Dados, grandes ou pequenos, não podem ser 100% seguros. Eles têm seus limites e preconceitos podem modificar suas interpretações.

Mito 3: Quanto maior, melhor

mundos-maior-laptop-3
Essa mania de Big Data sugere o poder de revelar os maiores segredos da humanidade e prever o futuro. É certo que, às vezes, quando se trata de dados, quanto mais informações, melhor.
Isso também é válido quando se trata de elementos subjetivos, como emoções baseadas em experiências pessoais: quanto mais respostas, mais confiáveis ​​podem ser os dados.
Ao pensar maior, tendemos a olhar para muitas métricas. Mas a enorme quantidade de dados também é uma questão de diversidade e, por extensão, de diversas fontes.
Você não pode esperar obter todas as respostas que deseja sobre o comportamento do usuário apenas observando os números. Todos os dados coletados, qualitativos e quantitativos, devem ser usados ​​para melhorar o desenvolvimento e a aparência de um produto. Trata-se mais de criar e classificar os elementos reunidos em uma ordem lógica para avaliá-los, compreendê-los e definir um caminho a seguir.
Dados de diferentes fontes fornecem uma visão mais sutil que leva a um resultado consistente.
Quanto maior melhor. Quanto maior, melhor.

Mito 4: Dados são apenas para gerentes (não designers)

Os fatos são frequentemente usados ​​para validar decisões no design de sites ou aplicativos.
Às vezes é tentador usar esses dados para apoiar uma opinião, uma escolha pessoal ou para resolver conflitos entre equipes. Usá-lo como evidência factual é uma pequena parte dos objetivos da visualização de dados. Se você estiver usando a visualização de dados no design, existem 3 maneiras de abordá-la:

  • Usar dados para melhoria do produto é equivalente a iterar.
  • Recupere dados em um determinado período, de acordo com mudanças de versão ou até mesmo comparando-se com concorrentes.
  • Usar dados significa analisar diferentes estudos para descobrir novos padrões e tendências.

Os dados são classificados de acordo com as expectativas, portanto, um gerente e um UX Designer analisarão diferentes tipos de dados.
Cada equipe tem suas próprias referências e não tem conhecimento dos dados pertencentes às outras equipes. A visualização de dados não é apenas arbitrar o certo do errado, é melhorar e descobrir novas possibilidades. É uma nova maneira de entender os hábitos de uso das pessoas por meio da tecnologia.

Mito 5: A análise de dados é um freio à inovação

Analytics é visto como a antítese da inovação de certa forma. Isso pode ser explicado de 3 maneiras:

  1. Usamos os resultados coletados retrospectivamente. Embora ajudem a descobrir novos padrões e tendências, não ajudam a prever o comportamento.
  2. A visualização de dados é mais sobre metodologia do que estratégia. Estudos quantitativos associados a testes A/B podem ser úteis para corrigir erros ou fazer melhorias em um produto, mas não permitem a criação de uma experiência única para o usuário.
  3. Os dados coletados não são apenas a ponta do iceberg. Saber onde os usuários clicaram, quantas vezes rolaram nos ajuda a definir como criar um produto. Mas eles não acrescentam muito aos sentimentos do usuário sobre o design, suas motivações, suas expectativas ou seus sentimentos.

Há necessariamente uma utilidade para o acúmulo desses dados. O problema não são os dados em si, é como eles são usados.

Mito 6: Existe apenas uma maneira correta de usar dados no design

Na realidade, não existe uma única regra comum que funcione para qualquer equipe. No entanto, algumas metodologias podem funcionar relativamente bem:

  • Use dados de diferentes fontes: análise de audiência, testes A/B, mídias sociais, atendimento ao cliente, testes de usuários, etc.
  • Leve em consideração o contexto em que os testes são realizados. Seja qual for o tipo de teste, o contexto às vezes influencia o feedback do usuário, é importante entendê-lo.
  • Certifique-se de que os dados levem em consideração o estado de espírito das pessoas testadas. Para isso, são utilizadas médias de referência.
  • Use dados para rastrear mudanças de hábitos e necessidades, explorar novos padrões e investigar problemas mais profundamente.
  • Decida o tipo de dados útil para obter resultados conclusivos.
  • Crie uma forma de compartilhar e trocar com as equipes o que foi coletado e refletir juntos em uma base comum.

teste ab
O uso de dados deve ir além de algoritmos, testes de usuários ou análise de audiência. O objetivo é usar esses dados para entender melhor os hábitos dos usuários.
Thierry Andrianalisoa - DA @UX-Republic