Візуалізація даних в дизайні

Крім алгоритмів, A/B-тестування та аналізу даних, метою візуалізації даних є розвинути розуміння користувачів шляхом кращого підходу до зібраних даних.
Усередині компанії командам іноді важко зрозуміти та проаналізувати дані, які вони отримують: тести A/B, дослідження ринку, опитування...
Отже, що ми повинні враховувати в цій масі даних і як ми можемо її використовувати?
Щоб зрозуміти, що таке візуалізація даних, ми виключимо, спочатку показавши, чим вона не є, а потім пояснимо, як візуалізація даних може покращити роботу користувача.
????????????

Міф 1: дані – це все про числа

Аналіз активності на сайті зазвичай представлений числовими показниками, такими як кількість відвідувань, час, проведений користувачем на сайті, вихідні кліки. У цих випадках цифри є простим способом передати звички людини.
Однак скорочення звичок мільйонів людей до кількох цифр може бути не таким корисним і надійним, як можна було б подумати. Справді, аналітичні дослідження не можуть дати всі відповіді, що стосуються поведінки людини, яка іноді є суб’єктивною і змінюється залежно від індивіда: що відчуває користувач? Що його найбільше привабило в інтерфейсі? Чому він рекомендуватиме її?
Як і в суспільствознавстві та медицині, якісні дослідження не вважаються безпечними. Те ж саме стосується візуалізації даних. Єдиними реальними даними, які можна розглянути, є сліди, залишені користувачами незалежно від джерела.

Міф 2: дані об'єктивні

Кількісні дані, як правило, є контрольними показниками, що відображають дії. Потім ці дані збираються машинами, а не людьми. Оскільки це незаперечні факти, ці дані зазвичай мають більшу вагу.
Навіть якщо обсяг даних є величезним, його не слід вважати повністю об’єктивним, оскільки навіть якщо вони зібрані машинами, вони залишаються інтерпретованими людьми (де можлива помилка).
Наприклад, дані соціальних мереж показують лише дії певних типів груп населення: передплатників у Twitter або Facebook, які використовують певні хештеги, шанувальників і підписників сторінки... Іншими словами, люди, які погоджуються брати участь у дослідженні, відповідають меншини і не відображають все населення. Приймаючи ці дані як правдиві істини, ми в кінцевому підсумку потрапляємо в упередження.
Як і з принципом невизначеності Гейзенберга, результати можуть змінитися, просто спостерігаючи за предметом. Середовище може бути нейтральним, поведінка користувача може бути змінена, тому що його спостерігають. Існує дуже мало досліджень, які дійсно дають користувачеві можливість висловитися чисто і просто. Це також стосується кількісних досліджень, де поведінку можна змінити залежно від того, як поставлені запитання.
навчання
Крім того, коли ми порівнюємо дослідження, проведені дистанційно, та інтерв’ю із спостерігачем, ми помічаємо відмінності в поведінці. Люди, як правило, залишають трохи більше позитивних вражень, коли перебувають із спостерігачем, ніж коли повертаються додому.
Дані, великі чи малі, не можуть бути на 100% захищеними. Вони мають свої межі, і упередження можуть змінити їх інтерпретації.

Міф 3: Чим більше, тим краще

Найбільший у світі ноутбук-3
Це захоплення великими даними говорить про здатність розкривати найбільші таємниці людства і передбачати майбутнє. Правда, іноді, коли справа доходить до даних, чим більше інформації, тим краще.
Це також справедливо, коли йдеться про суб’єктивні елементи, такі як емоції, засновані на особистому досвіді: чим більше відповідей, тим надійнішими можуть бути дані.
Коли ми думаємо ширше, ми схильні дивитися на багато показників. Але величезна кількість даних також є питанням різноманітності і, відповідно, різноманітних джерел.
Ви не можете очікувати, що ви отримаєте всі відповіді про поведінку користувачів, просто подивившись на цифри. Усі зібрані дані, якісні та кількісні, слід використовувати для покращення як розвитку, так і зовнішнього вигляду продукту. Це більше про створення та класифікацію елементів, зібраних у логічному порядку, щоб оцінити їх, зрозуміти їх і визначити шлях, яким слід йти.
Дані з різних джерел забезпечують більш детальне уявлення, що призводить до узгодженого результату.
Чим більше, тим краще. Чим більше, тим краще.

Міф 4: Дані призначені лише для менеджерів (не дизайнерів)

Факти часто використовуються для підтвердження рішень при розробці сайтів або додатків.
Іноді є спокуса використати ці дані для підтвердження власної думки, особистого вибору або для вирішення конфліктів між командами. Використання його як фактичного доказу є невеликою частиною цілей візуалізації даних. Якщо ви використовуєте візуалізацію даних у дизайні, є 3 способи підійти до цього:

  • Використання даних для покращення продукту еквівалентно повторенню.
  • Отримуйте дані за певний період відповідно до змін версії або навіть порівнюючи себе з конкурентами.
  • Використання даних означає аналіз різних досліджень для виявлення нових закономірностей і тенденцій.

Дані сортуються відповідно до очікувань, тому менеджер і UX дизайнер аналізуватимуть різні типи даних.
Кожна команда має власні посилання та не знає даних, що належать іншим командам. Візуалізація даних — це не лише розбіжність правильного від неправильного, а й покращення й відкриття нових можливостей. Це новий спосіб зрозуміти звички використання людей за допомогою технологій.

Міф 5: Аналітика даних є гальмом для інновацій

Аналітика в певному сенсі розглядається як антитеза інновацій. Це можна пояснити 3 способами:

  1. Ми використовуємо результати, зібрані ретроспективно. Хоча вони допомагають виявити нові закономірності та тенденції, вони не допомагають передбачити поведінку.
  2. Візуалізація даних більше стосується методології, ніж стратегії. Кількісні дослідження, пов’язані з тестуванням A/B, можуть бути корисними для виправлення помилок або вдосконалення продукту, але вони не дозволяють створити унікальний досвід користувача.
  3. Зібрані дані – це не лише верхівка айсберга. Знання того, де користувачі натискали, скільки разів вони прокручували, допомагає нам визначити, як створити продукт. Але вони мало додають до почуттів користувача щодо дизайну, його мотивації, очікувань чи почуттів.

Для накопичення цих даних обов'язково є корисність. Проблема не в самих даних, а в тому, як вони використовуються.

Міф 6: Є лише один правильний спосіб використовувати дані в дизайні

Насправді не існує єдиного загального правила, яке могло б працювати для будь-якої команди. Однак деякі методики можуть працювати відносно добре:

  • Використовуйте дані з різних джерел: аналіз аудиторії, тести A/B, соціальні мережі, служби обслуговування клієнтів, тести користувачів тощо.
  • Враховуйте контекст, у якому проводяться тести. Незалежно від типу тесту, контекст іноді впливає на відгуки користувачів, важливо це розуміти.
  • Переконайтеся, що дані враховують стан душі людей, які перевіряються. Для цього використовуються еталонні середні.
  • Використовуйте дані, щоб відстежувати зміни звичок і потреб, досліджувати нові закономірності та глибше досліджувати проблеми.
  • Визначтеся з типом даних, корисними для отримання остаточних результатів.
  • Створіть спосіб поділитися та обмінюватися з командами тим, що було зібрано, і обмірковуйте разом на спільній основі.

ab тестування
Використання даних має виходити за рамки алгоритмів, користувацьких тестів чи аналізу аудиторії. Мета полягає в тому, щоб використати ці дані, щоб краще зрозуміти звички користувачів.
Тьєррі Андріаналісоа - DA @UX-Republic