UX Research

Nocode Мне кажется, появляется новый навык - прототипирование сервисов. Для исследования и оценки дизайна до разработки используют прототип - в минимальном виде - набор связанных ссылками картинок, в максимальном - интерактивные конструкции с анимацией и логикой, которые всё равно собираются быстрее, чем реальный продукт. Прототипы позволяют найти проблемы в дизайне, но не помогают оценить бизнес-гипотезы, например, достоверно оценить спрос. Поэтому для проверки бизнес-гипотез используют MVP продукта или функции. В основе MVP лежит тот же подход "ошибись дешевле", они, как и прототипы, нужны чтобы снизить риск дорогих решений (ещё MVP помогают начать получать деньги раньше, но это отдельная история). Они тоже не должны стоить дорого. Последние пару лет появляются платформы для интеграции всего со всем. Они позволяют собирать довольно сложные процессы, используя в качестве кирпичиков готовые сервисы, и поэтому могут неплохо работать для быстрого прототипирования MVP нового продукта, процесса или фичи (это скорее прототипы, т.к. они плохо масштабируются). Я немного пользовался https://zapier.com/ и https://www.integromat.com/en (спасибо, Петя), но, оказывается, есть целое движение no-code или zero-code devops, посвящённое подобным инструментам, они в том числе поддерживают сложную логику и сложную работу с данными. Вот два последних поста Иво Дмитрова с подборкой инструментов https://t.me/growthup/350 https://t.me/growthup/351, об этом же, кажется писал Ваня Замесин https://t.me/zamesin (не могу найти конкретный пост, но он часто упоминает инструменты, на которых выстроил процессы в своём стартапе, в том числе из подборок выше). Интересно, будет ли это развиваться как отдельный навык? Появится ли в командах проектировщик сервисов (сервис-дизайнеры ведь уже есть), который вместо Axure и Figma, будет указывать в резюме владение Zapier и Retool? ___ Сервисы и кейсы интеграций в исследованиях: https://t.me/uxread/122 Cally.ru - русскоязычный аналог Calendly для автоскедулинга интервью https://t.me/uxread/8 Как mesosphere (b2b) настроили процесс ежеденедельных UX тестирований без выделенного исследователя https://t.me/uxread/46 Tomer Sharon угорел по nocode и автоматизировал все процессы исследований, какие можно (рекрут, sheduling встреч, составление отчётов) https://t.me/uxread/148 zoom+otter для автотранскрипта интервью. #ResearchNocode #Operations https://t.me/uxread/148 zoom+otter для автотранскрипта интервью. https://t.me/uxread/75 про nocode движение в целом #ResearchNocode #Operations

Ну и ещё, как и обещал, про VR стартапчики для психотерапии и mental health в целом. Я чуть раньше писал про limbix, которые делают VR для терапии фобий. Есть похожий стартап Psious, они делают VR окружения попроще, зато работающие на смартфонах, и они прислали мне парочку демо видео. Тут надо сказать, как это вообще работает - в CBT (cognitive-behavoral therapy) психотерапии считается, что бесстрашие это что-то вроде навыка, который можно приобрести через опыт. Чтобы не травмироваться, опыт надо градуировать. Например, если вы боитесь полётов, то вам стоит сначала посмотреть на аэропорты издалека и привыкнуть, потом посидеть в терминале и привыкнуть, потом посмотреть, как люди заходят в самолёт и привыкнуть, потом посмотреть как взлетают, и привыкнуть, потом посидеть в самолёте и привыкнуть - что-то вроде растяжки. Каждый раз вы видите, что ничего плохого не происходит, страх притупляется, вам всё легче. Метаисследования показывают, что модель верна, и CBT помогает от тревожных расстройств и фобий очень-очень хорошо. Так вот, иногда сразу идти в реальную ситуацию страшно, а воображаемых ситуаций недостаточно, и тогда хорошо работает VR, в котором эта ситуация смоделирована. Сейчас есть несколько стартапов, которые такие VR окружения делают, и Psious - один из. Вот их видео, как вы едете в маленьком тесном лифте (для клаустрофобии) https://goo.gl/DC1pyB А вот вы выстпаете перед здоровой аудиторией https://goo.gl/Gu85YT В идеале, конечно, смотреть в VR коробке для смартфона, но и так норм. Ну и у них есть ещё десяток, для страха полётов (как раз по тем сценариям, что я описал), для вождения, для ситуации экзамена итд. Psious всё это объединяют с биофидбек датчиком, который замеряет, насколько вы сейчас боитесь, чтобы показывать более тревожное видео только после того, как предыдущее перестанет вас пугать. Во-первых всё это классно само по себе, а во-вторых забавно, если лет через 5 появятся VR окружения для более экологичных тестирований, как сейчас браузерные рамки для прототипов. "Вань, сделай в прототипе пожалуйста, как будто клиент с этим приложением работает в метро, вставь его в VR с вагоном, у нас, кажется, была нужная библиотека в фигме". Вот это будет норм (надо было как-то привязать пост к исследованиям, сами понимаете).

Я иногда мысленно возвращаюсь к исследованию Experience Sampling в Google (https://t.me/uxread/47), и, кажется, сформулировал для себя, что именно мне так нравится. Обычно при исследовании подразумевается вопрос "как мы можем лучше решать текущую проблему нашего пользователя", это вопрос про небольшие итеративные улучшения существующего опыта, и мне, как исследователю, он приходит в голову первым. Но они подразумевают другой вопрос: "какие проблемы нашего клиента мы ещё не решаем, хотя легко могли бы? Кто мог бы использовать наш продукт, но пока не использует?". Этот вопрос чуть больше связан с маркетингом и долгосрочным развитием продукта, я меньше привык его задавать, и он кажется свежим и неожиданным. Зато теперь понятней, как перенести его на текущие проекты.

Как устроены исследования в Facebook Но пока давайте про исследования. Почитываю блог Facebook Research, и пока узнал вот что: 1) Про сами исследования пишут маловато, зато много про доставку результатов - как вовлечь команду и топов. Например, они организуют поездки вице-президентов в поля к клиентам, чтобы нагляднее показать, как живут клиенты и какие проблемы у них возникают (мне кажется, ребята из Qiwi что-то такое делали). В целом кажется, в маленьких компаниях больше стоит проблема того, как делать исследования быстро и дёшево (отсюда WeWork с их continuous research https://t.me/uxread/46 или mesosphere с их супер lean схемой исследований https://t.me/uxread/8), а в больших сдвигается в сторону того, как донести ценность исследований до всех и всех поразить (и отсюда видео 360 в презентации результатов у Uber https://t.me/uxread/40 и research museums у Facebook https://goo.gl/578oGw) 2) В команде Фейсбука более 450 исследователей (сравнимо со всем русскоязычном рынком). 3) В части стран Фейсбук является драйвером развития интернета, и исследователи едут на места и проводят исследования с клиентами, которые никогда до этого не пользовались интернетом, вообще. 4) Но на самом деле в эти 450 исследователей, кажется, входят Quantitative UX Researchers - эти ребята не проводят интервью, знают R, SPSS и немножко машин лёрнинг и пытаются на основе количественных данных вытащить информацию о мотивации пользователей, контексте использования и эмоциях при использовании продукта. 5) И конечно, в эти 450 входят research ops, которые у берут на себя рекрут, настройку лаборатории, vendor and tools management, и координацию международных исследований. https://medium.com/facebook-research ___ Про исследования в других компаниях: Spotify https://t.me/uxread/104, Ableton https://t.me/uxread/123, Lyft https://t.me/uxread/11 IBM https://t.me/uxread/13 В других компаниях #Companies Больше про презентацию результатов #Presentation

Всем привет. Канал в задуманном виде не работает - я понял, что писать только про исследования мне не интересно, поэтому я чуть расширяю и меняю тему. Про что теперь будет: - про исследовательские методы и про UX исследования в контексте бизнеса (как сейчас) - про маркетинг, его связь с исследованиями и созданием продуктов (у меня есть немного опыта) - про продакт-менеджмент (тут опыта нет, но я просто много читаю) - и, скорее всего, про цифровые продукты в сфере mental health (VR для психотерапии, боты-ассистенты, распознавание депрессии по фильтрам в инстаграме, и, и про то, как это можно перенести на другие продукты и исследования). Канал немного поштормит, давайте считать, что я ищу product/market fit, подходящий одновременно и для меня, и для вас. Надеюсь, что нам всем в итоге будет интересно.

Оказывается, в Walmart и в Google есть позиция Head of Behavioral Science. Я всегда думал, что попытки применить behavioral economics при создании продуктов не очень работают, все знают, что Канеман крутой, но никто не говорит "почитал Канемана и придумал вот такую вот штуку в продукте или сервисе, а без него бы не догадался". Разве что Дэн Ариэли так умеет. Но вот не только Ариэли, есть целые департаменты теперь. Нормального описания я не нашёл, но вот маленькое из Волмарта http://www.persuasive2018.org/keynote-jason-hreha-head-of-product-behavioral-sciences-at-walmart/ И вот Гугл https://www.linkedin.com/in/maya-shankar-8b380350 Ну и чтобы лишний раз не постить, я читаю про разные Mental Health Startups, и https://www.limbix.com/ делают VR для терапии фобий, смотрите, как здорово. (Канал всё ещё про исследования, простите за оффтоп, очень хотелось поделиться) ____ Ещё про behavior science в контексте исследований: https://t.me/uxread/93 Канеман про работу памяти, дневниковые исследования и оптимальное время для опросов https://t.me/uxread/137 как имплицитное чувство вины за потребление мешает покупать красивые вещи (связка anticipatory guilt и hedonic consumption) https://t.me/uxread/130 UX curve как опыт исследования опыт в динамике, дешёвая замена дневников https://t.me/uxread/138 спекуляции на тему "как в разных культурах могут относиться к hedonic systems" Больше "околонаучных" заметок по тегу #Science

Конечно, тут появляются Генри Форд и Стив Джобс и говорят, что спрашивать у пользователей, чего они хотят, нельзя ни в коем случае, рассказывают истории про более "более быструю лошадь" и айпад. Но Джефф Сауро (а я пересказываю его статью) рекомендует использовать не абсолютные оценки, а относительные - проверить на нескольких существующих фичах, насколько в вашем случае TAM предсказывает usage, и, если предсказывает, применять его, например, для приоритезации баклога. В таком виде может работать, похоже на облегчённую версию Кано. https://measuringu.com/usefulness/

Вот узнал интересную штуку, Fred Davis в 90-м году заинтересовался, насколько использование нового продукта связано с юзабилити. Чтобы это проверить, он разработал Technology Acceptance Model (TAM) и опросник из 12 вопросов (опросник есть по ссылке ниже), 6 - направленных на оценку юзабилити продукта, и 6 - направленных на оценку полезности (usefulness). Дальше провёл исследование для 20 продуктов и посмотрел, как оценки юзабилити и полезности коррелировали с реальным использованием. Выяснилось, что оценки полезности (usefulness), предсказывали в среднем 36% реального использования, в полтора раза лучше, чем оценки юзабилити. Сама цифра ничего не значит, потому что будет отличаться, в зависимости от конкретного продукта, зрелости рынка и аудитории (и в некоторых случаях оценки юзабилити будут важнее, чем полезности), но интересно само разделение на usability и usefulness и попытка оценить всё сразу одним опросником.

В третьих, там дальше чудная история, как они обучили продактов эвристкам Нильсена и заставили их оценивать 55 сценариев, и поменяли весь процесс принятия решений при проектировании продукта, но про это напишу попозже. ___ Про процессы в других компаниях Mesosphere https://t.me/uxread/8, Atlassian https://t.me/uxread/39, Spotify https://t.me/uxread/104, Facebook https://t.me/uxread/71, Ableton https://t.me/uxread/123, https://t.me/uxread/52 оценка ROI исследований через снижение риска продуктовых решений #Companies #ResearchROI

Во-вторых, вот история, как ребята всех переубедили. 1) Они делали софт для хранения медицинских данных, который очень удачно подходил под свежие государственные требования, что позволяло им делать неудобный софт и отлично продавать его (государство платило клиникам за переход на электронное хранение данных, если использовались правильные системы). Да, доктора систему ненавидели, потому что клинику внедряли её насильно, чтобы получить доп финансирование. Удобство софта очевидно не влияло на дотации, а значит и на продажи, дизайнеров не воспринимали всерьёз. 2) Но! Постепенно ситуация изменилась, появились конкуренты, новые технологии снижали switching costs, а доктора (end users) оказались достаточно влиятельны, чтобы убеждать администрацию сменять поставщика. Все начали понимать, что потребности докторов уже не закрыть ad hoc рисованием галочек. 3) Дизайн-команда начала изменения именно с презентации об изменении рынка для бизнес-заказчиков. Не про дизайн, а про бизнес и новую роль дизайна в нем. 4) Дальше нужно было показать, что дизайн влияет на бизнес-метрики. Выбрали две - retention и referral users, дальше провели кучу опросников, позвали data science ребят, провели регрессионный анализ, показали, что customer satisfaction метрики действительно предсказывают отток и количество реферальных юзеров.

Во-первых, вот шкалы, по которым вам стоит оценить себя, если вы задумали собственный переворот. Если у вас нет сильных конкурентов, или переходить с вам на конкурента очень дорого, или итоговые пользователи не влияют на выбор продукта, то качество дизайна не очень сильно влияет на продажи. Чем вы левее, тем ниже шанс, что дизайн действительно влияет на бизнес метрики, и ниже шанс, что что он будет играть важную роль при создании продукта.

Как Athenahealth оценили ROI дизайна и перекроили весь процесс https://youtu.be/nG47ufRgY1k Jennifer Cardello рассказывает, как у них в Athenahealth было 60 дизайнеров и 5 исследователей, а продукт всё равно был страшным и запутанным, потому что дизайнеров подключали для рисования галочек по запросу. А потом они устроили маленькую дизайн-революцию и всё изменили. (С другой стороны, это история о том, как государство пыталось стимулировать электронное хранение медицинских данных, выделило 36$ дотаций и всё сломалось, а потом рынок всё починил).

Как Superhuman научились оценивать product-market fit через измерение лояльной базы продукта Нашёл забавную метрику для новых продуктов: вывернутый наизнанку НПС, который позволяет оценить, насколько продукт близок к product/market fit (то насколько ваш продукт нашел свою аудиторию и готов к росту) и превращает этот product/market fit из интуитивного ощущения в нормальную метрику. https://firstround.com/review/how-superhuman-built-an-engine-to-find-product-market-fit/ 1. Автор предлагает оценивать, какой процент пользователей будет разочарован, если продукт больше не будет доступен. Тут, как и в NPS, всего один вопрос: "how would you feel if you could no longer use the product?" с тремя вариантами ответов (very/somewhat/not disappointed). Нужно замерить процент ответивших “very disappointed” - это и есть наша метрика. 2. Они сделали бенчмаркинг по сотне стартапов и обнаружили, что быстрый рост начинается, когда хотя бы 40% пользователей говорят, что будут очень разочарованы, если не смогут больше пользоваться продуктом. Для примера, у Slack в 2015-м был 51%. 3. Проводить просто. Как и все подобные опросники, спрашивать можно через почту, мессенджеры или in app нотификации. Они говорят, что достаточно 40 человек (ну не знаю, а как же доверительный интервал), но нужно взять тех, кто пользуется продуктом хотя бы 2 раза в неделю (но я думаю, что для ситуативных продуктов вроде дримсим, мэпс.ми и hh тоже работает). 4. К главному вопросу можно прибавить ещё парочку, чтобы понять, как эту метрику растить. - Для кого, по мнению респондента, продукт будет полезней всего - Что в нём самое полезное - И как можно это пользу увеличить. 5. Наконец, ответы можно дробить по группам клиентов, и смотреть, например, какие сценарии или функции вызывают наибольшее привыкание, или из каких каналов привлечения приходят самые преданные клиенты, и на основе этого планировать разработку продукта и маркетинговую стратегию. ___ Другие методы: https://t.me/uxread/36 как gov.uk тестируют понятность текстов с помощью highligther testing (маркерных тестов) (хайлайтер тестинг) https://t.me/uxread/47 Google в 2011 поменяли поисковую выдачу на основе experience sampling https://t.me/uxread/153 - как в Athenahealth применяют Technology Aсceptace Model для скоринга фич Больше кейсов #Cases Больше методов #Methods

Интересный подход к оценке ROI исследований и обоснованию их ценности. Авторы предлагают воспринимать исследования (и UX, и маркетинговые, любые) как способ повысить вероятность правильных решений, область риск-менеджмента. https://www.illuminas.com/wp-content/uploads/2016/03/innovationCan-we-measure-the-ROI-of-Market-Research-BIG-Conference-2009-Jonathan-Fletcher-and-Andrew-Reynolds-FI.pdf 1) В двух словах - они взяли портфель проектов, оценили потенциальную стоимость удачного и неудачного запуска каждого проекта, а исследование оценили как штуку, которая позволяет снизить риск неудачных запусков на 15%. И получили ROI. 2) Под эти 15% подведена весьма хлипкая теоретическая база - они сравнивают примерную точность decision making с исследованиями и без. Звучит так себе, в реальности метод не очень рабочий. Как все подобные подходы, он скорее риторический, чем математический, но зато из него следует несколько интересных выводов. 3) В таком подходе для оценки ROI исследований, бизнес должен хорошо понимать стоимость решений. Сколько будет стоить запуск новой рекламы? Сколько стоит выход на новый рынок? Сколько стоит реализация новой функции, сколько денег мы упустим, если этой функцией будет пользоваться только 5% клиентов из-за плохого онбординга? ROI исследований нельзя посчитать отдельно от метрик остального проекта, эту задачу нельзя сваливать только на исследователя. 4) Легче всего поэтому считать ROI для решений, стоимость которых бизнес умеет считать. Например каждый A/B тест стоит денег: это либо потери от запущенного плохого варианта, либо недополученная выручка от хорошего варианта, который вы не запустили раньше. Иногда мы заранее можем примерно оценить, сколько денег мы должны недополучить, чтобы считать разницу в A/B тесте статистически значимой. Если юзабилити-тестирование позволило принять решение без A/B теста (хотя это маловероятный кейс), мы можем посчитать его ROI довольно точно. Сюда же, если известна стоимость минуты работы оператора, то мы можем посчитать ценность небольших интерфейсных измеений с помощью GOMS. 5) Чем меньше стоимость наших решений, тем более дешёвые исследования имеют смысл. Для диджитал продуктов распространены простые исследования: 5 респондентов, небольшие интервью, быстрая обработка результатов или даже отсутствие обработки - решений много и стоимость каждого - невелика (ошибки можно исправить в следующем спринте). А вот в FMCG стоимость запуска нового продукта очень высока (также, как стоимость телеэфира для рекламы) поэтому имеют смысл более сложные исследования, навороченные лаборатории, длительные фокус группы, ЭЭГ, КГР и нейромаркетинг (ладно, насчёт нейромаркетинга я не уверен даже здесь) - чтобы повысить вероятность правильного решения, можно потратить деньги на сложные методы. Ребятам из классических market research бывает сложно перестроиться на быстрые итеративные lean исследования, потому что они привыкли проверять очень дорогие решения очень методично. 6) У одного и того же исследования может быть разный ROI в зависимости от того, какую информацию из него смогли использовать. Т.е. его эффективность зависит не только от исследователя, но и от заказчиков. У некоторых decision makers исследования не окупятся никогда в силу специфики принятия решений. Вот ещё более общая (и более короткая) статья о подходе в целом. https://www.b2binternational.com/publications/research-for-decisions/amp/ ____ Ещё про ROI исследований: https://t.me/uxread/63 Как Athenahealth оценили ROI дизайна через регрессионный анализ #ResearchROI