جمع‌آوری و مرتب‌سازی داده‌ها و درک آن‌ها در طول تحقیق روی کاربران و گرفتن تست کاربردپذیری، یکی از مهارت‌های حیاتی UX است.

با گرفتن یک تست کاربردپذیری متوجه می‌شوید که «آیا کاربران هدف شما می‌توانند از محصول شما به‌راحتی استفاده کنند یا خیر؟». همچنین می‌توانید برای شناسایی مشکلاتی که افراد با رابط کاربری محصول شما دارند، دشواری‌های محصول موجود برای کاربر و نوشته‌های گیج‌کننده در آن، از تست کاربردپذیری یا همان یوزبیلیتی تست استفاده کنید. به‌طور معمول، تست کاربردپذیری شامل آماده‌سازی و تجزیه و تحلیل گسترده است و به عنوان یکی از باارزش‌ترین تکنیک‌های تحقیقاتی در نظر گرفته می‌شود. این تست می‌تواند نتایجی در قالب داده‌های کمی و کیفی ارائه دهد که به هدایت تیم محصول برای پیدا کردن راه‌حل‌های مناسب کمک کند.

یک تست کاربردپذیری منظم با پنج الی ده شرکت‌کننده، می‌تواند بسیاری از مشکلات موجود در محصول را برای ما آشکار کند.

چگونه داده‌های تست کاربردپذیری را به راه‌حل‌های کاربردی تبدیل کنیم؟

بعد از جمع‌‌آوری داده‌های کاربر، ما به روش‌هایی کارآمد برای مدیریت آن‌ها نیاز داریم تا مطمئن شویم درست‌ترین راه‌حل‌ها را برای برطرف‌کردن مشکلات کاربران انتخاب می‌کنیم.

یکی از مدل‎‌هایی که طراحان می‌توانند از آن برای سازماندهی افکار خود، به‌منظور بهبود فرآیند خلاقیت استفاده کنند، مدل Double Diamond است.

مدل رسمی طراحی Double Diamond شامل چهار فرایند است:

1- جمع‌آوری داده‌ها 2- اولویت‌بندی مشکلات 3- ارائه راه‌حل 4- اولویت‌بندی راه‌حل‌ها

این چهار فرایند در نمودار زیر آورده شده:

در این مقاله ما به بررسی دو روش اولویت‌بندی راه‌حل‌ها می‌پردازیم:

1.استفاده از جدول‌های داده که نیازمند محاسبات ریاضی است.

2.استفاده از ماتریس که به‌صورت بصری به افراد تیم کمک ‌می‌کند.

در ادامه به توضیح این دو روش می‌پردازیم:

روش اول: استفاده از جدول‌های داده

مرحله1:جمع‌آوری داده‌ها

مرحله2: تنظیم اولویت‌بندی‌ها

مرحله3: ارائه راه‌حل‌ها

مرحله4: اولویت‌بندی راه‌حل‌ها

مرحله 1: جمع‌آوری داده‌های به‌دست‌آمده از تست کاربردپذیری

اولین گام، جمع‌آوری داده‌های به‌دست‌آمده از تست کاربردپذیری است که باید برای پیداکردن راه‌حل‌ها و ایده‌ها در مراحل بعدی تنظیم شود. نکته کلیدی این است که داده‌ها را باید به نوعی سازماندهی کنید که از به‌هم‌ریختگی جلوگیری شود:

در این مرحله به چهار مورد زیر نیاز دارید:

• سیستم شناسایی مشکل داشته باشید.
• توجه داشته باشید که مشکل کجا اتفاق افتاده است (صفحه نمایش، ماژول، ویجت UI، جریان و غیره).
• از وظیفه‌ای که کاربر درگیر آن بوده است، آگاه باشید.
• توضیح مختصری از موضوع ارائه دهید.

یک رویکرد متداول برای سازماندهی داده‌های تست کاربردپذیری، ترسیم داده‌ها است که در جدول زیر نمایش داده‌شده. تصویر زیر، ترسیم داده‌ای در یک تست مشخص را، نشان می‌دهد (ستون‌ها به ترتیب از چپ به راست: محل رفتار، تسک کاربر، توضیح مشکل، کاربران (P1,P2..))

مرحله 2: تنظیم اولویت‌بندی‌ها

از آنجایی که منابع محدود هستند، لازم است مسائل مربوط به کاربردپذیری به گونه‌ای اولویت‌بندی شود که تجزیه و تحلیل را بهینه کند (سرعت و دقت تحلیل را بالا ببرد).

به‌طورمعمول، هر مشکل در تست کاربردپذیری دارای درجه‌ای از شدت است که این درجه، تحت تأثیر متریک‌های critically, frequency, impact است. در ادامه به توضیح مختصری در مورد هر متریک می‌پردازیم:

• متریک Task criticality: بحرانی بودن یک مشکل از نظر تأثیر مخرب بر تجارت یا کاربر، با این متریک مشخص می‌شود. این متریک توسط خودمان مقداردهی می‌شود؛ یعنی به زبان ساده، تعیین می‌کنیم که این مشکل چقدر برای کسب و کار یا کاربر حیاتی است و مقدار عددی برای آن تعیین می‌کنیم. مقادیر ممکن است از یک دنباله خطی ساده (مثلاً 1، 2، 3، 4، و غیره) باشد. بهترین راه این است که از 1 تا 10، بحرانی‌بودن مشکل را مشخص کنیم (10= بسیار بحرانی)
• متریک frequency: این متریک به تعداد افرادی که در تسک موجود، با مشکل موردنظر برخورد کردند مربوط است. یعنی تعداد تعداد کاربرانی که به مشکل برخورد کردند، تقسیم بر تعداد کل کاربرانی که تست داده‌اند.

frequency= (افرادی که با مشکل برخورد کردند) ÷ (کل شرکت کنندگان)

• متریک impact: این متریک به تاثیرگذاری مشکل بر روند کار کاربر اشاره دارد:

با اختصاص یک مقدار (همانند مقداردهی در criticality) میزان تاثیرگذاری یک مشکل بر روند کار کاربر در محصول مشخص می‌شود:

مقدار5: (مسدود کننده) مشکل، کاربر را از انجام وظیفه باز می‌دارد.

مقدار3: (عمده) باعث ناامیدی یا تاخیر در انجام وظیفه می‌شود.

مقدار2: (جزئی) تأثیر جزئی در انجام کار دارد.

مقدار1: (پیشنهاد) کاربر هنگام انجام وظیفه، پیشنهادی می‌دهد.

در نهایت، شدت (severity) هر مشکل را با ضرب سه متغیر بالا محاسبه می‌کنید:

severity=impact*frequency*criticality

در مثال بالا، سناریوی زیر را داریم:

سه مشکل  توسط سه شرکت‌کننده (P2 ،P1 و P3) تجربه شده:

وظایف کاربر

1. وظیفه کاربر: "create a post"
2. وظیفه کاربر: “social login”

مقداردهی متریک‌ها:

1. متریک criticality: مقدار”5” برای وظیفه 1، مقدار”2” برای وظیفه 2 (یک وظیفه با درجه اهمیت کمتر)
2. متریک impact: مقدار “3” برای وظیفه 1، مقدار”2” برای وظیفه 2
3. متریک frequency: در وظیفه 1، یک مشکل، 1 بار با سه شرکت‌کننده اتفاق افتاد، بنابراین 1/3 = 0.33
4. در نهایت،متریک severity  برای یک وظیفه محاسبه می‌شود:

severity = task criticality × impact × frequency

پس در مثال بالا شدت برابر است با: 3×5×0.33 = 4.95

تا اینجا ما مهمترین مسائل کاربردپذیری خود را به ترتیب یافتیم، و در این مرحله دیدگاه خوبی نسبت به چشم‌انداز مسئله کاربردپذیری داریم؛ تصویر بزرگی که به تیم کمک می‌کند تا مشکلات بسیار جدی را چارچوب‌بندی و بهنیه‌سازی کند.

مرحله 3: ارائه راه‌حل

به‌طورمعمول، آزمایش‌های کاربردپذیری بدون فهرستی از توصیه‌ها (پیشنهادات عمومی) و راه‌حل‌ها (دستورالعمل‌های خاص) کامل نمی‌شوند. گاهی اوقات راه حل کاملاً واضح است، مانند اصلاح محل قرارگیری یک دکمه یا نوشته در وب‌سایت.

اما در بعضی موارد وضعیت برای برطرف‌کردن مشکلات با راه‌حل‌های مختلف، پیچیده می‌شود. کدام راه حل بهتر است؟ کدام یک امکان‌پذیرتر است؟ هزینه/فایده اجرای یک آزمایش برای کشف چقدر است؟ در اینجا، روش سنتی «پیشنهادات عمومی» کافی نخواهد بود. برای کاهش خطر تصمیم‌گیری بد در طراحی، ما به چندین راه‌حل جایگزین و یک فرآیند انتخاب موثر، باتوجه به داده‌های جمع‌آوری‌شده و اولویت‌بندی مراحل در قسمت قبل، نیاز داریم:

• برای هر مسئله، ایده‌ها و راه‌حل‌های متعددی ایجاد کنید: راه‌های ممکن برای رسیدگی به مسئله چیست؟ در اینجا، یک فرصت عالی برای همکاری با سایر اعضای تیم (توسعه‌دهندگان، طراحان، مدیران محصول و غیره) فراهم‌شده.
• راه‌حل‌ها را دوباره سازماندهی کنید: هرکدام از راه‌حل‌ها را به‌صورت جداگانه یادداشت کنید و در صورت لزوم، آن‌ها را ادغام یا تقسیم کنید تا از اضافه‌کاری اجتناب کنید و بتوانید در آینده سریع‌تر، بهترین راه‌حل را انتخاب کنید.
• مشکلات دیگری که هرکدام از راه‌حل‌ها ممکن است آن‌را حل کند، علامت‌گذاری کنید: در عمل، یک راه حل خوب می‌تواند چندین مشکل را برطرف کند. راه‌حل‌های خوب همه‌کاره هستند!

با انجام مراحل بالا، جدول زیر حاصل می‌شود:

در جدول بالا در ستون اول سمت چپ، راه‌حل‌ها ذکرشده و در ستون دوم، مشکلات موجود (I1,I2,..) مقداردهی شده‌است.

نکته: عدد 1 نشان‌دهنده این است که این راه حل برای این مشکل مناسب است.

مرحله 4: اولویت بندی راه‌حل‌ها

به طور مشابه برای اولویت‌بندی راه‌حل‌ها، باید آن‌ها را بر اساس برخی پارامترها اولویت‌بندی کنیم. در تیم‌هایی که از سیستم مدیریت اجایل ( agile team) استفاده می‌کنند، با این موضوع بسیار جدی برخورد می‌شود. یعنی از متریک‌هایی برای سنجش ارزش تجاری و پیچیدگی‌های معمول استفاده می‌کنند تا ضریب بازگشت سرمایه (ROI) را محاسبه کنند. ما نیز برای محاسبه ارزش پیاده‌سازی هرکدام از راه‌حل‌ها به‌صورت زیر عمل می‌کنیم:

1.اثربخشی (effectiveness) هر راه حل را محاسبه می‌کنیم:

هرچه مشکل جدی‌تر باشد، راه‌حل بهتری خواهد داشت. پس شدت (severity) تمام مسائلی که راه‌حل، آن‌ها را برطرف می‌کند را با یکدیگر جمع می‌کنیم.

اثربخشی = مجموع شدت مشکل‌ها

2.پیچیدگی راه‌حل را پیدا می‌کنیم:

• منابع مورد نیاز برای اجراکردن این راه‌حل چیست؟
• الزامات کسب و کار/کاربر چقدر واضح است؟

به عبارت دیگر، هر چه تلاش برای پیاده‌سازی و عدم اطمینان به راه‌حل بیشتر باشد، راه‌حل پیچیده‌تر است. درنتیجه پیچیدگی را به یک مقدار قابل اندازه‌گیری تبدیل می‌کنیم، مانند دنباله فیبوناچی (1، 2، 3، 5، 8، و غیره). اگر این کار را به عنوان یک تیم انجام می دهید، Planning poker کاملاً مناسب است.

3.متریک ROI راه حل را محاسبه می‌کنیم:

در نهایت ضریب ROI را محاسبه می‌کنیم. بازگشت سرمایه (ROI) یک معیار عملکردی است که برای ارزیابی کارایی یا سودآوری یک سرمایه‌گذاری یا مقایسه کارایی تعدادی از سرمایه‌گذاری‌های مختلف استفاده می‌شود.

ROI = پیچیدگی / اثربخشی

حالا جدول نهایی راه‌حل‌ها به شکل زیر است:

ستون‌ها از چپ به راست:

1.لیست راه‌حل‌ها

2.مشکلات (i1 تا i3) همراه با شدت آن‌ها (4.95، 6.7 و 10.05).

• نکته: هر بار که یک راه‌حل می‌تواند یک مشکل را برطرف کند، مقدار 1 داده‌ می‌شود (مثلاً اگر یک راه‌حل، دو مشکل را حل می‌کرد، عدد 2 قرار می‌دهیم).

3.اثربخشی هر راه‌حل (4.95، 4.95 و 16.75).

4.پیچیدگی هر راه‌حل (1، 3 و 5) که توسط تیم برآورد شده.

با توجه به این مثال، ما باید اجرای راه‌حل‌ها را به ترتیب زیر (از ROI بالاتر به پایین‌تر) اولویت‌بندی کنیم: ابتدا راه حل 1، سپس راه حل 3 و درنهایت راه‌حل 2.

تمام فعالیت ما در یک نگاه

ابتدا با جمع‌آوری داده‌ها شروع کردیم، سپس مسائل را با توجه به پارامترهای خاص اولویت‌بندی کردیم. پس از آن، ایده‌ها و راه‌حل‌هایی برای آن مسائل ایجاد کردیم و در نهایت، راه‌حل‌ها را نیز اولویت‌بندی کردیم.

استفاده از جدول‌های داده

این روش شامل برخی از محاسبات (پایه) است که بارها تکرار می‌شود، بنابراین بهتر است از یک قالب جدول مشخص استفاده کنید. اگر می‌خواهید از روشی که در بالا توضیح دادیم استفاده کنید، می‌توانید قالب مربوط به آن را در لینک زیر مشاهده کنید: https://goo.gl/RR4hEd. می‌توانید مطابق نیازهای خود آن را تغییر دهید.

روش دوم: استفاده از روش بصری

بسیاری از افراد می‌خواهند با روش یادداشت‌های برچسبی و تخته‌های سفید کار کنند، چرا که معمولاً سریع‌تر و سرگرم‌کننده‌تر است، و همچنین همکاری افراد تیم را نیز تسهیل می‌کند. اما چگونه می‌توانیم از ابزارهای بصری مانند یادداشت‌های برچسبی برای پیاده‌سازی و تحلیل نتایج استفاده کنیم؟

• ایجاد یک ماتریس برای مسائل (impact x frequency).
• ایجاد یک ماتریس برای راه‌حل‌ها (effectiveness x complexity).
• هر ماتریس به چهار قسمت تقسیم شود که نشان دهنده اولویت‌بندی است.

مراحل:

1. ماتریس موضوع را با قراردادن برچسب‌ها در ربع مناسب، با توجه به تأثیر و فرکانس ایجاد کنید. برای ساده‌کردن این رویکرد، مجبور شدیم بحرانی‌بودن وظیفه را کنار بگذاریم.
2. ماتریس راه‌حل را با سازماندهی برچسب‌ها براساس اثربخشی و پیچیدگی هر راه‌حل ایجاد کنید:

• راه‌حل‌ها برای هر موضوع، با شروع مسائل در ربع 1 ماتریس موضوع (آن‌هایی که شدت بیشتری دارند).
• راه‌حل‌ها را در ماتریس راه‌حل قرار دهید، از ربع 1 (بالا سمت چپ) شروع کنید. هر چه موضوع شدیدتر باشد، راه‌حل آن موثرتر است.
• پیچیدگی هر راه‌حل را با حرکت‌دادن آن روی محور افقی تنظیم کنید (هرچه پیچیده‌تر، بیشتر به سمت راست باشد).

مراحل بالا را برای مسائل باقی‌مانده (به ترتیب ربع 2، 3 و 4) تکرار کنید.

در پایان، راه‌حل‌های ربع 1 راه‌حل‌هایی هستند که بهترین بازگشت سرمایه (مؤثرتر و پیچیده‌تر) را دارند که نشان‌دهنده اولویت اصلی است. نتیجه در تصویر زیر نشان‌داده‌شده است.

نقاط قوت و ضعف روش بصری چیست؟

نقطه ضعف در اینجا این است که به جای محاسبات مانند جدول داده‌ها، باید به دقت بصری تکیه کنید. اما از جنبه مثبت نیز ما روشی داریم که همکاری اعضا را تقویت می‌کند.

کدام رویکرد بهتر است؟

پاسخ کوتاه است. پاسخی که به بهترین وجه با شرایط شما مطابقت دارد و با اهداف شما هماهنگ است.

نکات نهایی برای تجزیه و تحلیل داده‌های تست کاربردپذیری

• زمانی که با مطالعات بزرگتر سر و کار دارید، اولویت بندی موضوع ها به تمرکز بیشتر گروه کمک می‌کند، با کاهش چالش های شناختی،اطلاعات اضافی، تحلیل‌های ناقص در زمان و منابع صرفه‌جویی می‌کند.
• کامل‌کردن هر دو جدول داده، راه‌حل‌ها را با نتایج تست هماهنگ نگه‌می‌دارد (به دلیل جفت‌شدن مسائل و راه‌حل‌ها) و ریسک اجرای راه‌حل‌های کم‌اهمیت‌تر را کاهش می‌دهد.
• ابزارهای آنلاینی وجود دارند که ما به راحتی می‌توانیم این روش را به صورت مشترک (به طور جزئی یا کلی) با استفاده از آن‌ها نیز پیاده‌سازی کنیم.
• درک محدودیت‌های این رویکرد بسیار مهم است. به‌عنوان مثال، در طول مرحله اولویت‌بندی، نگرش‌ها و رفتارهای مثبت مشاهده‌شده کاربران، در آزمایش لحاظ نمی‌شود. تمرکز روی مشکلات تست کاربردپذیری است. یک پیشنهاد این است که این نوع داده‌ها را به‌طور جداگانه ثبت کنید و از آن در طول مسیر طراحی یا بازطراحی، در صورت نیاز، استفاده کنید.
• در نهایت، جدا از تست کاربردپذیری، این رویکرد را می‌توان به سایر تکنیک‌های تحقیق UX نیز تعمیم داد (رویکرد پیاده‌سازی نتایج و ارائه راه‌حل‌های موجود و اولویت‌بندی آن‌ها). با استفاده از رویکرد «Double Diamond» (مسائل و راه‌حل‌های واگرا/همگرا)، می‌توانیم داده‌های تحقیقاتی کاربران مختلف را ترکیب کنیم و از روش‌های بالا در هر پروژه‌ای استفاده کنیم.

منابع:

https://uxplanet.org/turning-usability-testing-data-into-action-without-going-insane-9f364a683076

https://www.toptal.com/designers/usability-testing/turning-usability-testing-data-into-action

?