IBMi UX Researchi keerukuse analüüs: mis see on ja kuidas alustada

Mitu kuud tagasi pidasin koos Rick Sobiesiakiga (disaini uurimisjuht, IBM Security) ja Tim O’Keefe'iga (disaini juht, IBM Systems) disaini-uuringute parimate tavade seansi keerukusanalüüsi kohta. Rick ja Tim töötasid meetodi välja koos IBM Researchiga ja mul oli õnne neist õppida. Olen rakendanud seda meetodit oma meeskonna tootes IBM PowerAI Vision, et kvantitatiivselt näidata kasutajakogemuse kujundamise lisandväärtust, kuna see vähendab kasutaja jaoks ülesande või ülesannete jada keerukust. Pärast seda esitlust sain palju Slack-teateid ja e-kirju teistelt tootetiimidelt, kes soovisid rakendada keerukuse analüüsi. Ma usun, et kasutajakogemusega teadlaste jaoks on kriitilise tähtsusega mõne kompetentsusmeetodi arendamine ning panoraamse ja kindla kasutajaloo kasutamiseks koos kvalitatiivsete ja kvantitatiivsete meetoditega (loe selle kohta lähemalt siit).

Olen linkinud Ricki ja Timsi originaalse keerukusanalüüsi väljaande selle artikli lõpus jaotises „Ressursid” neile, kes soovivad sukelduda veelgi sügavamale! Alustame.

Meetodi ülevaade

Komplekssuse analüüs on kasutatavuse kontrollimise meetod konkreetse ülesande või ülesannete komplekti kasutatavuse hindamiseks, mis ei nõua otsest kasutaja kaasamist ja pakub kvantitatiivseid tulemusi. Kuna keerukusanalüüs ei vaja kasutaja kaasamist, on tooteülesande hindajad tavaliselt toote kujundamise / arendusmeeskonna liikmed. Ma soovitaksin võimalusel siduda kasutajauuringud ja kasutajakogemuse kujundamise rollid. Pidage siiski meeles, et juhtivdisainerina ka hindaja võib ülesande raskusastme objektiivsel ülevaatamisel proovile panna eelarvamusi, seega võiks olla kasulik meeskonna kaasamine, kes võib olla keskendunud mõnele teisele projektile või puutujaga seotud.

Hindajad astuvad testitavat ülesannet läbi ja otsivad elemente, mis takistavad kasutajat lõpp-eesmärgi saavutamisel. Sellepärast on enne keerukusanalüüsi tegemist kriitiline mõista nii teie kasutajat kui ka nende viimast ülesannet. Vastasel juhul puudub teil hindamise läbiviimisel võrdlusraamistik.

Erinevalt kvalitatiivsetest meetoditest mõõdab keerukuse analüüs kvantitatiivselt elemente, mis keerukuse mõõdikute kaudu takistavad kasutaja lõpp-eesmärki. Need mõõdikud on tuletatud hindajatelt, kes määravad hinnangud määratud ülesande igale toimingule või interaktsioonile. Reitingukategooriad hõlmavad:

  1. Konteksti nihe: kasutaja liigutamine sammu lõpuleviimiseks tootel.
Näide. Modaal on väiksem kontekstis nihe võrreldes kasutaja viimisega uuele lehele.

2. Navigeerimisjuhised: pakuti sammu alustamiseks ja lõpetamiseks tuge.

Näide. Alustav tekst alustamise kohta võib eemaldada põhivõimaluste kohta arvamise.

3. Sisestusparameetrid: teave, mille kasutaja peab sammu lõpuleviimiseks täpsustama.

Näide. Treenimiseks vajalik sisestus on kaks raadionuppu versiooni teistes etappides vajaliku teksti / pildi sisestusega.

4. Süsteemi tagasiside: süsteemi reageerimine kasutaja toimingutele toimingu ajal.

Näide: reaalajas teavituslogi dokumenteerib kasutaja tehtud toimingud.

5. Vea tagasiside: süsteemi reageerimine sammu tavalistele tõrkesituatsioonidele.

Näide: see veateade annab kasutajale teada, miks samm ebaõnnestus, kuid ei anna lahenduseettepanekuid.

6. Uued mõisted: teave, mida kasutaja peab sammu jaoks mõistma.

Näide. Modaal pakub funktsioonide ülevaadet, kuid lisateabe saamiseks viitav link viib kasutaja tootest välja.

Igal ülaltoodud reitingukategoorial on oma reitinguskaala ja Ricki varad pakuvad näiteid iga kategooria madalatest ja kõrgetest hinnetest. Selle põhjuseks on asjaolu, et lõplikku kvantitatiivset punkti arvutavat keerukusanalüüsi algoritmi kaalutakse vastavalt sellele, millisel määral iga reitingukategooria mõjutab ülesande üldist keerukust. Meie õnneks ei pea me pikkade vormide arvutusi ise tegema! Kuid on kriitiline mõista kaalutud algoritmide olulisust ja seda, miks iga skaala on ainulaadne.

Millal kasutada

Olen leidnud, et keerukusanalüüs on üsna paindlik meetod selle osas, millal seda kasutada ja kuidas seda oma tooterühma konkreetsetele vajadustele kohandada. Siiski on kasutamisel mõned nõuded:

  1. Peate olema generatiivsete uuringute hindamise etapis.
  2. Olete määratlenud sihtkasutaja (d) ja nende töö (d), mida teha. See tuvastamisprotsess tähendab, et te mitte ainult ei tunne nende ülesannet ja kohustusi, vaid teate ka neid mõisteid, mis on neile teada, võrreldes uutega. Te olete läbi viinud piisavalt uuringuid, et teada nende teadmiste ja ebakindluse valdkondi.
  3. Teil on vaja konkreetsete ülesannete tüüpilisi kaadreid, mida sihtkasutaja soovib täita (kaadriraamid ei pea olema lojaalsed, kuid need peavad olema kõikehõlmavad ja sisaldama kõiki konkreetse ülesande täitmiseks vajalikke komponente).

Neid nõudeid silmas pidades olen toote kujundamise käigus kasutanud keerukusanalüüsi mitmel erineval kasutusjuhul:

  1. Eelmise kasutajaliidese võrdlemiseks värskelt loodud kasutajaliidesega (see võib mõõta disainimeeskonna lisandväärtust tootehaldusele ja arendusele).
  2. Konkureeriva toote sama toiminguvoo võrdlemiseks meie tootega (sobib suurepäraselt edasitoimetamiseks, kus on vaja UX-d ja arendustööd, et tagada toote võrdne konkurentsiga).
  3. Kahe erineva kujundusvoo võimaluse võrdlemiseks kasutajaliideses täiesti uue funktsiooni / võime loomiseks (see aitab siis, kui tootele tutvustatakse uusi uuendusi või kui teatud funktsiooni integreerimiseks on panused kõrged ja UX-meeskond peab tagama, et nad saavad) enne kasutajatega kinnitamist õige vool).
1. juhtum: eelmise kasutajaliidese võrdlemine uue kasutajaliidesega (pidage meeles, et mida madalam on keerukus, seda parem).2. juhtum: sama ülesandevoog konkureerivates toodetes (pidage meeles, et mida madalam on keerukus, seda parem).

Kuidas kasutada

Keerukusanalüüsi läbiviimiseks on kolm põhietappi.

  1. Kasutajaülesande jaotamine eraldatud sammudeks ja interaktsioonideks.
  2. Hinnake ülesande iga sammu või interaktsiooni keerukust kuues reitingukategoorias.
  3. Loodud keerukusmõõdikute analüüsimine ja järgmiste sammude määramine.

1. Kasutajaülesande jaotamine eraldatud sammudeks ja interaktsioonideks.

See on keerukusanalüüsi kõige aeganõudvam etapp, kuid see loob hindamise aluse. Lisaks on see tootemeeskonna jaoks värskendav vaade, kuna võite leida küsimusi, mille meie endi tuttav võib meid tähelepanuta jätta. Selle protsessi kõige keerulisem osa on selge arusaam sellest, mida saab käsitada ülesande, sammuna ja interaktsioonina.

Näide: ülesannete jaotus vs sammud ja interaktsioonid.

Ülesanne on diskreetne komponent kasutaja üldeesmärgis või tehtavas töös. Sammud on üksikud elemendid, mis töötavad ülesande täitmise suunas. Need interaktsioonid on sõna otsesed seosed, mis kasutajail tootega sammu täitmiseks on. Hindate kas etapi või interaktsiooni keerukust sõltuvalt reitingukategooriast.

2. Hinnake ülesande iga sammu või interaktsiooni keerukust kuues reitingukategoorias.

Kui olete oma ülesanded, sammud ja interaktsioonid kirjeldanud, peate tootes liikuma ja iga elementi vastavalt hindama. Ärge proovige seda teha mälust! Tutvuge toote või prototüübiga, kui saate punkte.

Oma reitingute rakendamisel peate viitama iga reitingukategooria ainulaadsele reitinguskaalale ja kriteeriumidele. See aitab teil mõista, mis näiteks navigatsioonijuhiste puhul määrab 3 versus 5.

Astetasemel hinnatud keerukuse mõõdikud: navigeerimisjuhised, süsteemi tagasiside, vigade tagasiside ja uued kontseptsioonid.

Interaktsiooni tasemel hinnatud keerukuse mõõdikud: konteksti nihked ja sisendparameetrid.

Kui kasutate keerukuse analüüsi varasid, mida me IBMis kasutame, teisendatakse teie reitingusisendid automaatselt aluseks oleva algoritmi abil keerukuse mõõdikuteks. Neid keerukuse mõõdikuid näidatakse nii arvuliselt kui ka graafiliselt.

Suumitud vaade, mis näitab, milliseid andmeid peate sisestama (märkused a, b, c on interaktsioonid) - pidage meeles, et mõned keerukuse reitingud määratakse astme tasemel, teised aga interaktsiooni tasemel.

3. Genereeritud keerukusmõõdikute analüüsimine ja järgmiste sammude määramine.

Kui olete lõpetanud keerukuse reitingute sisestamise ja keerukusmõõdikud on välja arvutatud, peate mõistma, mida tulemused tähendavad järgmiste toimingute osas. Ehkki andmed ja diagrammid on väärtuslikud, on need ettepanekute või ettepanekutega koos palju tähendusrikkamad, eriti kui neid jagada arendus- ja tootehaldusmeeskondadega.

Keerukuse mõõdikud tulpdiagrammide kujul.

Ülaltoodud näites on meil varem arutletud kasutusjuhtumi kohta, kus saate keerukusanalüüsi abil võrrelda kahte konkureerivat toodet, mis mõlemad võimaldavad kasutajal sama ülesande täita. Kuna soovime, et keerukus oleks võimalikult väike, näeme, et toode B edestab selle meetodi kontekstis toodet A. Samuti näeme, et navigatsioonijuhised on kahe toote suurim keeruline erinevus, millele järgnevad uued mõisted. Seetõttu võime teha ettepaneku, et tooterühm A eelistaks muudatusi, mis vähendavad navigeerimisjuhiste ja uute kontseptsioonide keerukust. Lisaks selle teabe edastamisele võib keerukusanalüüsi läbi viinud meeskond soovitada konkreetseid viise nende eesmärkide saavutamiseks, sealhulgas lisateavet ikoone või pardaelemente, et kasutaja saaks toimingu läbi viia ja teda kogu aeg kursis hoida.

Parimad tavad

Tuginedes oma kogemustele ja Ricki ja Tim'i juhistele, kirjeldasin allpool mõnda parimat tava, mis aitavad tagada ideaalse keerukusanalüüsi tulemuse:

  • Töötage paarikaupa ülesande sammude / interaktsioonide määramiseks, kuid määrake üksi esialgsed numbrid ja võrrelge seejärel (see vähendab inimeste kalduvust verbaalselt üksteisega kokku leppida ja potentsiaalselt vale hinnangut anda. Oluline on siin see, kui üks inimene määrab a-st 5-ni ja teine ​​määrab samale sammule 2, siis võite kindlasti tagasi minna ja üle vaadata).
  • Valige üks ulatuslik kasutaja eesmärk, millele keskenduda. Ärge tehke kogu tootevoogu esimest korda ringi liikudes (Kiire tempo sprindikeskkonnas on see lihtsalt liiga üle jõu käiv ja aeganõudev; valige üks eesmärk, mis pole liiga lai, eraldades kas kõige problemaatilisema voo või kõige olulisema võime saate õiguse üldise kasutajakogemuse ja tooteülesande jaoks).
  • Jagage oma lõpptulemusi suurema tootetiimiga, eriti tootehaldust ja arendustööd (selle meetodi juurutamine on kriitilise tähtsusega jagamise eesmärgi saavutamiseks. Kindlasti edastage suurema meeskonnaga genereeritud tulpdiagrammid ja tulemused selgelt ning soovitage järgmisi samme probleemide lahendamiseks alad).

Oluline on märkida, et lisaks probleemsete piirkondade väljakutsumisele on keerukusanalüüs samuti oluline, et juhtida tähelepanu voolu osadele, mis on keerukad ja toimivad hästi. Neid kogemusi tuleb kaitsta, kuna uued kujundused ja funktsioonid on integreeritud.

Keerukuse analüüs on võimas meetod toote konkreetsete ja hädavajalike ülesannete kasutajakogemuse kvantifitseerimiseks. Minu kogemuse põhjal on sellest tohutult palju abi olnud disaini mõõdetava mõju propageerimisel ja erialadevahelise töö tähtsustamisel tooterühmas. Ükskõik, kas soovite täielikult rakendada keerukusanalüüsi või soovite kasutada mõnd selle rentnikku teadlikuma kognitiivse ülevaate või muude ülesandepõhise hindamise meetodite suunas, pakub selle meetodi mõistmine teie kasutaja uurimistööriistade komplektile rohkem väärtust ja ulatust.

Ressursid

IBM-i töötajad: alustamiseks tutvuge põhjalike ressursside ja varadega, mida pakub siin Rick Sobiesiak, ja kui soovite liituda keerukuse analüüsi kogukonnaga, pöörduge otse Rick Sobiesiaki poole.

Mitte-IBM-i töötajatele: tutvuge Rick Sobiesiaki ja Tim O’Keefe kaasautoriga uurimistööga siin

Suured tänud nii Rickile kui Timile! Kõik väljendatud mõtted on minu enda tehtud. http://www.gabriellacampagna.com/