Wie Sie Nutzerinterviews analysieren, um Ihre Stakeholder zu überzeugen (Update: inkl. UX Research Report Tools)

Natürlich können Sie die Datenanalyse der UX-Forschung auch ohne tl;dv durchführen, aber das ist einfach nur dumm. Wir haben erwähnt, dass es kostenlos ist, richtig? Wenn Sie tl;dv ignorieren, verbringen Sie mehr Zeit und Geld und erhalten weniger wertvolle Erkenntnisse auf schlecht organisierte Weise. Aus diesem Grund wird tl;dv von UX-Designern und -Forschern allgemein als eines der besten remote UX-Forschungstools anerkannt.

Finden Sie die Balance zwischen Aufgeschlossenheit und einem Plan

Es ist zwar wichtig, die Daten so zu sammeln, dass Sie sich auf die Analysephase vorbereiten können, aber noch wichtiger ist es, mit einem offenen Geist zu beginnen. Machen Sie nicht den Fehler, sich in die Voreingenommenheit des Forschers zu begeben, indem Sie Ihre Analyse so gründlich im Voraus planen, dass Sie am Ende die Antworten suchen, die Sie finden wollen. So funktioniert Nutzerforschung nicht. 

Es ist jedoch ein guter Tipp, den Forschungsprozess unvoreingenommen zu beginnen und einen Plan zu haben, wie man die gewonnenen Daten sammelt, speichert und leicht wieder auf sie zugreifen kann.

Sie wollen nicht zum ersten Mal über Ihre Analyse nachdenken, wenn Sie bereits unter einem Berg von Daten begraben sind. Beginnen Sie ganz am Anfang. Ihr Interviewprozess sollte so strukturiert sein, dass Sie kleine Erkenntnisse analysieren können.

Prüfen Sie Ihre Zielgruppe, bevor Sie sie befragen, um sicherzustellen, dass Sie die besten und aufschlussreichsten Nutzer haben. Dies ist vor allem dann wichtig, wenn Sie Nutzer aus sozialen Medien und anderen öffentlichen Quellen befragen, die nicht Ihre eigenen App-Nutzer sind. Erstellen Sie einen Interviewplan, um das Beste aus Ihrer Forschung herauszuholen.

Behalten Sie während des gesamten Forschungszeitraums Ihre Ziele im Auge, aber nicht so sehr, dass sie übermächtig werden. Die eigentliche Kunst bei Nutzerinterviews ist das Zuhören. Natürlich müssen Sie den richtigen Leuten die richtigen Fragen stellen, aber wenn Sie nicht zuhören, was sie tatsächlich sagen, schießen Sie sich selbst in den Fuß. Lassen Sie Ihre eigenen Gedanken oder Erwartungen gar nicht erst ins Spiel kommen. Es ist an der Zeit, dass Ihre Benutzer zu Wort kommen und dass ihre Stimmen gehört werden: von Ihnen!

Auch hier kann tl;dv als eines der besten Tools für die Kundenstimme helfen. Sie haben eine permanente Aufzeichnung dessen, was Ihr Benutzer gesagt hat, wie er es gesagt hat und wie er sich während des Gesprächs verhalten hat. Verlassen Sie sich nicht auf Ihr Gedächtnis oder hastig hingekritzelte Notizen. Sie haben Transkriptionen in über zwanzig Sprachen, unbegrenzte Aufzeichnungen von Besprechungen und die Möglichkeit, jede einzelne Information mit einem Zeitstempel zu versehen, auf die Sie zurückgreifen möchten. Und das alles ist kostenlos!

@tldv.io

Das macht absolut Sinn. #Meeting #Komödie #Unternehmen #Meetings #9to5 #firstday

♬ Originalton - tldv.io - AI Meeting Recorder

Identifizieren Sie Ihre Ziele

Sie wollen Ihre App verbessern? Zu vage. Vielleicht möchten Sie ein detailliertes und tiefes Verständnis dafür entwickeln, wer Ihre Zielgruppe und Ihre idealen Nutzer sind, was sie motiviert und wie sie ihre Ziele im Alltag umsetzen. In diesem Fall ist es besser, wenn Ihre Forschung darauf ausgerichtet ist, Muster im täglichen Verhalten der Befragten zu erkennen. 

Halten Sie außerdem Ausschau nach demografischen Details, Lebensgewohnheiten und verschiedenen Einstellungen der Nutzer. Sie können sogar einen eigenen Gesprächsleitfaden für die Nutzerbefragung erstellen, um sicherzustellen, dass Sie das Gespräch in die richtige Richtung lenken.

Wenn Ihr Ziel hingegen darin besteht, eine neue Funktion oder eine neue Anwendung zu testen, könnten Sie sich auf Schmerzpunkte und Zufriedenheitspunkte konzentrieren und versuchen, diese nach ihrer Priorität zu ordnen.

Sie müssen nicht nur herausfinden, wie Sie die richtigen Fragen stellen, damit sich die Nutzer wohl fühlen, wenn sie ihre Meinung preisgeben, sondern Sie müssen die Daten auch so aufzeichnen, dass Sie sie für verschiedene Zwecke verwenden können. Je nachdem, mit wem Sie die Analyse Ihrer Nutzerforschungsdaten teilen wollen, müssen Sie sich Gedanken über die Granularität machen. Richten Sie sich an Ihr Designteam oder an die Interessengruppen? Müssen Sie spezifische Beispiele nennen oder nur allgemeine Trends? Planen Sie im Voraus.

Bereiten Sie Ihre Hypothese vor (falls erforderlich)

Hypothesen sind in bestimmten Bereichen der Forschung wichtig. Usability-Tests zum Beispiel erfordern eine Hypothese, weil Sie sich auf bestimmte Bereiche konzentrieren müssen, die verbessert werden müssen. Sie müssen das Problem und die potenzielle Lösung einigermaßen verstehen, bevor Sie in die Nutzerforschung einsteigen.

Doch nicht jede Forschung erfordert eine Hypothese. Und in einigen Fällen werden die Daten dadurch regelrecht verfälscht. Wenn Sie eine Reihe von Nutzerinterviews durchführen und davon ausgehen, dass Schmerzpunkt A das Problem ist, dann werden Sie genau das hören. Das führt zu einer verzerrten Sicht auf das Problem und damit zu verzerrten Daten, was wiederum zu einer vergeudeten Produktentwicklung führt, da die Kernprobleme übersehen werden.

Manchmal können Sie mit kleinen Analysen beginnen, sobald die ersten Daten eintreffen. Um zu gewährleisten, dass die Nutzerinterviews mit hoher Qualität durchgeführt werden, sollten es nicht mehr als 4 pro Tag sein. Vorzugsweise 2 oder 3. Zwischen den Interviews muss genügend Zeit liegen, damit die Forscher die Notizen überprüfen und beschriften können. Das gibt ihnen auch Zeit für eine Nachbesprechung mit dem Protokollführer, falls es einen gibt, oder für die Durchsicht der Notizen auf tl;dv.

Nach der Hälfte der Nutzerinterviews kann eine oberflächliche Semianalyse durchgeführt werden. Sie können diese Verdauungszeit auch nutzen, um Ihre Fragen zu überprüfen und sie vielleicht hier und da zu ändern, um in zukünftigen Interviews bessere Antworten zu erhalten.

Diese Methode wird Sie davor bewahren, sich nach einem vollgepackten Tag mit Benutzerinterviews in Ihren eigenen Tränen zu ertränken, mit nur hastig hingekritzelten Notizen und einem halbwegs funktionierenden Gehirn, das versucht, sie zu entschlüsseln.

@tldv.io

Different kinda breakdown pal #breakdown #9to5 #latetowork #dayinthelife #corporatehumor IB: @punhubtiktok

♬ Originalton - tldv.io - AI Meeting Recorder

Entdeckungen für unterwegs

Die Produktentwicklung ist in hohem Maße von qualitativ hochwertiger Forschung durch Nutzerforschung, Interviews und Tests abhängig. Auch das UX-Design basiert auf gründlicher Forschung. Ein Produkt ausschließlich auf der Grundlage Ihrer Fantasien darüber zu entwickeln, wie es sein sollte, ist der schnellste Weg in den Sumpf der Scheiße. Und Sie sollten glauben, dass es dort auch keine Paddel gibt.

Nutzerforschung hilft Ihnen, die goldenen Nuggets zu entdecken, die Sie brauchen, um ein Produkt zu entwickeln, das die Nutzer lieben werden. Unabhängig davon, ob Sie über Merkmale, Funktionen oder andere Aspekte Ihrer Anwendung nachdenken, ist es wichtig, die Meinung echter Nutzer zu erfahren. Es ist teurer, ein Entwicklungsproblem später zu beheben, als eine Lösung zu Beginn zu entwickeln. 

In einigen Fällen ist es möglich, durch Nutzerforschung ganz neue Anwendungsfälle zu finden, indem Sie sich anhören, was Ihre zukünftigen Nutzer wollen. Dies kann Ihnen dabei helfen, sich als Marktführer in der Nische zu positionieren und sich auf einem gesättigten Markt erfolgreich zu behaupten.

Es hört nie auf

Wenn es etwas gibt, das Sie wissen sollten, dann ist es, dass die Analyse von Nutzerforschungsdaten nicht aufhört. Sie schläft nicht. Sie empfindet kein Mitleid, keine Reue und keine Angst. Okay, ich habe vielleicht irgendwo angefangen, über den Terminator zu sprechen, aber das ändert nichts an der Tatsache, dass die Analyse ein fortlaufender Prozess ist.

Eine der besten Möglichkeiten, den Fortschritt im Auge zu behalten und die wichtigsten Erkenntnisse zu organisieren, ist das Anfertigen von Notizen. Nicht wie im zwanzigsten Jahrhundert mit Stift und Papier, nein, nein, nein. Mit tl;dv's note-taker. 

Durch die Aufzeichnung von Sitzungen mit tl;dv können Sie Ausschnitte oder ganze Sitzungen mit Videos an Beteiligte weitergeben, um entsprechende Maßnahmen zu ergreifen. Das Anfertigen von Notizen hilft Ihnen nicht nur dabei, Dinge unterwegs zu analysieren, sondern auch dabei, über die Dinge Buch zu führen, während sie passieren. So behalten Sie am besten den Überblick über all Ihre gesammelten Daten.

Eine Möglichkeit, dies zu tun, ob bei qualitativer oder quantitativer Forschung, besteht darin, nach jedem Interview kurze Sitzungen mit Ihren Forscherkollegen abzuhalten. Sie können die Antworten gemeinsam durchgehen und zusätzliche Notizen machen. Es ist immer gut, ein Nutzerinterview zu überprüfen, bevor man zum nächsten übergeht.

Daten aufschlüsseln 

Die Zusammenführung von Daten am Ende Ihrer Forschung ist eine der einfachsten Möglichkeiten, sich von der schieren Menge der Daten entmutigen zu lassen. Aber keine Sorge, nicht alle Daten sind gleich. In diesem Stadium ist es wichtig, dass Sie wissen, wie Sie in Ihren Daten Gold finden können.

Um die besten Ergebnisse zu erzielen, sollten Sie zunächst Ihre Notizen bereinigen und sie mit Kontextinformationen ergänzen (mit Hilfe Ihrer aufgezeichneten Sitzungen). Unterscheiden Sie zwischen einer Beschreibung und einer Interpretation. Die Analysephase ist die Zeit der Interpretation.

Als Nächstes kategorisieren Sie Ihre Daten in verschiedene Analysebereiche, die es Ihnen ermöglichen, die verschiedenen Daten nach ihrer Wichtigkeit und Priorität zu gewichten.

Eine solche Liste ist wichtig, um festzustellen, was jetzt wichtig ist und was später nützlich sein wird. Diese Art von Analyse ist besonders wichtig, wenn Sie nur wenige Ressourcen zur Verfügung haben, um Ihre Erkenntnisse umzusetzen; Sie wollen sich nur auf die Dinge konzentrieren, die Ihren Nutzern die größtmögliche Wirkung bringen und Ihnen helfen, die gesetzten Ziele zu erreichen.

Das bedeutet, dass wir all die schönen (aber unwichtigen) Ideen für später in einen Korb legen und dem Entwicklungsteam erlauben, das zu bauen, was zu jedem Zeitpunkt absolut notwendig ist.

Die Priorisierung beginnt mit dem UX-Forschungsdesign auf der Grundlage der Unternehmensziele, die die Beteiligten für das Projekt festgelegt haben. Um sicherzustellen, dass Sie die notwendigen Informationen erhalten, um diese Anforderungen zu erfüllen, müssen Sie die Ziele im Hinterkopf behalten und eine Möglichkeit haben, Ihre Daten zu sortieren.

Wie Sie bei der Analyse Ihrer UX-Forschungsdaten Prioritäten setzen

1. Thematische Analyse

Bei der thematischen Analyse werden die Daten in "Bereiche" eingeteilt, die berücksichtigt werden sollen. Indem Sie Ihre Daten in gut organisierte Bereiche unterteilen, können Sie jedes kleine Detail auf der Grundlage seines Themas sowie der allgemeinen Bedeutung dieses thematischen Bereichs berücksichtigen.

Eine Möglichkeit, damit zu beginnen, ist die farbliche Kennzeichnung von Themen. Bei der Durchsicht der Protokolle geben Sie jedem Datenfragment eine Farbe, die dem Thema entspricht. Dies kann am Ende des Tages oder kurz nach jeder Sitzung geschehen, um sicherzustellen, dass Sie nicht den Überblick über die einzelnen Gespräche verlieren. Zusammen mit Ihren Notizen können Sie Ihre automatisch erstellten Transkripte von tl;dv leicht farblich kennzeichnen.

Wenn Sie sich nicht für ein Thema entscheiden können, fassen Sie einfach Daten zusammen, die eine ähnliche Bedeutung, einen ähnlichen Umfang oder eine ähnliche Prämisse haben. Wenn Sie feststellen, dass immer wieder dasselbe gesagt wird, ist es eine gute Idee, daraus ein Thema zu machen und alle Daten zu diesem Thema dort zu speichern.

Nach Angaben der Nielsen Norman Group gibt es sechs (6) Schritte für die Datenanalyse für thematische Bereiche.

Schritt 1: Sammeln Sie Ihre Daten

Schritt 2: Lesen Sie alle Ihre Daten von Anfang bis Ende.

Schritt 3: Kodieren Sie Ihren Text mit thematischen Bereichen

Schritt 4: Erstellen Sie neue Codes, um neue Themen zu kapseln

Schritt 5: Machen Sie einen Tag Pause

Schritt 6: Bewerten Sie Ihre Themen auf ihre Eignung

Es ist eine gute Idee, eine Legende oder einen Kodierungsschlüssel zu erstellen, damit auch Ihre Kollegen Ihre Daten verstehen können. Ein Beispiel für einen Textkodierungsschlüssel ist:

• • Rot - Schmerzpunkte

• • Grün - Positiv

• • Grau - Benutzervorschläge

• • Gelb - täglich genutzte Anwendungen

Quelle: NVIVO BLOG

2. Affinitätsdiagramme

Das Affinitätsdiagramm ist eine Möglichkeit, alle Fakten visuell zu organisieren, indem man sie in verschiedene Kategorien (oder Themencluster) einordnet. Das Affinitätsdiagramm wird oft mit Stift und Papier erstellt, aber es kann auch perfekt im Kanban-Stil mit Tools wie Trello ausgeführt werden. Für das Affinitätsdiagramm gibt es verschiedene Bezeichnungen, z. B. Collaborative Sorting, Snowballing und manchmal auch Affinity Mapping.

Beispiel einer Affinitätszuordnung:

Quelle: Leow Hou Teng

Was ist der Unterschied zwischen Affinitätsdiagrammen und thematischen Bereichen in der Nutzerforschung?

Bei der hierarchischen thematischen Analyse werden die Daten in Themen und dann in Unterthemen aufgeteilt. Dazu werden alle Transkripte, Interviewnotizen und andere relevante Daten durchgelesen und die Daten dann nach verschiedenen Themen kodiert. Thematische Bereiche sind im Allgemeinen breiter angelegt als Affinitätsdiagramme. In einem Affinitätsdiagramm werden kleinere Themen oder Cluster dargestellt, die weiter untersucht werden können. 

Bei der thematischen Analyse werden Ihre Daten in Themen sortiert, um jedes Detail besser zu berücksichtigen, während beim Affinitätsdiagramm Fakten nach Themen gruppiert werden. Beide Methoden können verwendet werden, um ein besseres Verständnis für Ihre Nutzer zu entwickeln und Ihr Produkt entsprechend zu verbessern. Sie sind nicht dasselbe und können in Ihrer Forschungsanalyse nebeneinander verwendet werden, je nachdem, welche Perspektive Sie verfolgen möchten.

Die übliche Methode

Das ganze Gerede über Themenbereiche und Affinitätsmapping mag überwältigend klingen, aber in Wirklichkeit werfen die Forscher ihre Notizen normalerweise in eine Leinwand (Miro, Mural oder Figjam sind die üblichen Verdächtigen) und ordnen sie dann in Themen oder Momente der Customer Journey ein.

Wenn eine Idee in der Forschung häufig vorkommt, verwenden die Forscher in der Regel Punkte, um dies anzuzeigen. Sie können auch einige In-App-Funktionen verwenden, die das Gleiche bedeuten.

Dies ähnelt zwar den oben beschriebenen Themenbereichen, ist aber ein flexiblerer Prozess.

Wie man verschiedene Datentypen analysiert

Analyse von qualitativen UX-Daten aus Benutzerinterviews

Eine Sache, die Sie bei qualitativen Daten schnell bemerken werden, ist, dass sie chaotisch erscheinen können. Das liegt daran, dass sie sehr subjektiv sind. Sie erhalten oft eine große Menge an Daten, von denen die meisten sich wiederholen oder unbrauchbar sind. Nutzerinterviews sind in der Regel ergebnisoffen, so dass die Nutzer ihre Meinung ungefiltert äußern können. Das bedeutet auch, dass die Analyse der Daten weitgehend von Ihnen, dem UX-Forscher, abhängt und davon, wie Sie mit den Daten umgehen wollen.

Achten Sie bei der Analyse qualitativer Nutzerforschungsdaten auf Folgendes;

• • Muster, die in verschiedenen thematischen Bereichen auftauchen;

• • Befunde, die Ihr Team überrascht haben;

• • Momente (Themen) mit großen Emotionen für die Nutzer;

• • Vorlieben und Abneigungen;

• • Funktionen, die bei den Nutzern beliebt sind;

• • Und Anwendungsfälle, die Ihre aktuelle Benutzeroberfläche nicht gut genug unterstützt.

Wenn Sie jedoch explorative Forschung für Ihre Produktentdeckungsphase durchführen, werden Sie feststellen, dass diese Daten sowohl qualitative Einstellungsdaten als auch qualitative Verhaltensdaten enthalten können. Mit Hilfe von Affinitätsdiagrammen und thematischer Analyse können Sie die verborgenen Schätze in den Daten aufdecken. 

Um eine thematische Analyse durchführen zu können, benötigen Sie drei Dinge: Daten, Forschungspräferenzen (basierend auf dem Team und den Forschungszielen) und den Kontext der Analyse. Mit diesen Voraussetzungen können Sie Ihre UX-Forschungsdatenanalyse mit Software, durch Aufzeichnungen oder durch Affinitätsdiagramme durchführen. 

Wie kann GPT helfen?

Jeder kennt inzwischen GPT, die KI-gesteuerte Technologie, die definitiv nicht insgeheim die Weltherrschaft plant, indem sie die Menschen übermäßig abhängig von der Technologie macht und sie vergessen lässt, wie sich die freie Natur anfühlt, damit wir uns bereitwillig in die Realitätsmatrix begeben. Ganz und gar nicht.

@tldv.io

Geschrieben von ChatGPT #inception #chatgpt #ai #openai #meeting #corporate

♬ Originalton - tldv.io - AI Meeting Recorder

Bevor wir jedoch zu Batterien für Roboter werden, können wir sie nutzen, um unser Arbeitsleben zu beschleunigen und Dinge aufzuspüren, die wir vielleicht übersehen haben. Sie können GPT zum Beispiel mit Ihren Recherchen füttern und es bitten, auf Verzerrungen hinzuweisen, Muster und Themen zu finden und sogar Vorlieben und Abneigungen hervorzuheben. Im Grunde genommen kann alles, was wir Ihnen oben über die Analyse von Nutzerfeedback gesagt haben, sofort von einem körperlosen Roboter durchgeführt werden.

GPT-Prompts

Hier sind einige GPT-Aufforderungen, die Sie verwenden können, um Ihren UX-Forschungsbericht noch überzeugender zu gestalten!

1. Können Sie das Repository nach allen Recherchen zu einem bestimmten Produkt oder einer bestimmten Funktion durchsuchen?
2. Können Sie die wichtigsten Ergebnisse einer bestimmten Studie für mich zusammenfassen?
3. Können Sie die Forschungsstudien nach Datum, Autor oder Thema ordnen?
4. Können Sie gemeinsame Themen oder Muster erkennen, die sich aus den Forschungsstudien ergeben?
5. Können Sie mir helfen, Lücken in unserem derzeitigen Verständnis von Nutzerverhalten oder -präferenzen zu identifizieren?
6. Können Sie mir eine Zusammenfassung der in einer bestimmten Studie verwendeten Forschungsmethoden geben?
7. Können Sie mir helfen, eine Präsentation zu erstellen, die die Forschungsergebnisse für ein bestimmtes Projekt oder eine Initiative zusammenfasst?
8. Können Sie auf der Grundlage der aktuellen Ergebnisse mögliche Folgestudien oder Forschungsfragen vorschlagen?
9. Können Sie mir eine Liste mit externen Forschungsstudien oder Quellen zur Verfügung stellen, die für unseren Forschungsspeicher relevant sein könnten?

Auch wenn diese Fragen etwas vage erscheinen mögen, ermöglichen sie es der GPT, Ihnen im Detail zu erklären, was sie von Ihnen benötigt. Nehmen wir die Frage Nr. 7 als Beispiel. Hier ist die Antwort von GPT: