ステークホルダーを納得させるユーザーインタビューの分析方法（更新：UXリサーチレポートツールを含む）

もちろん、tl;dv を使わなくてもUXリサーチのデータ分析を行うことはできますが、それは馬鹿げています。 無料だと言いましたよね？ tl;dv を無視すれば、より多くの時間、より多くのお金を費やし、整理されていない方法でより価値の低い洞察を得ることになります。だからこそ、UXデザイナーやリサーチャーは、tl;dv を最高のremote UXリサーチツールの1つとして一般的に認知しているのです。

オープンマインドとプランのバランスを考える

分析に向けたデータ収集はもちろん大切ですが、それ以上に大切なのは「素直な心」です。間違っても、事前に徹底的に分析計画を立て、自分が見つけたい答えを求めるあまり、研究者バイアスに陥ってしまわないようにしましょう。それは、ユーザー調査のやり方ではありません。 

しかし、オープンマインドで調査プロセスを開始し、途中で得たデータの洞察を収集、保存し、簡単に再アクセスする方法を計画することは、大きなヒントとなります。

10フィートのデータに埋もれてから、初めて分析について考えるのでは困ります。最初から始めましょう。インタビューのプロセスは、小さな発見を分析するのに役立つ方法で構成されている必要があります。

インタビューする前に対象者を選別し、最も優れた洞察力のあるユーザーを確保すること。これは、自社のアプリのユーザーではなく、ソーシャルメディアやその他の公的なソースからインタビューユーザーを調達する場合には、特に重要です。調査を最大限に活用するために、インタビュー計画を立てましょう。

調査期間全体を通して、目標を意識しながらも、それが重荷にならないようにすることです。ユーザーインタビューの真のスキルは、「 聞く」ことです。もちろん、適切な人に適切な質問をすることは必要ですが、実際に彼らが言うことに耳を傾けていなければ、本末転倒になります。自分の考えや期待に耳を傾けてはいけません。今こそ、ユーザーの声を聞くべき時なのです。

ここでも、tl;dv が最高のVoice of the Customer ツールとして役に立ちます。ユーザーが何を言ったか、どのように言ったか、どのような態度で話したか、永久に記録されるのです。記憶や、急いで書き留めたメモに頼る必要はありません。20カ国語以上のトランスクリプション、無制限のミーティング録音、 タイムスタンプ機能で、あらゆる情報を呼び出すことができます。しかも、すべて無料です。

@tldv.io

完璧に筋が通っている。#会議 #お笑い #会社 #ミーティング #9to5 #初日

オリジナルサウンド - tldv.io - AI ミーティングレコーダー

目標を明確にする

アプリを改善したい？漠然としすぎています。オーディエンスや理想のユーザーが誰で、何が彼らを動かし、彼らが日常的にどのように目標に向かって行動しているのか、詳細かつ親密に理解したいのではないでしょうか。その場合、インタビュー対象者の日々の行動のパターンを特定するための調査を行うのがよいでしょう。 

さらに、ユーザーの属性や生活パターン、さまざまな意識にも注目しましょう。ユーザーインタビューのディスカッションガイドを自分で作成し、適切な方法で会話を誘導することもできます。

一方、新機能や次期アプリのテストが目的であれば、ペインポイントや満足度、優先順位に焦点を当てることができます。

ユーザーが安心して自分の考えを明らかにできるように、適切な質問をする方法を見つけるだけでなく、さまざまな目的に使用できる方法でデータを追跡する必要があります。ユーザー調査のデータ分析を誰と共有するかによって、粒度について考える必要があるかもしれません。デザインチームに伝えるのか、それとも利害関係者に伝えるのか？具体的な例を挙げる必要があるのか、それとも一般的な傾向だけでよいのか。事前に計画を立てましょう。

仮説の準備（必要な場合）

ある種の研究分野では、仮説が重要です。例えば、ユーザビリティ・テストでは、改善が必要な特定の領域に焦点を当てる必要があるため、仮説が必要です。ユーザー調査に入る前に、問題と解決策をある程度理解しておく必要があります。

しかし、すべての研究で仮説が必要なわけではありません。また、場合によっては、仮説がデータを汚すこともあります。例えば、ユーザーへのインタビューを行う際、問題点Aを想定して行うと、まさにその通りの結果が得られます。そうすると、問題に対する見方が偏り、偏ったデータになり、本質的な問題が見落とされ、無駄な製品開発が行われてしまいます。

データが入り始めたら、小さな分析を始めることもあります。ユーザーインタビューの品質を保証するために、1日に4件までとする。できれば2、3回が望ましいでしょう。インタビューとインタビューの間には、研究者がメモを確認し、ラベルを付けるためのスペースが必要です。また、メモを取る人がいる場合は、その人とデブリーフィングをしたり、 tl;dv にあるメモに目を通したりする時間も必要です。

ユーザーインタビューの途中で、表面的な半解析を行うことができます。また、この咀嚼の時間を使って質問を見直し、今後のインタビューでより良い答えを引き出すために、あちこちに手を加えることもできます。

この方法を使えば、ユーザーインタビューの後、急いで走り書きしたメモと、それを解読しようとする半端な脳みそだけを持って、自分の涙で自分を溺れさせることを防げるでしょう。

@tldv.io

Different kinda breakdown pal#breakdown #9to5 #latetowork #dayinthelife #corporatehumorIB：プンフブティクトック（@punhubtiktok

オリジナルサウンド - tldv.io - AI ミーティングレコーダー

ディスカバリー・オン・ザ・ゴー

製品開発は、ユーザー調査やインタビュー、テストなどによる質の高いリサーチに大きく左右されます。UXデザインもまた、徹底したリサーチに基づいています。こうあるべき」という空想だけで製品を作るのは、「クソの小川」への最短ルートです。そこには、パドルもないと思ったほうがいいでしょう。

ユーザーに愛される製品を作るために必要な金言を発見できるのが、ユーザーリサーチです。機能や特徴など、アプリケーションのあらゆる側面を考える上で、実際のユーザーの声を知ることは重要です。最初に解決策を講じるよりも、後から開発上の問題を解決する方が、よりコストがかかります。 

また、ユーザー調査を通じて、未来のユーザーが何を求めているかを聞き出すことで、まったく新しいユースケースを見つけることができる場合もあります。これは、飽和状態の市場で成功するために、ニッチな分野でのリーダーとしての地位を確立するのに役立ちます。

止まらない

ひとつ知っておくべきことは、ユーザー調査のデータ分析は止まらないということです。眠ることもありません。同情も後悔も恐怖も感じない。さて、どこかでターミネーターの話をし始めたかもしれませんが、分析が継続的なプロセスであることに変わりはありません。

進捗状況を把握し、重要な洞察を整理するのに最適な方法の1つが、メモを取ることです。20世紀のように紙とペンでメモを取るのではありません。tl;dv'sのノートテイカーで。 

tl;dv でセッションを記録することで、ビデオの断片やセッション全体を関係者と共有し、適切な対処を行うことができます。メモを取ることは、外出先での分析に役立つだけでなく、物事が起きたときの記録を残すのにも役立ちます。これは、収集したすべてのデータを記録するための最良の方法です。

質的研究であれ量的研究であれ、これを行う方法の1つは、各インタビューの後に仲間の研究者と短いセッションを持つことです。一緒に回答を確認し、追加のメモを取ることができます。次のインタビューに移る前に、ユーザーインタビューを見直すのは常に良いことです。

データを分解する 

研究の最後にデータをプールすることは、膨大なデータ量に落胆する最も簡単な方法の一つです。しかし、どのデータも同じではありません。この段階では、データの中から金塊を見つける方法を知ることが、あなたに必要なスキルなのです。

最良の結果を得るためには、まずノートを整理し、（記録された会議の助けを借りて）文脈的な情報で補完することから始めましょう。説明と解釈を区別する分析段階は、解釈する時間です。

次に、データをさまざまな分析領域に分類し、異なるデータを重要度や優先度の観点から重み付けできるようにします。

このようなリストを作成することは、今何が重要で、何が後々役に立つかを判断するために重要です。この種の分析は、調査結果を実行するためのリソースが少ない場合に特に重要です。ユーザーに最大のインパクトを与え、指定した目標の達成に役立つものだけに焦点を当てたいものです。

つまり、いいアイデア（ただし、必要でないもの）はすべて後回しにし、開発チームはそれぞれの時点で絶対に必要なものを作ることができるようにするのです。

優先順位付けは、ステークホルダーがプロジェクトに設定した組織の目標に基づき、UXリサーチの設計から始まります。その要件を満たすために必要な情報を得るには、目的を頭の片隅に置いて、データを分類する方法を持つ必要があります。

UXリサーチのデータ分析に優先順位をつける方法

1.テーマ別分析

テーマ別分析とは、基本的にデータを「バケツ」に分類して検討することです。データをよく整理されたバケツに分解することで、そのテーマバケツの一般的な重要性だけでなく、テーマに基づいてあらゆる細部を検討することが可能になります。

これを始める方法の1つは、テーマを色分けすることです。トランスクリプトをレビューする際、データの各要素に、そのテーマに応じて色をつけます。これは、1日の終わりや各セッションの直後に行うことで、各インタビューの見通しを失わないようにすることができます。メモと一緒に、 tl;dv から自動生成されたトランスクリプトに簡単に色分けをすることができます。

テーマを決めるのに迷ったら、意味や範囲、前提が似ているデータをまとめていけばいい。何度も同じことを言う人がいたら、それをテーマにして、そのテーマに関するデータをすべてそこに格納するとよいでしょう。

ニールセン・ノーマン・グループによると、テーマ別領域のデータ分析には6つのステップがあります。

ステップ1：データを収集する

ステップ2；最初から最後まですべてのデータを読み込む。

ステップ3；テーマ別領域でテキストをコーディングする

ステップ4：新しいテーマをカプセル化するための新しいコードの作成

ステップ5；1日休む

ステップ6：テーマの適合性を評価する

同僚があなたのデータを理解できるように、凡例やコーディングキーを作成することは賢明なアイデアです。テキストコーディング・キーの例は次のとおりです。

• • 赤 - ペインポイント

• • グリーン - ポジティブ

• • グレー - ユーザーからの提案

• • 黄色 - 毎日使用するアプリ

出典：NVIVO BLOG

2.アフィニティ・ダイアグラム

親和性ダイアグラムは、すべての事実をさまざまなカテゴリー（またはトピック・クラスター）に分類して、視覚的に整理するための方法である。親和性図は、しばしば紙とペンを使って行われますが、Trelloのようなツールを使ってカンバン方式で完璧に実行することもできます。アフィニティ・ダイアグラムは、コラボレイティブ・ソーティング、スノーボーリング、時にはアフィニティ・マッピングなど、さまざまな名前で呼ばれています。

アフィニティマッピングの例。

出典Leow Hou Teng

ユーザー調査における「親和図」と「テーマ領域」の違いとは？

階層的主題分析とは、データをテーマとサブテーマに分解するプロセスです。これは、すべてのトランスクリプト、インタビューノート、その他の関連データに目を通し、様々なテーマについてデータをコーディングすることで行われます。テーマ領域は、一般に、親和性図よりも範囲が広くなります。親和性ダイアグラムは、さらに調査できる小さなトピックやクラスターを提示します。 

テーマ別分析では、データをテーマごとに分類し、それぞれの詳細について考察します。どちらの手法も、ユーザーへの理解を深め、製品の改良に役立てることができます。両者は同じものではなく、追求したい視点によって、調査分析に並列して使用することができます。

いつもの方法

テーマ別領域やアフィニティ・マッピングというと、圧倒されるかもしれませんが、実は、研究者は通常、メモをキャンバス（Miro、Mural、Figjamなどが有名）に投げ込んで、それをカスタマージャーニーのトピックやモーメントに分類しているのです。

あるアイデアが調査の中で頻繁に繰り返される場合、研究者は通常、それを示すために点を使用します。また、同じような意味を持つアプリの機能を使用することもあります。

これは、上記のテーマ分野と似ていますが、より柔軟なプロセスになっています。

さまざまな種類のデータを分析する方法

ユーザーインタビューから得られる定性的なUXデータの分析

定性データですぐに気がつくのは、混沌としているように見えるということでしょう。これは、データが非常に主観的であるためです。多くのデータが寄せられることになりますが、そのほとんどが反復的であったり、使い勝手が悪かったりすることがあります。ユーザーインタビューは通常、自由形式で、ユーザーはフィルターなしで自分の意見を述べることができます。これはまた、データの分析が、UXリサーチャーであるあなた自身と、あなたがそれをどのように扱いたいかに大きく依存することを意味します。

定性的なユーザー調査のデータ分析を行う際には、以下の点に注意しましょう。

• • 様々なテーマ領域で出てくるパターン。

• • あなたのチームを驚かせた発見

• • ユーザーにとって感動の瞬間（トピック）。

• • 好きなもの、嫌いなもの。

• • ユーザーから支持されている機能

• • そして、現在のUIでは十分に対応できないユースケース。

しかし、製品発見段階の探索的リサーチを行う場合、そのデータには定性的な態度データと定性的な行動データの両方が含まれている可能性があることに気づきます。親和性図やテーマ別分析を用いることで、データの中に隠された宝石を発見することができます。 

テーマ分析を行うには、データ、リサーチの好み（チームやリサーチの目標に基づく）、分析の文脈の3つが必要です。これらを持っていれば、ソフトウェア、ジャーナリング、親和性ダイアグラムなどを使って、UXリサーチのデータ分析を行うことができます。 

GPTはどのように役立つのでしょうか？

GPTはもう誰もが知っているAI搭載の技術で、人間がテクノロジーに過度に依存し、大自然の感覚を忘れ、現実のマトリックスを進んで受け入れるようにすることで、世界征服をひそかに計画しているのではありません。そんなことはありません。

@tldv.io

文：ChatGPT#inception #chatgpt #ai #openai #meeting #corporate

オリジナルサウンド - tldv.io - AI ミーティングレコーダー

とにかく、ロボットの電池になる前に、私たちはロボットを使って仕事生活をスピードアップさせたり、見落としていることを拾い上げたりすることができます。例えば、GPTにリサーチ結果を渡して、偏りを指摘したり、パターンやテーマを見つけたり、好き嫌いを強調したりするよう依頼することができます。本来、ユーザーの声を分析するために、私たちが説明したことはすべて、体のないロボットが瞬時に行うことができるのです。

GPTプロンプト

UXリサーチレポートの説得力をさらに高めるために使えるGPTプロンプトをご紹介します！

1. 特定の製品や機能に関連するすべての研究をリポジトリから検索することは可能ですか？
2. ある研究の主要な知見を要約してもらえますか？
3. 調査研究を日付、著者、テーマ別に整理できるか？
4. 調査研究から見えてくる共通のテーマやパターンを確認できますか？
5. ユーザーの行動や嗜好に関する現在の理解におけるギャップを特定するのに役立ちますでしょうか？
6. ある研究で用いられた研究手法の概要を教えてください。
7. 特定のプロジェクトやイニシアチブの研究成果をまとめたプレゼンテーションの作成を手伝ってもらえますか？
8. 今回の結果を踏まえて、今後の研究の可能性やリサーチクエスチョンをご提案いただけますか？
9. 当社のリサーチリポジトリに関連すると思われる外部の調査研究またはソースのリストを提供してもらえますか？

これらの質問は少し曖昧に見えるかもしれませんが、GPTがあなたに何を求めているのかを詳しく説明するためのものです。7番の質問を例に挙げてみましょう。GPTの回答は以下の通りです：