Komplexitás elemzése az IBM UX Research számára: Mi ez és hogyan kell kezdeni

Néhány hónappal ezelőtt Rick Sobiesiak (Design Research Lead, IBM Security) és Tim O’Keefe (Design Lead, IBM Systems) mellett a Design Research Best Practices ülésén tartottam előadást a komplexitás elemzéséről. Rick és Tim az IBM Research segítségével fejlesztették ki a módszert, és szerencsés voltam tanulni tőlük. Ezt a módszert alkalmaztam csapatom termékén, az IBM PowerAI Vision-n, hogy mennyiségileg bemutassam a felhasználói élménytervezés hozzáadott értékét azzal a céllal, hogy csökkentsék a feladat vagy a feladatsor összetettségét a felhasználó számára. Ez a bemutató után sok Slack üzenetet és e-mailt kaptunk más termékcsoportoktól, amelyek a bonyolultsági elemzést kívánják végrehajtani. Úgy gondolom, hogy kritikus jelentőségű a felhasználói élményt kutatók számára, hogy néhány kvantitatív módszerrel fejlesszék ki a munkaképességüket, és mindig használnak kvalitatív és kvantitatív módszereket egy panorámás és robusztus felhasználói történethez (erről bővebben itt olvashatsz).

Összekapcsoltam Rick és Tim eredeti komplexitás-elemzési publikációját is a cikk végén az „Erőforrások” részben azok számára, akik még mélyebben merülnének! Kezdjük el.

A módszer áttekintése

A komplexitás elemzése egy használhatóság ellenőrzési módszer egy adott feladat vagy feladatkészlet használhatóságának felmérésére, amely nem igényel közvetlen felhasználói bevonást és kvantitatív eredményeket biztosít. Mivel a komplexitás elemzése nem igényli a felhasználó bevonását, a termékfeladat kiértékelői általában a terméktervezési / fejlesztési csapat tagjai. Javaslom a felhasználói kutatás és a felhasználói élmény kialakításának szerepének párosítását, ha lehetséges. Ne feledje azonban, hogy ha a vezető tervező is az értékelő, akkor torzítással járhat a feladat nehézségének objektív áttekintésekor, így hasznos lehet egy olyan csapattag bevonása, aki más projektre összpontosíthat, vagy érintőlegesen kapcsolódhat a térhez.

Ahogy az értékelők átmennek a tesztelt feladaton, elemeket keresnek, amelyek akadályozzák a felhasználót a végcél elérésében. Ezért elengedhetetlen, hogy megértsük a felhasználót és a végső munkát, mielőtt a bonyolultsági elemzést elvégezzük. Ellenkező esetben nincs referenciakeret az értékelés elvégzésekor.

A kvalitatív módszerektől eltérően, a bonyolultsági elemzés kvantitatív módon mérni fogja azokat az elemeket, amelyek a komplexitási mutatók révén akadályozzák a felhasználó végcélját. Ezek a mutatók az értékelőkből származnak, amelyek osztályozást adnak a megadott feladat minden egyes lépésére vagy interakciójára. A minősítési kategóriák a következőket tartalmazzák:

  1. Kontextus eltolása: a felhasználó mozgatása a terméken belül a lépés befejezéséhez.
Például: A modál kisebb kontextusváltozás, szemben a felhasználó új oldalra vitelével.

2. Navigációs útmutatás: támogatást nyújtott a lépés megkezdéséhez és befejezéséhez.

Például: Az indulás bevezető szövege eltávolíthatja az alapvető képességekkel kapcsolatos találgatásokat.

3. Beviteli paraméterek: információ, amelyet a felhasználónak meg kell adnia a lépés végrehajtásához.

Például: Az edzéshez szükséges felhasználói bevitel két választógomb, szemben a többi lépésben szükséges szöveg / kép bemenettel.

4. Rendszer-visszacsatolás: rendszer válasz a felhasználói interakciókra a lépés során.

Például: A valós idejű értesítési napló dokumentálja a felhasználó által megtett lépéseket.

5. Hiba-visszajelzés: a rendszer reakciója a lépés általános hibahelyzeteire.

Például: Ez a hibaüzenet megmondja a felhasználónak, hogy miért nem sikerült egy lépés, de nem ad javaslatot a megoldásra.

6. Új fogalmak: információk, amelyeknek a felhasználónak meg kell értenie a lépést.

Például: a Modális áttekintést nyújt a szolgáltatásokról, de további információkra mutató hivatkozás a felhasználót kiszállítja a termékből.

A fenti minősítési kategóriák mindegyikének megvan a saját osztályozási skálája, és Rick eszközei példákat mutatnak az egyes kategóriák alacsony és magas pontszámaira. Ennek oka az, hogy a végső kvantitatív pontszámot kiszámító komplexitás-elemző algoritmust az egyes besorolási kategóriáknak a feladat általános összetettségére gyakorolt ​​hatása alapján súlyozzák. Nekünk szerencsére nem kell magunknak elvégezniük a hosszú formájú számításokat! De kritikus megérteni a súlyozott algoritmusok fontosságát és azt, hogy az egyes skálák miért egyediek.

Mikor kell használni?

Úgy találtam, hogy a bonyolultsági elemzés meglehetősen rugalmas módszer a felhasználás ideje és a termékcsapat egyedi igényeihez történő igazítás szempontjából. Van azonban néhány felhasználási követelmény:

  1. A generáció utáni kutatási szakaszban kell lennie.
  2. Ön azonosítja a célfelhasználót (felhasználókat) és azok elvégzendő feladatait. Ez az azonosítási folyamat azt jelenti, hogy nemcsak ismeri a munkakörüket és felelősségüket, hanem azt is tudja, milyen fogalmak ismertek számukra szemben azzal, hogy mit lehet újnak érzékelni. Elegendő kutatást végez, hogy megismerje szakterületüket és bizonytalanságukat.
  3. Szüksége van reprezentatív drótvázra olyan konkrét feladatokra, amelyeket a célfelhasználó teljesíteni kíván (a drótvázaknak nem kell hihetetlennek lenniük, de átfogónak kell lenniük és tartalmazniuk kell az adott feladat elvégzéséhez szükséges összes összetevőt).

Ezeket a követelményeket szem előtt tartva, a terméktervezés során számos különféle felhasználási esetben használtam a komplexitás elemzést:

  1. A korábbi felhasználói felület összehasonlítása az újonnan kialakított felhasználói felülettel (ez számszerűsíti a tervezőcsoport hozzáadott értékét a termékkezeléshez és fejlesztéshez).
  2. Ahhoz, hogy összehasonlítsuk ugyanazt a feladatáramlást egy versenytárs termékben termékünkkel (nagyszerű szállításhoz, ahol UX és fejlesztési munkákra van szükség annak biztosításához, hogy egy termék megfeleljen a versenynek).
  3. Két különböző tervezési folyamat összehasonlítása egy teljesen új szolgáltatás / szolgáltatás létrehozásához a felhasználói felületen (Ez segít, ha új innovációkat vezetnek be a termékbe, vagy ha a tét nagy a bizonyos szolgáltatás integrálásához, és az UX csapatnak biztosítania kell, hogy megkapja a megfelelő folyamat, mielőtt a felhasználókkal érvényesítenek).
1. eset: összehasonlítja a korábbi felhasználói felületet egy új felhasználói felülettel (vegye figyelembe, hogy minél alacsonyabb a komplexitás, annál jobb).2. eset: ugyanaz a feladatáramlás a versenytárs termékeknél (vegye figyelembe, hogy minél alacsonyabb az összetettség, annál jobb).

Hogyan kell használni

A komplexitás elemzésének három alapvető lépése van.

  1. A felhasználói feladat elválasztása különálló lépésekbe és interakciókba.
  2. Minősítse a feladat egyes lépéseit vagy interakcióit a 6 besorolási kategóriában.
  3. A létrehozott bonyolultsági mutatók elemzése és a következő lépések meghatározása.

1. A felhasználói feladat elválasztása különálló lépésekbe és interakciókba.

A komplexitás elemzése ez a legigényesebb szakasz, de megteremti az értékelés alapját. Ezenkívül ez egy frissítő nézet a termékcsapat számára, mivel bármilyen kérdést felvehet, amelyek saját ismereteink miatt figyelmen kívül hagyhatják bennünket. Ennek a folyamatnak a legnehezebb része az, hogy megértsük, mi minősül feladatnak, lépésnek és interakciónak.

Például: a feladatok bontása vs. lépések és interakciók.

A feladat a felhasználó általános céljának vagy elvégzendő feladatának diszkrét alkotóeleme. A lépések az egyes elemek, amelyek a feladat elvégzéséhez vezetnek. Az interakciók azok a szó szerinti kapcsolat, amelyet a felhasználó a termékkel egy lépés végrehajtása érdekében vállal. Értékelni fogja a lépés vagy az interakció összetettségét a besorolási kategóriától függően.

2. Minősítse a feladat egyes lépéseit vagy interakcióit a 6 besorolási kategóriában.

Miután körvonalazta a feladatait, lépéseit és interakcióit, át kell lépnie a terméken és értékelnie kell az egyes elemeket. Ne próbálja meg ezt memóriából csinálni! Menj végig a terméken vagy prototípuson, amint pontozod.

A minősítések alkalmazásánál dolgoznia kell az egyes besorolási kategóriák egyedi besorolási skáláján és kritériumain. Ez segít megérteni, hogy mi határozza meg például a navigációs útmutatásokban a 3 és az 5 értéket.

A lépcső szintjén besorolt ​​komplexitási mutatók: navigációs útmutató, rendszer-visszacsatolás, hiba-visszajelzés és új koncepciók.

Interakció szintjén mért komplexitási mutatók: kontextuseltolódások és bemeneti paraméterek.

Ha az összetett elemzési eszközöket használjuk, amelyeket az IBM-en használunk, akkor a besorolási bemeneteket automatikusan átalakítják bonyolultsági mutatókká az alapul szolgáló algoritmus segítségével. Ezeket a bonyolultsági mutatókat numerikusan és grafikusan is megjelenítjük.

Nagyított nézet, amely megmutatja, milyen adatokat kell bevinnie (az a, b, c megjegyzés interakciók) - ne feledje, néhány bonyolultsági osztályozást lépésenként adnak hozzá, mások pedig interakciós szinten.

3. A létrehozott bonyolultsági mutatók elemzése és a következő lépések meghatározása.

Miután befejezte a bonyolultsági osztályozást és kiszámította a bonyolultsági mutatókat, meg kell értenie, hogy mit jelentenek az eredmények a következő lépésekben. Noha az adatok és a diagramok értékesek, sokkal értelmesebbek, ha javaslatokkal vagy javaslatokkal párosulnak, különösen, ha megosztják azokat a fejlesztési és termékmenedzsment-csoportokkal.

Komplexitási mutatók oszlopdiagramon.

A fenti példában a korábban tárgyalt használati esetet tárgyaljuk, ahol összetettség-elemzéssel összehasonlíthatunk két versengő terméket, amelyek mindkettő lehetővé teszi a felhasználó számára, hogy ugyanazt a feladatot elvégezze. Mivel azt akarjuk, hogy a bonyolultság a lehető legalacsonyabb legyen, láthatjuk, hogy a B termék e módszerrel felülmúlja az A terméket. Azt is láthatjuk, hogy a navigációs útmutatás a legnagyobb bonyolultsági különbség a két termék között, amelyet új koncepciók követnek. Ezért azt javasolhatjuk, hogy az A termékcsoport fontossági sorrendbe helyezzen olyan változtatásokat, amelyek csökkentik a navigációs útmutatások és az új koncepciók összetettségét. Ezen információk továbbításán túl a komplexitás elemzését végző csapat javasolhat konkrét módszereket e célok elérésére, ideértve több információs ikont vagy fedélzeti elemeket is, amelyek segítségével a felhasználót egy feladaton keresztül követheti el, és folyamatosan tájékoztathatja őket.

Legjobb gyakorlatok

Tapasztalataim és Rick és Tim útmutatása alapján az alábbiakban felvázoltam néhány bevált gyakorlatot, amelyek segítenek biztosítani az ideális komplexitási elemzés eredményét:

  • Párban dolgozzon a feladatok lépéseinek / interakcióinak hozzárendelésénél, de csak a kezdeti számértékeket rendelje hozzá, majd hasonlítsa össze (Ez csökkenti az emberek hajlandóságát verbálisan egyetérteni egymással, és esetleg helytelen besorolással jár. Ami itt kritikus, ha egy ember hozzárendel az 5-ös egy lépéshez, és egy másik kettőt jelöl ugyanahhoz a lépéshez, akkor biztos lehet benne, hogy visszatér és áttekinti).
  • Válasszon egy hatókörű felhasználói célt, amelyre összpontosít. Ne végezzen először teljes termékáramlást (ez egyszerűen túl nagy és időigényes egy gyors tempójú sprintkörnyezetben; válasszon egy olyan célt, amely nem túl széles, elkülönítve a legproblémásabb áramlást vagy a legfontosabb képességet igazodjon az általános felhasználói élményhez és a termék küldetéséhez).
  • Ossza meg végeredményeit a nagyobb termékcsapattal, különös tekintettel a termékmenedzsmentre és a fejlesztésre (Fontos, hogy ezt a módszert megosztás céljából végezzük el. Ügyeljen arra, hogy a generált oszlopdiagramokat és eredményeket egyértelműen kommunikáljon a nagyobb csapattal, és javasolja a következő lépéseket a problémák megoldására területek).

Fontos megjegyezni, hogy a problémás területek felhívása mellett a komplexitás elemzése szintén elengedhetetlen, ha felhívjuk a figyelmet az áramlás olyan részeire, amelyek alacsony bonyolultságúak és jól teljesítenek. Ezeket az élményeket védeni kell, mivel az új tervek és szolgáltatások integrálódnak.

A komplexitás elemzése hatékony módszer a termék speciális és kötelező feladatainak felhasználói élményének számszerűsítésére. Tapasztalataim szerint rendkívül hasznosnak bizonyult a tervezés mérhető hatásainak előmozdítása és a tudományágak közötti munka rangsorolása során. Függetlenül attól, hogy teljes mértékben elvégzi a komplexitás-elemzést, vagy szeretné-e a bérlőinek néhány részletét jobban megalapozott kognitív áttekintésekre vagy más, a feladat-alapú értékelés módszereire ösztönözni, ennek a módszernek a megértése nagyobb értéket és hatótávolságot biztosít a felhasználói kutatási eszközkészlethez.

Erőforrások

Az IBM alkalmazottai számára: Rick Sobiesiak itt biztosítson hozzáférést az alapos erőforrásokhoz és eszközökhöz, és csatlakozzon a komplexitás-elemző közösséghez, közvetlenül Rick Sobiesiakhoz.

Nem IBM alkalmazottak számára: itt érheti el Rick Sobiesiak és Tim O’Keefe társszerzője által készített kutatási anyagot

Nagyon köszönöm Ricknek és Timnek is! Minden kifejezett gondolatom a sajátom. http://www.gabriellacampagna.com/