Analisis Kompleks untuk Penyelidikan UX di IBM: Apa itu dan bagaimana untuk memulakan

Beberapa bulan yang lalu, saya memberikan persembahan semasa Amalan Terbaik dalam sesi Penyelidikan Reka bersama Rick Sobiesiak (Lead Research Design, IBM Security) dan Tim O'Keefe (Design Lead, IBM Systems) mengenai analisis kerumitan. Rick dan Tim mengembangkan kaedah dengan Penyelidikan IBM dan saya bernasib baik untuk belajar dari mereka. Saya telah menggunakan kaedah pada produk pasukan saya, IBM PowerAI Vision, untuk kuantitatif menunjukkan nilai tambah reka bentuk pengalaman pengguna dari segi mengurangkan kerumitan tugas atau urutan tugas untuk pengguna. Selepas pembentangan ini, saya menerima banyak mesej Slack dan e-mel daripada pasukan produk lain yang ingin melaksanakan analisis kerumitan. Saya percaya ia adalah kritikal untuk penyelidik pengalaman pengguna untuk membangunkan kecekapan kerja dalam beberapa kaedah kuantitatif dan sentiasa menggunakan kaedah kualitatif dan kuantitatif bersama-sama untuk cerita pengguna yang panorama dan mantap (baca lebih lanjut mengenai ini di sini).

Saya juga mengaitkan penerbitan analisis rumit asal Rick dan Tim pada akhir artikel ini di bawah 'Sumber' bagi mereka yang ingin menyelam lebih mendalam! Mari kita mulakan.

Gambaran keseluruhan kaedah

Analisis kerumitan adalah kaedah pemeriksaan kebolehgunaan untuk menilai kegunaan tugas tertentu atau set tugas yang tidak memerlukan penglibatan pengguna langsung dan menyediakan hasil kuantitatif. Oleh kerana analisis kerumitan tidak memerlukan penglibatan pengguna, penilai tugas produk biasanya ahli-ahli reka bentuk produk / pasukan pembangunan. Saya akan mengesyorkan peragaan penyelidikan pengguna dan pereka pengalaman pengguna jika boleh. Walau bagaimanapun, berhati-hati bahawa mempunyai pereka utama juga menjadi evaluator boleh memperkenalkan kecenderungan apabila cuba secara objektif mengkaji kesulitan tugas, jadi melibatkan ahli pasukan yang mungkin memberi tumpuan kepada projek yang berlainan atau secara kebetulan berkaitan dengan ruang boleh memberi manfaat.

Apabila para penilai melangkah melalui tugas yang sedang diuji, mereka mencari unsur-unsur yang menghalang pengguna mencapai matlamat akhir mereka. Inilah sebabnya mengapa penting untuk memahami kedua-dua pengguna anda dan tugas akhir mereka untuk dilakukan sebelum melakukan analisis kerumitan. Jika tidak, anda tidak akan mempunyai kerangka rujukan semasa menjalankan penilaian.

Tidak seperti kaedah kualitatif, analisis kerumitan akan mengukur secara kuantitatif unsur-unsur yang mencapai matlamat akhir pengguna melalui metrik kerumitan. Metrik ini diperolehi daripada penilai yang memberikan penarafan untuk setiap langkah atau interaksi dalam tugas yang ditentukan. Kategori penarafan termasuk:

  1. Peralihan konteks: memindahkan pengguna dalam produk untuk melengkapkan langkah.
Ex: Mod adalah peralihan konteks kecil berbanding mengambil pengguna ke halaman baru.

2. Panduan pelayaran: menyediakan sokongan untuk memulakan dan melengkapkan langkah.

Ex: Teks pengenalan tentang cara memulakan boleh menanggalkan tangkapan untuk keupayaan teras.

3. Parameter input: info pengguna harus menentukan untuk melengkapkan langkahnya.

Ex: Input pengguna yang diperlukan untuk latihan adalah dua butang radio berbanding input teks / imej yang diperlukan dalam langkah-langkah lain.

4. Maklum balas sistem: sambutan sistem kepada interaksi pengguna semasa langkah.

Ex: Log pemberitahuan masa nyata menyertakan langkah-langkah pengguna yang diambil.

5. Kesilapan ralat: respon sistem kepada situasi ralat umum dalam langkah.

Contoh: Mesej ralat ini memberitahu pengguna mengapa langkah gagal tetapi tidak memberikan cadangan untuk menyelesaikannya.

6. Konsep baru: maklumat pengguna perlu memahami langkahnya.

Ex: Modal memberikan gambaran keseluruhan ciri, tetapi pautan untuk maklumat lanjut akan membawa pengguna keluar dari produk.

Setiap kategori penarafan di atas mempunyai skala penilaian sendiri, dan aset Rick menyediakan contoh skor rendah dan tinggi bagi setiap kategori masing-masing. Ini kerana algoritma analisis kerumitan yang mengira skor kuantitatif akhir adalah tertimbang berdasarkan tahap pengaruh setiap kategori penarafan mempunyai kerumitan keseluruhan tugas. Nasib baik untuk kita, kita tidak perlu melakukan pengiraan bentuk panjang diri kita sendiri! Tetapi penting untuk memahami kepentingan algoritma tertimbang dan mengapa setiap skala unik.

Kapan Digunakan

Saya telah menemui analisis kerumitan untuk menjadi kaedah yang agak fleksibel dari segi masa untuk digunakan dan bagaimana untuk menyesuaikannya dengan keperluan spesifik pasukan produk anda. Walau bagaimanapun, terdapat beberapa keperluan untuk digunakan:

  1. Anda mestilah berada dalam penyelidikan tahap penilaian kajian generik.
  2. Anda akan mengenal pasti pengguna sasaran dan kerja mereka akan dilakukan. Proses pengenalan ini bermakna anda bukan sahaja mengetahui peranan dan tanggungjawab tugas mereka, tetapi juga mengetahui konsep-konsep yang diketahui oleh mereka berbanding apa yang dapat dilihat sebagai sesuatu yang baru. Anda akan menjalankan penyelidikan yang mencukupi untuk mengetahui bidang kepakaran dan bidang ketidakpastian mereka.
  3. Anda memerlukan wireframe perwakilan tugas-tugas tertentu yang pengguna target ingin menyelesaikannya (wireframes tidak perlu menjadi kesetiaan tetapi mereka perlu komprehensif dan termasuk semua komponen yang perlu untuk menyelesaikan tugas tertentu).

Dengan keperluan ini, saya telah menggunakan analisis kerumitan dalam beberapa kes penggunaan yang berbeza semasa proses reka bentuk produk:

  1. Untuk membandingkan UI sebelumnya kepada UI yang baru direka (Ini dapat mengukur nilai tambah pasukan reka bentuk untuk pengurusan dan pembangunan produk).
  2. Untuk membandingkan aliran tugas yang sama dalam produk pesaing kepada produk kami (Besar untuk menyampaikan di mana UX dan kerja pembangunan diperlukan untuk memastikan produk setanding dengan persaingan).
  3. Untuk membandingkan dua kemungkinan aliran reka bentuk yang berlainan untuk penciptaan ciri / keupayaan sepenuhnya dalam UI (Ini membantu apabila inovasi baru diperkenalkan kepada produk atau kepentingan yang tinggi untuk mengintegrasikan ciri tertentu dan pasukan UX perlu memastikan mereka mendapat aliran yang betul sebelum mengesahkan dengan pengguna).
Gunakan kes 1: membandingkan UI terdahulu ke UI baru (perhatikan bahawa semakin kerumitan semakin baik).Gunakan kes 2: aliran tugas yang sama dalam produk pesaing (perhatikan bahawa semakin kerumitan yang lebih baik).

Bagaimana nak guna

Terdapat tiga langkah utama untuk menjalankan analisis kerumitan.

  1. Memecah tugas pengguna ke dalam langkah dan interaksi diskret.
  2. Menilai kerumitan setiap langkah atau interaksi dalam tugas merentasi 6 kategori penarafan.
  3. Menganalisis metrik kerumitan yang dihasilkan dan menentukan langkah seterusnya.

1. Memecah tugas pengguna ke dalam langkah-langkah dan interaksi diskret.

Ini adalah tahap yang paling memakan analisis kerumitan, tetapi ia menetapkan asas untuk penilaian. Di samping itu, ia merupakan pandangan yang menyegarkan untuk pasukan produk kerana anda boleh menangkap sebarang isu yang kebiasaan kita sendiri dapat membawa kita untuk melihat. Bahagian yang paling sukar dalam proses ini ialah pemahaman yang kuat tentang apa yang layak sebagai tugas, langkah, dan interaksi.

Ex: pecahan tugas vs langkah-langkah vs interaksi.

Tugas adalah komponen tersendiri dari keseluruhan matlamat atau pekerjaan keseluruhan pengguna yang perlu dilakukan. Langkah-langkah adalah elemen individu yang berfungsi untuk menyelesaikan tugas. Interaksi adalah penglibatan literal yang pengguna akan mempunyai dengan produk untuk memenuhi langkah. Anda akan menilai kerumitan sama ada langkah atau interaksi bergantung pada kategori penarafan.

2. Menilai kerumitan setiap langkah atau interaksi dalam tugas merentasi 6 kategori penarafan.

Selepas anda telah menggariskan tugas, langkah, dan interaksi anda, anda perlu bergerak melalui produk dan menilai setiap elemen dengan sewajarnya. Jangan cuba lakukan ini dari ingatan! Pergi melalui produk atau prototaip seperti yang anda berikan.

Semasa anda bekerja untuk memohon penilaian anda, anda perlu merujuk kepada skala dan kriteria penarafan yang unik untuk setiap kategori penarafan. Ini akan membantu anda memahami apa yang menentukan 3 versus 5 untuk panduan navigasi contohnya.

Metrik kerumitan yang dinilai pada peringkat langkah: panduan navigasi, maklum balas sistem, maklum balas ralat, dan konsep baru.

Metrik kerumitan yang dinilai pada tahap interaksi: peralihan konteks dan parameter input.

Jika menggunakan aset analisis kerumitan yang kami gunakan dalam IBM, input penarafan anda akan secara automatik ditukar menjadi metrik kompleksiti menggunakan algoritma yang mendasari. Metrik kompleksiti ini akan ditunjukkan secara numerik dan grafis.

Paparan zoom dalam menunjukkan data yang ANDA perlu masukkan (nota a, b, c adalah interaksi) - ingat, beberapa penilaian kerumitan ditugaskan pada tahap langkah sementara yang lain diberikan pada tahap interaksi.

3. Menganalisis metrik kerumitan yang dihasilkan dan menentukan langkah seterusnya.

Sebaik sahaja anda selesai memasukkan nilai kerumitan anda dan metrik kerumitan dikira, anda perlu memahami apa hasilnya bermakna dari segi langkah seterusnya yang boleh diambil tindakan. Walaupun data dan carta adalah berharga, mereka lebih bermakna apabila ditambah dengan cadangan atau cadangan, terutamanya apabila berkongsi dengan pasukan pembangunan dan pengurusan produk.

Metrik kerumitan dalam bentuk graf bar.

Dalam contoh di atas, kami mempunyai kes penggunaan yang dibincangkan sebelum ini di mana anda boleh menggunakan analisis kerumitan untuk membandingkan dua produk yang bersaing yang membolehkan pengguna menyelesaikan tugas yang sama. Memandangkan kami menginginkan kerumitan menjadi serendah mungkin, kami dapat melihat bahawa Produk B mengungguli Produk A dalam konteks kaedah ini. Kita juga dapat melihat bahawa panduan navigasi adalah perbezaan kompleksiti terbesar antara kedua-dua produk, diikuti dengan konsep baru. Oleh itu, kami boleh mencadangkan bahawa Pasukan Produk A mengutamakan perubahan yang mengurangkan kerumitan panduan pelayaran dan konsep baru. Di samping menyampaikan maklumat ini, pasukan yang menjalankan analisis kerumitan dapat mencadangkan cara-cara khusus untuk mencapai matlamat ini termasuk ikon info lebih lanjut atau unsur-unsur di papan tulis untuk melangkah pengguna melalui tugas dan memastikan mereka dimaklumkan sepanjang jalan.

Amalan terbaik

Berdasarkan pengalaman dan bimbingan saya dari Rick dan Tim, saya telah menggariskan beberapa amalan terbaik di bawah yang membantu memastikan hasil analisis kerumitan yang ideal:

  • Bekerja secara berpasangan untuk menetapkan langkah-langkah / interaksi dalam tugas TETAPI memberikan penarafan nombor awal sahaja dan kemudian bandingkan (Ini mengurangkan kecenderungan untuk orang bersetuju dengan satu sama lain secara lisan dan berpotensi memberikan penarafan yang salah. Apa yang kritis di sini ialah jika seseorang memberi 5 langkah dan yang lain memberikan 2 kepada langkah yang sama, maka anda pasti dapat kembali dan meninjau).
  • Pilih satu matlamat pengguna yang berpusat untuk memberi tumpuan. Jangan lakukan keseluruhan produk mengalir kali pertama anda (Ini terlalu besar dan memakan masa dalam persekitaran pecut pantas; pilih matlamat tunggal yang tidak terlalu luas, sama ada mengasingkan aliran yang paling bermasalah atau keupayaan yang paling penting untuk dapatkan hak untuk keseluruhan pengalaman pengguna dan misi produk).
  • Kongsi hasil akhir anda dengan pasukan produk yang lebih besar, terutamanya pengurusan produk dan pembangunan (Ini adalah kritikal untuk melakukan kaedah ini dengan niat untuk berkongsi. Pastikan untuk berkomunikasi dengan jelas bar grafik yang dihasilkan dan hasil dengan pasukan yang lebih besar dan mencadangkan langkah seterusnya untuk menangani sebarang masalah kawasan-kawasan).

Adalah penting untuk diperhatikan bahawa sebagai tambahan untuk memanggil kawasan masalah, analisis kerumitan adalah sama penting dalam menarik perhatian kepada bahagian-bahagian aliran yang rendah dalam kerumitan dan prestasi yang baik. Pengalaman ini mesti dilindungi kerana reka bentuk dan ciri-ciri baru disepadukan.

Analisis kerumitan adalah satu kaedah yang ampuh untuk mengukur pengalaman pengguna mengenai tugas khusus dan penting dalam sesuatu produk. Dalam pengalaman saya, ia amat membantu apabila menganjurkan kesan reka bentuk yang boleh diukur dan mengutamakan kerja merentasi disiplin di sebuah pasukan produk. Sama ada anda ingin melaksanakan analisis kerumitan secara penuh atau mahu memanfaatkan beberapa penyewa teras itu ke arah langkah-langkah kognitif yang lebih bermaklumat atau kaedah penilaian berasaskan tugas yang lain, memahami kaedah ini akan memberikan lebih banyak nilai dan jangkauan kepada toolkit penyelidikan pengguna anda.

Sumber

Bagi pekerja IBM: akses sumber dan aset yang mendalam untuk dimulakan oleh Rick Sobiesiak di sini dan menyertai Komuniti Analisis Kompleksiti, menjangkau Rick Sobiesiak secara langsung.

Bagi pekerja bukan IBM: mengakses kertas penyelidikan, yang dikarang oleh Rick Sobiesiak dan Tim O'Keefe di sini

Terima kasih banyak kepada Rick dan Tim! Semua pemikiran yang dinyatakan adalah saya sendiri. http://www.gabriellacampagna.com/