Kako koristiti podatke i analitiku za donošenje boljih UX odluka

Zamislite da gradite most. Ne biste ga gradili bez provere opterećenja, materijala i protoka saobraćaja, zar ne? Slično je i sa digitalnim proizvodima. Podaci nam daju realnu sliku o tome kako korisnici zaista koriste naš proizvod, a ne samo kako mislimo da bi trebalo.

Cilj ovog teksta je da pojasni sam proces. Objasniću kada, kako i zašto treba uključiti analitičke uvide u donošenje UX odluka, i kako to utiče na kvalitet dizajna i vaše poslovne rezultate, od povećanja konverzija do jačanja lojalnosti. Ako vam termini poput wireframe ili persona nisu jasni, proučite osnovnu UX/UI i dizajn terminologiju.

Uloga podataka u modernom UX procesu: kraj pretpostavkama

U tradicionalnom pristupu, UX proces je često bio linearan: istraživanje, zatim dizajn i na kraju implementacija. Danas je to cikličan, iterativan proces u kojem analitika ima ulogu u svakoj fazi.

Podaci kao vodič za iteraciju

Podaci su vaš kompas: usmeravaju vas šta da radite dalje. Dizajn zasnovan na podacima (data-driven design) podrazumeva stalno prikupljanje, analizu i primenu podataka.

• Pre dizajna (istraživanje): podaci služe za definisanje problema. Koji deo toka konverzije „curi“? Koje stranice korisnici masovno napuštaju (bounce rate)?

• Tokom dizajna (prototipiranje): podaci iz ranijih testiranja ili postojećih proizvoda služe za razvoj prototipa. Na primer, ako mobilni korisnici ne vide ključno dugme „Dodaj u korpu“, prototip će to ispraviti.

• Nakon implementacije (merenje): ovo je najvažnije. Meri se uticaj nove promene. Da li je redizajn zaista poboljšao željenu metriku konverzije?

Kada prestanete da se oslanjate na „Mislim da bi ovo bilo bolje“ i počnete da govorite „Podaci pokazuju da je ovo bolje“, odluke o dizajnu postaju pouzdanije i lakše ih je odbraniti.

Analiza ponašanja korisnika vodi do boljih dizajnerskih odluka

Analiza ponašanja korisnika nije samo gledanje brojeva. To je pokušaj da se razume zašto se korisnici ponašaju na određeni način.

Ključne metrike za optimizaciju korisničkog toka

Da biste doneli prave UX odluke, morate pratiti prave metrike. One se dele na aktivne (ono što korisnik radi) i pasivne (rezultat tih akcija).

• Stopa konverzije (conversion rate): procenat korisnika koji završe željenu akciju (kupovina, prijava, preuzimanje). Ovo je najvažniji poslovni rezultat UX-a, a više o tome piše u tekstu o tome kako UX dizajn utiče na konverzije.

• Stopa napuštanja (drop-off rate): gde korisnici odustaju tokom ključnih tokova (registracija, kupovina). UX dizajn se ovde bavi smanjenjem trenja.

• Zadržavanje korisnika (retention): koliko se korisnika vraća proizvodu. Dobar UX je jedan od glavnih razloga da se vrate.

• Vreme na zadatku (time on task): koliko je korisniku trebalo da završi ključnu akciju. Što brže stigne do cilja, iskustvo je po pravilu bolje.

Analizom mape puta korisnika (Customer Journey Map) i praćenjem ovih metrika tačno znate gde je potrebno uložiti dizajnerski napor. Na primer, ako imate visoku stopu napuštanja na koraku plaćanja, rešenje nije u menjanju fonta, već u pojednostavljivanju forme za unos podataka.

Za širu sliku o poslovnom uticaju, pročitajte zašto je UX dizajn važan za marketing i konverzije.

Primena kvalitativnih i kvantitativnih podataka

Dobre UX odluke zahtevaju ravnotežu. Morate znati šta se događa (kvantitativno) i zašto se to događa (kvalitativno).

Kvantitativni podaci: šta (i gde) se događa?

Kvantitativni podaci su brojevi, statistika i metrike iz alata poput Google Analytics, Mixpanel ili Adobe Analytics.

• Uloga: odgovaraju na pitanja koliko, gde i kada. Otkrivaju anomalije, trendove i tačno mesto problema.

• Primeri alata: toplotne mape klikova (heatmaps), mape skrolovanja (scrollmaps), analiza toka (funnel analysis).

Kvantitativna analiza vam, na primer, govori: „55% korisnika napušta stranicu X.“ Analitika često otkriva i neku od 10 dizajnerskih grešaka zbog kojih sajt gubi kupce.

Kvalitativni podaci: zašto se događa?

Kvalitativni uvidi su direktne povratne informacije, zapažanja i mišljenja korisnika.

• Uloga: odgovaraju na pitanja zašto, kako i šta korisnik misli ili oseća. Otkrivaju motivaciju, bolne tačke i kontekst.

• Primeri alata i metoda: korisničko testiranje (user testing), intervjui, ankete, snimci sesija (session recordings).

Kvalitativna analiza vam, na primer, otkriva: „Korisnici napuštaju stranicu X jer je polje za unos adrese zbunjujuće.“

Pravilo: kvantitativne podatke koristite da pronađete problem, a kvalitativne da razumete njegov uzrok.

Kako pravilno testirati hipoteze zasnovane na podacima (A/B testiranje)

Kada podaci ukažu na problem i dobijete kvalitativni uvid u uzrok, vreme je za postavljanje hipoteze i testiranje rešenja.

Definisanje jednostavne hipoteze

Dobra hipoteza uvek sledi format:

Ako promenimo X (varijabla), to će rezultirati Y (očekivana promena), što će dovesti do Z (poslovni rezultat).

• Loša hipoteza: „Redizajniramo ceo proces plaćanja, verovatno će biti bolje.“

• Dobra hipoteza: „Ako premestimo dugme ‚Prijavi se‘ iz menija na početnu stranicu (X), očekujemo da ćemo povećati stopu konverzije za registraciju za 10% (Y), što će poboljšati zadržavanje novih korisnika (Z).“

Praktično A/B testiranje

A/B testiranje (split testing) je standardan način da se hipoteza proveri na stvarnim korisnicima.

1. Postavite test: podelite saobraćaj između kontrolne verzije (A, trenutni dizajn) i varijante (B, vaš predlog rešenja).

2. Merenje: neka test traje dok ne postignete statistički značaj, za šta je potreban dovoljno veliki broj posetilaca i konverzija. Ne prekidajte test prerano.

3. Analiza: ako varijanta B nadmaši verziju A u ključnim metrikama, hipoteza je potvrđena i promena se uvodi.

Zapamtite: i negativan rezultat testa je koristan podatak. Govori vam da ovo rešenje ne radi, ali da problem i dalje postoji. Nastavite sa iteracijom.

Primeri optimizacija zasnovanih na analitici

Podaci vrede tek kada se pretvore u odluku. Evo nekoliko ilustrativnih primera kako to može da izgleda (brojevi su izmišljeni radi primera):

Kako predstaviti podatke rukovodstvu i klijentima

Kada podatke predstavljate rukovodstvu i drugim zainteresovanim stranama (stakeholders), sa brojeva treba preći na poslovnu vrednost.

• Ispričajte priču: ne predstavljajte samo grafikone. Recite: „Zbog ovog problema (podatak iz analitike) uveli smo ovo rešenje (UX odluka), i to je donelo ovaj rezultat (konverzija veća za X%).“

• Koristite poslovni jezik: umesto „Smanjili smo kašnjenje za 200 ms“, recite „Skratili smo vreme učitavanja, što je povećalo stopu konverzije na mobilnim uređajima i donelo X evra više prihoda.“

• Budite transparentni: pokažite i neuspešne testove. To pokazuje da ste metodični i da učite iz podataka, a ne da nagađate.

• Sledeći koraci: završite jasnim planom rada. Koji je sledeći prioritetni problem koji treba rešiti?

Analitika i podaci su danas osnovna potreba UX dizajna, a ne dodatak. Kada kvantitativnim podacima pronađete problem, a kvalitativnim uvidima razumete uzrok, odluke donosite na osnovu onoga što korisnici zaista rade.

UX dizajn vođen podacima nije kompromis između estetike i funkcionalnosti, već način da se to dvoje uskladi. Rezultat je proizvod koji ne samo da izgleda lepo, već rešava stvarne probleme korisnika i donosi merljive poslovne rezultate.

Kako to izgleda na stvarnom projektu pokazuje UX/UI dizajn admin panela Vakel Wallet.

Počnite već danas: izaberite jedan „najbolniji“ deo korisničkog toka, postavite hipotezu i testirajte je. Posle prvog testa imaćete konkretan podatak od kojeg možete da krenete dalje.