La collecte, le tri et la compréhension des données recueillies lors de la recherche des utilisateurs et des tests d'utilisabilité deviennent une tâche de plus en plus courante parmi les praticiens UX. En fait, cela devient une compétence UX essentielle.

Un test d'utilisabilité vous indiquera si vos utilisateurs cibles peuvent utiliser votre produit. Il aide à identifier les problèmes que les gens rencontrent avec une interface utilisateur spécifique et révèle des tâches difficiles à accomplir et un langage déroutant. En règle générale, un test d'utilisabilité implique une préparation et une analyse approfondies et est considéré comme l'une des techniques de recherche les plus précieuses. Il est capable de fournir les deux quantitatif et qualitatif données qui aideront à guider l'équipe produit vers de meilleures solutions.

Cependant, ce n’est pas une promenade dans le parc. Dans une tentative de découvrir problèmes d'utilisabilité, Chercheurs et designers UX doivent souvent faire face à un déluge de données incomplètes, inexactes et déroutantes. Un test d'utilisabilité régulier avec cinq à dix participants peut générer facilement plus de soixante numéros . On peut avoir l'impression de «boire à la lance à feu» en attendant le redouté paralysie de l'analyse pour élever sa tête laide.

Un risque considérable en essayant de résoudre les problèmes d’utilisabilité s’engagent sur la mauvaise voie en essayant de trouver des solutions qui ne résolvent pas vraiment les problèmes à résoudre. Le risque est qu'il puisse y avoir une déconnexion entre les problèmes trouvés et les solutions identifiées. Ceux-ci peuvent être causés par un certain nombre de facteurs différents, y compris fatigue de décision et de nombreux types de biais cognitifs .

télécharger et fusionner les fichiers .ts de diffusion en direct http

Comment transformer les données de test d'utilisabilité en solutions viables

Afin de maîtriser les obstacles mentionnés ci-dessus, nous avons besoin de moyens efficaces pour gérer nos données de test tout en nous assurant de choisir les solutions les plus efficaces pour les problèmes rencontrés.

Commençons par emprunter quelques idées au processus de création. L'un des plus puissants est le double diamant du British Design Council , qui à son tour utilise pensée divergente-convergente . Il s'agit d'un processus de conception avec des phases de problème et de solution clairement définies et intégrées.

Le double diamant est exactement ce dont nous avons besoin pour créer un cadre qui gérera les problèmes d'utilisabilité et trouvera des moyens de les résoudre.

L'adaptation du modèle ci-dessus aux tests d'utilisabilité du résultat est un processus en quatre étapes:

1. Collecte de données
2. Hiérarchisation des problèmes
3. Génération de solution
4. Hiérarchisation des solutions

Voyons chaque étape en détail, y compris comment la mettre en pratique.

Remarque: Nous devrons utiliser quelques mathématiques de base. Ne vous inquiétez pas, ce n’est pas trop, et à la fin de cet article, vous trouverez une feuille de calcul qui automatise l’ensemble du processus. Si cela ne fonctionne toujours pas pour vous, il existe également une approche visuelle où vous pouvez utiliser des post-its et des tableaux blancs.

Étape 1: Collecte de données de recherche sur l'utilisabilité

En commençant par votre questions de recherche , la première étape consiste à collecter les données générées par le test d'utilisabilité. Il doit être configuré pour générer facilement des idées et des informations plus tard dans le processus - la clé est de structurer et d'organiser clairement les données pour éviter l'encombrement. Dans la plupart des cas, il suffit de:

• J'ai un problème identification (ID) système
• Remarque où c'est arrivé (écran, module, widget UI, flux, etc.)
• Connaître le tâche l'utilisateur s'engageait dans
• Fournir un résumé la description du problème

Une approche commune pour organiser les problèmes d'utilisabilité, utilisée par Lewis et Sauro dans le livre Quantifier l'expérience utilisateur , consiste à tracer les données comme indiqué dans le tableau ci-dessous, avec les problèmes dans les lignes et les participants dans les dernières colonnes.

Dans l'exemple ci-dessus, un test d'utilisabilité fictif réalisé avec trois participants a produit deux problèmes:

• Le premier vécu par le participant (P1)
• Le second par les autres participants (P2 et P3)

Étape 2: Hiérarchisation des problèmes

Les ressources étant limitées, il est nécessaire de prioriser les problèmes d'utilisabilité de manière à optimiser l'analyse. En règle générale, chaque problème d'utilisabilité a une note de gravité , influencé par certains facteurs tels que:

• Criticité de la tâche: Noté en termes d'impact sur l'entreprise ou l'utilisateur si la tâche n'est pas accomplie.
• Fréquence d'émission: Combien de fois un problème est-il survenu avec divers participants.
• Impact du problème: Dans quelle mesure cela a-t-il affecté l'utilisateur essayant d'accomplir la tâche.

Pour établir des priorités, nous devons suivre ces étapes:

1. Met le score de criticité de chaque tâche exécutée dans le test. En termes simples, définissez le degré d'importance de la tâche pour l'entreprise ou l'utilisateur en lui attribuant une valeur numérique. Les valeurs peuvent provenir d'une simple séquence linéaire (par exemple, 1, 2, 3, 4, etc.) ou quelque chose de plus élaboré comme le Séquence de Fibonacci (1, 2, 3, 5, 8, etc.), exactement comme utilisé dans les méthodes agiles comme planification de poker .

2. Met le score d'impact pour chaque problème en attribuant une valeur (identique à celle ci-dessus) pour les éléments de cette échelle:
   • 5: (bloqueur) le problème empêche l'utilisateur d'accomplir la tâche
   • 3: (majeur) cela provoque de la frustration et / ou un retard
   • 2: (mineur) cela a un effet mineur sur les performances de la tâche
   • 1: (suggestion) c'est une suggestion du participant

3. Trouvez le fréquence d'émission (%) du problème en divisant le nombre d'occurrences par le nombre total de participants. C'est un calcul de pourcentage de base.

4. Enfin, calculez le gravité de chaque problème en multipliant les trois variables ci-dessus.

Voyons comment cela fonctionne dans une feuille de calcul (nous voulons bien sûr automatiser cela, non?). Notre tableau mis à jour ressemblerait à ceci:

Dans l'exemple ci-dessus, nous avons le scénario suivant:

• Trois problèmes d'utilisabilité rencontrés par trois participants (p1, p2 et p3);
• La tâche 'créer un message' apparaît deux fois et a été attribuée à un critique sur 5, et une tâche moins critique (connexion sociale) a attribué un 3;
• Chaque numéro s'est vu attribuer une valeur compte tenu de son impact : 5 (bloqueur), 3 (majeur) et 2 (un impact mineur sur la performance des tâches);
• La la fréquence de chaque problème (par exemple, le problème n ° 2 s'est produit deux fois avec trois participants, donc 2/3 = 0,67);
• Finalement, le gravité résultait de la multiplication des autres facteurs (par exemple, 3 x 5 x 0,33 = 4,95).

C'est tout pour le moment. Nous avons trouvé nos problèmes d'utilisabilité les plus importants dans cet ordre: 3 , 2 et un . À ce stade, nous avons également une bonne perspective sur la paysage des problèmes d'utilisabilité —La vue d'ensemble qui aide l'équipe à définir le problème de haut niveau et à optimiser au cours des étapes suivantes.

Étape 3: Génération de la solution

En règle générale, les tests d’utilisation ne sont pas terminés à la fin sans une liste de recommandations (suggestions génériques) et de solutions (instructions spécifiques). Parfois, la solution est assez évidente, comme la correction de l'emplacement d'un composant d'interface utilisateur. La situation devient plus délicate pour ces problèmes avec des solutions non évidentes ou de nombreuses solutions possibles. Quelle solution est la meilleure? Lequel est le plus réalisable? Quel est le coût / avantage de mener une expérience pour le découvrir? Ici, la méthode traditionnelle des recommandations régulières ne suffira pas.

Pour réduire le risque de prendre de mauvaises décisions de conception, nous avons besoin: a) de plusieurs solutions de rechange parmi lesquelles choisir, et b) d'un processus de sélection efficace. Nous allons utiliser la même approche divergente-convergente utilisée pour aborder les étapes de collecte de données et de hiérarchisation des problèmes lors de la phase précédente. Les étapes sont:

1. Pour chaque numéro, générer plusieurs idées de solutions - Quels sont les moyens possibles de résoudre le problème? Ici, nous avons une belle opportunité de collaboration avec le reste de l'équipe (développeurs, designers, chefs de produits, etc.).

2. Réorganiser les solutions, en les gardant spécifiques - au besoin, fusionnez ou divisez les solutions pour éviter les redondances et trop d'abstraction. Encore une fois, soyez précis pour qu'il soit plus facile d'évaluer les idées. Par exemple, au lieu de simplement 'Évitez d'utiliser un menu de hamburgers', il est préférable d'indiquer une solution spécifique, telle que 'Utiliser une navigation horizontale et un menu arborescent vertical'.

3. Marquer les problèmes supplémentaires que la solution peut résoudre - en pratique, une seule bonne solution peut résoudre plusieurs problèmes. Les bonnes solutions sont polyvalentes!

En suivant les étapes ci-dessus, le tableau résultant ressemble à ceci:

Dans cet exemple, nous avons la liste des solutions de brainstorming (lignes) et les problèmes que chaque solution aborde (colonnes, qui représentent les problèmes trouvés dans les étapes précédentes).

Voyons ensuite comment faire évoluer cette liste et découvrir quelles solutions sont les meilleures candidates pour la mise en œuvre, et dans quel ordre.

Étape 4: Hiérarchisation des solutions

De même pour la priorisation des problèmes, nous devons prioriser les solutions en fonction de certains paramètres. Dans les équipes agiles, où ce sujet est traité très sérieusement, il est courant d’utiliser valeur commerciale et complexité , ce qui nous permet de calculer le retour sur investissement (ROI). En empruntant à cette logique, nous avons les étapes suivantes:

1. Calculez le efficacité de chaque solution .
   Plus le problème est grave, meilleure est la solution. Cela pourrait être à peu près comparé à la valeur commerciale des méthodes agiles. Additionnez la gravité de tous les problèmes résolus par la solution.

   Effectiveness = Sum of issue severities
2. Aiguiser le complexité de la solution .
   1. Quelles sont les ressources nécessaires pour développer cette solution?
   2. Quelle est la norme des technologies impliquées?
   3. Dans quelle mesure les exigences métier / utilisateur sont-elles claires?

   En d'autres termes, plus il y a d'efforts et d'incertitude, plus la solution est complexe. Il suffit de traduire cela en une valeur quantifiable, comme la séquence de Fibonacci (1, 2, 3, 5, 8, etc.). Si vous faites cela en équipe, planification de poker s'adapte parfaitement.

3. Calculez le ROI de la solution. Il s'agit de la relation coûts-avantages, calculée en divisant le efficacité de la solution par sa complexité . Plus le retour sur investissement est élevé, mieux c'est.

   ROI = Effectiveness / Complexity

Revenons à notre feuille de calcul, qui ressemble maintenant à ceci:

Dans l'exemple ci-dessus, nous avons:

1. La liste des solutions (lignes)
2. Les problèmes (i1 à i3) avec leur gravité (4,95, 6,7 et 10,05)
3. Un indicateur de 1 chaque fois qu'une solution correspond (traite) un problème
4. L'efficacité de chaque solution (4,95, 4,95 et 16,75)
5. La complexité de chaque solution (1, 3 et 5) estimée par l'équipe
6. Le retour sur investissement de chaque solution (4,95, 1,65, 3,35)

Selon cet exemple, nous devons prioriser le développement des solutions dans l'ordre suivant (du ROI supérieur au ROI inférieur): solution 1, puis solution 3 et 2.

Pour résumer les étapes: nous avons commencé par collecter des données, puis nous avons hiérarchisé les problèmes en fonction de paramètres spécifiques. Ensuite, nous avons généré des idées de solutions pour ces problèmes et, enfin, les avons hiérarchisées.

Utiliser une feuille de calcul

La méthode ci-dessus implique certains calculs (de base) répétés plusieurs fois, il est donc préférable d'utiliser une feuille de calcul.

Si vous souhaitez suivre cette méthodologie, voici un modèle (Google Sheet): https://goo.gl/RR4hEd . Il est téléchargeable et vous pouvez le personnaliser librement selon vos besoins.

Je déteste les feuilles de calcul! Et quelque chose de plus visuel?

Presque tout le monde que je connais (moi y compris - bien sûr) adore travailler avec des notes autocollantes et des tableaux blancs, non seulement parce que c'est généralement plus rapide et amusant, mais aussi parce que cela facilite la collaboration. Si vous êtes un agile ou la pensée de conception pratiquant, vous savez ce que je veux dire. Comment pouvons-nous appliquer des outils visuels tels que des notes autocollantes pour travailler avec l'approche présentée dans cet article? Eh bien, cela mérite probablement un article de blog entier, mais essayons de gratter la surface.

Une façon de le faire est de créer une matrice pour les problèmes (impact x fréquence) et de la placer à côté d'une autre pour les solutions (efficacité x complexité). Chaque matrice est divisée en quatre quadrants, indiquant la hiérarchisation.

Voici les étapes:

1. Créer le matrice des problèmes en plaçant les notes autocollantes dans le quadrant approprié selon impact et la fréquence . Afin de simplifier cette approche, nous avons dû laisser un paramètre de côté. Dans ce cas, criticité des tâches .

2. Créer le matrice de solution en organisant les notes autocollantes en fonction de chaque solution efficacité et complexité :

   1. Réfléchissez à des solutions pour chaque problème, en commençant par les problèmes du quadrant 1 de la matrice des problèmes (ceux dont la gravité est la plus élevée).

   2. Placez ces solutions dans la matrice de solution, en commençant au quadrant 1 (en haut à gauche). Plus le problème est grave, plus sa solution est efficace.

   3. Ajuste le complexité de chaque solution en la déplaçant sur l'axe horizontal (le plus complexe, le plus à droite).

   4. Répétez les étapes ci-dessus pour les problèmes restants (quadrants 2, 3 et 4, dans cet ordre).

À la fin de l'exercice, les solutions du quadrant 1 sont celles avec le meilleur retour sur investissement (plus efficace et moins complexe) signifiant la priorité absolue. Le résultat est montré dans l'image ci-dessous:

Y compris le fait que nous ayons omis un paramètre (criticité des tâches), l'inconvénient est que vous devez vous fier à la précision visuelle plutôt qu'aux calculs comme dans le tableur. Du côté positif, nous avons une méthode qui favorise la collaboration, ce qui est parfois crucial pour obtenir l'adhésion de l'équipe.

Favoriser la collaboration grâce à une analyse visuelle «rapide et sale» au coût probable de la précision est un compromis potentiel. Quelle est la meilleure approche? La réponse courte: celle qui correspond le mieux à votre situation et qui correspond le mieux à vos objectifs.

Conclusions finales pour l'analyse des données des tests d'utilisabilité

L'utilisation de ces méthodologies a fait ressortir les observations suivantes d'équipes qui l'ont utilisée dans divers projets:

1. Surtout lorsqu'il s'agit d'études plus importantes, la priorisation des problèmes permet à l'équipe de rester concentrée sur ce qui compte vraiment, économisant du temps et des ressources en réduisant les défis cognitifs indésirables tels que la surcharge d'informations, la paralysie de l'analyse et la fatigue décisionnelle;

2. Le flux de travail connecté de bout en bout maintient les solutions plus alignées sur les résultats des tests d'utilisabilité (car les problèmes et les solutions sont associés), ce qui réduit le risque de mettre en œuvre des solutions moins qu'optimales;

3. Nous pouvons facilement appliquer cette méthode de manière collaborative (en partie ou dans son ensemble) à l'aide d'outils en ligne.

Il est important de comprendre les limites de cette approche. Par exemple, pendant la phase de priorisation, les attitudes et comportements positifs des utilisateurs observés lors des tests ne sont pas inclus. L'accent est mis sur les problèmes de convivialité. Une suggestion est de consigner ce type de données séparément et de les utiliser en cours de route pour compléter et équilibrer les résultats au besoin.

Enfin, outre les tests d'utilisabilité, cette approche peut également être étendue à d'autres techniques de recherche UX. En appliquant l’approche «double diamant» (problèmes et solutions divergents / convergents), nous pouvons mélanger diverses données de recherche sur les utilisateurs et utiliser les méthodes ci-dessus dans tout autre projet. La limite, c'est votre imagination!

• • •

Lectures complémentaires sur le blog ApeeScape Design:

• eCommerce UX - Un aperçu des meilleures pratiques (avec infographie)
• L'importance de la conception centrée sur l'humain dans la conception de produits
• Les meilleurs portefeuilles UX Designer - Études de cas et exemples inspirants
• Principes heuristiques pour les interfaces mobiles
• Conception anticipative: comment créer des expériences utilisateur magiques