Em muitas empresas, dados, descobertas e insights são todos usados ​​de forma intercambiável. As conversas frouxas circundam em torno de pontos de dados convincentes, achados estatisticamente significativos, insights confiáveis ​​e tendências emergentes. Sem surpresa, conversas com frequência Entenda observações esporádicas Para padrões consistentes.

Mas quão impactante é o peso que cada um deles leva? E como nós Transforme dados brutos em insights significativos para tomar melhores decisões? Bem, vamos descobrir.

Por que tudo importa

A princípio, pode parecer que as diferenças são muito sutis e meramente técnicas. Mas quando nós Revise os insumos e comunique os resultados do nosso trabalho de UXprecisamos ter cuidado para não confundir a terminologia – para evitar suposições erradas, conclusões erradas e demissões precoces.

Quando Recomendações fortes e declarações ousadas Emergir em uma grande reunião, inevitavelmente, haverá pessoas questionando o processo de tomada de decisão. Na maioria das vezes, eles serão as vozes mais altas da sala, geralmente com sua própria agenda e prioridades que estão tentando proteger.

Como designers de UX, precisamos estar preparados para isso. A última coisa que queremos é ter um Linha de pensamento fracafacilmente desmantelado sob a premissa de “pesquisa fraca”, “descobertas não confiáveis”, “má escolha dos usuários” – e, portanto, demitido imediatamente.

Dados ≠ achados ≠ insights

Pessoas com papéis diferentes – analistas, cientistas de dados, pesquisadores, estrategistas – geralmente dependem de distinções finas para tomar suas decisões. A diferença geral é fácil de montar:

• Dados é observações brutas (toras, notas, respostas de pesquisa) (o que foi gravado).
• Descobertas descrever padrões emergentes nos dados, mas não são acionáveis ​​(o que aconteceu).
• Percepções são oportunidades de negócios (O que aconteceu + por que + então o que).
• Retrospectiva são reflexos de ações e resultados passados ​​(O que aprendemos no trabalho anterior).
• Previsão são projeções informadas, insights com extrapolação (O que poderia acontecer a seguir).

Aqui está o que se parece na vida real:

• Dados ↓
  Seis usuários estavam procurando “transferência de dinheiro” em “pagamentos” e 4 usuários descobertos O recurso em seu painel pessoal.
• Encontrando ↓
  60% dos usuários lutou para encontrar O recurso “transferência de dinheiro” em um painel, muitas vezes confundindo -o com a seção “Pagamentos”.
• Insight ↓
  A navegação não corresponde aos modelos mentais dos usuários para transferências de dinheiro, causando confusão e atrasos. Recomendamos renomear seções ou reorganizar o painel Para priorizar “transferência de dinheiro”. Isso poderia tornar a conclusão da tarefa mais intuitiva e eficiente.
• Retrospectiva ↓
  Depois de renomear a seção para “transferir dinheiro” e movê -la para o painel principal, O sucesso da tarefa aumentou 12%. Confusão do usuário caiu nos testes de acompanhamento. Provou ser uma solução eficaz.
• Previsão ↓
  À medida que nossos produtos financeiros se tornam mais complexos, os usuários esperam mais simples navegação orientada para a tarefa (por exemplo, “Envie dinheiro”, “Pagar as contas”) em vez de categorias como “pagamentos”. Devemos evoluir o painel em direção à IA orientada a ação para atender às expectativas do usuário.

Apenas insights criam entendimento e direcionar estratégia. As previsões também moldam a estratégia, mas sempre são moldadas por apostas e suposições. Portanto, sem surpresa, as partes interessadas estão interessadas em insights, não em descobertas. Eles raramente precisam mergulhar em pontos de dados brutos. Mas muitas vezes, eles querem ter certeza de que As descobertas são confiáveis.

É quando, eventualmente, a grande questão sobre significância estatística vem junto. E é quando idéias e recomendações geralmente são demitidas sem a chance de serem exploradas ou explicadas.

Mas é estatisticamente significativo?

Agora, para os designers de UX, essa é uma pergunta incrivelmente difícil de responder. Como Nikki Anderson apontousignificância estatística nunca foi projetado para pesquisa qualitativa. E com o trabalho UX, não estamos tentando publicar pesquisas acadêmicas ou provar verdades universais.

O que nós são Tentar fazer é alcançar saturação teóricao ponto em que pesquisas adicionais não nos fornecem novas idéias. A pesquisa não é sobre provar que algo é verdadeiro. Trata -se de prevenir erros caros antes que eles aconteçam.

Aqui estão alguns Pontos de conversação úteis Para lidar com a pergunta:

• Cinco usuários por segmento muitas vezes grandes problemas de superfíciee 10 a 15 usuários por segmento geralmente atingem a saturação. Se ainda estamos recebendo novas idéias depois disso, nosso escopo é muito amplo.
• “Se cinco pessoas atingem o mesmo buraco e destruíram o carro, quantos mais você precisa antes de consertar a estrada?”
• “Se três clientes corporativos dizem que a integração é confusa, isso é um risco de rotatividade. ”
• “Se dois testes de usabilidade expõem um problema de checkout, isso é Receita abandonada. ”
• “Se uma entrevista ao cliente revelar uma preocupação de segurança, isso é um crise esperando para acontecer. ”
• “Quantas reclamações de usuários exatamente precisamos levar isso a sério?”
• “Quanta receita exatamente estamos dispostos a perder antes de resolver esse problema?”

E: pode não ser necessário se concentrar no número de participantes, mas, em vez disso, discutir sobre usuários consistentemente lutam com um recursoincompatibilidade de expectativas e um padrão claro emergindo em torno de um ponto de dor específico.

Como transformar as descobertas em insights

Uma vez que percebemos padrões emergentes, precisamos transformá -los em recomendações acionáveis. Surpreendentemente, isso nem sempre é fácil – precisamos Evite suposições e suposições fáceis Tanto quanto possível, eles convidarão conclusões erradas.

Para fazer isso, você pode confiar em uma estrutura muito simples, mas eficaz, para transformar as descobertas em insights: O que aconteceu + por que + então o que:

• “O que aconteceu” Capas comportamentos e padrões observados.
• “Por que” inclui crenças, expectativas ou gatilhos.
• “E daí” aborda o impacto, o risco e a oportunidade de negócios.

Para avaliar melhor a parte “e o que”, devemos prestar muita atenção ao impacto do que notamos nos resultados dos negócios desejados. Pode ser qualquer coisa, desde bloqueadores de alto impacto e confusão até hesitação e inação.

Eu posso recomendar de todo o coração explorar Descobertas → Insights Cheatsheet em Nikki Anderson Slide Deckque tem exemplos e solicitações a serem usadas para transformar as descobertas em insights.

Pare de compartilhar as descobertas – entregue insights

Ao apresentar os resultados do seu trabalho de UX, concentre -se em Recomendações acionáveis ​​e oportunidades de negócios em vez de padrões que surgiram durante o teste.

Para mim, é tudo sobre dizer a um boa história maldita. Memorável, impactante, viável e convincente. Pintar o quadro de como seria o futuro e a diferença que produziria. É aí que surge o maior impacto do trabalho de UX.

Como medir o UX e o design do design

Encontrar Meça o impacto de UX e design (8h), a Guia prático para designers e leads de UX Moldar, medir e explicar seu incrível impacto UX nos negócios. Gravado e atualizado por Vitaly Friedman. Use o código amigável 🎟 IMPACT para Economize 20% de desconto hoje. Pule para os detalhes.

Leitura adicional na revista Smashing

(MRN, YK)