Data informed design: definizione, vantaggi e applicazioni pratiche per progettare esperienze utente di valore

Nella prima puntata dedicata al design human-centered vi abbiamo spiegato cosa significa e come si traduce nella realtà pratica il primo principio guida di questo approccio: l’empatia.

Non ci resta, quindi, che analizzare la seconda parte della frase empathy driven and data informed, ovvero i dati. Ma di che dati parliamo quando consideriamo la progettazione human centered?

I dati che consideriamo non sono i KPI di business. Questi ultimi sono, infatti, obiettivi di portata aziendale che aiutiamo a raggiungere in collaborazione stretta e continua con i membri degli altri team. Le prime metriche che osserviamo come designer e che siamo certi di poter smuovere con la progettazione che facciamo sono dati qualitativi e quantitativi specifici.

In questo articolo scenderemo nel dettaglio, per farvi comprendere meglio quali sono i dati che consideriamo e come li raccogliamo.

Prima di definire cosa sia un dato qualitativo per il nostro team, partiamo da un esempio.

Prendiamo questo milkshake in foto:

Se voi chiedeste a una persona di descriverlo, cosa potrebbe dire?

Per ottenere dati qualitativi dobbiamo raccogliere osservazioni sul dominio su cui ci concentriamo (il prodotto o un servizio MailUp) attraverso degli approfondimenti fatti con i nostri utenti e/o sui prodotti in questione.

In MailUp raccogliamo dati qualitativi attraverso queste attività:

• Test di usabilità qualitativi (8-15 partecipanti)
• Interviste semi strutturate (intorno ai 6 partecipanti)
• Survey qualitative (dai 40 partecipanti)
• Focus group o sessioni di codesign (una decina di partecipanti)

E i risultati che raccogliamo ci aiutano a rispondere alle tipiche domande strategiche: Perché sta succedendo? Come dovremmo risolverlo?

In sintesi, la ricerca qualitativa ci aiuta a capire i problemi attuali dell’esperienza e come migliorarla.

Torniamo al nostro frappè in foto: per descriverlo possiamo anche usare delle misurazioni.

La sua dimensione è di 200 ml, la sua temperatura è di 5 °C e il suo costo è di 7 €.

I numeri che abbiamo usato per descrivere l’oggetto della nostra indagine, sono singoli dati quantitativi. Ognuno è una misura formata da un numero (200, 5, 7) e un’unità (ml, °C, €).

Per ottenere dati quantitativi dobbiamo, quindi, raccogliere le metriche di progettazione, ovvero i dati numerici.

In MailUp raccogliamo dati quantitativi durante progetti di design attraverso queste attività:

• Test di usabilità quantitativi (30-40 partecipanti)
• Analytics (Google, Pendo, Hotjar…)
• A/B Test
• Tree tests
• Survey quantitative (dai 100 partecipanti o più a seconda della rilevanza statistica)

E i risultati che raccogliamo ci aiutano a rispondere a domande come: Quanti? Quanto? Quando?

Date queste premesse, potremmo quindi definire una metrica di design come un dato numerico che ci racconta alcuni aspetti dell’esperienza che gli utenti di MailUp hanno con un nostro touchpoint digitale, un nostro prodotto o di uno dei servizi che offriamo.

Quali sono i dati qualitativi che consideriamo

Quando conduciamo ricerche quantitative nel team di design, ci concentriamo sulla raccolta di metriche come:

• Quanto tempo è necessario per completare un’attività o un processo
• Quanto impegno ci vuole per usare una funzionalità o un servizio
• Quanto appare difficile un compito o un processo agli utenti
• Quanti utenti possono completare con successo un’attività o un processo
• Quanto sono soddisfatti gli utenti con un prodotto, servizio, attività o processo
• La frequenza con cui gli utenti ritornano per usare una funzionalità, un prodotto o un servizio
• Quante persone usano attivamente un prodotto o servizio
• Qual è la percentuale di utenti che passa alla fase successiva di un’attività o di un processo chiave

Metriche dirette come il time on task, il success rate, la valutazione di soddisfazione o della facilità d’uso, i punteggi dei questionari ongoing sono il battito cardiaco delle interazioni che progettiamo, mentre le metriche più complesse come il numero di conversioni, la conversion rate, il numero di returning users o il bounce rate ci danno insights inestimabili sui comportamenti e le attitudini dei nostri utenti nei confronti dei nostri prodotti digitali.

I team di Mailup usano preferibilmente, a seconda dei contesti e degli obiettivi, tre differenti metodi per raccogliere dati quantitativi: Analytics, Test utente quantitativi, Survey

Come facciamo a decidere per uno o l’altro? Di solito cerchiamo di capire cosa è realistico per il programma del business, per la capacity del team e per le nostre competenze, ma anche in base agli strumenti che in quel momento abbiamo a disposizione e al budget.

Solitamente la scelta non si dirige verso un unico metodo, ma quasi sempre cerchiamo di triangolare e di utilizzare più metodologie per raccogliere dati sullo stesso fenomeno, perché sappiamo che tutti i metodi hanno le loro limitazioni e i loro “blind spot”.

Gli strumenti di Analytics come Google, Pendo e Hotjar ci permettono di osservare i comportamenti degli utenti “into the wild” ma i dati di Analytics spesso mancano di contesto: non possono dirci perché qualcuno ha cliccato quella parte dell’interfaccia e cosa si aspettava che accadesse.

Un esempio di heatmap su una pagina del sito MailUp ottenuta utilizzando il tool Hotjar

Le survey, anche quelle più “quick and dirty” attraverso Hotjar, Pendo o Typeform ci permettono di chiedere agli utenti quali sono i loro obiettivi e cosa pensano direttamente mentre stanno navigando o in studi più approfonditi. Ovviamente ottenere dei dati statisticamente significativi e progettare questionari perfetti in ogni loro parte è un impegno non indifferente.

Un esempio di una domanda all’interno di una survey proposta agli utenti di MailUp lo scorso anno

Infine, i test di usabilità quantitativi tramite Usertesting ci permettono di analizzare comportamenti e punti di vista degli utenti registrando le loro interazioni con il sistema mentre performano dei compiti assegnati. Il vantaggio per l’analisi è che il contesto è completamente controllato, ma anche in questo caso richiede un po’ di tempo di un ricercatore per pianificare e condurre uno studio.

Un esempio di test di usabilità quantitativo svolto con Usertesting

In sintesi la ricerca quantitativa ci aiuta a capire la portata dei problemi di design (quante persone ne sono influenzate o quanto grave sia il problema), ci permette di prioritizzare consapevolmente i problemi che vogliamo risolvere, ci supporta nella sperimentazione delle soluzioni e, ultimo ma non meno importante, aiuta i team a sostenere il proprio lavoro e dimostrare il valore del design.

Quest’ultimo punto è molto importante: uno dei segnali di maturazione del design all’interno di un’azienda è la percezione da parte del business del suo valore strategico.

Far passare i manager di un’azienda dal considerare il design come un’attività di “produzione di deliverables” su richiesta a “asset per smuovere KPI” non è un’impresa semplice e i designer di MailUp hanno dovuto imparare a parlare la lingua dei loro interlocutori, empatizzando con loro e seguendo il loro modello mentale per mostrare loro il potenziale dell’approccio Human centered.

Lo abbiamo visto appena abbiamo iniziato a raccogliere le prime metriche di design: sono rappresentazioni numeriche di un miglioramento in un prodotto digitale alcune volte impressionanti.

E quando, con l’aiuto dei colleghi di Marketing, CVM e Prodotto, abbiamo collegato tali numeri ai KPI aziendali (come entrate o risparmi sui costi), questo ha iniziato a spostare l’attenzione dal progettare una cosa in un certo modo “per un desiderio o un’opinione” al progettarla per influire sui profitti.

Ancora c’è molto da fare, cambiare una cultura non è facile, ma sappiamo di essere sulla buona strada: la nostra volontà, insieme al Gruppo di cui facciamo parte, è quella di portare la maturità del design interno a livelli competitivi con quelli delle migliori aziende sul panorama internazionale.

Come vi abbiamo raccontato, abbiamo il cuore e la testa per farlo: siamo empathy driven e data informed.