Używanie "głupich danych" do podejmowania inteligentnych decyzji projektowych

image

Jako przemysł, pracowaliśmy nad wieloma nowymi praktykami i narzędziami dla zwinnych zespołów projektowych, od testów A/B po pomiar współczynnika odbicia i wydajności CTR. Jednak wiele z tych metod wymaga od inżynierów lub pewnej ilości wiedzy technicznej do wykonania, a ich realizacja następuje dopiero po uruchomieniu.

Rozsądne zastosowanie "głupich danych" może usprawnić przepływ pracy i poprawić projekty.Wiele osób nie wie, że istnieje kilka nieoczekiwanych zastosowań danych, które należy rozważyć wcześniej w procesie projektowania, co Ty, projektant, możesz zrobić sam. Nie są one fantazyjne i nie musisz wiedzieć, jak pisać zapytania SQL. Rozsądne zastosowanie "głupich danych" może usprawnić Twoją pracę i poprawić Twoje projekty w zaskakująco użyteczny sposób.

Oto kilka przykładów, jak to zrobić. (Ostrzeżenie: niestatystycznie istotne liczby przed nami).

Zrozumienie zachowania użytkownika
Powiedzmy, że chcesz zrozumieć, jakie rodzaje treści interesują ludzi. Prowadzę prace projektowe w Polyvore, witrynie, którą ludzie wykorzystują do inspiracji stylem i strojem, ale jaka jest ich motywacja? Czy potrzebują pomysłów na strój do codziennej pracy? Specjalne pastelowe goth outy? Wymarzony brunch z One Direction?

Jak każdy inny produkt z polem wyszukiwania, mamy do dyspozycji mnóstwo zapytań o ubrania. Patrząc tylko na najbardziej popularne zapytania traci na długim ogonie, podczas gdy budowa fantazyjnego oprogramowania do nauki maszyn jest zbyt droga. Z głupimi danych na ratunek, łatwo można to zrobić za pomocą brutalnej siły i Google Spreadsheets.

W swoim arkuszu kalkulacyjnym oznacz kilkaset losowo wybranych zapytań, hodując część tej pracy dla swoich przyjaznych kolegów z zespołu. Szybko zorientujesz się, jakie są główne kategorie, a stamtąd będziesz lepiej rozumiał, co ludzie chcą robić.

Może to być stosowane do wszystkich rodzajów treści w skali, której komputery nie mogą przetworzyć. Używałem tego typu dziennika wiadra danych do badania aktywności, sentymentów do marki, intencji wyszukiwania wideo i wielu innych.

Mapy doświadczalne Beefing Up
Podczas mapowania doświadczeń, zbyt łatwo jest przyjąć założenia lub wejść w tryb myślenia życzeniowego o tym, jak użytkownicy wchodzą w interakcję z naszymi produktami. Szybkie sprawdzenie współczynników kliknięć od strony do strony sprawi, że zespół będzie uczciwy (User Flows w Google Analytics). W Polyvore, lubimy łączyć artefakt na mapie z diagramem przepływu, który wizualnie pokazuje, jak bardzo jest prawdopodobne, że użytkownicy rzeczywiście wejdą w kolejny etap zamierzonego doświadczenia.

Scenariusze początkowe i storyboardy

Poza współpracą z użytkownikami w zakresie badań, użytkownik może przeszukiwać dane odsyłaczy i stron docelowych (również w Google Analytics, wraz z parametrami drugiej strony), aby określić, dlaczego ludzie przychodzą na Twoją stronę. Używając hipotetycznego przykładu strony hotelowej, jeśli większość ludzi odwiedza stronę z wyszukiwarki internetowej, prawdopodobnie chcą dowiedzieć się więcej o zakwaterowaniu. Z drugiej strony, gość z Travelocity widział już zdjęcia, czytał recenzje i prawdopodobnie jest gotowy do rozpoczęcia rezerwacji. Te dedukcje dają lepszy punkt wyjścia i większą pewność w tworzeniu scenariuszy i storyboardów.

Tworzenie realistycznych i angażujących projektów
Ramki są istotnym narzędziem koncepcyjnym dla projektanta interakcji, ale mogą ukryć problemy z układem, jeśli są używane zbyt długo. Zespoły produktowe mają również problemy z wizualizacją produktu końcowego, co może prowadzić do poważnych zmian w późniejszych etapach gry. Stwierdziłem, że najlepiej jest przejść do korzystania z prawdziwego tekstu i obrazów tak szybko, jak to możliwe, ale ważne jest, aby wybrać odpowiedni rodzaj treści, aby zilustrować swoje pomysły.

Poświęć 15-20 minut na zebranie zestawu realistycznych obrazów i metadanych, uruchamiając wyszukiwanie lub przeglądając istniejącą zawartość strony. Oznacza to, że nie ma "lorem ipsum text" (niewłaściwe wyczucie, nie wypełnia prawidłowo przestrzeni) i nie ma cherry-picked obrazu (zasłania problemy wizualne projektowania, a poza tym, to tylko oszukiwanie!).

L: czysty, biały wygląd z doskonałymi danymi M: realistyczne dane R: wizualny pojemnik na realistyczne dane

To tylko kilka prostych sposobów na wykorzystanie łatwo dostępnych danych w celu usprawnienia procesu projektowania. Po tym, jak miałem szczęście pracować w firmach technologicznych, które cenią sobie analitykę, to są metody, które udało mi się wypracować z czasem. Jakie są niektóre z twoich wskazówek dotyczących włączania danych? Zachęcam do podzielenia się poniższymi uwagami.

 

Tłumaczenia dokumentów

Najnowsze artykuły

image

Wytrzymałe rękawiczki nitrylowe

image

Tłumaczenia dokumentów

image

Wyciskarka wolnoobrotowa Hurom H100

Popularne artykuły