Analisis data dalam penelitian UX | Penelitian UX #33

Apakah Anda tahu peran analisis data dalam penelitian UX? Hari ini, kami ingin fokus pada isu analisis data dalam UX dengan membahas analisis data kualitatif dan kuantitatif, serta mempelajari tahap-tahapnya, tujuan utama serta sasaran. Kami juga akan menyarankan kapan waktu yang tepat untuk melakukannya dalam sebuah proyek.

Analisis data dalam penelitian UX – daftar isi:

1. Mengapa menganalisis data yang dikumpulkan?
2. Kapan menganalisis data?
3. Analisis data dalam penelitian UX
4. Menentukan tujuan analisis
5. Analisis kualitatif data penelitian
6. Ringkasan

Mengapa menganalisis data yang dikumpulkan?

Mengambil keputusan produk hanya berdasarkan data mentah adalah kesalahan besar dalam UX. Melewatkan tahap analisis dapat mengakibatkan penyediaan solusi yang tidak lengkap atau tidak efektif bagi pengguna, atau bahkan menyebabkan tim proyek fokus pada penyelesaian masalah yang salah atau mengenali pengguna yang sebenarnya. Untuk alasan ini dan lainnya, analisis data adalah proses penting yang menjaga seluruh proyek tetap pada jalur yang benar. Ini dilakukan dengan mempertimbangkan kebutuhan nyata pengguna dan mengumpulkan informasi yang membantu mengembangkan solusi terbaik dan paling optimal yang mungkin.

Kapan menganalisis data?

Banyak orang memiliki kesalahpahaman besar bahwa analisis harus dilakukan setelah menyelesaikan penelitian, yaitu setelah mengumpulkan informasi dari banyak sumber. Namun, pendekatan ini tidak efektif, karena memeriksa sejumlah besar data memerlukan upaya, tenaga kerja, dan waktu yang besar. Lebih efisien untuk menyelidiki data secara berkelanjutan, misalnya, dengan mengambil beberapa menit setelah setiap wawancara mendalam.

Selain itu, ingatlah untuk mencatat selama penelitian Anda. Dengan cara ini, Anda dapat mencatat pengamatan segar dan memastikan tidak ada yang terlewat. Refleksi ini membuat Anda lebih mudah memilih informasi dan memilih dari informasi tersebut yang paling relevan untuk rekomendasi desain selanjutnya. Menganalisis secara berkelanjutan, setelah setiap langkah penelitian kecil, memungkinkan Anda melakukan analisis ringkasan akhir dengan cara yang jauh lebih terorganisir dan terstruktur, tetapi yang terpenting, jauh lebih cepat.

Analisis data dalam penelitian UX

Analisis data dalam penelitian UX mengubah data yang sebelumnya tidak diproses menjadi informasi yang berarti yang akan mendukung keputusan bisnis. Melakukan analisis data yang komprehensif terdiri dari lima langkah dasar – langkah-langkah ini adalah:

1. Menentukan tujuan analisis
2. Mengorganisir data
3. Penyelidikan
4. Klusterisasi
5. Identifikasi hasil dan wawasan

Menentukan tujuan analisis

Langkah pertama menentukan tujuan analisis kita – ini harus sesuai dengan tujuan Penelitian UX. Pada tahap ini, ingatlah untuk tidak menyimpang dari motif yang membuat Anda memulai penelitian – misalnya, apa kebutuhan pengguna; di halaman mana tingkat penolakan lebih signifikan dan mengapa; perbaikan apa yang harus dilakukan untuk meningkatkan tingkat konversi; atau bagaimana membuat produk kita lebih menarik daripada kompetisi. Mempertahankan ini, dan tujuan penelitian akan membantu Anda memahami bagaimana melakukan analisis data dengan cara yang berguna untuk proyek. Untuk menentukan dengan tepat apa yang Anda cari.

Mengorganisir data

Setiap survei memberikan berbagai jenis data, lebih dan kurang relevan untuk proyek. Oleh karena itu, Anda harus mengelola, memilih, dan menyaringnya dengan cerdas untuk kegunaan. Mengorganisir data juga memungkinkan pengaturannya yang bijaksana untuk dengan cepat mengambil informasi yang diinginkan saat diperlukan. Misalnya, Anda dapat mengkatalogkan data berdasarkan sub-halaman situs web yang relevan. Pemisahan adalah kunci untuk melakukan analisis data yang efisien dan meningkatkan visualisasinya yang membuat pemangku kepentingan memahami seluruh proses dengan lebih baik.

Penyelidikan

Fase penyelidikan terletak di jantung seluruh proses analisis data. Tujuan utamanya adalah mengidentifikasi kata-kata, ide, atau frasa yang paling sering muncul dalam respons pengguna dan yang paling mungkin sesuai dengan tujuan analisis. Proses ini bukan hanya tentang mencari kata-kata dan sinonimnya, tetapi tentang memahami apa arti kata-kata tersebut bagi pengguna dalam konteks mereka.

Setelah itu, kata-kata dan ungkapan yang ditemukan tergantung pada kelompok pengguna yang diteliti. Hal ini terjadi karena orang bervariasi. Mereka memiliki pengalaman dan perilaku yang unik, serta cara mengekspresikan diri. Oleh karena itu, Anda harus menghindari mentranskripsikan respons pengguna ke dalam kosakata Anda. Sebaliknya, tetaplah pada yang asli sebanyak mungkin, karena variasi apa pun, bahkan yang terkecil, dapat merusak fase penyelidikan yang membentuk seluruh analisis data secara keseluruhan.

Klusterisasi

Langkah selanjutnya adalah merancang kluster yang disebut untuk memberi label pada jawaban sesuai dengan yang diidentifikasi dalam fase penyelidikan. Kluster ini membantu tim untuk membedakan isu-isu yang diprioritaskan. Misalnya, jika lebih dari setengah respons pengguna cocok dengan kluster yang dibuat yang diberi label “Kinerja antarmuka,” tim harus memprioritaskan topik ini dan mencari masalah yang terkait dengan kinerja antarmuka.

Identifikasi hasil dan wawasan

Jangan lupa bahwa hasil bukanlah wawasan. Hasil berkaitan dengan fakta-fakta yang ditemukan, diselidiki, kemudian dikelompokkan dan dikatalogkan yang dibawa oleh tim penelitian melalui proses analisis. Wawasan, di sisi lain, hanya merujuk pada tindakan pengenalan penyebab yang menyebabkan hasil. Ini adalah fitur yang cukup berbeda karena respons pengguna tidak selalu mengarah pada sumber masalah. Tugas desainer, kemudian, adalah untuk melihat lebih dalam dan mencari wawasan.

Pengguna biasanya tidak dapat mengidentifikasi sumber kesulitan mereka sendiri. Oleh karena itu, tim penelitian harus meninjau hasil selama proses analisis data, mendiskusikannya, dan kemudian mencari wawasan dan mencocokkannya dengan tujuan penelitian. Sebuah lokakarya untuk mengidentifikasi wawasan yang paling relevan membantu menyelesaikan tugas ini. Penggunaan alat ini yang efektif melibatkan melakukan beberapa putaran diskusi yang dipisahkan oleh istirahat singkat.

Langkah-langkah yang dijelaskan di atas adalah proses analisis data yang cukup umum dan standar yang bekerja dengan metode penelitian (baik kualitatif maupun kuantitatif). Yang perlu Anda lakukan adalah menyesuaikan langkah-langkah tersebut dengan proses Anda.

Analisis data kuantitatif vs. kualitatif

Meskipun proses menganalisis data kuantitatif tidak berbeda secara signifikan dari menganalisis data kualitatif, karena sifat penelitian ini, desainer mungkin menerima wawasan yang berbeda. Penelitian kuantitatif fokus pada pengumpulan dan analisis data numerik, menggunakan statistik dan probabilitas. Indikator seperti tingkat penolakan dari halaman tertentu, misalnya, atau profil demografis pengguna, memberikan peneliti informasi konkret dan terukur tentang bagaimana orang berinteraksi dengan produk dan audiens itu sendiri.

Penelitian kualitatif lebih fokus pada konsep-konsep abstrak, seperti perilaku manusia. Untuk alasan ini, luangkan sedikit lebih banyak waktu untuk mempelajari dan mengevaluasi untuk sepenuhnya memahami pengalaman dan pendapat pengguna. Sangat penting untuk mengajukan pertanyaan yang membantu pada tahap ini, seperti:

• Apa yang paling disukai pengguna tentang produk dan apa yang paling tidak mereka sukai?
• Mengapa beberapa pengguna bereaksi berbeda dari yang lain?
• Apakah (dan kapan) pengguna memiliki reaksi emosional?
• Apakah (dan mengapa) pengguna puas dengan produk?

Mengingat perbedaan dalam data yang diterima, masuk akal untuk menggunakan baik anekdot kuantitatif maupun kualitatif sebagai bagian dari penelitian UX. Dengan cara itu, data yang dikumpulkan saling melengkapi dan memberikan wawasan yang jelas dan lebih dalam tentang hasil.

Ringkasan

Analisis data yang dilakukan dengan baik memungkinkan keputusan desain yang lebih baik dan lebih optimal. Mengabaikan temuan ini mengarah pada pengembangan produk yang tidak lengkap dan tidak efektif yang tidak memenuhi kebutuhan nyata pengguna. Inilah sebabnya mengapa analisis data adalah proses yang sangat penting yang menentukan keberhasilan seluruh proyek. Ini memberdayakan Anda untuk mengumpulkan dan memilih informasi kunci yang, ketika diterjemahkan menjadi rekomendasi desain konkret, membantu mengembangkan solusi terbaik yang mungkin – disesuaikan dengan kebutuhan dan persyaratan pengguna. Langkah-langkah analisis data yang kami jelaskan akan membantu Anda melakukannya dengan cara yang terstruktur dan fokus pada apa yang paling penting.

Jika Anda menyukai konten kami, bergabunglah dengan komunitas sibuk kami di Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.