Анализ интервью пользователей - эффективное превращение исходных данных в выводы

Анализ пользовательских исследований – это термин, используемый для определения процесса классификации, организации и преобразования исходных данных в ценную информацию и, в конечном счете, в вывод. При правильном проведении анализ позволяет получить сведения, необходимые для построения результатов исследования. Поскольку данные можно интерпретировать бесконечным числом способов, часть работы исследователя заключается в том, чтобы решить, как проанализировать данные и использовать их для создания убедительной истории.

Анализ пользовательских интервью – самый интересный, но и самый сложный этап при проведении пользовательских исследований. Он интересен тем, что может открыть удивительные перспективы, которые помогут создать продукты и услуги, способные изменить жизнь клиентов. В то же время это очень сложно, поскольку нет стандартной процедуры, которой можно следовать, нет объективной оценки прогресса или успеха, а огромный объем неструктурированных данных может замедлять процесс.

‍Анализ исследования, как было определено выше, – это процесс сортировки и категоризации данных.

‍Синтез предполагает интерпретацию данных исследования и извлечение из них выводов и ключевых заключений, которые могут быть использованы для принятия решений.

Синтез может следовать за анализом, либо эти два процесса могут происходить более или менее параллельно, в зависимости от методов, которые используются на данном этапе.

Вместе анализ и синтез являются ключевыми процессами, позволяющими извлечь смысл из исходных данных. На основе этих сведений можно принимать более обоснованные решения.

Прежде чем приступить к анализу данных, необходимо знать о наиболее распространенных ошибках, которые допускаются при анализе, в том числе:

• Представление большого объема не ассимилированных и некатегорированных данных в попытке быть "абсолютно объективным".
• Сокрытие первоначальных предубеждений или предположений о направленности исследования, что приводит к искажению значимых данных.
• Чрезмерное сокращение или "упрощение" собранных данных до закрытых ответов (т.е. бинарных вопросов "да или нет").
• Принятие решений только на основе статистических данных (например, изменение дизайна страницы из-за высокого показателя отказов, в то время как реальная проблема может заключаться в такой мелочи, как неудачно расположенная кнопка).
• Потеря в деталях и просто пересказ информации, собранной в ходе исследования, когда к ней не применяется никакого реального анализа.

1. Какие основные закономерности и общие темы в ответах пользователей?
2. Удивили ли какие-либо результаты вас, ваших коллег и/или клиента? Каким образом?
3. В каком контексте пользователи проявили наибольшую эмоциональную реакцию на вопросы?
4. Какие интересные истории возникли в ответах пользователей?
5. Как люди воспринимают этот продукт в целом и как он вписывается в их повседневную жизнь? Насколько незаменим для них этот продукт? Почему?
6. Какие функции были наиболее важны для этих пользователей?
7. Что им больше всего понравилось в этом продукте? Что им меньше всего понравилось? Почему?
8. Какие ценности наиболее важны для этих пользователей?
9. Чем эти пользователи отличаются от других пользователей?
10. Существуют ли какие-либо сценарии использования, не поддерживаемые в достаточной степени текущим интерфейсом?

Эти вопросы должны возникать в голове сразу же после начала сбора данных.

Вначале мы расскажем о целях анализа интервью, прольем свет на то, как выглядят хорошие результаты, и покажем, в какое время можно проводить анализ. Основная часть представляет собой пошаговое описание процесса анализа пользовательских интервью для достижения наилучших результатов.

Вопрос о цели анализа пользовательских интервью может показаться тривиальным, но, как оказалось, это не так. На самом деле есть две цели, и обе они важны. Одна из них очевидна, а другая – не очень.

• Превратить необработанные данные в выводы – вот о чем думает большинство людей, когда речь заходит об анализе интервью. Начинают с кучи записей и заметок, чтобы извлечь ценные знания. И действительно, превращение исходных данных в выводы является главной задачей этапа анализа. Хотя анализ делает необработанные данные интервью более пригодными для практического применения, важно отметить, что этот этап не позволяет получить абсолютную истину. В лучшем случае мы получаем большую уверенность в правильности гипотезы или подхода.
• Получение поддержки со стороны заинтересованных сторон. Вторая и не очевидная цель этапа анализа – добиться поддержки со стороны заинтересованных сторон. Результаты анализа ценны только в том случае, если они впоследствии используются в качестве основы для принятия решений. Для этого необходимо, чтобы коллеги или клиенты действительно поняли, признали и сохранили эти выводы.

Проверенным способом достижения этой цели является активное участие заинтересованных сторон в анализе, а не простое представление им результатов. Деятельность по групповому анализу интервью не менее важна, чем полученные результаты.

"Все дело в том, чтобы привлекать заинтересованные стороны к исследованию на ранних этапах и часто, чтобы у вас была аудитория, которая уже была "заинтересована" до того, как ваши результаты будут готовы к распространению". – Бет Годфри, UX-исследователь в Google

Как понять, что вы хорошо поработали и анализ был успешным? Хотя объективно измеримых способов определения хорошего инсайта не существует, есть индикаторы, указывающие на правильное направление.

• Достоверность – обоснованность данными. Процесс анализа интервью – это абстрагирование необработанных наблюдений в более общие выводы. Для того чтобы они были надежными, важно, чтобы они основывались на данных, полученных в ходе интервью.

Здесь часто приходится сталкиваться с когнитивными предубеждениями, т.е. тенденцией подтверждать то, во что мы уже верим. Это может исказить процесс анализа и привести к принятию неверных решений. При всей важности обоснования своих выводов фактами не следует забывать об ограничениях качественных данных. Например, интервью с пользователями не дадут статистически значимых результатов. Лучше сосредоточиться на сильных сторонах качественных данных, позволяющих выявить причинно-следственные связи, эмоциональные состояния пользователей и до сих пор не замеченные точки зрения.

• Релевантность – соответствие цели исследования. Анализ интервью, скорее всего, займет несколько часов в течение нескольких дней. Очень легко отвлечься на детали и потерять из виду общую картину. Это может привести к впечатляющим результатам, не имеющим никакого отношения к первоначальным вопросам исследования (совет: сохраните эти результаты, поскольку они могут оказаться актуальными в будущем). Чтобы избежать непреднамеренных отклонений, постоянно напоминайте себе об основных вопросах, на которые необходимо ответить, и регулярно делайте их видимыми в процессе работы.
• Роман - раскрытие того, что было скрыто. Для ясности: совершенно нормально, если выводы подтверждают прежние убеждения. Анализ не должен искажать факты только для того, чтобы получить новые и захватывающие результаты. В то же время, если заглянуть в данные немного глубже, а не просто пощупать поверхность, можно обнаружить неожиданные связи или совершенно новые темы. Такие неожиданные выводы многократно увеличивают ценность пользовательских интервью.

Анализ пользовательских интервью – это отдельный этап исследовательского проекта. Но это не значит, что анализ происходит только в это отведенное время. Мозг сразу же начинает обрабатывать новые данные, пытаясь найти в них смысл. Идеи и закономерности могут возникать уже во время проведения интервью. Кроме того, совместное подведение итогов с командой после каждого интервью – отличный способ выявить первые идеи. Обязательно фиксируйте все эти идеи сразу же, как только они возникнут.

Существует два возможных подхода к планированию основной части анализа в ходе проекта.

• Анализ за один раз. При таком подходе анализ начинается после завершения всех интервью. Все данные доступны с самого начала, что может облегчить распознавание закономерностей, поскольку имеется больше связанных между собой фактов. Один более длительный блок анализа позволяет войти в состояние потока, поскольку меньше прерывается. Конечно, необходимо помнить об усталости и следить за уровнем энергии команды.
• Анализ по партиям. Идея этого подхода заключается в том, чтобы разделить интервью на партии и после каждой партии проводить более короткие сессии анализа. Одно из преимуществ заключается в том, что можно корректировать вопросы предстоящих интервью, например, уделяя особое внимание недостаточно представленным темам. Этот метод также позволяет представить предварительные результаты заинтересованным сторонам или используется в тех случаях, когда после последнего интервью не хватает времени на анализ, например, из-за сжатых сроков. С практической точки зрения, в календаре занятых заинтересованных сторон легче найти несколько коротких блоков времени, чем один большой блок.

Недостатком такого подхода является более высокая стоимость переключения. Ментальная подготовка к анализу требует времени, в частности, на то, чтобы закрепить доказательства в кратковременной памяти, что здесь происходит многократно.

С этим связан вопрос о том, сколько времени следует отводить на анализ. Вы, наверное, догадались, что ответ на этот вопрос зависит от того, сколько времени потребуется на анализ. Тенденция такова, что мы недооцениваем, сколько времени это займет, и не выделяем достаточно времени. Если бы мы стояли перед выбором, мы бы скорее рекомендовали сократить объем и сосредоточиться на наиболее важных темах, а не торопиться. С другой стороны, всегда можно провести дополнительный анализ, поэтому не забудьте заложить время на сессии.

Теперь давайте начнем копаться в данных. Основой успешного анализа – или, как его еще называют, синтеза – является правильное ведение записей, и мы предполагаем, что вы подробно и последовательно задокументировали все интервью. При совместной работе с заинтересованными сторонами выделите достаточное количество времени в их календаре и заранее проинформируйте их о том, чего следует ожидать.

Мы проведем анализ в три этапа:

• Ознакомление с данными
• Синтез
• Преобразование полученных данных в результат

Шаг 1: ознакомление с данными
Цель этого первого шага – подготовить мозг к формированию связей путем введения данных в кратковременную память. Это похоже на загрузку информации в компьютер для последующей работы с ней. На практике это обычно означает внимательное чтение записей интервью. Это легче сделать, если члены команды участвовали в проведении интервью, например, в качестве стенографистов.

Чтобы превратить этот этап ознакомления в групповую работу, назначьте каждому заинтересованному лицу по участнику, пусть они прочитают соответствующие записи и представят себя с точки зрения назначенного участника перед командой. Затем уделите некоторое время обсуждению каждого участника в группе. Поскольку количество интервьюируемых обычно больше, чем членов команды, можно повторить этот этап несколько раз.

Шаг 2: синтез
Эта часть не имеет строгого порядка. Здесь мы покажем Вам четыре техники, которые могут служить отправной точкой.

• Структурирование данных по темам. Поскольку качественные данные по своей природе не структурированы и поэтому трудно поддаются анализу, первоначальная задача состоит в том, чтобы сделать их сопоставимыми для разных участников. Для этого мы распределяем отдельные ответы по более общим темам. Темы, о которых вы спрашивали в ходе интервью, являются хорошими отправными точками для этих тем.

При работе с цифровыми инструментами практичным способом отнесения записей к темам является использование тегов. Тег – это метка, указывающая, к какой теме относится та или иная заметка. Обычное программное обеспечение для редактирования текста не позволяет легко расставить такие метки, поэтому лучше использовать электронную таблицу или специальный инструмент для исследования пользователей.
Часто возникает вопрос: придумывать ли названия тегов до начала работы с ними или создавать их на ходу. Короткий ответ: оба варианта возможны. Как правило, в процессе работы с данными возникает необходимость итерации тегов, поскольку появляются новые темы или две темы сливаются в одну.
После того как вы отметили первые несколько интервью вместе и выработали общее понимание, вы, возможно, захотите разделиться и сделать оставшиеся пометки в небольших группах или индивидуально, чтобы быстрее продвигаться вперед.
Аналоговая альтернатива маркировке данных – использование стикеров. Для этого напишите по одному ответу на стикере и разместите похожие ответы близко друг к другу на стене. Обязательно указывайте имя участника или его краткое обозначение, чтобы иметь ссылку на исходные данные и иметь возможность повторно получить контекст. Цвета отлично подходят для сегментации, например, для обозначения определенной группы пользователей.

• Поиск перекрестных связей между участниками и доказательств, относящихся к кластерам. Разложив заметки по темам, можно теперь изучить каждую из них в отдельности. В цифровом инструменте используйте фильтры, чтобы сосредоточиться на одном конкретном теге, и ищите общие черты или противоречия среди ответов.

Поощряйте членов команды делиться своими мыслями с группой, поскольку это помогает сформировать новые концепции и понимание.
Далее можно объединить связанные наблюдения в кластеры. Этот метод также называется картированием или построением диаграмм родства и позволяет соединить части фактов для создания более широкого понимания.

• Использование сегментации для выявления глубинных закономерностей. Для более глубокого понимания темы полезно взглянуть на данные исследования с разных точек зрения. Это похоже на применение различных линз, которые помогают более четко увидеть взаимосвязи. В зависимости от того, куда вы смотрите, мир может выглядеть совершенно по-разному.

Метаданные об участниках могут стать ключом к обнаружению скрытых закономерностей. В контексте B2B это может быть должность участников, размер компании, в которой они работают, или отрасль. В потребительском контексте релевантными критериями могут быть демографические данные или уровень опыта использования того или иного продукта.
Разделение ответов по метаданным (в данном случае по типу компании) помогает выявить глубинные закономерности. Конечно, не все явления можно объяснить с помощью имеющихся данных, поэтому необходимо критическое мышление и, возможно, дополнительные исследования, чтобы избежать предположений о причинно-следственных связях, которых на самом деле нет.

• Анализ по темам. Помимо изменения перспективы, изменение разрешения – это еще один способ получить более четкое представление о данных. После того как мы определили темы и глубоко изучили каждую из них на предыдущих этапах, теперь мы увеличиваем масштаб и смотрим на общую картину.

Определите, как темы соотносятся друг с другом, и попытайтесь понять их относительную важность, хронологический порядок или причинно-следственные связи.


Шаг 3: преобразование полученных результатов в результат
После завершения этапа всестороннего анализа наступает момент, когда возникает вопрос, что делать со всеми этими выводами. Последний шаг – превратить полученные знания в ощутимый результат.

Это делается с двумя целями:

• Это облегчает донесение полученных знаний до заинтересованных сторон, которые не были непосредственно вовлечены в проект, а также помогает им запомнить то, что вы нашли. Поэтому рассматривайте итоговые данные как инструмент для распространения информации о полученных результатах.
• Он инициирует переход к практическому применению полученных результатов и тем самым помогает перейти от режима обучения к режиму выполнения.

Выбор оптимальной формы вывода зависит от исходных вопросов исследования. Примерами часто используемых результатов являются:

• приоритетный список болевых точек и областей возможностей
• user journey (путешествие клиента – User Journey Map – помогает зафиксировать пользовательский опыт во время взаимодействия с продуктом), включающее лучшие и худшие моменты
• задания, которые необходимо выполнить
• персоны пользователей

Перед тем как команда разойдется по своим местам, необходимо спланировать конкретные дальнейшие шаги по воплощению полученных результатов в жизнь. Это может быть семинар по принятию решений, сессия создания прототипов или спринт разработки. Кроме того, подумайте о том, как вы хотите хранить данные и выводы, чтобы они были доступны в будущем. Заинтересованные стороны должны иметь возможность в любой момент вернуться к определенным аспектам исследования.

Изучив и поняв основные требования и потребности пользователей в ходе анализа пользовательских интервью, вы становитесь на шаг ближе к созданию успешного продукта. Однако эффективное управление продуктом требует не только глубокого понимания потребностей клиентов, но и других навыков продакт-менеджера:

• анализ рынка и трендов, формирование требований к продукту
• разработка маркетинговой и продуктовой стратегии
• аналитика метрик продукта, его развития и монетизации
• тестирование гипотез, создание MVP
• выбор бизнес-модели и расчет юнит-экономики

После тщательного анализа пользовательских интервью становится очевидным, что успешное управление продуктом требует не только глубокого понимания потребностей клиентов, но и навыков продакт-менеджмента. В свете этого, мы рады предложить уникальный онлайн-курс по продакт-менеджменту, который поможет вам лучше применять полученные знания, строить эффективные стратегии и успешно управлять продуктовым циклом. Готовьтесь к новому уровню навыков и повышению профессионального потенциала – присоединяйтесь к нашему курсу прямо сейчас!