اندازه‌گیری این که تجربه کاربری‌مان چقدر خوب است یا با فلان تغییر چقدر بهبود پیدا کرده، معمولا در علی‌بابا برایمان یک چالش جدی بوده است. یکی از کارهایی که در دو هفته‌ی اخیر انجام داده‌ام، شناختن چارچوب HEART به نیت مناسب‌سازی‌اش برای استفاده یکپارچه در علی‌باباست.
چیزی که می‌خوانید ترجمه‌ی یک پست در بلاگ کِری رودن(همان کسی که در گوگل HEART را ساخته) است. چند مطلب را خوانده بودم و برای این که بتوانم خودم دو سه ساعت جدی روی موضوع تمرکز کنم، این یکی که به نظرم مناسب‌تر بود را به فارسی برگرداندم. شاید به دردتان بخورد و امیدوارم پایه باشید در موردش گفتگو کنیم.
کری رودن، 3 دسامبر 2015
زمانی که برای وِب طراحی می‌کنید، می‌توانید داده‌های استفاده کاربران را تحلیل کنید و رابط‌های مختلف را در آزمون آ/ب مقایسه کنید. گاهی به این کار طراحی داده محور گفته می‌شود، اما من ترجیح می‌دهم به آن بگویم طراحی آگاه از داده، چون محوریت هنوز با طراح است، نه داده.
برای عملی کردن این کار، مهم است که از کمیت‌های درست استفاده کنید. کمیت‌های پایه‌ایِ ترافیک (مثل بازدیدهای کلی صفحه، یا تعداد کاربران یکتا) را می‌توان به راحتی دنبال کرد و اطلاعات پایه‌ای در مورد عملکرد سایت‌تان را به شما می‌دهند. اما این کمیت‌ها معمولن برای ارزیابی تاثیر تغییرات تجربه کاربری خیلی مفید نیستند. چون خیلی کلی هستند و معمولن نمی‌شود به طور مستقیم به کیفیت تجربه کاربری یا اهداف پروژه وصلشان کرد؛ نمی‌شود بر اساس‌شان اقدام کرد.
من عضوی از یک گروه تحقیقات کمی تجربه کاربری در گوگل هستم، و ما دوست داریم به تحلیل داده در مقیاس بزرگ به عنوان یک متد دیگر برای تحقیق تجربه کاربری فکر کنیم. ما دو متد مفید ساخته‌ایم که کمک می‌کنند کمیت‌های مناسبی را انتخاب و تعریف کنید که منعکس کننده‌ی این دو چیز باشند:
در مدتی که به تیم‌های محصول در گوگل کمک می‌کردیم که کمیت‌های تجربه کاربری تعریف کنند، متوجه شدیم که پیشنهادهایمان اغلب در پنج دسته قرار می‌گرفتند:
از این کمیت‌ها می‌شود در چند سطح استفاده کرد، از کل محصول گرفته تا یک فیچر خاص. مثلن، در جی‌مِیل، ممکن است هم جذب کلیِ محصول برایمان جذاب باشد، و هم جذب فیچرهای کلیدی‌ای مثل label یا آرشیو.
معمولن از ما می‌پرسند «چرا باید جذب و نگهداشت را اندازه بگیریم در حالی که می‌شود فقط تعداد کاربران یکتا را بشماریم؟». قطعن مهم است که تعداد کاربرانی که در یک بازه‌ی خاص دارید را بدانید (مثلن کاربرانِ هفتگی-فعال). اما اگر جذب و نگهداشت را هم اندازه بگیرید، میان کاربران جدید و کاربران قدیمی به طور مشخص تمایز قائل شده اید تا بتوانید بگویید پایگاه کاربرانتان با چه سرعتی رشد می‌کند یا تثبیت می‌شود. این مخصوصن برای محصول‌ها یا فیچرهایی که تازه اند، یا بازطراحی شده اند، مفید است.
لازم نیست حتما در همه‌ی این دسته‌ها کمیت ایجاد کنید؛ باید آن‌هایی را که برای پروژه مشخص خودتان بیشترین اهمیت را دارند انتخاب کنید (نگاه کنید به هدف-سیگنال-کمیت را در قسمت بعد). چارچوب HEART می‌تواند به شما کمک کند که تصمیم بگیرید در کدام دسته‌ها کمیت انتخاب کنید. مثلن، در مورد یک نرم‌افزار سازمانی، Engagement احتمالن چندان معنی دار نیست چون کاربران به هر حال باید به عنوان قسمتی از شغل‌شان به طور روزمره از آن استفاده کنند. در این مورد بهتر است تیم روی خوشحالی یا موفقیت کار تمرکز کند. اما بررسی Engagement ممکن است روی یک فیچر مشخص، به عنوان شاخصی از مطلوبیت آن فیچر، معنی‌دار باشد.
ما چارچوب HEART را روی گستره‌ی وسیعی از پروژه‌ها در گوگل پیاده‌سازی کرده ایم و معتقدیم برای متمرکز کردن گفتگو با تیم‌ها ابزار بسیار مفیدی است. سرواژه کمک می‌کند که در یاد بماند و به سادگی می‌شود یک بحث غیر رسمی را با نوشتن این دسته‌ها روی وایت‌برد، تسهیل کرد.
چطور باید از دسته‌های HEART به کمیت‌هایی برسید که بتواند عملا پیاده‌سازی و دنبال‌شان کنید؟ متاسفانه هیچ «دشبرد HEART» حاضر و آماده‌ای که به صورت جادویی این کار را برای‌تان انجام دهد وجود ندارد؛ مفیدترین کمیت‌ها احتمالا اختصاصیِ پروژه یا محصول مشخص خودتان هستنند.
هدف
وسوسه کننده است که برای فکر کردن به کمیت‌ها، با طوفان فکری یک لیست طولانی تهیه کنیم. اما چنین لیستی خیلی سریع بزرگ می‌شود و اولویت‌بندی‌اش سخت می‌شود. به طور ایده‌آل، شما به دنبال تعداد کمی از کمیت‌های کلیدی هستید که برای همه در تیم مهم باشند. برای پیدا کردن‌شان، باید از یک سطح بالاتر شروع کنید: هدفهایتان را شناسایی کنید تا بتوانید کمیت‌هایی را انتخاب کنید که پیشرفت شما به سمت آن هدف‌ها را بسنجند.
تبیین کردن هدف‌های یک پروژه می‌تواند به طرز غیرمنتظره‌ای سخت شود و این‌جاست که دسته‌های HEART به طور مشخص به بحث کمک می‌کنند. مثلن در یوتیوب، یکی از مهم‌ترین هدف‌های ما در دسته‌ی engagement است: ما می‌خواهیم کاربرانمان از ویدیوهایی که می‌بینند لذت ببرند، و همچنان ویدیوها و کانال‌های بیشتری که بخواهند ببینند را کشف کنند. ممکن است هدفی که برای یک پروژه یا فیچر مشخص دارید با هدف کلی محصول متفاوت باشد. برای جستجوی یوتیوب، یک هدف کلیدی در دسته‌ی موفقیتِ کار است: وقتی یک کاربر چیزی را جستجو می‌کند، ما می‌خواهیم سریع و به آسانی، مرتبط ترین ویدیوها و کانال‌ها را پیدا کند.
یک تهدید معمول، این است که هدفهایتان را با توجه به کمیت‌هایی فعلی‌تان تعریف کنید؛ «هدف‌مان این است که ترافیک سایت‌مان را بالا ببریم.» بله همه دوست دارند این کار را بکنند، اما بهبود در تجربه کاربری چه کمکی به آن می‌کند؟ ترجیح می‌دهید engagement کاربران فعلی را بالا ببرید یا کاربران جدید جذب کنید؟
سیگنال
در قدم بعدی، هدفهایتان را با سیگنال‌های سطح پایین‌تر انطباق دهید. موفقیت یا شکست در هدف‌ها، چطور خودش را در رفتار یا حالت کاربران آشکار می‌کند؟ مثلن، یک سیگنالِ engagement برای یوتیوب می‌تواند تعداد ویدیوهایی که کاربران روی سایت می‌بینند باشد؛ اما یک سگینال بهتر می‌تواند مقدار زمانی که کاربران صرف دیدن این ویدیوها می‌کنند باشد. یک سیگنال شکست در دسته‌ی موفقیتِ کار، برای جستجوی یوتیوب، می‌تواند این باشد که یک کاربر چیزی را جستجو کند، اما روی هیچ کدام از نتایج کلیک نکند.
معمولن برای یک هدف، تعداد زیادی سیگنال وجود دارند که بالقوه مفید هستند. وقتی چند کاندیدای جدی ساختید، بهتر است متوقف شوید و #کمی_تحقیق یا تحلیل کنید تا بتوانید از میان آن‌ها انتخاب کنید.
اول این که، دنبال کردن هر سیگنال چقدر آسان یا سخت است؟ آیا محصول شما لاگِ فعالیت‌های مربوطه را نگه می‌دارد یا می‌تواند نگه دارد؟ آیا می‌توانید یک نظر سنجیِ درون محصول را به طور منظم قرار دهید؟ اگر به کمیت‌های موفقیتِ کار علاقه‌مندید، یک گزینه، استفاده از یک کارِ تخصیص داده شده در یک مطالعه‌ی کاربردپذیری است، که می‌توانید آن را در مقیاس بزرگ هم انجام دهید.
دوم این که، باید سیگنال‌هایی را انتخاب کنید که انتظار دارید نسبت به تغییراتی که در طراحی می‌دهید حساس باشند. اگر از قبل سیگنال‌هایی که بالقوه مفید هستند را جمع‌آوری می‌کرده اید، می‌توانید دیتایی که در اختیار دارید را تحلیل کنید تا ببینید بهترین سیگنال‌ها برای پیش‌بینی هدف مورد نظرتان کدامند.
کمیت
وقتی سیگنال‌ها را انتخاب کردید، می‌توانید آن‌ها را به کمیت‌هایی تبدیل کنید که بتوانید در طول زمان بسنجید یا برای مقایسه در آزمون آ/ب استفاده کنید. در مثال engagement در یوتیو، می‌توانیم «کاربران چقدر زمان صرف دیدن ویدیو می‌کنند» را به صورت کمیت «متوسط دقایقی که کاربران صرف دیدن ویدیو می‌کنند برای هر کاربر در روز» پیاده‌سازی کنیم.
در این نقطه، جزئیات بستگی زیادی به زیرساخت خاص شما دارند. اما مانند قدم قبلی، کمیت‌های زیادی را می‌توان از یک سیگنال ساخت؛ لازم است دیتایی که از قبل دارید را تحلیل کنید تا بتوانید تصمیم بگیرید که مناسب‌ترین کمیت کدام است. احتمالا لازم است اعداد خام را (مثلا با میانگین گرفتن یا محاسبه‌ی درصد) نرمال کنید تا معنی‌دارتر شوند.
فرایند هدف-سیگنال-کمیت باید منتهی به یک اولویت‌بندی طبیعی از چندین کمیت شود؛ مهم‌ترین چیز این است که کمیت‌های مربوط به هدف‌های اصلی را بسنجید. از وسوسه‌ی اضافه کردن «آمارهای جالب» به لیست‌تان پرهیز کنید. آیا واقعا از این اعداد استفاده می‌کنید تا تصمیمی بگیرید؟ آیا لازم است آن را در طول زمان دنبال کنید یا یک تصویر از وضعیت فعلی کافی است؟ روی کمیت‌هایی متمرکز بمانید که ارتباط تنگاتنگی با هدفهایتان دارند تا هم از زحمت غیرضروری برای پیاده‌سازی کمیت‌ها پرهیز کنید و هم دشبوردهایتان شلوغ نشوند.
می‌توانید یک برگه مانند تصویر زیر بکشید که در طول قدم‌های فرایند کمک‌تان کند. اگر بعضی از دسته‌ها برای پروژه‌ی شما منطقی نیستند، لازم نیست همه‌ی دسته‌های HEART را بگنجانید و البته، اگر لازم می‌دانید، دسته‌های دیگری را خودتان اضافه کنید.
اگر می‌خواهید طراحی محصول‌تان با آگاهی از دیتا در مقیاس بزرگ باشد، این خیلی کمک می‌کند که کمیت‌هایی داشته باشید که کیفیت تجربه کاربری‌تان را منعکس کنند و به درستی بر اهداف اصلی‌تان منطبق شوند. سعی کنید برای انجام این کار از HEART و هدف-سیگنال-متریک استفاده کنید و به ما هم بگویید که کارتان چطور پیش رفت. آیا متد خودتان را برای این کار دارید؟ یا توصیه‌ای دارید؟
