Antara subjek dalam desain studi UX – Beragampengetahuan

Kami tahu bahwa penelitian adalah tulang punggung tim desain mana pun. Semakin baik hasil penelitian, semakin baik produknya. Sayangnya, bagaimanapun, departemen desain tidak selalu mengalokasikan dana yang murah hati dan waktu untuk melakukan penelitian yang dirancang dengan baik.

Bagaimana kita memanfaatkan penelitian kami untuk membuat desain UX yang disukai orang?

Jawabannya terletak pada desain penelitian – terutama memahami perbedaan antara desain dalam subjek dan antara subjek. Dua metode penelitian ini dapat membentuk temuan Anda dengan cara yang sangat berbeda. Mana yang harus Anda pilih untuk pembelajaran UX Anda berikutnya?

Ini adalah tujuan dari artikel ini – antara topik. Saya akan memecah perbedaan antara desain studi di dalam dan antara subjek di UX, jelaskan kapan ini paling berguna, dan memberikan panduan untuk memilih studi yang tepat. Memahami teknik penelitian ini akan membantu Anda mengumpulkan wawasan yang berharga untuk menciptakan pengalaman pengguna yang lebih baik.

Penelitian dan Desain UX

Diberitahu untuk menjadi efektif dalam desain desain penelitian bahkan dapat dilengkapi dengan tim desain yang dibatasi sumber daya untuk menjadi sangat efektif dalam mengembangkan pengalaman produk yang lucu. Dan, Anda tahu, kemampuan untuk memberikan hasil dengan nilai lebih sedikit mengesankan dan diinginkan untuk tim ramping.

Faktor terbesar dalam pengumpulan data studi adalah kumpulan peserta.

Cara paling umum untuk menarik peserta adalah dengan biasanya mengajukan pertanyaan persalinan rendah kepada sebanyak mungkin peserta yang relevan. Misalnya, ketika kami menyelesaikan tindakan pada suatu aplikasi, kami dapat melalui ini dan meminta kami untuk hanya mengevaluasi pengalaman kami.

Tetapi untuk mendapatkan wawasan yang lebih cerdas tentang mengapa sesuatu bekerja atau tidak berhasil, kita perlu membuat pengguna melakukan wawancara atau eksperimen yang lebih rinci. Dalam hal ini, kami harus menawarkan beberapa insentif sehingga mereka termotivasi untuk berpartisipasi, atau mengandalkan kolam besar yang akan menyaring beberapa orang yang bersedia melakukannya secara gratis. Kita harus ingat bahwa mereka bersedia memberikan jawaban nyata.

Wawancara pengguna UX secara langsung atau bahkan wawancara konferensi video biasanya lebih baik untuk memastikan bahwa pengguna memberikan umpan balik nyata dan dilakukan sedemikian rupa sehingga responden tidak wajib memberikan umpan balik positif.

Intra-subjek dan di antara

Sebagai banyak waktu dan sumber daya memasuki penelitian kami, kami harus memastikan bahwa itu dirancang dengan cara yang memungkinkan pengumpulan data yang paling berguna.

Kumpulan peserta yang kami putuskan sangat berharga dan bagaimana kami melakukan penelitian kami sangat penting. Salah satu pertimbangan terbesar untuk menyajikan varian desain kami ke kumpulan peserta adalah di dalam atau di antara subjek:

Desain dalam tema

Studi dalam subjek berarti bahwa peserta yang sama akan mengalami banyak perubahan dalam kondisi atau desain. Dalam penelitian UX, ini mungkin melibatkan menunjukkan kepada pengguna yang berbeda versi halaman arahan atau menguji beberapa struktur navigasi dalam satu sesi.

Karena setiap peserta berinteraksi dengan semua perubahan, keuntungan utama adalah perbedaan individu (mis., Pengalaman sebelumnya, preferensi pribadi, atau kemampuan kognitif) tidak membiaskan hasilnya. Hal ini dapat menyebabkan lebih banyak temuan statistik saat Anda membandingkan jawaban satu orang dengan garis dasar Anda sendiri, daripada ke grup lain.

Saya akan membahas contoh cepat.

Bayangkan Anda menguji dua aliran checkout yang berbeda untuk situs web e-commerce. Dalam studi dalam subjek, setiap peserta mengalami dua aliran-satu demi satu proses lain-dan memberikan umpan balik dari masing-masing peserta. Ini memungkinkan Anda untuk secara langsung membandingkan pengalaman mereka, membantu mengidentifikasi proses mana yang lebih intuitif atau lebih efektif.

Namun, metode ini memperkenalkan efek carryover potensial – paparan perubahan pertama mempengaruhi cara peserta berinteraksi dengan yang kedua. Jika pengguna frustrasi dengan aliran checkout pertama, mereka mungkin bias terhadap aliran checkout kedua bahkan jika mereka lebih baik dirancang.

Untuk mengimbangi ini, para peneliti menggunakan keseimbangan, yang berarti setengah dari peserta dimulai pada versi A dan setengah lainnya dimulai pada versi B. Ini meminimalkan kinerja pesanan dan memastikan bahwa wawasan mencerminkan preferensi pengguna yang sebenarnya daripada dampak urutan.

Desain antar subjek

Dalam studi antar subjek, peserta dibagi menjadi kelompok-kelompok terpisah, dengan hanya satu versi desain per grup. Ini mencegah efek pembelajaran atau bias yang disebabkan oleh paparan berulang, tetapi membutuhkan ukuran sampel yang lebih besar untuk mencapai hasil yang bermakna.

Biarkan saya mengambil contoh.

Mari kita tinjau kembali penelitian aliran checkout. Studi antar topik tidak memerlukan pengguna yang sama untuk menguji kedua aliran, tetapi secara acak menugaskan peserta ke salah satu dari dua versi. Grup A hanya akan mengalami aliran checkout pertama, sementara Grup B hanya akan mengalami yang kedua.

Karena peserta terpapar hanya satu varian, pendekatan ini mensimulasikan penggunaan dunia nyata lebih dekat. Namun, perbedaan individu antara peserta (seperti penghindaran teknologi atau kebiasaan belanja) dapat memperkenalkan perubahan responsif, membuat dampak perubahan desain lebih sulit.

Pilih metode yang tepat

Kedua metode memiliki tempat dalam penelitian UX. Pilihan Anda akan tergantung pada faktor -faktor seperti pertanyaan penelitian, sumber daya yang tersedia, dan bias potensial.

Kapan (kapan) untuk tidak menggunakan desain internal subjek

Kapan (kapan) Gunakan desain antar subjek

Studi tentang penggunaan kelompok homogen pengguna dalam tes A/B

Saat menjalankan tes A/B dalam skala besar, terutama di lingkungan waktu nyata, kelompok pengguna memainkan peran penting dalam memastikan hasil yang dapat diandalkan.

Desain antar-tema adalah dasar dari sebagian besar uji A/B skala besar, secara acak menugaskan pengguna ke varian yang berbeda:

• Pengguna baru vs Pengguna Kembali – Apakah pengguna baru merespons secara berbeda terhadap perubahan desain dibandingkan dengan pelanggan yang loyal?
• Jenis Perangkat – Apakah mode navigasi seluler baru berkinerja lebih baik untuk pengguna mobile -first?
• Lokasi Geografis – Apakah perubahan harga memengaruhi perilaku pembelian bervariasi di seluruh wilayah?

Dengan menganalisis kinerja serupa untuk pengguna yang berbeda, tim dapat mendeteksi pola tersembunyi yang mungkin diabaikan dengan tes A/B standar. Misalnya, sementara desain checkout baru dapat meningkatkan konversi secara keseluruhan, itu dapat secara negatif mempengaruhi pengguna listrik yang terbiasa dengan aliran lama.

Pengacakan dan kompleksitas

Sementara desain antar subjek mudah dilakukan karena mereka tidak memerlukan pesanan tugas acak, penelitian dalam subjek lebih kompleks. Tantangannya terletak pada menyeimbangkan urutan perubahan.

Teknik yang disebut Latin Square dapat membantu memastikan bahwa setiap kemungkinan keseimbangan pesanan di kumpulan peserta:

Namun, ketika jumlah perubahan desain meningkat, ini menjadi lebih menantang.

Misalnya, jika Anda menguji 4 varian (a, b, c, d), Anda memerlukan matriks 4 × 4. Karena lebih banyak perubahan ditambahkan, jumlah kombinasi unik tumbuh dengan cepat, dan dengan satu sama lain perubahan, permintaan untuk lebih banyak peserta meningkat untuk mempertahankan keseimbangan semua kombinasi.

Analisis Statistik dalam Studi UX: Tes T dan ANOVA

Uji t dan analisis varians (analisis varians) adalah metode statistik yang digunakan untuk menganalisis studi UX di dalam dan di antara subjek. Mereka membantu menentukan bahwa perbedaan yang diamati dalam perilaku pengguna, preferensi, atau kinerja secara statistik signifikan, bukan karena peluang acak.

T-test dalam penelitian UX

Uji-t biasanya digunakan dalam uji A/B untuk membandingkan dua kelompok, seperti kelompok kontrol (A) dan kelompok perlakuan (B). Ini memberi tahu Anda apakah perbedaan dalam hasil yang diamati antara kelompok -kelompok ini signifikan secara statistik atau terjadi secara acak.

Uji-t berpasangan (untuk desain internal subjek)

Karena studi dalam subjek melibatkan peserta yang sama yang menjalani beberapa kondisi (mis., Menguji dua tata letak UI yang berbeda), uji-t berpasangan digunakan untuk membandingkan data. Tes ini menjelaskan perbedaan individu, karena setiap peserta adalah tolok ukurnya sendiri.

Misalkan Anda ingin menguji penempatan dua tombol pada grup grup pengguna yang sama dan merekam waktu penyelesaian tugas. Uji-t berpasangan menentukan apakah perbedaan dalam waktu penyelesaian adalah signifikan.

Test-t independen (untuk desain antar subjek)

Dalam studi antar subjek, peserta yang berbeda mengalami kondisi yang berbeda. Uji-t dua sampel (independen) digunakan untuk membandingkan nilai rata-rata kedua kelompok.

Jika Group A menguji satu versi dari formulir registri dan kelompok B menguji versi lain, uji-t independen menentukan apakah satu formulir secara signifikan meningkatkan tingkat penyelesaian dan apakah formulir lainnya meningkatkan yang lain.

Analisis varian dalam studi UX

Jika Anda menguji lebih dari dua varian (misalnya, uji A/B/C), alat yang Anda gunakan adalah ANOVA (ANOVA). ANOVA dapat membantu Anda membandingkan tiga atau lebih kelompok untuk melihat apakah setidaknya satu atau satu kelompok berbeda secara signifikan dari kelompok lain.

Pengukuran berulang analisis varians (untuk desain internal subjek)

Digunakan ketika peserta yang sama mengalami tiga kondisi atau lebih. Ini menganalisis apakah perbedaan antara beberapa perubahan secara statistik signifikan sambil memperhitungkan perbedaan individu.

Misalkan Anda menguji tiga aliran pengantar (A, B, dan C) dengan peserta yang sama. Pengukuran ANOVA yang berulang menentukan apakah seseorang mengalir secara signifikan mengungguli yang lain.

ANOVA satu arah (untuk desain antar-tema)

Digunakan saat membandingkan tiga atau lebih kelompok independen, yang masing -masing hanya mengalami satu versi desain.

Jika Anda menguji tiga tata letak beranda yang berbeda pada tiga grup pengguna yang terpisah, ANOVA satu arah memberi tahu Anda jika kinerja setidaknya satu tata letak secara signifikan berbeda.

Sementara t-test dan ANOVA sangat penting untuk menganalisis hasil uji A/B, pilihan antara keduanya tergantung pada jumlah perubahan yang Anda uji. Jika ada dua, lakukan uji-t. Jika Anda memiliki lebih dari dua, ANOVA adalah pilihan terbaik Anda.

Inilah yang harus Anda ambil:

sebagai kesimpulan

Memilih desain penelitian yang tepat memiliki dampak besar pada pekerjaan UX saya. Penelitian di dalam subjek menghemat waktu dan membutuhkan lebih sedikit peserta, tetapi saya belajar cara sulit di mana efek carryover mungkin bias terhadap hasil. Di sisi lain, desain antara subjek terasa lebih alami, tetapi permintaannya lebih besar.

Untuk analisis, saya mengandalkan uji-t berpasangan untuk membandingkan perbedaan kelompok di seluruh kondisi dan uji-t independen. Saat menguji banyak perubahan, ANOVA telah menjadi penjaga pantai.

Mendapatkan pilihan ini dengan benar telah membuat saya mengubah data mentah menjadi efek UX yang nyata.