به کدام یک گوش کنیم؟ کاربر یا داده‌ها؟

 

در سری سوم از مطالب مربوط به روانشناسی محصول به موضوع توجه به داشته‌هایمان می‌پردازیم، داده‌ها یا کاربران؟

نیر ایال در این مورد مثال‌هایی از نتایج دانشمندان علوم داده گردآوری کرده که امیدوار است برای روند تولید محصول شما الهام بخش باشد.

 

 

داده‌ها چه چیزی می‌توانند به ما بگویند؟

_ تجربه‌هایی از Airbnb

شرکت معروف Airbnb یک بازار دو طرفۀ آنلاین است برای آشنایی افرادی که به دنبال مکانی برای اقامت موقت (در سفر) می‌گردند و کسانی که خانه‌های خود را به آنها اجاره می‌دهند.

 

 

Jan Overgoor یکی از متخصصان علوم داده Airbnb  گزارش می‌دهد:

 

کاربران با توجه به روز هفته، سال و آب‌و‌هوا رفتارهای متفاوتی دارند و متخصصان علوم داده با آزمایش‌های کنترل شده اثر تغییرات محصول را در حین کنترل برای این عوامل خارجی که ذکر شد جداسازی و بررسی می‌کنند. یکی از نمونه‌های آن تغییر انتخاب قیمت در صفحه جستجو بود که چون کاربران نسبت به فیلتر قیمتی قبل کمتر از حالت جدید استفاده کردند در نهایت این امکان رد شد.

 

برای آزمایش تغییر واحدی شبیه به نمونۀ گفته شده، روشی به نام آزمون A/B یا آزمون تقسیم‌بندی برای پیاده‌سازی مناسب محصول به کار گرفته شده است. شرکت‌های بزرگ برای کنترل این نوع آزمایشات فریم‌ورک مخصوص خودشان را پیاده‌سازی کردند برای مثال فیسبوک PlanOut را به کار می‌گیرد.

نمونه‌ای دیگر از تغییر مقدار حداکثر قیمت فیلتر از ۳۰۰ دلار تا ۱۰۰۰ دلار در صفحۀ جستجو بود:

شکل زیر بررسی روند آزمایش در طول زمان است، که در آن نمودار بالا نشان دهنده دلتا (Treatment / Control – 1) است و گراف پایین نشان دهنده مقدار p در طول زمان است. همانطور که می‌بینید، منحنی p-value بعد از ۷ روز مقدار قابل توجهی از ارزش قابل استفاده ۰.۰۵ را به دست می‌آورد که در آن نقطه اثر ۴ درصد است.

 

اگر آزمایش در آن مقطع متوقف شده بود، نتیجه گرفته می‌شد که تغییرات دارای تأثیر قوی و قابل توجهی در احتمال رزرو است. اما آزمایش ادامه داده شد و بعد از نتیجه نهایی آزمایش خاتمه یافت. اندازه اثر نهایی عملا صفر بود، با مقدار p نشان می‌دهد که هر اندازه اثر باقی مانده، آن را باید به عنوان نویز در نظر گرفت. این یک نمونه اهمیت ادامۀ آزمایش در طی زمان بود که نباید تحت تاثیر نتایج کاذب قرار گرفت به همین دلیل برای بدست آورن آستانه ارزش P یک منحنی طراحی شد، این به ما نشان می‌دهد که چقدر احتمال دارد که مثبت‌های کاذب و یا منفی های‌کاذب را ببینیم، و همچنین اینکه چقدر تاثیر تخمین زده شده در مورد مثبت واقعی است و لازم به ذکر هست که این منحنی بسیار خاص برای این سیستم و پارامترهایی است که برای این آزمایش استفاده شده است.

داده‌ها چه چیزهایی به ما نمی‌توانند بگویند؟

مدیر طراحی فیس بوک محصول جولی ژو در مورد تله‌های دیتا چنین می‌گوید:

خیلی خوش بینانه و ساده انگارانه است که توی اتاق بنشینیم، به مانیتور نگاه کنیم، نتایج آزمایشات برایمان روی صفحه پدیدار بشوند تا براساس آنها مستقیما دست به تغییرات روی محصول بزنیم! هیچوقت نشده که گفته شود “تیم ما زمان زیادی به بررسی روش‌های اندازه‌گیری دیتاها گذاشته”، اما داستان‌های زیادی در مورد انجام تغییراتی شنیدیم که تا شکست نخوردند متوجه اشتباهاتشان نشده‌اند. پس انتخاب اشتباه ابزار اندازه‌گیری برای بهینه‌سازی محصول یکی از دام‌هایی است که باید به آن توجه کرد.

بر فرض اینکه شما ابزارهای درستی برای اندازه‌گیری تغییرات انتخاب کردید، متاسفانه هنوز هم تمامی اطلاعات را ندارید؛ چون برخی چیزها مثل احساس کاربران غیرقابل اندازه‌گیری هستند. ممکن است بخواهید با اندازه‌گیری عددی احساس آنها را دریابید اما ممکن هست دروغ بگویند یا سوال را متوجه نشوند و گزینۀ اشتباهی را انتخاب کنند، آنچه نیاز دارید احساس صادقانه است. بهتر هست گزینه‌ها ساده باشند و نتایج به طور مرتب بررسی شوند تا از تخمین‌های اشتباه یک محاسبۀ متریک کاسته شود.

بیاید دوباره فرض کنیم که احساسات صادقانه کاربران را شبیه اتصال سنسورهایی به مغزشان دریافتیم، اما باز هم کافی نیست! چون ممکن است بفهمید که هم‌اکنون کاربر چه احساسی دارد، اما قطعا در مورد احساس لحظات بعد او اطلاعی ندارید؛ و یا اینکه هر بار که با اپلیکیشن یا محصول شما سر‌ و کار داشته باشد چه احساس و بازخوردی خواهد داشت .و هر چند که بخواهید با ارسال ایمیل یا نوتیفیکیشن اعتماد او را بدست آورید، نمی‌دانید که با چند بار زدن این سقلمه‌ها ممکن است احساس ناراحتی کند و شما را اسپم در نظر بگیرد.

تله‌های تست  A/B

 

شخص اول: من هفتا ایده دارم که با تغییر محصول بتونیم پیشرفت زیادی داشته باشیم.

شخص دوم: چه عالی، چطوره که با A/B تستشون کنیم؟

و شما مطمئن نیستید کدام ایده ارزش سرمایه‌گذاری دارد! نکتۀ مهم این است که وقت خود را تلف نکنید، باید تعداد ایده برای تست را محدود کرد. به طور کلی هدف یک آزمایش A/B این است که تعداد زیادی ایده را به چند ایدۀ اصلی محدود کنید. اگر ۲ ساعت طول بکشد تا پیشنهاد ابتدایی برای آزمایش انتخاب شود اما ۱۰ ساعت آن را کامل کنید، بهتر است ۱۴ ساعت سرمایه‌گذاری کنید تا مشخص شود کدام هفت پیشنهاد واقعا امیدوارکننده است و بعد از آن ۱۰ ساعت زمان روی یک یا دوتا از آنها و نه روی همۀ هفت ایده که می‌شود ۳۴ ساعت به جای ۷۰ ساعت! تصور کنید آنچه که با بقیه این زمان اضافه خواهید کرد، پس بهتر است که زمان بیشتری برای فهمیدن بهترین ایده‌ها بگذارید.

تست داده‌ها و آزمون A/B متحدان ارزشمندی برای ما هستند اما جایگزینی برای تصمیم‌گیری روشن و قوی نیستند که کاملا به آنها وابسته باشیم.

 

کاربران چه چیزی به شما می‌توانند بگویند؟

برادن کوییتز طراح پروژه‌ای گوگل معتقد است:

“چطور شرکتم می‌تواند یک محصول عالی طراحی کند؟”، موسسان شرکت‌ها بیش از هر کسی این سوال را می‌پرسند در حالی‌که بهترین کاری که باید انجام بدهند این هست: وقت خود را در گوش دادن به مشتریان خود سرمایه گذاری کنند.

خوشحالم از اینکه جامعۀ استارتاپی روی طراحی محصول تمرکز کرده، طراحی یک راه‌حل قدرتمند برای حل مشکلات که اغلب نادیده گرفته شده با پتانسیل خوبی مثل گوش دادن به مشتریان که ارزش واقعی تولید می‌کند.

در ادامه به چند بهانه برای استفاده نکردن از این منبع باارزش می پردازم:

 

بهانه: کاربران نمی‌دانند که چه می‌خواهند

هیچکس انتظار ندارد که کاربران محصول را برای شما طراحی کنند اما می‌توانند هدف‌ها و سرخوردگی‌ها، چیزهایی که دوست دارند یا دوست ندارند را درباره محصول نشان دهند و شما می‌توانید آنها در حالی که با محصول درگیر یا گیج کرده‌اید تماشا کنید.

واقعیت: کاربران چیزهای زیادی می‌دانند، اگر شما بدانید که چطور از آنها سوال کنید

استارت‌آپ‌ها نیاز دارند که بایستند و به کاربرانشان گوش دهند، با فکر کردن به اینکه چطور می‌توانید مکالمات با مشتریان را هدایت کنید، خیلی بیشتر یاد می‌گیرید. برای ساختن یک مصاحبه یک ساختار داشته باشید و از سوالاتی که آنها نمی‌توانند به خوبی پاسخ دهند اجتناب کنید چون انسان‌ها در توضیح اینکه چرا در گذشته کاری را انجام دادند خوب نیستند همینطور در پیش بینی آنچه که در آینده انجام خواهند داد. بنابراین در مورد آنچه که امروز انجام می‌دهند و ممکن است چه مشکلاتی در حال حاضر داشته باشند صحبت کنید.

 

بهانه: ما وقت زیادی برای تحقیق از کاربرانمان نداریم

اگر هدف شما این است که محصولی را با تمام سرعتی که ممکن است راه اندازی کنید، تحقیقات از کاربران شما را کند می‌کند. اما اگر بخواهید محصولات عالی تولید کنید، تحقیقات به شما سرعت می‌بخشد. تیم‌ها اغلب تحقیقات کاربران را انجام نمی‌دهند، زیرا معتقدند بعد از اینکه محصولی را به بازار دهند بازخوردش می‌شود سریع ترین راه گرفتن نتایج و یادگیری آن، اما تولید محصول تضمین نمی‌کند که شما همۀ آن چیزی را که باید درباره آنچه که مشتریانتان نیاز دارند، متوجه شوید.

مطمئنا، می‌دانید که چه تعداد مشتریان از محصول شما استفاده می‌کنند. اما نمی‌دانید چرا از آن استفاده می‌کنند، و یا چه چیزی باعث می‌شود که آنها از آن بیشتر استفاده کنند و چگونه مردم بیشتری را مجبور کنند تا محصول شما را امتحان کنند. اگر دلیلی عمیق برای رفتار با مشتری نداشته باشید، بسیار دشوار است که بدانید چه کاری باید انجام دهید.

واقعیت: تحقیقات از کاربران شما را سریع‌تر می‌کند

هرچند که تولید و عرضۀ سریع محصول احساس خوبی به آدم می‌دهد اما تغییر محصول در آینده بعد از اینکه تولید شده سخت‌تر است. بنابراین اگر شما انرژی بیشتری برای یادگرفتن، حل مشکلات و بعد تولید بگذارید زمان زیادی را صرفه‌جویی خواهید کرد.

 

بهانه: ما نمی‌توانیم همین الان یک متخصص تحقیقات کاربر استخدام کنیم

هیچکدام از استارتاپ‌هایی که در ۴ سال اخیر با آن‌ها همکاری داشتم بین کارکنانشان محقق کاربر نداشتند، اما این متوقفمان نکرد چون تقریبا هر کسی می‌تواند با مشتریان مصاحبه کند و داده‌هایی را جمع‌آوری کند که محصول شما را بهبود ببخشد، فقط یک شخصیت مناسب، یک آموزش کوچک و تمرین خاصی می‌خواهد.

واقعیت : تیم شما می‌تواند تحقیقات کاربری را یاد بگیرد

استارتاپ‌ها شامل افراد مستعد و با انگیزه هستند. پس افرادی را پیدا کنید که پیش از این با مشتریان ارتباط داشتند این کمک می کند تا تحقیق از کاربران را یاد بگیرند. تیم فروش می‌توانند بیشتر گوش دهند و کمتر گفتگو کنند. تیم پشتیبانی هم می‌تواند تلاش برای حل مشکلات کاربران را متوقف کند و شروع به پیدا کردن مشکلات کند.

آخرین نفری که یادگرفت چگونه یک مطالعه کاربری داشته باشد، مهندس نرم افزار مجموعه بود، او ابتدا مضطرب بود اما بعد از یک روز گفتگو با کاربران گفت که یکی از بهترین روزهای این ماه را داشته، مصاحبه باعث شد او محصول را از دید مشتریان ببیند و باعث خلاقیت و ایده‌پردازی او در آینده بشود.

بنابراین افرادی را در تیم خود پیدا کنید و از آنها بخواید در تحقیقات از کاربران کمک کنند سپس از یک مربی استفاده کنید، چون چیزی نمی‌تواند جای سال‌ها تجربه را بگیرد و حتی اغلب استخدام یک مشاور برای نگه داشته شدن در یک مسیر درست می‌تواند مفید باشد.

 

بهانه : محصول هنوز کامل نیست، بعدا تستش می‌کنیم

قبلا از این بهانه زیاد استفاده کرده بودم، می‌خواستم کارم کامل باشد و متنفرم از اینکه نیمه کاره باشد. زمان زیادی گذشت تا متوجه شدم بیش از حد در انزوا کار می‌کنم و به جزییات می‌پردازم. وقتی که ایده واقعا نیاز به تغییرات اساسی دارد، وقت زیادی را هدر داده بودم، تیم‌ها تمایل دارند که دقیقا همین کار را انجام دهند.

واقعیت : شما بیشتر از آنچه که فکر می‌کنید به بازخورد کاربران نیاز دارید

بهترین راه جلوگیری از خرابکاری این است که بازخورد را به فرآیند تولید محصول تزریق کنید، چه آماده باشید چه نباشید، به همین خاطر هست که من تمایل دارم یک هفته قبل از طراحی محصول، مطالعات کاربر را با مشتریان برنامه‌ریزی کنم، بله ممکن هست عجیب و وحشتناک به نظر بیاد اما این مهلت‌های زمانی به شما شانس بیشتری برای یادگیری متمرکز و تمرکز بیشتر برای طراحی آنچه که ضروری است می‌دهد.

در تجربۀ من شروع به ایجاد بازخورد از مشتریان نیازی به ساختار آن‌چنانی ندارد، من روی نمونه‌های بسیار ساده‌ای مثل مکانیک کلیک کردن روی مدل‌ها یا ساخت پاورپوینت تکیه کرده‌ام و اگر یک نمونه اولیه برای آزمایش نداشته باشید، همیشه می‌توانید محصولات رقیبتان را به عنوان نمونه‌های آزاد استفاده کنید. از این مهلت زمانی استفادۀ مفید کنید و قبل از اینکه به این فکر کنید که آماده هستید یا نه اولین مطالعه از کاربر را برنامه‌ریزی کنید.

 

عذر و بهانه را متوقف کنید

سرمایه گذاری در تحقیق از کاربر برای ایجاد یک جریان غنی از اطلاعات در مورد نیازهای مشتری و رفتار آنهاست.

به عنوان یک طراح من نمی‌توانم بدون آن زندگی کنم و همانطور که کسب اطلاعات در مورد مشتریان از طریق تیم شما جریان می‌یابد، مدیران، مهندسان و دیگران را مطلع می‌کند، این پایه و اساس طرح‌های بصری برای شرکت‌های موفق ضروری هست، پس منتظر نمانید، به مشتریان خود گوش بدهید.

پ ن : منتشر شده در وال استریت ژورنال

کاربران چه چیزی نمی‌توانند به شما بگویند؟

اگر هم بخواهند، چیزهایی وجود دارند که نمی‌توانند به شما بگویند!

روانشناس و اقتصاددان برجسته و برنده جایزه نوبل اقتصاد ۲۰۰۲، دانیل کانمن کار خود را صرف بررسی سوگیری‌های شناختی کرد که مانع از نتایج دقیق تجربیات و انگیزه‌های انسان می‌شود.

خبرنگار نیویورک تایمز جیم هالت به برخی از این سوگیری‌ها در کتاب او به نام تفکر، سریع و کند، که اغلب بر کیفیت تحقیق محصول تاثیر می‌گذارد می‌پردازد:

احتمالا برای شما این سوال پیش آمده که چه شد که کانمن روانشناس برنده ی جایزه نوبل در حوزه اقتصاد شد؟

او یکی از دو روانشناسی بود که از اوایل ۱۹۷۰ با تحقیقاتش در حوزۀ تصمیم‌گیری باعث بی‌مصرف شدن تئوری‌های نظریه‌پردازان اقتصادی شد.

متاسفانه همکار او آموس تروسکی در ۱۹۹۶ بر اثر سرطان از دنیا رفت. آنها به مجموعه‌ای از آزمایش های هوشمندانه پرداختند که حدود بیست سوگیری شناختی را شامل می‌شد، اشتباهات استدلالی ناخودآگاه که قضاوت ما را از جهان تحریف می‌کند.

نمونه‌ای از این‌ها “اثر لنگر” است، انتخاب ما تحت تاثیر یک‌سری اعداد بی‌ربط تغییر می‌کند! در یک آزمایش از قضات با تجربه آلمانی، مدت زمان حبس یک دزد می‌توانست طولانی‌تر شود آن هم فقط تحت تاثیر عددی که ممکن هست با انداختن یک جفت تاس پدیدار شود!

در مرحله دوم نشان دادند که مردم در شرایط متغییر، شبیه آنچه که مدل‌های اقتصادی (حداکثر بهینه) پیش‌بینی می‌کنند رفتار نمی‌کنند.

در گزارش مرحلۀ سوم  در مبحثی مربوط به تصمیم‌گیری که “نظریه چشم انداز” نامیدند (و دلیل گرفتن جایزه نوبل شد) به بررسی تصمیم‌گیری انسان‌ها تحت ریسک می‌پردازد.

 

 

کتاب “تفکر، سریع و آهسته” تمام این سه مرحله را شامل می‌شود، کتابی غنی ،پر از شگفتی و سرگرم‌کننده است.

در کتاب از دو سیستم نام برده می‌شود، کانمن برای درک بهتر به آنها شخصیت ۱ و ۲ می‌دهد، سیستم ۱ سریع و اتومات، سیستم ۲ کند و منطقی.

 

 

 

فیسبوک توییتر گوگل + لینکداین تلگرام واتس اپ کلوب

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *