SwitasΕπικοινωνήστε μαζί μας

Σχεδιασμός βάσει δεδομένων (Data-Driven Design)

Ο σχεδιασμός βάσει δεδομένων (data-driven design) είναι η πρακτική του καθορισμού αποφάσεων για τη διεπαφή, το περιεχόμενο και την αλληλεπίδραση με βάση μετρήσιμα στοιχεία για το πώς συμπεριφέρονται οι πραγματικοί χρήστες, και όχι κυρίως με βάση το προσωπικό γούστο, τη εσωτερική γνώμη ή τις συμβάσεις του κλάδου. Αντλεί από πολλές πηγές στοιχείων ταυτόχρονα: ποσοτικά analytics, όπως προβολές σελίδων, διαδρομές κλικ, βάθος κύλισης και ποσοστά μετατροπών· συμπεριφορικά σήματα που καταγράφονται μέσω heatmaps και καταγραφών συνεδριών· και ποιοτικά δεδομένα που συλλέγονται από δοκιμές χρηστικότητας, ερωτηματολόγια και αρχεία υποστήριξης. Ο στόχος δεν είναι να αφαιρεθεί η ανθρώπινη κρίση από τη διαδικασία, αλλά να της δοθεί πραγματολογική βάση, ώστε οι επιλογές σχετικά με τη διάταξη, την πλοήγηση, το κείμενο και την οπτική ιεραρχία να μπορούν να συνδεθούν με τις παρατηρούμενες ανάγκες των χρηστών και τα επιχειρηματικά αποτελέσματα και όχι με παραδοχές που κληρονομήθηκαν από ένα προηγούμενο έργο ή από τον ιστότοπο ενός ανταγωνιστή. Η προσέγγιση έχει σημασία επειδή οι αποφάσεις σχεδιασμού που λαμβάνονται χωρίς στοιχεία είναι δαπανηρό να αποδειχθούν λανθασμένες. Ο ανασχεδιασμός μιας αρχικής σελίδας, η αλλαγή μιας ροής ολοκλήρωσης αγοράς ή μια νέα διάταξη σελίδας τιμολόγησης μπορεί να απαιτήσει εβδομάδες προσπάθειας σχεδιασμού και μηχανικής, και αν βασίζεται σε μια αδοκίμαστη παραδοχή μπορεί να περιορίσει αθόρυβα τη μετατροπή για μήνες προτού το αντιληφθεί κανείς, αφού ένας ανασχεδιασμός σπάνια έρχεται με ενσωματωμένο συναγερμό που να σηματοδοτεί ότι απέδωσε χειρότερα από την εκδοχή που αντικατέστησε. Ο σχεδιασμός βάσει δεδομένων συντομεύει αυτόν τον βρόχο ανατροφοδότησης επικυρώνοντας τις παραδοχές νωρίς, συχνά μέσω πρωτοτύπων χαμηλής πιστότητας, δοκιμών πέντε δευτερολέπτων ή ελεγχόμενων πειραμάτων, προτού μια αλλαγή κατασκευαστεί πλήρως και κυκλοφορήσει σε όλους τους χρήστες. Οι ομάδες που υιοθετούν αυτή την πειθαρχία τείνουν να επιλύουν ταχύτερα τις εσωτερικές διαφωνίες σχεδιασμού, επειδή το ερώτημα μετατοπίζεται από το ποιανού η γνώμη έχει μεγαλύτερο οργανωσιακό βάρος σε αυτό που δείχνουν πραγματικά τα στοιχεία, τα οποία συλλέγονται απευθείας από το κοινό που πρόκειται να εξυπηρετήσει ο σχεδιασμός. Αυτή η μετατόπιση αλλάζει και τον τρόπο που τεκμηριώνονται οι διαφωνίες, αφού μια ιδέα που απορρίφθηκε με βάση μια αποτυχημένη δοκιμή θυμόμαστε διαφορετικά από μια που απλώς απορρίφθηκε λόγω αρχαιότητας. Στην πράξη, μια διαδικασία σχεδιασμού βάσει δεδομένων ξεκινά συνήθως με τον ορισμό του συγκεκριμένου δείκτη που προορίζεται να επηρεάσει μια αλλαγή, όπως το ποσοστό προσθήκης στο καλάθι, το ποσοστό ολοκλήρωσης φόρμας ή ο χρόνος μέχρι την πρώτη ουσιαστική ενέργεια, προτού σχεδιαστεί έστω και ένα wireframe. Οι ομάδες εφοδιάζουν στη συνέχεια τις σχετικές σελίδες με εργαλεία analytics και συμπεριφορικής ανάλυσης, συνήθως Google Analytics 4, Hotjar ή Microsoft Clarity, και αφήνουν την πραγματική επισκεψιμότητα να συσσωρευτεί για στατιστικά ουσιαστικό διάστημα, συχνά δύο έως τέσσερις εβδομάδες ανάλογα με τον όγκο, ώστε να καθοριστεί μια αξιόπιστη βάση αναφοράς. Τα ευρήματα αυτής της περιόδου τροφοδοτούν ένα ιεραρχημένο backlog υποθέσεων σχεδιασμού, κατατεταγμένων κατά δυνητικό αντίκτυπο και βεβαιότητα, οι οποίες δοκιμάζονται μέσω πειραμάτων A/B ή πολυμεταβλητών πριν εφαρμοστούν ευρέως, κλείνοντας τον βρόχο ανάμεσα στην παρατήρηση, την υπόθεση, τον σχεδιασμό και το επικυρωμένο αποτέλεσμα σε έναν επαναλήψιμο κύκλο αντί για έναν εφάπαξ ανασχεδιασμό. Πολλές ομάδες θεσμοθετούν αυτόν τον κύκλο σε μια επαναλαμβανόμενη ρυθμική sprint, επανεξετάζοντας τα νέα στοιχεία και ιεραρχώντας εκ νέου το backlog κάθε δύο έως τέσσερις εβδομάδες. Μια συνηθισμένη παρανόηση είναι ότι ο σχεδιασμός βάσει δεδομένων εξαλείφει τη δημιουργικότητα ή αντικαθιστά την έρευνα χρηστών με ακατέργαστους αριθμούς. Στην πραγματικότητα, τα ποσοτικά δεδομένα λένε στην ομάδα τι συμβαίνει, όπως μια εγκατάλειψη 40 τοις εκατό σε ένα συγκεκριμένο πεδίο φόρμας, ενώ η ποιοτική έρευνα και η εμπειρογνωμοσύνη σχεδιασμού εξηγούν γιατί συμβαίνει και πώς θα μπορούσε να μοιάζει μια καλύτερη λύση· κανένα από τα δύο δεν αρκεί από μόνο του για να παραχθούν καλά αποτελέσματα. Η υπερβολική εξάρτηση από ποσοτικά σήματα μπορεί επίσης να παγιδεύσει τις ομάδες σε έναν κύκλο μικρών, ασφαλών προσαρμογών, που αποκαλείται μερικές φορές βελτιστοποίηση τοπικού μεγίστου, όπου τα χρώματα κουμπιών και η διατύπωση τίτλων δοκιμάζονται επανειλημμένα ενώ μεγαλύτερα δομικά προβλήματα της εμπειρίας μένουν ανεπίλυτα επειδή είναι πιο δύσκολο να απομονωθούν σε μία μόνο δοκιμή. Η αναζήτηση στατιστικής σημαντικότητας αυτή καθαυτή, χωρίς να εξετάζεται αν μια βελτίωση έχει πρακτική σημασία για την επιχείρηση στα τρέχοντα επίπεδα επισκεψιμότητας και περιθωρίου, είναι μια άλλη συχνή παγίδα από την οποία οι έμπειρες ομάδες μαθαίνουν να προφυλάσσονται, αφού ένα τεχνικά σημαντικό αποτέλεσμα σε έναν δείκτη χαμηλής αξίας σπάνια δικαιολογεί το κόστος μηχανικής για την κυκλοφορία του. Σε μια συμβουλευτική CRO ή UX, ο σχεδιασμός βάσει δεδομένων στηρίζει σχεδόν κάθε συνεργασία: οι έλεγχοι συγκρίνουν τις τρέχουσες αποφάσεις σχεδιασμού με συμπεριφορικά στοιχεία προτού ξεκινήσει οποιαδήποτε εργασία ανασχεδιασμού, οι υποθέσεις ιεραρχούνται με πλαίσια όπως το ICE ή το PIE με βάση τον δυνητικό αντίκτυπο, τη βεβαιότητα και την προσπάθεια, και κάθε προτεινόμενη αλλαγή διατυπώνεται ως δοκιμάσιμη δήλωση και όχι ως αισθητική προτίμηση που παρουσιάζεται σε ένα mood board. Αυτή η πειθαρχία είναι που επιτρέπει σε μια συμβουλευτική να τεκμηριώνει μια σύσταση με κάτι πιο ανθεκτικό από αισθητικά επιχειρήματα και προσφέρει στους πελάτες μια επαναλήψιμη διαδικασία, με τεκμηριωμένα συμπεράσματα τόσο από νικηφόρες όσο και από χαμένες δοκιμές, την οποία μπορούν να συνεχίσουν να εκτελούν εσωτερικά πολύ μετά το τέλος μιας συγκεκριμένης συνεργασίας ή ενός έργου.

Περισσότεροι όροι που ξεκινούν από D

Ας χτίσουμε το επόμενο.

Επικοινωνήστε μαζί μας