データ駆動型設計の開始。 完全なガイド

2017 年、 The Economistは「世界で最も価値のある資源はもはや石油ではなく、データである」というタイトルの記事を発表しましたが、これは当然のことです。 結局のところ、現在、Facebook、Amazon、Microsoft、Google などの世界的な巨人は、膨大な量のデータを自由に保持し、あらゆる目的に使用しています。

簡単に言えば、データは事実上どこにでもうまく適用できる強力な資産であり、デザインも例外ではありません! まだデータを使用して設計していない場合は、それを変更する時期です。

このガイドを読んで、データ駆動型の設計を進めてください。 ここでは、さまざまなデータ セットを使用した設計について知っておくべきことをすべて説明します。

すぐに飛び込みましょう！

データドリブン デザインとは

データ駆動型設計は、測定可能なデータを使用してデジタル製品を設計および改善するプロセスです。 実際には、設計上の決定は、ユーザー、ユーザーの行動、エンゲージメント、またはデジタル製品の全体的なパフォーマンスに関する貴重なデータによって裏付けられていることを意味します.

データ駆動型設計では、実質的に何でも測定できます。 Web サイトとのユーザー インタラクションがシームレスで快適かどうかを知りたいですか? 直帰率や平均ページ滞在時間などのエンゲージメント指標を掘り下げます。 または、どのマイクロコピーが最も効果的かを知りたいですか? そして、A/B テストが真実を教えてくれます!

私たちと一緒に成功する製品戦略を開発しましょう

もっと詳しく知る

偽コンセンサス効果について一言

デジタル プロジェクトに取り組んでいると、多くのデザイナーが偽りのコンセンサス効果の罠に陥ります。 簡単な例をお見せしましょう。きっと理解していただけると思います。

モバイル アプリでオンボーディング プロセスを設計しているとします。 ある時点で、サインイン オプションを選択する必要があります。 直感だけに基づいて決定を下すことはできません。「当社のユーザーは、Gmail が好きだからログインするだろう」や「ユーザーはオンボーディング中に最も重要な機能を確認する必要がある。私はいつもそれを好む」などの議論は、決して正しい道ではありません。経験豊富な UX デザイナーが従います。

ここで、適切なデータ セットを使用する必要があります。 データを賢く利用すれば、誤った合意効果、つまり、自分の信念、行動、意見が比較的一般的であると思い込む傾向を回避できます。

データドリブン設計とデータインフォームド設計: 違いはありますか?

データ駆動型デザインとデータインフォームド デザインは似た概念のように見えますが、実際には、データを操作するための 2 つの異なるアプローチです。 そのため、これらの用語を同じ意味で使用しないでください。

データ駆動型設計では、データは設計プロセスの核心です。 これは、最も重要な決定が主にデータに基づいて行われることを意味します。 実際には、最も差し迫った問題を解決したい場合、あなたと設計チームは所有しているデータを分析し、これに基づいてのみ適切なソリューションを選択します。

データインフォームド デザインでは、データへのアプローチが少し異なります。 ここで、データは補足的な情報源としてのみ機能します。 簡単に言えば、データには大きな価値がありますが、意思決定の原動力にはなりません。

以下に、データ駆動型とデータ インフォームドの設計アプローチの主な違いを簡単にまとめます。

設計にデータ駆動型のアプローチを選択する必要があるのはなぜですか?

適切な質問は次のとおりです。なぜ設計にデータを使用しないのですか?

データは力を意味し、データを使用してより多くの情報に基づいた意思決定を行うことができます。 それは当然です。 ただし、設計プロセスでデータを使用することにまだ懐疑的である場合は、このアプローチの主な利点を確認してください。

• データドリブン デザインは、ユーザー エクスペリエンスと製品パフォーマンスの向上に役立ちます。
• データを適切に使用すると、コンバージョン率と売上が大幅に増加することがわかります。
• データに頼ることで、上記の偽コンセンサス効果を回避できます。
• これは、仮定を検証するための最良の方法です。
• 不要な機能を構築するなど、費用対効果の低い決定を下すリスクを軽減します。
• データは (通常) 偏りがありません。

おわかりのように、関連するデータとその適切な解釈を使用することで、デジタル製品を向上させ、ビジネス目標をより簡単に達成できます。

データ主導の設計プロセス

データを扱った経験がほとんどまたはまったくない場合、最初はデータ駆動型設計の概念に圧倒されるかもしれません。 しかし、心配する必要はありません。

最も差し迫った問題の特定からデータ分析まで、プロセス全体を順を追って説明します。 このフレームワークを使用すると、測定可能なデータを最大限に活用する方法を正確に学習できます。

本題に入りましょう！

1. 関心のある分野を特定する

すべてのデータ駆動型設計プロセスは、調査、測定、テストの対象を見つけることから始める必要があります。

では、あなたのウェブサイトで現在パフォーマンスが低下しているものはありますか? ユーザーがクリックを拒否する CTA ボタンはありますか? それとも、どこかの段階で、直帰率が驚くべきレベルに達したのでしょうか? デザインのデータでバックアップできるものは何千もあります。 より詳細な分析と測定が必要な、最も差し迫った問題を特定するには、Google アナリティクスやその他のツールに飛び込む必要があります。

自分でできない場合や、正しい方法がまったくわからない場合でも、心配する必要はありません。 専門家にUX 監査を依頼することができます。このドキュメントでは、主要な関心領域となるすべてのレッド フラグと高レベルの問題を特定します。

2. 目標を設定する

データ駆動型の設計では、短期的な目標と、長期的でより複雑な課題の両方を設定できます。

ただし、「コンバージョン率の向上」や「ユーザー満足度の向上」などの一般的で漠然とした目標を設定しても、長期的には何の成果も得られないことに注意してください。 コンバージョン率とユーザー満足度に影響を与える要因は多すぎて、一度にすべてを測定することはできません。

はるかに優れたアプローチは、「コンバージョン率を 3 か月で 2% から 5% に増やしたい」など、より具体的な目標を設定することです。 この目標は簡単に測定できます。それがあなたの望みですよね?

3. 指標を選択する

達成したい目標はすでにわかっていますが、ここで問題になるのは、それらをどのように測定するかということです。

設定した目標に応じて、何が機能しないのか、その理由を示すカスタム メトリックを選択できます。 これらは次のとおりです。

リストはここで終わりではないことを忘れないでください!

これらはデータ駆動型設計で最も頻繁に使用される指標ですが、他の指標を試して、ユーザーに関するより具体的な情報を伝え、より関連性の高いデータを提供するかどうかを確認したい場合は、それらを選択できます。 あなたに一番合うものは何でも！

4. データ収集方法の選択

必要なデータの種類とその測定方法がわかったので、次はデータを収集します。 幸いなことに、自由に使える研究方法はたくさんあります。

ご存知かもしれませんが、データ収集方法には主に 2 つのタイプがあります。質的方法と量的方法のいずれかを選択するか、両方を組み合わせて、より詳細なデータを取得できます。

Google アナリティクスなどの分析ツールを使用して統計的に関連性のあるデータを分析する場合は、定量的な調査方法を選択します。 彼らは、「何回」や「どのくらいの頻度で」などの質問に答えてくれます。

一方、特定のユーザーの行動、動機、意見を調べて、何かが起こる「理由」を見つけたい場合は、定性的な方法を使用する必要があります。 それがあなたにとって明らかであることを願っています。

大量の貴重なデータを収集するための非常に効果的な方法をいくつか紹介します。

定量的な方法

• A/B テスト: 2 つの変数を作成し、どちらが優れているかを測定するさまざまな実験を行う
• アンケート: ターゲット グループに送信する質問のリスト
• アナリティクス: Google アナリティクスなどの分析ツールを使用して、さまざまな測定可能なデータを追跡します
• ヒート マップ: サイトのどのセクションが最も多くのエンゲージメントを獲得しているかを示します

定性的方法

• インデプス インタビュー: ターゲット グループと直接面談する一連のインタビュー
• フォーカス グループ: 数人の参加者によるモデレート ディスカッション
• ユーザビリティ テスト: 製品プロトタイプで参加者が実行する事前に計画されたタスク
• ユーザーの観察: ユーザーがデジタル製品とどのようにやり取りするかを観察および分析する
• 日記調査: 参加者の意見、活動または行動の自己報告

定量的および定性的な方法についてさらに知識を深めたいですか？ 最高の UX 調査方法に関する記事を読んで、インスピレーションを得てください!

5. データの収集と視覚化

これで、計画プロセス全体をカバーしました。重要な目標を設定し、指標とデータ分析方法を選択しました。 いよいよ、必要なデータを収集します。 適切に行うには、次のいくつかの規則に従います。

• 定性的手法と定量的手法のデータを組み合わせることで、全体像を把握し、最も正確な設計上の決定を下すことができます。
• 統計的に関連性のあるデータが必要な場合は、サンプル サイズを少なくとも数十人にする必要があります。 ここでのルールは単純で、多ければ多いほど良いということです。
• 定性的な方法では、わずか数人の参加者から豊富な洞察を収集できます。

このすべてのデータをまとめたら、それを視覚化します。 これは、決して見落としてはならない重要なステップです。 なんで？ データを視覚化し、適切なグラフにまとめて初めて、パターンを確認できるからです。 そして、それはまさにあなたが必要とするものです。

傾向、季節性、奇妙な異常、異常な類似点または相違点を探します。そうすることで、分析から貴重な洞察を引き出すことができます。

6. データ主導の意思決定を行う

データ分析の結果は得られましたか？ それは最高です！ ここで、結果を最初の仮定と比較し、次の質問を自問する必要があります。

• 受け取った結果は何か変わりますか?
• 彼らは興味深い、予期しない、または驚くべきことを明らかにしますか?
• これらに基づいてデジタル製品を改善できますか?
• それらは設計上の決定を下すのに十分ですか?

デジタル製品のわずかな変更でも違いが生じる可能性があるため、データに裏付けられている場合でも、設計上の決定は慎重に行ってください。

データ駆動型のアプローチを反復プロセスと考えてください。 一度データ分析を行って、ここでの作業が永久に行われたと考えることはできません。 代わりに、時々テストを繰り返す必要があります。

要約

データ駆動型の設計により、製品のパフォーマンスを向上させ、シームレスなユーザー エクスペリエンスを提供し、設計のアイデアを検証できます。

アプリのデザインは私たちにお任せください

一緒に仕事しましょう！

データにはさまざまな形式があることを忘れないでください。価値のあるデータを取得するには、質的および量的の両方の複数の方法を使用してください。 調査、A/B テスト、分析のいずれであっても、ニーズと範囲に合ったデータ収集方法を選択してください。

私の言葉を当然のことと考えてください。貴重なデータがそれらをサポートする場合、設計上の決定はより多くの情報に基づいて正確になります。

データ駆動型のアプローチで製品のパフォーマンスを向上させたいですか? お問い合わせ！