Data-driven Personas
Possono i dati supportare le organizzazioni nel dare forma umana ai problemi?
21 Marzo 2022
8 min.
Risolvere problemi complessi nelle organizzazioni
Progettare il cambiamento dell’employee experience è sempre delicato. Richiede di comprendere e mappare i complessi bisogni delle organizzazioni e delle persone che le compongono, valutare le aree di intervento e creare consenso al fine di promuovere obiettivi comuni.
La complessità è elevata poiché tali progetti coinvolgono più dimensioni di intervento (individuale, ambientale e sociale), rendendo difficile razionalizzare gli obiettivi in semplici KPI. Laddove sia anche possibile elaborare rappresentazioni di metriche, esse risultano sterili e criptiche, non creando le fondamenta adeguate al successo del progetto.
Si utilizzano quindi metodi di rappresentazione delle informazioni che ne rendono più semplice la comprensione e quindi maggiormente coinvolgente l’obiettivo da raggiungere. Uno dei metodi principali consiste nella segmentazione di utenti sulla base di una serie di fattori di analisi, creando Personas [1].
Una Persona è una rappresentazione dell’utente target di un prodotto/servizio. È un archetipo fittizio ma descritto come se fosse reale. La sua descrizione comprende elementi anagrafici ma è anche incentrata sugli obiettivi, le necessità e le sue preoccupazioni all’interno dell’organizzazione.
Il vantaggio dell’impiego delle Personas sta nel rendere più immediata e fruibile la visualizzazione delle problematiche complesse emerse dalla ricerca e quindi nella facilitazione della comunicazione tra gli addetti ai lavori (progettisti, stakeholder e collaboratori) e nella capacità di suscitare empatia verso le necessità da soddisfare, dando un volto umano alle problematiche.
Personas: una metodologia basata su dati qualitativi
La creazione delle Personas inizia dalla raccolta di dati tramite attività di ricerca e analisi di tipo qualitativo. I dati vengono definiti qualitativi quando forniscono informazioni che non misurano un argomento ma lo descrivono: indagano motivazioni e atteggiamenti in forma di opinioni e punti di vista. [2]
Interviste, Workshop, Focus Group e – in alcuni casi – osservazioni etnodemografiche e netnografiche (basate sull’osservazione dell’utente che interagisce liberamente con un prodotto o servizio, offline o online) sono le tipiche modalità di ricerca qualitativa che vengono adoperate nella creazione di Personas.
Le modalità di ricerca sono solitamente definite a seconda della tipologia di dati ottenibili e utilizzati: dati frutto di osservazione sono definibili “osservati” mentre dati ottenuti da domande dirette sono classificati come “interrogati”.
I primi sono frutto di valutazioni compiute semplicemente osservando i comportamenti dell’oggetto di studio. Ad esempio, un ricercatore che osserva quante volte un impiegato interagisce con il telefono aziendale. I secondi invece sono frutto di risposte a domande esplicitamente poste ai soggetti interpellati. Le più comuni metodologie applicate in questo caso sono Interviste e Focus Group ma ne sono un esempio anche i Diari, dove viene richiesto ai partecipanti di tracciare gli eventi significativi di una giornata lavorativa.
Tutti i dati ottenuti vengono analizzati e filtrati individuando caratteristiche ricorrenti.
Il risultato è quindi la rappresentazione di pattern di caratteristiche e necessità. Questi attributi individuati vengono quindi raggruppati secondo la frequenza ed infine utilizzati per definire le Persona.
Data driven Personas: integrare dati quantitativi
È necessario però sfruttare anche metodologie di indagine quantitativa per confermare o confutare le informazioni elaborate tramite dati qualitativi.
I dati quantitativi sono dati statistici volti alla misurazione di una popolazione di utenti per definire l’incidenza e l’intensità di un fenomeno. Un esempio è un dato che riporta il numero di persone che in media riceve più di venti email in una giornata. [3]
Impiegare dati quantitativi arricchisce l’analisi, ponendo rimedio ai limiti di analisi puramente qualitative. Le informazioni ottenute qualitativamente devono essere confermate con dati quantitativi che ne misurano l’effettiva incidenza sulla popolazione. Si evita così di cadere in errore ritenendo un evento valido per un’intera popolazione quando magari ne incide solo una piccola parte.
Questo è il primo passo verso un approccio data driven.
Come costruire quindi delle Data Driven Personas?
La cosa più facile è integrare dati quantitativi interrogati. I questionari sono uno dei metodi più semplici ed efficaci per raccogliere dati su tutta la popolazione di un’organizzazione, permettendo di ottenere una segmentazione più dettagliata.
Immaginiamo ad esempio che in un Diario due soggetti descrivano la facilità di utilizzo di un tool aziendale. Senza ulteriori informazioni si potrebbe assumere che nessuno in azienda riscontri problemi nell’utilizzo del tool e quindi si escluderebbe qualunque intervento riguardo a quello strumento. Distribuendo un questionario però potremmo scoprire che in realtà solo un’esigua percentuale della popolazione aziendale riesce ad utilizzarlo correttamente e sarebbe quindi il caso di esplorare per quale motivo altri riscontrano tale difficoltà.
Questa metodologia è stata utilizzata recentemente in un progetto nell’abito dell’employee experience per un player nel mercato bancario. In questo caso, un questionario è stato costruito con lo scopo di indagare la percezione dell’ambiente di lavoro e i ruoli dei dipendenti tramite alcune domande a risposta chiusa. Esso è stato inoltrato a tutti i dipendenti del gruppo in modo da avere il campione di analisi più ampio possibile e i dati sono poi stati raggruppati secondo metriche afferenti agli obiettivi di progetto.
Basandosi sui risultati ottenuti, sono state elaborate Personas rappresentanti segmenti di dipendenti identificati quantitativamente e arricchiti poi con dettagli derivanti da analisi qualitative, quali interviste.
Con la crescente adozione di Smart working e tool digitali (ad esempio per gestione di progetti, posta, documenti e strumenti di videochiamata), sono però anche sempre più disponibili dati quantitativi osservabili, le cosiddette “digital footprint”, accessibili tramite SDK e API. Le “digital footprint” sono le impronte che lasciamo nei nostri cammini sul web, i percorsi digitali che seguiamo: ad esempio, quali ricerche effettuiamo o quali riunioni abbiamo segnate sul nostro calendario condiviso.
Anche questa tipologia di dati può essere raccolta e porta un significativo valore aggiuntivo nella definizione di una Personas. Mappando come gli utenti interagiscono in un digital workplace si possono, per esempio, ottenere indicazioni sulle parole chiave ricercate o sulle relazioni tra colleghi, nonché quali siano i flussi di informazione e le reali strutture organizzative che si instaurano.
Data-driven Personas: come applicarle
I progetti che comprendono un pieno utilizzo delle Data-driven Personas prevedono un’applicazione iterativa delle metodologie di analisi.
Il processo ideale si basa sull’applicazione di cinque fasi di ricerca complementari:
Vengono analizzati i dati analitici disponibili nelle digital footprint degli utenti e quindi individuate tutte le metriche da misurare ritenute significative. Confrontando le metriche si sviluppano le prime ipotesi.
Le ipotesi vengono convalidate tramite un questionario distribuito sulla popolazione aziendale.
Dai questionari si estrapolano casi meritevoli da approfondire tramite interviste.
Le informazioni ottenute tramite interviste vengono quindi confermate o smentite tramite un’ osservazione etnodemografica.
I dati registrati nelle osservazioni vengono confrontati con la digital footprint per verificane la frequenza.
I dati vengono quindi raggruppati secondo i pattern individuati: i vari cluster definiscono le Data-driven Personas, le cui caratteristiche e necessità devono essere ricondotte e allineate agli obiettivi aziendali. Questo adattamento è necessario per garantire che l’intervento che si vuole compiere sull’employee experience porti il cambiamento desiderato all’interno della realtà organizzativa. Le Data-driven Personas verranno poi utilizzate come riferimento per tutti i successivi step progettuali.
Data driven Personas: i vantaggi
Quella riportata è una procedura esemplificativa e le metodologie possono variare a seconda dei progetti.
Gli step possono seguire un ordine diverso e non tutti sono necessari. L’importante è garantire la completezza delle Data Driven Personas utilizzando informazioni che provengano da tutti i tipi di dati raccolti (Qualitative/Quantitative e Interrogate/Osservate).
L’utilizzo di questo approccio apporta due benefici:
Migliora la comunicazione all’interno dei gruppi di lavoro con una metodologia che crea empatia verso tutti. Gli obiettivi sono percepiti più chiari perché legati ad un volto e ad una personalità precisa. Inoltre, per via dell’analisi di un campione più ampio, si ha la certezza che tutte le sfaccettature dell’organizzazione siano state analizzate.
Migliora costi e benefici. Le metriche individuate per analizzare la digital footprint possono essere utilizzate anche al termine del processo in ottica di ROI. Il confronto tra lo stato attuale e quello precedente consentirà di valutare se l’intervento sia stato efficace o meno.
Applicando le Data Driven Personas è quindi possibile dare una forma umana alle necessità di un’organizzazione.
Tramite il loro utilizzo possono anche emergere problematiche su tematiche poco prevedibili e/o che rimarrebbero trascurate quali l’Accessibilità e l’Inclusione che meritano di essere valorizzate. Diversamente da altri approcci, in cui le Personas sono individuate in base all’organigramma aziendale o alle mansioni assegnate, tutte le caratteristiche della Data-driven Personas sono invece quantificabili e dimostrabili rispetto alla loro controparte reale.
L’utilizzo di un approccio Data Driven integrato permette non solo di valutare interventi nell’immediato, ma anche di guidare le scelte future dell’organizzazione.
Note
Bibliografia e sitografia
- Jansen, B. J., Salminen, J. O., & Jung, S. G. (2020). Data driven personas for enhanced user understanding: combining empathy with rationality for better insights to analytics. Data and Information Management, 4(1), 1-17
- Miaskiewicz, T., & Luxmoore, C. (2017). The use of data-driven personas to facilitate organizational adoption- a case study. The Design Journal, 20(3), 357-374
- Tassi, R., Brilli, A., & Ricci, D. (2018, July). Digital methods for service design experimenting with data-driven frameworks. In ServDes2018. Service design Proof of Concept, Proceedings of the ServDes. 2018 Conference, 18-20 June, Milano, Italy (No. 150, pp. 1100-1129). Linköping University Electronic Press
- Harley, A. (2015). Personas make users memorable for product team members. Nielsen Norman Group, 26.
- Qualitrics, Analisi qualitativa: definizione, metodi ed esempi, 2021
Autori
Simone Fiorini, Davide Macchi
Sebbene i benefici del dato quantitativo siano ormai ovvi, l’implementazione degli studi quantitativi non è altrettanto scontata. Spesso, durante la prima fase di progettazione di un Digital Workplace (DWP), non ci si avvale di dati oggettivi. In fasi successive al go-live, l’implementazione delle analytics è superficiale, non facendo uso di analisi di Key Performance Indicators (KPIs), Return of Investment (ROI) o tecnologie avanzate, come ad esempio big data o digital footprints. Tali approcci non mettono i dati e i dipendenti al centro della progettazione dei Digital Workplace, sono rischiosi e non rendono possibile misurare il successo delle soluzioni adottate. È fondamentale stabilire una strategia di progettazione ben strutturata da subito.
Un’intranet ben progettata, oltre ad aumentare notevolmente l’efficienza delle procedure interne, migliora il morale dei dipendenti (che possono in questo modo raggiungere i loro obiettivi senza frustrazioni) e garantisce un grande risparmio finanziario. Un cambio di rotta tardivo risulta essere molto più costoso di una progettazione adeguata, portando con sé anche altri effetti negativi come perdita di produttività, abbassamento del morale dei lavoratori e un’influenza negativa sui ricavi finali. È necessario dunque monitorare e anticipare con proiezioni sul futuro l’impatto del digital workplace sul business. Tuttavia, l’implementazione dei convenzionali analytics, data lake, big data è oggettivamente costosa e complicata in questa fase, agli albori dell’adozione di un digital workplace.
In OpenKnowledge, per rispondere nel modo più efficiente possibile alle sopra citate necessità e difficoltà, abbiamo generato un’esperienza di test quantitativi rapidi e continuativi mirati alla misurazione del ROI dei cambiamenti introdotti e alla validazione del design. I test forniscono un riscontro oggettivo rispetto alle scelte che operiamo per i nostri clienti su larga scala e ci consentono di effettuare delle predizioni sin dalla prima settimana di progettazione: infatti, siamo in grado di eseguirli direttamente sui prototipi, senza necessità di sviluppo/IT.
●
Migliorando la comunicazione all’interno dei gruppi di lavoro con una metodologia che crea empatia verso tutti. Gli obiettivi sono percepiti più chiari perché legati ad un volto e ad una personalità precisa. Inoltre, per via dell’analisi di un campione più ampio, si ha la certezza che tutte le sfaccettature dell’organizzazione siano state analizzate.ìI nostri studi sono basati sull’analisi di KPI metriche che vengono tradotte ine Objectives and Key Results (OKRs) per misurare il ritorno d’investimento. Un esempio di KPI che sfruttiamo nei processi documentali HR è la soddisfazione degli utenti, il numero di click e il tempo di completamento del processo. In parallelo all’individuazione degli obiettivi e metriche, esploriamo quali strumenti di ricerca siano in grado di supportare la data collection nella particolare situazione progettuale di riferimento.
Migliorando la comunicazione all’interno dei gruppi di lavoro con una metodologia che crea empatia verso tutti. Gli obiettivi sono percepiti più chiari perché legati ad un volto e ad una personalità precisa. Inoltre, per via dell’analisi di un campione più ampio, si ha la certezza che tutte le sfaccettature dell’organizzazione siano state analizzate.
- Migliorando la comunicazione all’interno dei gruppi di lavoro con una metodologia che crea empatia verso tutti. Gli obiettivi sono percepiti più chiari perché legati ad un volto e ad una personalità precisa. Inoltre, per via dell’analisi di un campione più ampio, si ha la certezza che tutte le sfaccettature dell’organizzazione siano state analizzate.
Vuoi introdurre un digital workplace in azienda?
Parlane con noi, saremo felici di aiutarti
Vuoi introdurre un digital workplace in azienda?
Parlane con noi, saremo felici di aiutarti