Integrare expert review e data analytics per un design data-aware

Una delle sfide progettuali che spesso incontriamo in OpenKnowledge è la necessità di analizzare un prodotto digitale esistente e raccogliere insight per la sua riprogettazione. Per rispondere a questa esigenza una delle metodologie più applicate è la UX expert review, un’indagine tecnica di stampo qualitativo attraverso cui vengono identificati i punti di forza o debolezza. L’obiettivo è quello di rilevare problemi di usabilità e/o punti di frizione attraverso un’analisi trasversale delle sezioni che compongono il prodotto digitale e secondo diverse lenti di indagine, tra cui le principali sono: architettura dell’informazione, design visuale, interazione e accessibilità.

Una UX expert review si distingue da altre metodologie di ricerca come interviste o focus group (metodo di ricerca qualitativa che prevede la discussione moderata tra un piccolo gruppo di persone) in quanto non prevede il coinvolgimento diretto degli utenti. Tuttavia, presenta numerosi vantaggi tra cui:

• consentire di ottenere rapidamente e a costi contenuti informazioni preziose per la (ri)progettazione del prodotto;
• permettere l’approfondimento di specifici aspetti dell’esperienza utente.

In virtù dei vantaggi sopra menzionati, la nostra esperienza ci ha portati/e a riflettere su come partire da questa metodologia consolidata per sviluppare un nuovo framework in grado di limitarne i punti di debolezza, tra cui il mancato coinvolgimento degli utenti e l’assenza di dati quantitativi a supporto, in modo da estenderne ulteriormente le potenzialità e i campi di applicazione.

A guidarci è stata la convinzione che l’alternanza di più metodologie di ricerca e l’affiancamento di competenze differenti permetta di raggiungere una visione olistica dei problemi di usabilità di un prodotto digitale e un’interpretazione consapevole e completa dei dati a disposizione. Con questa prospettiva, si rende possibile la possibilità di ridisegnare l’esperienza in ottica human-centred e allo stesso tempo data-aware, coniugando il potenziale informativo dei dati qualitativi alla ricchezza interpretativa del dato quantitativo.

Questa modalità di affrontare un processo di ricerca si avvicina molto al framework del data-aware design, un approccio strategico che pone enfasi sull’integrazione e l’utilizzo efficace dei dati affinché questi divengano un vero e proprio materiale di progettazione. A differenza del più conosciuto data-driven design, quest’approccio non si limita a considerare i dati come unica fonte informativa, ma riconosce quest’ultimi come uno dei driver decisionali durante il processo di design che, pertanto, devono essere raccolti, analizzati e letti criticamente in armonia con tutte le fonti informative.

Progettare secondo l’approccio di data-aware design significa maturare la consapevolezza di come non tutti i punti di frizione individuati durante le analisi svolte avranno lo stesso impatto sugli utenti finali: quello che secondo una expert review può avere una priorità di intervento più alta potrebbe invece passare inosservato agli occhi degli utilizzatori reali. Pertanto, una valutazione quantitativa del comportamento effettivo di navigazione degli utenti ci permette di avanzare coscienziosamente una prioritizzazione di questi elementi in ottica di una (ri)progettazione del prodotto digitale.

Nelle fasi inziali, per identificare le evidenze in maniera imparziale, sia la expert review che lo studio degli analytics vengono condotti in parallelo. Questo approccio consente una valutazione complessiva priva di bias e permette di identificare (ognuno con il proprio metodo) i punti di forza e debolezza del prodotto digitale.

I dati raccolti in fase di valutazione esperta consentono a chi si occupa di analisi dei dati di concentrarsi su sezioni o elementi specifici, considerati come pain point nel flusso di navigazione dell’utente. Allo stesso tempo, una panoramica degli analytics (che includono fonti di traffico, pattern di comportamento, pagine o sezioni di maggiore interesse, ecc.) può offrire una visione ampia delle abitudini reali di navigazione. I risultati delle analisi ad ampio raggio permettono dunque di avanzare una prioritizzazione dei pain point più rilevanti, nonché guidare la fase successiva di analisi di dettaglio.

Successivamente i risultati vengono condivisi e discussi all’interno del team di ricerca, per dare il via a un’analisi di dettaglio nella quale si andrà a valutare come gli utenti interagiscono con le specifiche componenti del prodotto, in modo da determinare le aree di sovrapposizione delle prime evidenze (monitorando per esempio il numero di click su una call-to-action, la percentuale di scroll, il numero di “dead click” o il tempo di permanenza).

Nello specifico, soprattutto a partire da quanto emerso dall’analisi esperta, i dati di navigazione permettono di confermare o confutare le ipotesi avanzate, integrando un set di dati quantitativi a supporto, oltre che mappare una serie di elementi che potrebbero essere stati omessi da una valutazione di design, ma che necessitano di dovute analisi. È importante sottolineare, infatti, come potrebbe esistere una distanza tra queste valutazioni e il comportamento effettivo degli utenti. Distanza, che, secondo la nostra esperienza, può essere ridotta attraverso il framework proposto.

I nuovi dati raccolti in ambito analytics vengono, quindi, esaminati insieme alle evidenze di design, in modo da correlare questi ultimi a elementi grafici/interattivi che potrebbero essere responsabili di determinati pattern di comportamento utente, integrando così un’interpretazione qualitativa rispetto al puro dato numerico registrato.

Queste prospettive gettano le basi per un confronto che tenga in considerazione design e analytics, permettendo di arricchire entrambe le metodologie in un processo che ne rafforza i punti di forza e limita i punti di debolezza, risultando in una vista unica, integrata e più completa.

Permette, infatti, di svolgere un’analisi trasversale del prodotto digitale e di definire una priorità di intervento su una o più sezioni, facilitando così il successo del processo di (re)design. Gli insight, inoltre, vengono definiti in tempi più ridotti e a costi più contenuti (rispetto ad altre metodologie di ricerca che coinvolgono direttamente gli utenti).

La collaborazione tra queste due aree di expertise non si limita semplicemente a fondere i dati raccolti, ma propone un processo iterativo in cui le analisi qualitative e quantitative si influenzano reciprocamente producendo una serie di insight concreti e azionabili. I risultati ottenuti dalla expert review costituiscono il fondamento per le analisi quantitative e viceversa, fino a convergere in un’analisi strutturata che permette di dare evidenza ai dati nelle loro diverse prospettive.

Il dato, raccolto, analizzato e interpretato secondo una visione multidisciplinare diviene così il fondamento per decisioni di (ri)progettazione data-aware e per strategie di prodotto di successo.

Stefano Lissoni, Stella Maria Ventura

Rochelle King, Elizabeth F. Churchill e Caitlin Tan «Designing with Data: Improving the User Experience with A/B Testing» O’Reilly Media, 2017