Seis mitos sobre el diseño basado en datos


Más allá de los algoritmos, la automatización, las pruebas A / B y el análisis, el objetivo del diseño basado en datos es desarrollar una mejor comprensión de la experiencia cotidiana.
Se rumorea mucho sobre el diseño basado en datos, pero hay muy poco acuerdo sobre lo que realmente significa el diseño basado en datos. Incluso la decisión de cómo definir los datos es difícil para los equipos con acceso irregular a los datos dentro de sus organizaciones, comprensión desigual y poco lenguaje compartido. Para cualquier sitio o aplicación, es práctica estándar tener análisis , pruebas A / B , encuestas, intersecciones, puntos de referencia, puntajes de pruebas de usabilidad,estudios etnográficos y entrevistas. Entonces, ¿qué cuenta como datos? Y más importante aún, ¿qué informará el diseño de una manera significativa?

Al tratar de comprender qué es el diseño basado en datos, podemos comenzar con lo que no es el diseño basado en datos. Entonces tal vez podamos trabajar para ver cómo los datos realmente pueden ayudar a mejorar la experiencia del usuario.

Mito 1: datos significa números

Muchos de los datos sobre un sitio o aplicación provienen de análisis, y los análisis son básicamente los recuentos de quién ha visitado su sitio web, cómo llegaron allí, cuánto tiempo permanecieron y qué hicieron clic o tocaron. Otros datos pueden provenir de la cantidad de A que hizo clic y de la cantidad de clics B. Más recuentos. Luego, hay intersecciones y encuestas donde se cuentan las respuestas calificadas. Aún más coincidencias.
Los números representan las acciones de personas reales con vidas complicadas. Pero transferir el comportamiento de millones de personas en un solo número no siempre es útil o confiable. Incluso los conjuntos de números más organizados no responden a muchas de las preguntas que aún tenemos sobre la experiencia del usuario, como por qué las personas toman medidas o por qué no, o cómo se sienten al respecto, o qué expectativas aportan a la experiencia. . Las entrevistas, los estudios etnográficos y las pruebas de usabilidad llenan los vacíos que dejan los datos numéricos. Pero debido a que los conocimientos cualitativos no son numéricos, a menudo no se consideran datos.
En otros campos, como las ciencias sociales y la medicina, no hay duda de que los datos cualitativos siguen siendo. Los números pequeños, o datos gruesos , todavía cuentan si permanecen como narrativos o si se cuantifican. Esto también tiene sentido para el diseño basado en datos.
La verdadera característica definitoria de los datos que se pueden utilizar para informar el diseño, son los rastros que dejan las personas, sin importar la fuente.

Mito 2: los datos son la verdad objetiva

Los datos cuantitativos suelen coincidir con las acciones completadas, y generalmente esos recuentos son compilados por software en lugar de humanos. Esto hace que los datos cuantitativos parezcan un hecho difícil.
Incluso si los datos son grandes, no significa que sea objetivo. El sesgo es inherente a cualquier conjunto de datos. Los conjuntos de datos son creados por humanos, quienes los interpretan y asignan un significado, incluso si una máquina ejecuta los números.
El sesgo de señal, o el sesgo de omisión, inclusión y énfasis, es un prejuicio común, especialmente para big data. Por ejemplo, los datos de las redes sociales muestran solo un segmento de la población: aquellos que están en Twitter o Facebook usando un determinado hashtag . Del mismo modo, el subconjunto de personas que aceptan ser observadas o participar en un estudio representa solo un subconjunto muy pequeño de la población general.
Otro sesgo es algo así como el principio de incertidumbre de Heisenberg, donde los resultados se modifican simplemente mediante la observación. No importa cuán neutral sea el entorno y la conducta del moderador en una prueba de usabilidad de laboratorio, el comportamiento, una vez observado, es diferente. Muy pocos estudios, incluso estudios contextuales o etnográficos, lo dejan totalmente al usuario. Este es el caso de los estudios cuantitativos también, como encuestas o intersecciones, donde encuadramos la experiencia de cierta manera simplemente haciendo preguntas al respecto.
Además, cuando comparamos estudios en línea sin contacto humano, y estudios en persona donde el usuario interactúa con un moderador o con otro usuario, vemos un efecto positivo sustancial sobre cómo las personas perciben un sitio o aplicación cuando hay otro ser humano involucrado. Esto se extiende a lo que dicen, a cómo califican y qué hacen o intentan. Llámalo el buen factor.
Grande o pequeño, no hay datos perfectos. Hay limitaciones y sesgos presentes en todo tipo de datos. Los buenos datos describen sus sesgos y siempre proporcionan contexto.

Mito 3: Más grande es siempre mejor

La exageración alrededor de Big Data (observe los CAPS) sugiere que tiene el poder de revelar todos los secretos de la humanidad y predecir con precisión el futuro. Y OK, a veces más grande es mejor cuando se trata de datos. Si está midiendo algo subjetivo, como la respuesta emocional basada en calificaciones autorreportadas, más respuestas le dan un mayor nivel de confianza en los resultados.
Cuando pensamos en grande, tendemos a pensar en los conteos: el volumen y la velocidad de la ecuación de big data. Pero los grandes datos también se refieren a la variedad, y eso significa diversas fuentes. No podemos esperar que la analítica para nos dicen todo lo que necesitamos saber acerca de comportamiento de los usuarios más de lo que podemos esperar una prueba de utilidad para hacer frente a cualquier posible comportamiento de los usuarios Tenemos que conseguir nuestros datos trabajar juntos de una manera que no tiene que ver con la espalda fin de la integración Se trata más bien de crear categorías significativas, también conocidas como métricas, para evaluar, comprender y realizar un seguimiento.
Los datos de múltiples fuentes crean una imagen más matizada y, al final, un resultado accionable. Más amplio, no más grande, es mejor.

Mito 4: los datos son para gerentes, no diseñadores

Los datos a menudo se utilizan para juzgar un sitio o una aplicación (por ejemplo, "Los datos indican que las conversiones están caídas después del último rediseño"). Por supuesto, esto afecta a los profesionales del diseño de la experiencia como reduccionistas, oportunistas o simplemente equivocados. Ciertamente, es tentador buscar datos que demuestren la sabiduría de una decisión, ya sea para resolver batallas internas, contrarrestar un enfoque intuitivo o simplemente demostrar el retorno de la inversión. Sin embargo, probar un punto es solo una parte de la historia de datos.
Si está usando datos para informar el diseño, tiene tres formas de ver las cosas: probar, mejorar y descubrir. El uso de datos para mejorar a menudo significa el equivalente informado a datos del seguimiento de iteraciones en el tiempo y entre versiones o incluso contra competidores. El uso de datos para descubrir se trata de buscar datos en relación con otros datos (grandes o gruesos) para explorar patrones y tendencias.
Parte del problema aquí es que el uso de datos se ha fragmentado: el liderazgo empresarial está trabajando con un tipo de datos y el equipo de UX es otro. Cada equipo tiene un marco de referencia diferente y es posible que no tenga conocimiento de los datos del otro o que simplemente los desconcentre.
Los datos no solo se trata de probar quién tiene la razón o el error, se trata de hacer mejoras y descubrir nuevas posibilidades. Es otra forma de contar la historia de las personas reales que usan la tecnología.

Mito 5: los datos matan a la innovación

Los datos se ven como la antítesis de la innovación, en todo tipo de formas. Bueno, en realidad de tres maneras:
  1. La mayoría de los datos, ya sean analíticos, de encuestas o de servicio al cliente, son retrospectivos. Aunque podemos descubrir patrones y tendencias, no es fácil hacer predicciones basadas en esos descubrimientos.
  2. Los datos son más tácticos que estratégicos. Piense en los 41 tonos azules de las pruebas de Google . Debido a que el diseño basado en datos está asociado con las pruebas A / B, parece una buena manera de modificar un elemento de diseño, pero no es tan bueno para crear una experiencia increíble.
  3. Los datos, especialmente los analíticos, parecen escatimar la superficie. Ver lo que hizo la gente, cuánto se desplazaron o dónde se demoraron puede funcionar bien para formar una imagen sobre cómo comercializar un producto. No funciona tan bien para informar el diseño, porque carece de información sobre motivaciones, expectativas, percepciones o emociones.
Hay algo de verdad en todas estas observaciones, por supuesto. El problema central no está en los datos en sí, sino en cómo se usa.
Para que cualquier información informe el diseño, debe calibrarse para abarcar la complejidad. La experiencia del usuario no es un embudo.

Mito 6: hay una forma correcta de utilizar los datos para informar al diseño

Hasta ahora, no hay una forma canónica que funcione para cada equipo en cada organización. Sin embargo, hay algunas pautas para comenzar.
  • Use datos de una variedad de fuentes para informar su diseño: análisis, pruebas A / B, sentimiento de las redes sociales, registros de servicio al cliente, datos de ventas, encuestas, entrevistas, pruebas de usabilidad, investigación contextual y otros estudios.
  • Incluye números y contexto. Ya sea que los llame cuantitativos y cualitativos, estudios y no estudios, o big data y datos densos, necesita los números y el contexto para contar la historia real.
  • Asegúrese de que los datos sean sensibles a la complejidad de la experiencia humana. Use los promedios con moderación, infínelos con precaución, corrobore generosamente.
  • Use los datos para rastrear los cambios a lo largo del tiempo, explore nuevos patrones y profundice en los problemas, en lugar de simplemente probar quién está en lo cierto o no.
  • Decidir sobre categorías significativas que le permitan dar sentido a los datos y contar una historia sobre la experiencia.
  • Desarrolle una forma de compartir y analizar datos en su organización, y comience por definir los conceptos básicos juntos.
Diseñar con datos debe ir más allá de los algoritmos, la automatización, las pruebas A / B y los análisis. Más bien, el objetivo es utilizar todos los datos para desarrollar una mejor comprensión de la experiencia cotidiana.

Comentarios

Entradas populares de este blog

Wordpress - COMO publicar Automáticamente en facebook, twitter, linkedin, tumblr,

intercambio de trafico automatico para generar trafico web con DameFans

como elegir entre gratuitos y de pago de alojamientos web