30. september 2020

Gode brugerdata kræver, at brugeren husker godt

Brugerdata er et enormt effektivt værktøj. Det giver indsigt i, hvad brugerne gør, hvordan de gør det, og hvorfor de gør det. Men for at data skal være effektfuld, skal den først og fremmest være pålidelig.

Det betyder, at du som dataindsamler skal være bevidst om faldgruber, både når det kommer til din kvantitative- og din kvalitative data. Eksempelvis giver det ikke nogen mening at benytte sig af brugerdata fra en enkelt bruger, da det i så fald er umuligt at vide, om brugerens adfærd er et mønster, der ses på tværs af brugersegmentet, eller om det blot er en enlig svale. Du kan samtidig have nok så mange informanter, der besvarer dit spørgeskema, men hvis du i skemaet har stillet de forkerte spørgsmål, påvirker det i høj grad også, hvor effektivt det er som værktøj.

Dette er eksempler på faldgruber, man som UX’er forholdsvis nemt kan styre udenom med lidt erfaring og ved at implementere metoder, som netop tager højde for dette.

Men ikke alle faldgruber er lige nemme at observere. Og den nok mest væsentligste af disse er samtidig noget helt essentielt for at indhente pålidelig brugerdata - nemlig den menneskelige hukommelse.

Colette Kolenda er Lead User Researcher hos Spotify, og gennemgår i sin talk “Combating Memory Limitations through Simultaneous Triangulation” en metode, som jeg frit oversat har valgt at kalde samtidig triangulering. Kolenda har en baggrund i neurovidenskab, adfærdsvidenskab og brugerforskning, og hendes erfaringer fra alle tre felter har ført til indsigter, der i dag guider Spotify’s UX strategi. Hendes erfaringer danner ligeledes baggrund for denne artikel.

Hvilke faktorer spiller ind, når vi skal huske?

Kender du det, at du forsøger at finde det rigtige ord for noget, og det er lige på læberne - men du kan simpelthen ikke få det frem? Ikke alle minder er lige nemme at fremkalde - Det er fx beviseligt nemmere at huske episoder og detaljer fra følelsesladede situationer. Dette skyldes, at vores sanser konstant bombarderes af indtryk, hvorfor de fleste indtryk simpelthen ignoreres.

Det kræver derfor vores opmærksomhed, hvis detaljer eller data skal indlejres i vores korttidshukommelse for derefter at kunne blive gemt som minder i langtidshukommelsen. Der er således mange produkter og processer, der konkurrerer om vores opmærksomhed og dermed om at blive husket.

Derudover findes der såkaldte hukommelsesbegrænsninger, der kan gøre det svært at fremkalde detaljer fra vores langtidshukommelse. Disse begrænsninger kan være bias eksempelvis i form af manglende interesse i emnet. Begrænsningerne kan også skyldes, at efterfølgende oplevelser og erfaringer simpelthen har ændret dataen i din langtidshukommelse. Der kan desuden være biologiske årsager til, at data med tiden bliver “korrumperet”.

Når jeg italesætter vores minder og hukommelse som data, der kan genkaldes og korrumperes, taler jeg ind i Kolenda’s sammenligning af den menneskelige hukommelse med et hukommelseskort, som man kender det fra kameraer og andet digitalt udstyr. På et sådan kort kan data gemmes og genkaldes i præcis samme tilstand mange år efter. Man kan derfor være tilbøjelig til at tro, at når man analyserer eller præsenteres for brugerdata, er det data, der som anden data vi kender, er blevet fremkaldt i perfekt stand, og derfor giver et præcist billede af problematiseringen.

Men den menneskelige hukommelse er meget mere dynamisk. Ifølge Kolenda ligger den menneskelige hukommelse i celler i vores hjerner kaldet neuroner. Disse celler er levende og forandres, hvilket betyder, at vores minder også er dynamiske fremfor snorlige uændret data. Dermed spiller mange faktorer ind, når du fremkalder dine minder. Dine oplevelser og erfaringer kan f.eks. ændre billedet af en kaotisk juleaften fra barndommen med stress, skældud, en kedelig tur i kirke og brændte brune kartofler til at fremstå idyllisk mange år efter.

Hvad har dette af betydning for brugerdata?

Man kan tale om, at den menneskelige hukommelse kan sætte en naturlig begrænsning på indsamlingen af brugerdata.

billede.pngFiguren ovenover viser typiske brugerforskningsmetoder, samt hvad man undersøger, når de implementeres. X-aksen spænder mellem kvantitativ og kvalitativ data, der typisk undersøger, henholdsvis hvad brugeren gør, og hvorfor brugeren gør det. Y-aksen spænder mellem adfærdsbaseret data og holdningsbaseret data. Når man taler om hukommelsesbegrænsninger, er det de holdningsbaserede metoder, der er udsatte. Disse metoder kræver, at brugeren husker tilbage, og genkalder oplevelser og erfaringer. Det er derfor relevant at forstå, hvordan disse data kan være påvirket samt at sikre sig, at ens informanter hjælpes til at levere så frisk og uforandret data som muligt.

Trianguler dine indsamlingsmetoder

Løsningen på dette findes i Kolenda’s metode “samtidig triangulering”. Metoden består af tre trin:

1. Identificer hukommelsesbegrænsningerne
Forsøg at identificere de begrænsninger, som en informant kan have, når det kommer til at huske praksisser og erfaringer med dit produkt. Dette gør man allerede i undersøgelsens planlægningsstadie. Ved at kunne forudsige problemer og begrænsninger inden undersøgelserne starter, har du samtidig mulighed for at designe den rigtige type undersøgelse.

Spotify spørger eksempelvis deres informanter, om de må trække deres brugerdata ud inden brugerinterviews. Kolenda erindrer et specifikt brugerinterview med en mand, der skulle nævne de enheder, han lyttede til spotify på, men han nævnte ikke sin computer. Dette til trods for at Kolenda kunne se på brugerdataen, at han lyttede til spotify fra en computer mange timer om ugen.

Da Kolenda spørger ind til dette, går det op for manden, at han helt har glemt, at han jo lytter til Spotify fra sin arbejdscomputer hver dag. Det er faktisk en vigtig del af hans arbejdsoplevelse, hvilket for Spotify er data, der er enormt vigtig - og data de ikke havde fået fra denne informant, hvis de ikke havde kunnet understøtte deres interviews med udtræk af brugerdata.

2. Mix metoder!
Som vist i figur 1 afhænger visse metoder mere af informanternes hukommelse end andre. Det er derfor vigtigt at benytte en metodisk triangulering, hvor du parrer sådanne holdningsbaserede metoder med de mere adfærdsbaserede.

Hvis du spørger dine informanter om at genkalde sidste gang de benyttede et produkt, sørg da samtidig for også at observere deres adfærd. Det kan her være en fordel at have både en data scientist og en brugerforsker eller etnograf e.l. på holdet.

Spotify’s user insights afdeling består netop både af brugerforskere og data scientists, der arbejder sammen for at triangulere indsigterne i deres data.

3. Impelmentér samtidig
Heri ligger tricket. Mixed methods eller metode triangulering er et virkelig kraftfuldt værktøj, men det kan også være problematisk, hvis man benytter metoderne lidt forskudt, da man herved risikerer uoverensstemmelser i dataen. Et eksempel er usability tests. De kan være ekstremt nyttige, når man skal observere deltageres flow, og kan samtidig lade dig se udfordringer, når de opstår i løbet af testen. Men hvis du kører en usability test, men venter med at spørge deltagerne om specifikke processer til et senere interview, risikerer du at ramle ind i en begrænsning i form af, at deltageren muligvis ikke kan genkalde det, du spørger ind til, lang tid efter, at testen er afsluttet. Så med samtidig triangulering, skal du benytte muligheden for at følge op på disse observationer ved at spørge ind til udfordringer i flowet enten samtidigt eller umiddelbart efter.

Hukommelse er et fascinerende fænomen, der påvirkes af biologiske såvel som sociale faktorer. Og eftersom brugerdata kun er så pålidelig som hukommelsen, der skal erindre den, er det relevant at forstå, hvordan brugeres erfaringer med produkter kan ændre sig og skabe uoverensstemmelser i din data, hvis du alene fokuserer på holdningsbaserede metoder.

Benyt derfor forskellige metoder og gerne forskellige typer forskere for at sikre både validitet og nye indsigter i din brugerdata.