Вітаю, ви провели попереднє дослідження
Ви запустили опитування, поспілкувалися з користувачами, отримали певні відповіді на свої запитання. Далі вам треба проаналізувати результати та спакувати їх для використання всередині вашої продуктової команди.
Аналіз опитування
Опитування – це приклад кількісного дослідження. Ви задали питання і тепер дивитесь, як відповіла ваша аудиторія:
- Який відсоток респондентів вибрав певний варіант відповіді
- Яка частина респондентів з певної підгрупи відповіла певним чином на наступні запитання
- Які відповіді ви отримали на відкриті запитання
Агрегація даних
Відповіді на закриті запитання з кількома варіантами можуть бути досить прямолінійними і тут все очевидно. Часто базові інструменти для створення опитувань вам дадуть можливіть візуалізувати результат агрегації у вигляді графіків.
Для простих запитань така агрегація та візуалізація вже дає нам відповіді на питання нашого дослідження.
Приклад: Чи є серед потенційних донорів представники діаспори? – Так. Частка респондентів опитування, що мають родичів в Україні 40%.
Додаткова обробка даних
В деяких випадках ви можете відфільтрувати чи згрупувати відповіді респондентів, що відповіли певним чином на перше запитання, щоб отримати краще розуміння відповідей на наступне.
Приклад:
Чи впливають стосунки з українцями на рішення допомагати? – Ми бачимо, що респонденти, які знають когось з українців частіше допомагають.
Обробка відповідей на відкриті запитання
Якщо ми задаємо відкриті запитання, користувачі будуть відповідати в довільній формі, але деякі збіжності в суті їхніх відповідей ми будемо бачити. На основі таких збіжностей ми можемо сформувати групи відповідей і порахувати кількість відповідей в кожній з груп.
Така організація відповідей респондентів в групи чи кластери називається діаграма близкості або affinity diagram. З її допомогою ми можемо виділити важливі тези відповідей та зробити висновок щодо частоти певних відповідей.
Приклад:
Що впливає на вибір якій з волонтерських організацій допомагати? – Схоже що довіра є одним з ключових факторів. При цьому на довіру волонтерам впливає:
- Соціальна складова – довіра того, хто рекомендує (друзі, локальна спільнота)
- Публічна складова – зареєстровані фонди з історією та даними про засновників
- Прозорість та конкретика.
Аналізуємо результати інтерв’ю
Дуже схожим чином підсумовуємо відповіді на запитання наших користувачів.
Виділяємо групи відповідей в рамках відповідей на одне конкретне запитання. Підраховуємо найчастіші відповіді. Виділяємо нову релевантну інформацію, що допоможе нам у прийнятті продуктових рішень у майбутньому.
Мапуємо інсайти на конкретні кроки на шляху користувача.
Повертаємося до гіпотез
Переглядаємо попередні твердження і коригуємо їх відповідно до результатів попереднього дослідження. Додаємо нові деталі.
Переглядаємо ще раз:
- Протоперсони
- Проблему користувачів
- Ключові кроки на шляху користувача
Відповідаємо на питання:
- Чи є у користувачів потреба, яку бачить бізнес?
- Що саме потрібно користувачам, щоб вирішити цю проблему?
- Що роблять конкуренти? Які пращі практики вирішення проблеми?
Приклад:
- Серед потенційних донорів є представники діаспори і іноземці – Так
- Знання, що допомога йде за цільовим призначенням впливає на рівень довіри та допомагає прийняти рішення допомогти – Так
- Донори готові ділитися інформацією про допомогу зі своїми друзями – Так
- Донори переживають про можливість технічної відправки – Деякі
- Донори переживають за якість відправлених товарів – Ні
Висновок
Виходячи з результатів валідації гіпотез ми приймаємо рішення, чи рухаємося ми далі з реалізацією розв'язання проблеми користувачів, модифікуємо гіпотезу і визнаємо її не релевантною.
Приклад:
Ми бачимо, що довіра важлива для потенційних донорів і інформація про результати доставки з даними про донорів та отримувачів додає довіри. Донори готові ділитися такою інформацією. Це дає нам привід створювати функціональність для того, щоб таку інформацію розміщувати на сайті.
