Вопросы на собеседовании: UX/UI Дизайнер

Качественное исследование помогает контекстно объяснять опыт, а количественное оценивает его измеримые закономерности.

• Качественные данные показывают, как люди понимают ситуацию, и помогают сформировать объяснения поведения или проблем в изученном контексте.
• Количественные данные позволяют оценить распространенность, распределения, различия и связи в определенной совокупности с учетом неопределенности, заданной дизайном и выборкой.
• Ни один из подходов сам по себе не гарантирует причинность или обобщаемость, поэтому выводы должны оставаться в пределах выборки, измерений и дизайна исследования.

Генеративное исследование определяет, что нужно понять или создать, а оценочное выясняет, насколько хорошо работает концепция или дизайн.

• Генеративные исследования изучают неудовлетворенные потребности, контексты, ментальные модели и области возможностей до того, как пространство решений зафиксировано.
• Оценочные исследования проверяют существующее предложение, сценарий, прототип или продукт по критериям удобства, понятности, ценности или другим критериям.
• Различие определяется целью исследования, а не конкретным методом, поскольку интервью, наблюдение и опросы могут служить обеим целям при соответствующем дизайне.

Данные о мнениях и установках отражают то, что люди сообщают, а поведенческие данные отражают их действия в наблюдаемой или зафиксированной ситуации.

• Данные о мнениях и установках раскрывают убеждения, предпочтения, ожидания и воспоминания через высказывания, оценки или выбор.
• Поведенческие данные показывают действия, последовательности, ошибки, завершение задач и паттерны использования, зафиксированные с помощью наблюдения, тестирования или инструментального сбора данных.
• Эти данные могут расходиться, потому что память, социальная желательность, заявленные идеалы, ситуационные ограничения, привычки и условия интерфейса по-разному влияют на слова и действия.

Основа выборки, процесс отбора и критерии скрининга вместе определяют, чьи данные исследование может обоснованно представлять.

• Основа выборки представляет собой доступную для набора совокупность, а пробелы в ней исключают части целевой аудитории еще до начала отбора.
• Систематическая ошибка отбора возникает, когда включение или участие закономерно связано со значимыми признаками, из-за чего выборка искажает изучаемое явление.
• Критерии скрининга формализуют релевантность участников, поэтому должны следовать из исследовательского вопроса, не опираться на удобные косвенные признаки и исключать только тех, чьи данные неприменимы.

Размер качественной выборки зависит от информационной силы или другого подходящего для метода критерия, а размер количественной выборки зависит от статистической мощности или точности оценки.

• Качественному исследованию может быть достаточно меньшего числа участников, если отобранные случаи точно соответствуют цели, данные содержательны, а тема узкая; насыщение подходит только методологиям, которые явно его определяют и используют.
• Количественному исследованию нужно достаточно наблюдений с учетом ожидаемого эффекта, разброса, уровня доверия, допустимой погрешности, дизайна и запланированных сравнений подгрупп.
• Универсального магического числа нет ни для одного подхода, поэтому обоснование выборки нужно сформулировать до оценки силы и применимости результатов.

Формируйте темы по прослеживаемой аналитической цепочке от наблюдений к кодам, закономерностям и ограниченным интерпретациям.

• Фиксируйте наблюдения близко к первоисточнику, связывайте коды с конкретными фрагментами или событиями и сохраняйте контекст для проверки происхождения каждого вывода.
• Объединяйте коды в темы, когда данные показывают повторяющуюся или объясняющую связь, а не просто из-за похожих формулировок или одного запомнившегося замечания.
• Сохраняйте отрицательные случаи и конфликтующие свидетельства, а затем уточняйте, разделяйте, ограничивайте или отклоняйте тему вместо принудительного сведения данных к согласию.

Триангуляция сопоставляет данные разных методов, источников, исследователей или контекстов, чтобы проверить устойчивость интерпретации.

• Схождение достаточно независимых потоков данных повышает уверенность, что результат не является следствием одного способа измерения или одной выборки.
• Расхождение требует проверить контекст, определения, время, сегменты и ограничения методов, поскольку оно может обнаружить условную закономерность.
• Триангуляция не является подсчетом голосов, поэтому данные нужно взвешивать по релевантности, качеству, независимости и типу вывода, который способен поддержать каждый источник.

Сильная формулировка Jobs to Be Done описывает прогресс, к которому человек стремится в конкретной ситуации.

• Она начинается с контекстной ситуации или триггера, который делает задачу актуальной, а не с широкой персоны или демографической категории.
• Она называет мотивацию человека и желаемый прогресс, а затем определяет функциональный, эмоциональный или социальный результат, по которому оценивается успех.
• Она не зависит от конкретного решения, а давление, притяжение, тревогу и привычку можно отдельно изучать при анализе перехода на новое решение.

Карта пути, основанная на данных, организует сквозной пользовательский опыт по этапам и связывает каждое утверждение с исследованием.

• Для каждого этапа она определяет релевантные каналы и фиксирует действия людей на пути к цели.
• Она отражает подтвержденные мысли и эмоции, разделяя прямые данные, интерпретацию, вариативность и неопределенность.
• Она выявляет болевые точки и выводит возможности из их причин, влияния и контекста вместо добавления неподтвержденных идей решений.

Карта пути моделирует пользовательский опыт во времени, а сервис-блюпринт моделирует систему, которая создает этот опыт.

• Карта пути сосредоточена на этапах, целях, действиях, мыслях, эмоциях, каналах и болевых точках с позиции пользователя.
• Сервис-блюпринт добавляет фронтстейдж с видимыми пользователю взаимодействиями, бэкстейдж со скрытыми действиями сотрудников, а также поддерживающие процессы, правила, системы и зависимости.
• Связь шагов пользователя со слоями фронтстейджа и бэкстейджа помогает найти операционные факторы проблемы, которые еще нужно проверить.

Заранее задайте наблюдаемые критерии успеха и применяйте их одинаково ко всем участникам.

• Бинарный успех фиксирует, достиг ли участник требуемого конечного состояния без недопустимой помощи.
• Частичный успех отражает значимый прогресс, когда заранее заданные этапы пройдены, но полная цель не достигнута.
• Критерии должны описывать ожидаемый результат, допустимые пути и помощь, а также условия, которые считаются неудачей.

Используйте эти метрики вместе, потому что одна только скорость не определяет качество опыта.

• Время выполнения показывает длительность задачи, но его смысл зависит от сложности, намерения пользователя и необходимости принимать взвешенные решения.
• Частота ошибок учитывает неверные действия или результаты по заранее заданному определению и единому правилу подсчета.
• Восстановление показывает, способен ли пользователь заметить ошибку, понять ее причину и продолжить работу без чрезмерных затрат.

SUS представляет собой стандартизированный опросник для общей оценки воспринимаемого удобства системы, результат которого преобразуют в шкалу от 0 до 100.

• Он содержит 10 утверждений с пятибалльной шкалой согласия, причем позитивные и негативные формулировки чередуются.
• Для нечетных пунктов вычтите 1 из ответа, для четных вычтите ответ из 5, затем умножьте сумму на 2,5.
• Сравнивайте результат с релевантными ориентирами и контекстом, учитывая размер и состав выборки, тип продукта и слабую диагностическую детализацию шкалы.

Используйте SEQ для оценки простоты отдельной задачи, а SUS для воспринимаемого удобства исследуемой системы в целом.

• SEQ обычно задают сразу после каждой задачи по семибалльной шкале от очень сложной до очень простой.
• SUS заполняют после знакомства с нужной частью системы или сценарием исследования и оценивают десять более общих утверждений.
• SEQ помогает сравнивать задачи и находить трудности, а SUS дает общую стандартизированную оценку и позволяет сверяться с внешними ориентирами.

Определите события и правила воронки до интерпретации конверсии.

• Для каждого события задайте стабильное имя, точный триггер, владельца, обязательные свойства, правило идентификации и порядок версионирования.
• Укажите знаменатель воронки, порядок шагов, допустимое временное окно и возможность пропускать или повторять шаги.
• Единообразно устраняйте повторы и дублирующиеся отправки, а также отличайте уникальных пользователей или сессии от количества событий.

Используйте осмысленные группы, чтобы находить различия, которые скрывает общий средний показатель.

• Когорты объединяют пользователей по общему стартовому событию или периоду, например месяцу регистрации, и позволяют сравнивать одинаковые этапы жизненного цикла.
• Сегменты делят пользователей по релевантным признакам или поведению, например устройству, опыту, тарифу или источнику привлечения.
• Выбирайте срезы из конкретного вопроса, показывайте размер выборки и неопределенность и не делайте выводов по малым или многократно перебранным подгруппам.

Корректно заданный A/B-тест описывает правило решения, аудиторию, распределение, измерения и анализ до просмотра результатов.

• Задайте проверяемую гипотезу, критерии включения, условия, при которых пользователь считается увидевшим вариант, предлагаемое изменение, ожидаемый эффект и обоснование.
• Определите единицу рандомизации, контрольный и тестовый варианты, одну основную метрику, защитные метрики и минимальный обнаруживаемый эффект.
• Рассчитайте размер выборки и длительность, задайте правила остановки и анализа, затем до интерпретации проверьте сбор данных и соответствие фактического соотношения групп ожидаемому.

Отделяйте свидетельство отличия эффекта от шума от оценки его реальной ценности.

• Статистическая значимость оценивает совместимость данных с нулевой гипотезой при заданных допущениях, но не доказывает важность или истинность эффекта.
• Доверительный интервал показывает диапазон оценок эффекта по выбранному методу и лучше одного порога передает точность.
• Размер эффекта выражает величину изменения, а практическая значимость сопоставляет ее с пользой для пользователей, затратами, рисками и контекстом.

Корреляция показывает совместное изменение переменных, но не устанавливает причину этой связи.

• Возможна обратная причинность, когда результат влияет на измеряемое поведение, а не поведение вызывает результат.
• На обе переменные могут влиять смешивающие факторы, включая опыт пользователя, устройство, источник привлечения, сезонность, время релиза и сложность задачи.
• Смещение отбора, ошибка выжившего, изменения аналитики и параллельные изменения продукта также создают обманчивые связи.

Выбирайте только релевантные аспекты HEART, затем связывайте каждую цель с наблюдаемыми сигналами и конкретными метриками.

• Happiness охватывает отношение и удовлетворенность, Engagement глубину или частоту взаимодействия, а Adoption начало использования новыми или существующими пользователями.
• Retention отражает продолжение использования со временем, а Task success эффективность, результативность и ошибки при выполнении целевых задач.
• Для каждого нужного измерения сформулируйте пользовательскую цель, найдите признаки прогресса в поведении или отношении и задайте метрики с аудиторией, периодом и источником данных.