I skjæringspunktet mellom flott design og bedre brukeropplevelser er to nøkkelbegreper som utfyller hverandre, samtidig som de er forskjellige i deres tilnærming.

Datadrevet design

Den første bruken av ordet 'data' var på 1640-tallet. I følge en felles oppfatning blir data samlet inn og blir informasjon som er egnet for å ta beslutninger når de er analysert.

Analyserte data kan bidra til å avsløre problemer, gi mer informasjon om disse problemene og evaluere effektiviteten av løsningene. Dette gjelder enten vi har med vitenskapelige data eller designrelaterte data å gjøre.

'Å samle inn og analysere data er nøkkelen til å skape bedre design og brukeropplevelser,' skriver Design Blog Editor Editor Cameron Chapman.

Som sådan bruker datadrevet design data (begge kvalitativ og kvantitativ ) å informere designere gjennom hele designprosessen. De resulterende designene er mer engasjerende og tilpasset brukernes preferanser, mål og atferd.

Ser vi på designprosessen helhetlig, kan vi se hvor datadrevet design passer inn:

• Oppdagelse
  • Definere problemet
  • Samle informasjon (datadrevet)
  • Idemyldring og analyse
• Design
  • Utvikle løsninger (datadrevet)
  • Repetere
• Validering
  • Tilbakemelding (datadrevet)
  • Repetere

Hvor får vi dataene? Data kan komme fra flere kilder som analyse, brukertesting, forskning (primær, sekundær, generativ) og brukervennlighetstester. Den kan brukes på en rekke måter gjennom hele designprosessen, da det ikke er en kanonisk måte som fungerer for alle i alle situasjoner. Her er noen tips for bruk av data med hensyn til design:

• Tall og kontekst - Kvantitative og kvalitative data fungerer godt sammen for å fortelle en komplett historie.
• Varierte data - Analytics, kundeservicelogger, salgsdata, intervjuer, undersøkelser, brukervennlighetstester og A / B-tester er noen få eksempler.
• Følsom for den menneskelige opplevelsen - Bruk gjennomsnitt sparsomt, bekreft liberalt, og utledes med forsiktighet.
• Standardisert deling - Utvikle måter å diskutere og dele data slik at alle forstår det grunnleggende sammen.

Én eller to data vil ikke gi et godt informert sett med resultater, og siden målet er å utvikle en klar forståelse av hverdagsopplevelse, er det en god ide å vurdere så mange typer data som mulig.

Når vi lager design basert på brukerundersøkelser, teorier eller prosesser, er det data som gir oss svarene med mer troverdighet. Vi kunne gjette og 'gå med tarmen', men det kan være kostbart og ineffektivt. Det er mer effektivt å strategisere enn å gjette.

Et ord med forsiktighet. Det er enkelt å oversimplisere og feiltolke data. Vi kan fokusere på ett aspekt og se bort fra det vi ikke er interessert i, eller sette inn et subjektivt syn som kan føre både designer og bruker ned en smal vei. Objektivitet, et åpent sinn og å ta hensyn til alle datapunktene er en god tilnærming å ta.

Verktøy som brukes til datadrevet design

Som designere bruker vi både kvalitative og kvantitative data for å informere og forme designene våre, så det er nyttig å forstå noen av verktøyene som kan brukes. Dette er på ingen måte en uttømmende liste over alle de forskjellige teknikkverktøyene eller programvaren som er tilgjengelig.

Kvantitative datadrevne designverktøy

Dette forutsetter at verktøy som Google Analytics, Adobe SiteCatalyst osv. Er på plass.

• Avvis - Et destinasjonssideverktøy som brukes til å teste forskjellige sidelayouts.
• Optimalt - Et annet destinasjonsverktøy som også gir analyser og multivariate destinasjonssidesprøver.
• Google Optimize - Integrert i Google Analytics, hjelper Optimize designere til å forstå hvordan et nettsted kan forbedres.

Kvalitative datadrevne designverktøy

• UserTesting - Et verktøy for brukerforskning som gir handlingsbar innsikt.
• Brukbarhetsnav - En slutt-t0-ende ekstern brukerplattform.
• Optimal verksted - En online pakke med bruksverktøy for nettsteder og informasjonsarkitektur.
• Crazy Egg - Et varmekartverktøy for å forstå og forbedre nettstedoppsett.

Beste praksis for datadrevet design

Datadrevet design fungerer best når en organisasjon overholder standarder og praksis på tvers av alle designteam. Her er noen gode fremgangsmåter for vellykket datadrevet design:

• Bruk kvantitative data for å spore fremdrift når endringer er implementert - for eksempel analysesesjoner, avvisningsfrekvenser og resultatene av varmekartet.
• Bruk datatriangulering å finne de rette problem / mulighetsområdene og å begrense hypoteser.
• Skriv og dokumenter velstrukturerte hypoteser som kan måles og valideres.
• Ha en teststrategi som kan kommuniseres bredt. Det bør gå noen få lag dypt, men ikke for mange, og det bør oppdateres med jevne mellomrom.

Data, selv om det uten tvil er nyttige for designprosessen, bør ikke brukes utelukkende. Det er lett å forestille seg en situasjon der den umiddelbare tilbakemeldingen fra en datadrevet tilnærming kan føre til den avsluttende avslutningen på et prosjekt uten hensyn til andre typer innspill.

Generativ design

Mens datadrevet design er drevet av kvantitative, og i mindre grad kvalitative innganger, introduserer generativ design informasjon i designprosessen som er frittflytende og iterativ.

I produksjonsindustrien, generativ design utnytter maskinlæring for å etterligne naturens evolusjonære tilnærming. Designparametere legges inn i programvaren, og algoritmer utforsker alle mulige kombinasjoner av en løsning, noe som ofte resulterer i hundrevis av alternativer.

Generativ design er utforskningen av mulige kombinasjoner, som i designprosessen kalles iterasjon, dvs. å sykle gjennom mange forskjellige 'design' for å komme til varierte løsninger.

I produktdesign er dette konseptet omtrent som design tenkeprosess , bare i stedet for programvare, gjør folk iterasjonen og ideteringen. Design genereres basert på et sett med innspill (ideer, livserfaringer, etc.).

På 1980-tallet, forfatter Bryan Lawson foreslo et sett med designøvelser der designere og arkitekter jobbet side om side på en deltakende måte. Fram til dette punktet så designere ikke behovet for å inkludere “utenforstående” som en del av prosessen. Selv om det var kontroversielt den gangen, viste suksessen til disse øvelsene at en tidlig generativ tilnærming var den rette tingen å gjøre.

Generativ design og designprosessen

Som med datadrevet design, oppstår generativ design i alle faser av designprosessen:

• Oppdagelse
  • Definere problemet ( generativ )
  • Samle informasjon (datadrevet)
  • Brainstorming og analyse ( generativ )
• Design
  • Utvikle løsninger (datadrevet)
  • Repetere ( generativ )
• Validering
  • Tilbakemelding (datadrevet)
  • Repetere ( generativ )

Merk at med et nytt design er det ingen data å trekke på ennå, så vi pleier å gjøre generativ design først. Når vi har noen ideer å legge ut i verden, kan vi deretter samle inn våre kvalitative og kvantitative data.

Generativ og datadrevet design utfyller hverandre. Med datadrevet design kommer vi frem til løsninger som er statisk på grunn av innspillets kvantitative natur. Deretter bruker vi generativ design, og ender med frittflytende resultater som blir iterert på og formet etter hvert som flere ideer blir brakt videre.

Generativ design kan spille en nøkkelrolle for å gjøre det mulig for designere å takle større problemer de ellers ikke har klart å løse. Datadrevet design vil bekrefte at problemene har blitt taklet.

Her er noen fordeler med den generative designprosessen:

• Økt kreativitet - Flere ideer dannes på grunn av den iterative naturen til generativ design.
• Inkluderende design - Inkludering av forskjellige stemmer og innspill i prosessen driver en mer inkluderende prosess.
• Økte resultater - Etter hvert som prosessen fortsetter gjennom stadiene av design, produseres flere utfall.

Verktøy som brukes til generativ design

Verktøyene designere bruk for generativ design er mye annerledes enn det vi bruker for datadrevet design. Med generativ design er vi interessert i verktøy som hjelper oss med å itere og bedre forstå mennesker fra et kvalitativt perspektiv:

• Post-it lapper - Den enkleste måten å generere ideer på. Post-It-notater brukes i idédugnad som en måte å fange tankene på mennesker raskt og enkelt.
• Whiteboards - Brainstorming er en inkluderende øvelse som lar folk få inn perspektiv og ideer utenfor som en gruppe.
• Balsamiq - Low-fidelity wireframing programvareverktøy som er nyttig for iterasjon og for å samle tilbakemeldinger fra brukere.
• Skisse - Et populært programvareverktøy som kan brukes til wireframing, prototyping og mockups i alle faser av designprosessen.

Vellykket generativ design

Generativ design er en pågående prosess og en gjennomtenkt undersøkelse av den menneskelige opplevelsen når det gjelder designproblemet. Her er noen tips du må huske på:

• UX-forskning - Ta med kundesentrert tenking i designprosessen så tidlig som mulig. Generativ design er avhengig av tilbakemeldinger fra mennesker
• Test design tidlig - Iterativ testing er en stor del av generativ design og pågår gjennom hele designprosessen.
• Inkluderende design - Å inkludere mennesker med ulik bakgrunn og erfaringsnivå bidrar til å bringe friske, nye perspektiver på bordet.

En optimalisert fremtid

Datadrevet design og generativ design eksisterer sammen for å skape bedre menneskelige opplevelser gjennom design. Data og datadrevet design gir oss konkret informasjon vi kan bruke til å analysere et problem.

Hvis det ikke var for dataene, hadde vi ingenting verdt å undersøke. Når vi har et sett med løsninger i tankene, kan vi deretter legge inn generativ design for å forme disse løsningene til resultater.

På mange måter kan sammensmeltningen av disse designprosessene innebære fremtidens design: bygge bro over gapet mellom designtenking og tradisjonell design.

Vi har bare begynt å skrape overflaten av hvor disse to designtilnærmingene kan ta oss. Hvis datadrevet design var medvirkende til noen av verdens mest innovative produkter og tjenester, kan mye vinnes ved å kombinere det med generativ design. Kanskje de to kan bane vei for løsningen av komplekse designproblemer.

---

Gi oss beskjed om hva du synes! Legg igjen dine tanker, kommentarer og tilbakemeldinger nedenfor.

• • •

Videre lesing på ApeeScape Design Blog:

• Prinsippene for design og deres betydning
• De beste UX-designerporteføljene - inspirerende casestudier og eksempler
• Utforske Gestalt-prinsippene for design
• Adobe XD vs. Sketch - Hvilket UX-verktøy er riktig for deg?
• De 10 UX-leveranser som toppdesignere bruker

Forstå det grunnleggende

Hva er egentlig dataanalyse?

Dataanalyse er prosessen med å hente innsikt fra rå informasjonskilder. Datadrevet design og dataanalyse kan hjelpe bedrifter med å øke inntektene, forbedre driftseffektiviteten og svare raskere på fremvoksende markedstrender.

Hva er en UX-persona?

En persona er en skriftlig fremstilling av en tiltenkt bruker for ditt produkt eller din tjeneste. Hensikten med en persona er å bringe prosjektet ditt i virkeligheten gjennom målbrukernes øyne. Personas er viktige designverktøy for empati og brukeropplevelse.

Hva er generativ forskning?

Generativ forskning utføres for å generere informasjon om brukere og hvordan de oppfører seg. Generativ forskning hjelper til med å definere problemet som vurderes.

Hva er brukervennlighetstesting i UX?

Brukervennlighetstest er evaluering av et produkt eller en tjeneste ved å teste med representative brukere. Testene vil vanligvis innebære at brukere fullfører forskjellige oppgaver mens observatører ser, lytter og tar notater. Det er ofte en del av datadrevet design.

Hva teller som kvantitative data?

Avledet gjennom datadrevet design er kvantitative data numeriske eller data som kan omdannes til brukbar statistikk. Det som teller som kvantitative data er all informasjon som er målbar og kan telles.