I diagnose with data and treat with design. More hardcore materials here – @co_intelligence @martsen | martsen.me | p13n.ru
Привествую всех и новых подписчиков в частности! Спасибо, что читаете :)
За последний месяц к каналу присоеденилось больше 1000 человек, а про себя последний раз писал в марте 2020 года.
Настало время обновить био и представиться…
Лёха Бородкин написал про User Stories VS Job Stories
👥 User Stories говорят, что причины поведения - в том, что это за человек.
🔨 Job Stories сводит поведение человека к ситуации (контексту).
Как выбрать, когда все такое вкусное? Лёха дает интересный алгоритм, но неполный.
Разобраться в том, что делать, нам поможет наука.
Когда-то все люди, включая психологов, думали, что поведение человека зависит от того, что это за человек.
Но потом пришел Стэнли Милгрэм и заставил одних людей бить током других. ⚡️
И оказалось, что в определенных условиях многие люди ведет себя одинаково: большинство людей соглашались бить током других людей только потому, что так велел экспериментатор.
Значит ли это, что то, какой человек, не влияет на его поведение, а влияет только ситуация? Нет, не значит.
Пришел Уолтер Мишел и поделил ситуации на «сильные» - в которых выбор вариантов действий ограничен - и «слабые» - в которых человек может действовать свободно.
В «сильных» ситуациях поведение определяется ситуацией. В «слабых» ситуациях, там, где человек может свободно себя проявлять - поведение в большей степени определяется тем, какой он.
Таким образом, в социальной психологии спор между условными сторонниками User Stories (личностные черты) и Job Stories (ситуация) был решен больше 60 лет назад. Решили, что на поведение человека влияет и то, какой это человек, так и ситуация, в которой он оказался.
В JTBD классификации ситуаций (контекста) до сих пор нет. И нет идеи, что ситуации можно разделить на «сильные» и «слабые» по степени их влияния на человека. А User Stories до сих пор не учитывают ситуацию.
Так что делать-то? 💊Какую таблетку взять, синюю или красную?
Знание того, какой это продукт, тут не поможет. Поможет выяснить, как люди этот продукт используют:
🅰️ Если влияние ситуации минимально, у людей есть свобода действий, и вы видите, что пользователи действуют по-разному - подойдут User Stories.
🅱️ Если вашим продуктом пользуются разные люди, но их действия что-то ограничивает (физические ограничения, социальные нормы, регламенты, законы), и вы видите, как в общем-то разные люди вынуждены бить других людей током делают одно и то же, - подойдут Job Stories.
Рассмотрим на примере болезней и лекарств:
1️⃣ Есть «гусиная фигня», она вызывает сильную боль, это состояние нужно срочно облегчить. Это «сильная ситуация», в которой пациент не может ждать. И есть два препарата, из которых один помогает сразу, другой - через 6 часов. В этой ситуации все врачи назначают тот препарат, который действует сразу, вне зависимости от своих представлений о прекрасном. Job Stories.
2️⃣ Есть «синдром песочного человека», который может тянуться годами. Жить мешает, но не очень. Это «слабая ситуация». И есть много разных препаратов, но ни один не может это вылечить быстро. И вот тут врачи четко делятся по своим личностным особенностям. Одни назначают максимально безопасные препараты, потому что главное для них – «не навреди». Другие назначают максимально эффективное с их точки зрения средство, пусть и с побочными эффектами – потому что главное – эффективность. User Stories.
Знания о том, что люди делают с продуктом, у вас могут быть уже накоплены.
Если таких знаний нет – нужно исследование.
Почитать про персоны, сегменты, джобы и ситуацию:
🧾Что определяет потребительское поведение на самом делеСитуация, в которой оказывается человек, сильнее влияет на его желания и потребности, чем пол-возраст-доход или психографические характеристики: «стремление к власти», «контролю» или любые другие
🧾Персоны, JTBD и сегментация здорового человека
Связь сегментации, персон и JTBD: типология пользователей, которая будет обоснована и полезна💽 @PostPostResearch Читать полностью…
Про тёмные паттерны популярных подписочных в формате скроллителинга.
https://pudding.cool/2023/05/dark-patterns/
Всем привет!
Настало 3 мая.
Теперь можно выполнить: pip install retentioneering
и вы получите пакет 3 версии.
Ура!
Мы долго готовились. И вот оно свершилось.
Спасибо за вашу поддержку и использование нашей библиотеки. Мы всегда стараемся улучшить наш продукт и помочь вам достигать ваших целей в области аналитики данных и управления продуктами. Если у вас есть какие-либо вопросы или отзывы, не стесняйтесь связаться с нами!
Design Metrics That Matter: A Guide To Design KPIs
Виталий Фридман предлагает своё видение метрик дизайна конкретного продукта.
Information Architecture: Study Guide
Nielsen/Norman Group сделали структурированную подборку своих статей об информационной архитектуре
Методичка из Гуглового People + AI Guidebook по дизайн-практикам проектирования форм сбора фидбека, который затем используется в машинном обучении.
Читать полностью…Все тот же Conor описывает свое понимание специалиста по прикладному использованию поведенческих наук. Вот пара его очерков на тему:
Behavioral science as a specialization
Defining the Applied Behavioral Scientist Role
Similar but different. Data Science, User Experience, and Behavioral Science
Вместе с Connor Joyce разбираемся в сортах исследователей: дата-саентисты, ux ресерчеры и прикладные бихевиористы.
Они все анализируют пользователей, но немного по-разному.
Mixed methods research for feature prioritization
Sutong Liu делится опытом IBM по комбинации методам исследований для ранжирования беклога.
Better performance = better design
Про "базовое качество продукта" на примере набора метрик UPPer (User Perceived Performance). Они помогают оптимизировать важные сценарии использования вокруг производительности в разных аспектах.
Four Ways to Pick the Right UX Method
Памятка по тому как как выбирать метод исследования их для конкретного этапа проекта
Самый частый запрос в DM:
Порекомендуй книги по управлению знаниями.
Вот мой TOP-6:
Why Information Grows
Фунадаментальная книга о том что такое информация и как ей управлять.
The Organized Mind
Самая практичная книга про структуру и организацию всего на свете.
Есть на русском: Организованный ум
The Fifth Discipline
О том как устроена обручающаяся организация
Есть на русском: Пятая дисциплина
Critical Knowledge Transfer
Про распространение знаний в компаниях
Semantic Modeling for Data
База. Про создание схем и онтологий.
Больше всего ошибок в KM связаны с непониманием принципов из этой книги.
Lean Knowledge Management
Самое ценное тут: разбор кейсов NASA, как в агентстве работает управления знаниями.
Генерация джобов/юзер сторис/и так далее. Выглядят как способ найти подходящие и ёмкие слова.
https://jtbdtoolkit.medium.com/revolutionizing-jtbd-research-evan-shore-on-ai-1b5d5324cb97
Примеры использования ChatGPT в продуктовой работе:
Читать полностью…Немного терминологии от NNgroup: User Journeys vs. User Flows
Коротко:
* User Journey - макро-уровень - охватывает шаги и эмоции пользователей в рамках разных каналов больших интервалов времени (дни, недели и дольше)
* User Flow - микро-уровень - описывает поведение пользователей и ответы системы на коротких промежутках времени (минуты, часы) и в рамках одного продукта.
Aurélien Vautier - дашбордист 80-го уровня, который делает прикольные визуальные заметки по теме.
Читать полностью…Cisco's Product Principles 101
Рассказ о принципах дизайна Cisco и подходе к их формулированию в целом. Подход строится на противопоставлении.
Хм… скоро выходит книжка, которая фокусируется на прикладной пользе количественных исследований в UX в продуктовой работе.
Саммари:
"This practical guide explains how Quant UX is a crucial contributor to product development. It provides an overview of the necessary skills, presents hands-on projects with reusable code, and shares advice on starting and developing a career. It goes beyond basic skills to focus on what is unique to Quant UX."
Прочитаю и напишу что да как.
https://quantuxbook.com/
MVI (Model-View-Intent) — архитектурный паттерн, который базируется на идее Unidirectional Data Flow (однонаправленного потока данных)
https://habr.com/ru/companies/kts/articles/729832/
Выглдяит так, что этот паттерн можно применить для проектирования структуры аналитических событий.
Любопытный факт о качестве американских социологических данных. Ежегодно Бюро переписи населения США проводит опрос American Community Survey (ACS) среди 3.5 миллионов домохозяйств. Опросник состоит из 28 страниц плюс 16-страничная инструкция. Спрашивают про всё: сколько зарабатываешь, когда выходишь на работу, как часто моешься, с кем живёшь, есть ли психические или эмоциональные проблемы, с кем дружишь (фамилии, имена), на кого работаешь и так далее.
И теперь самое интересное: опрос регулируется федеральным законом и за каждый неотвеченный вопрос взимается штраф в размере до $100, а за каждый заведомо ложный ответ на вопрос штраф составляет до $500, правда общая сумма лимитирована. Так за отказ от участия в анкетирование или намеренную попытку исказить государственную статистику можно влипнуть на $5,000 и даже присесть на год. Вот это я понимаю — «дата-этика»!
https://www.law.cornell.edu/uscode/text/13/221
https://www.law.cornell.edu/uscode/text/13/222
Лучшие дизайн-практики по сбору фидбека с юзеров от NNg.
Фидбек юзеров - это данные. Данные - это топливо для решений. Лучше топливо - лучше результат.
Всегда держу в голове фразу "Garbage In, Garbage Out (GIGO)" — принцип в информатике, означающий, что при неверных входящих данных будут получены неверные результаты, даже если сам по себе алгоритм правилен.
"Мусорные" данные ведут к недостоверным выводам исследователя и к плохим рекомендациям для пользоателя, если этот фидбек используется в алгоритамх персонализации продукта.
Tips for designing social and behaviour change projects
Чуть-чуть про проектирование продукта, который поддакивает к смене поведения. Не все же про исследования ссылки постить :)
How to triangulate data from multiple sources in user research
Nikki Anderson из Dovetail делится своим опытом триангуляции данных при проведении пользовательских исследований
How to use mixed method research to drive product decisions
Raschin Fatemi показывает, как её команда в Shopify использует комбинацию методов исследований в продуктовой работе.
A Tried and True Framework for Prioritizing User Research
Фреймворк от Jeanette Fuccella для приоритезации исследований и выбора инструмента в компании Pendo. Pendo — это система для проведения исследований и продуктовой аналитики. Есть подозрение, что там работают люди “в теме”.
А вот тут чуть больше примеров использования: How to choose the right research methods for your discovery process
A Taxonomy of Common UX Research Methods
Классификация методов исследования
Набор книжечек из которых можно подчерпнуть принципы построения информационной модели продукта.
Читать полностью…Поиск по базе знаний при помощи чата. Есть инструкция по шагам как сделать самому.
https://uxdesign.cc/i-built-an-ai-that-answers-questions-based-on-my-user-research-data-7207b052e21c
Суть такая же как и в /channel/product_science/490
В догонку...
Introducing AI-Generated Product Descriptions Powered by Shopify Magic (2023)
Shopify добавили возможность генерировать описание товара человеческим языком по набору ключевых слов.