Mobiililaitteiden nopeaa yleistymistä on seurannut erilaisten älykellojen ja rannekkeiden, puettavan teknologian ja IoT-laitteiden valtavirtaistuminen. Teknologian läsnäolon kasvu arjessa on johtanut myös tarpeeseen kehittää käyttäjän ja laitteen vuorovaikutuksen havainnointia ja mittaamista.
Myös metodit ovat muutoksessa
Internetpohjaisten palvelujen käyttäjien seuranta on ollut pitkään mahdollista erilaisten web-analytiikkatyökalujen – tunnetuimpana Google Analytics – ansiosta. Tarjolla on yhä useampia uusia työkaluja, ja web-analytiikka on kehittynyt suuntaan, joka mahdollistaa myös käytettävyyden havainnoinnin datalähtöisesti. Analytiikkatyökalujen tarjoamat mittajärjestelmät, kuten klikkauslämpökartat, suppilot (funnel) ja ns. raivoklikkausten tallennus mahdollistavat analytiikkatyökalujen paremman valjastamisen myös käyttäjäkokemussuunnittelun käyttöön.
Suurista palveluista on mahdollista tallentaa isoja datamääriä lyhyessäkin ajassa, mikä tekee datalähtöisestä käytettävyystutkimuksesta liiketoiminnan näkökulmasta mielenkiintoisen lähestymistavan. Analytiikkatyökalujen käyttöönotto on helppoa ja hyvien suodatusominaisuuksien johdosta myös datamassan läpikäyminen vaatii vain vähän manuaalista työtä (Beasley 2013, 26). Perinteisempiin tutkimusmetodeihin, kuten käyttäjätestaukseen, -haastatteluihin ja havainnointiin verrattuna vähemmän työtä vaativa datalähtöinen tutkimus on helppo nähdä liiketoiminnan kannalta entistä kiinnostavampana. Mutta miten hyvin kvalitatiivinen tunne erottuu kvantitatiivisesta aineistosta?
Vahva tunnereaktio erottuu datan joukosta
Suontauksen (2022) lopputyössä tutkittiin katsastustoimipisteiden arjessa käytettävän työkalun käytettävyyttä datamittauksella sekä käyttäjähaastatteluilla. Data-analyysin löydöksiä verrattiin käyttäjähaastattelujen tuloksiin yhteneväisyyksien löytämiseksi. Kiinnostavimman havainnon muodostivat raivoklikkaukset, joita ilmeni datamittauksessa käyttäjien reaktiona turhautumiseen. Raivoklikkauksella tarkoitetaan tapahtumaa, jossa käyttäjä turhautumisen seurauksena klikkaa jotakin elementtiä nopeasti useita kertoja peräkkäin. Raivoklikkausten analyysi on hyvä tapa löytää käyttäjien kipupisteitä sekä parantaa käyttökokemusta (Barrows 2021). Turhautuminen validoitui hyvin vahvasti myös haastatteluissa, mikä vahvisti datatutkimuksen havainnon oikeellisuuden.
Kiinnostavan raivoklikkauksesta ilmiönä tekee erityisesti se, että sen synnyttää käyttäjän tunnereaktio, ja että tämä käyttäjän tunnetila on havaittavissa datatutkimuksen keinoin analytiikasta erottuessa käyttäjän toistuvat painikkeen klikkaukset. Tämä datan ja käyttökokemuksen leikkauspiste vaikuttaa tallentavan käyttäjän kokemusmaailmaa tarkemmin kuin muut datamittarit (Suontaus 2022).
Hybridimalli havainnoi kahta datan kerrosta
Data-analytiikan ja käyttäjähaastatteluiden yhdistäminen tarjosi kaksi toisistaan erillistä tiedon kerrosta. Kahden eri datakerroksen leikkauspisteessä on kuitenkin tunnereaktio, joka on riittävän vahva näkyäkseen myös ristikkäisessä metodissa. Mikäli käytettävyys oli riittävän heikolla tasolla, se on havaittavissa haastatteluista. Toisaalta, mikäli käyttökokemus on riittävän huono, se purkautuu raivoklikkauksena ja on havaittavissa datamassasta. Käyttäjähaastattelujen vahvuus on siinä, että voidaan esittää jatkokysymyksiä ja siten syventää ymmärrystä. Datan vahvuus on sekä määrässä että sen tuomassa luotettavuudessa. Koska eri metodien tuottama data on eritasoista, voidaan katsoa, että molempia metodeja yhdistävä hybriditutkimus tuo pöytään molempien parhaat puolet. Data ei osaa tehdä oivalluksia eikä kehitysehdotuksia ja siksi perinteisemmät menetelmät, kuten haastattelut ja tutkimus puolustavat paikkaansa edelleen teknologisesta kehityksestä huolimatta.
Kirjoittajat
Harri Heikkilä on visuaalisen viestinnän yliopettaja LAB-ammattikorkeakoulussa, joka on asiantuntijana UX CENTER ja Päijät-Hämeen Mobiili-UX-pilotissa (MUX).
Janne Suontaus on LAB-ammattikorkeakoulun YAMK Muotoilun ja median digitaalisten ratkaisujen opiskelija, joka toteutti YAMK-opinnäytetyönään mallin käytettävyyden datalähtöisestä havainnoinnista.
Lähteet
Barrows, M. 2021. Rage Click Analysis: How to Improve the UX on Your Website. Viitattu 4.7.2022. Saatavissa https://blinkux.com/ideas/rage-click-analysis
Beasley, M. 2013. Practical Web Analytics for User Experience How Analytics Can Help You Understand Your Users. Amsterdam: Elsevier, Morgan Kaufmann.
Sinn, A. 2019. Red heart made out of binary digits. Unsplash. Viitattu 4.10.2022. Saatavissa https://unsplash.com/photos/KgLtFCgfC28
Suontaus, J. 2022. Käyttäjädatan mittaus ja analyysi
käytettävyyden arvioimisen välineenä CASE: Yksityisten Katsastustoimipaikkojen Liitto ry:n
DORIS-ohjelmisto. LAB-ammattikorkeakoulu 2022. Viitattu 12.10.2022. Saatavissa https://urn.fi/URN:NBN:fi:amk-2022100520878
