HOME ONZE DIENSTEN BLOG WIE ZIJN WE? CONTACT
Jente V.'s avatar

Jente V.
29 november 2019 - 6 minuten

Wat is user testing en hoe gebruik je het voor groei?

Oplossingen voor complexe problemen of uitdagingen worden niet op één dag ontwikkeld. Maar dat wil niet zeggen dat je verschillende alternatieven kan testen om het beste initiatief voor jouw bedrijf te vinden.

Om het juiste experiment te definiëren lijst je al je uitdagingen op. Focus vervolgens op de meest prioritaire uitdaging om oplossingen te brainstormen. Vervolgens kan je de meest haalbare oplossingen gaan testen in experimenten.

Experiment design

Voordat je tests kan doen moet je natuurlijk weten wat je wil testen. Hiervoor dient het experiment design. In deze stap leg je de hypothese die je wil testen vast. Met andere woorden wat is het doel dat je wil bereiken met het experiment en hoe zal je bepalen of het al dan niet succesvol was?

Veronderstelling

Wat is de hypothese die je wil stellen? Bijvoorbeeld: “Als we wekelijkse een reminder notificatie installeren verhogen we de retentie van onze gebruikers”.

Acties

Welke acties zal je ondernemen om deze veronderstelling te testen? Dit is een korte omschrijving van het experiment zoals: we zullen wekelijkse automatische notificaties installeren.

Minimum succes criteria

Welke criteria zijn vereist om de veronderstelling succesvol uit te voeren? Je doel is niet om meteen een perfecte ervaring te bieden maar te zien of de essentie van het probleem wordt opgelost of vergemakkelijkt. Indien dat zo is kan je verder bouwen op de minimum oplossing, indien dat niet zo is begin je een nieuw experiment. In de toekomst doe ik nog een artikel over hoe je met een prototype kan gaan testen.

Metric(s)

Welke metrics kan je bijhouden om te bepalen of je experiment succesvol is geweest? In marketing wordt dit ook wel de OTM genoemd (One Metric that Matters). Door vast te pinnen op de essentie hou je het simpel en kan je met een laserscherpe focus analyseren.

Succesvol als…

Bepaal wanneer je het experiment als geslaagd zal verklaren. Zoals: het experiment is succesvol als de retentie van dit cohort stijgt met 5%.

Data verzamelen

Kwalitatief

In een data-gedreven wereld is kwalitatieve data een echte troef geworden. Door effectief met je gebruikers te gaan praten en feedback te verzamelen over de ervaring die je klant meemaakt kan je de ervaring nog meer optimaliseren.

Om het wat concreter te maken werk ik terug met het notificatie voorbeeld. Stel dat je uit harde data kan afleiden dat de notificatie de retentieverhoging van 5% niet haalt zal je niet direct weten wat de oorzaak daarvan is. Wanneer je gebruikers hierover bevraagt kan je inzichten krijgen in de ‘waarom’, het machtigste tool van een marketer. Zo kan je bijvoorbeeld achterhalen dat de retentie niet verhoogt omdat gebruikers niet graag notificaties zonder reden ontvangen.

Persoonlijk vind ik een testgroep van 3 tot 5 gebruikers meer dan genoeg om kwalitatieve gesprekken mee te voeren. Vaak laten we hun eerder vrij in de ervaring en noteren we zowel de plus als minpunten die ze opsommen. Als je meer gerichte feedback zoekt kan je de plus en minpunten noteren van bepaalde aspecten of criteria in je prototype. Na enkele interviews zie je wederkerende inzichten maar ook totaal verschillende inzichten. Het is jouw job om met deze feedback aan de slag te gaan.

Voorbeelden van kwalitatieve onderzoeksmethoden zijn diepte-interviews, focusgroepen, groepsdiscussies, Delphi-studies en meer.

Kwantitatief

Kwantitatieve data gaat over representatieve cijfers die je standpunten onderbouwen. Voor kleine bedrijven en startups is het vaak moeilijker om aan deze data te komen vanuit eigen perspectief. Het verkeer van een website met gemiddeld 10 maandelijkse bezoekers is vaak niet meer verrijkend dan een persoonlijk diepte-interview. Het is altijd best om te kijken naar de data van bestaande klanten.

Transactie data die bekijkt welke producten gekocht worden door welke personen kunnen je direct een beter inzicht geven in de interesses en noden van je doelgroep. In deze tijd kan je ook online ontzettend veel onderzoeken vinden van verschillende sectors en doelgroep-profielen.

Tools zoals Google analytics, Kissmetrics en een hele boel anderen helpen je met informatie verzamelen van het online gedrag van jouw consumenten. Zo kan je zien

Wanneer je experimenten runt is het makkelijker deze data te verzamelen aangezien je slechts op één metric focust. Dat kan alles zijn van hoeveel mensen een advertentie zijn, de tijd die een klant op een webpagina besteed tot het aantal mensen die doorklikken op een link. Voorlopig duiken we hier nog niet te diep op in doordat het heel moeilijk verteerbare materie is. Er wordt wel gewerkt aan een manier om dit simpeler te maken.

Data analyse 

1)    Structureren data

Zodra je al de data hebt verzamelt is het belangrijk om deze goed te structureren. Je kan hiervoor verschillende visualisatie-tools gebruiken zoals grafieken, diagrammen en draaitabellen. Let wel dat je dit enkel doet wanneer het een meerwaarde is voor de data-analyse. Een goede visuele tool om je sales en marketing processen op te visualiseren is de funnel.

www.phelixbranding.com

Het vastleggen van kwalitatieve data is vaak iets ingewikkelder aangezien je eerder vrije en dus verschillende of anders verwoorde data krijgt. Wat je kan doen is telkens de kern van een antwoord op één tot drie post-its schrijven die je vervolgens per thema kan indelen.

www.phelixbranding.com

2)    Zoeken naar gelijkenissen causale verbanden

Nu je alle antwoorden hebt verzamelt en visueel weergegeven kan je op zoek gaan naar gelijkenissen bij verschillende gebruikers. Is er bijvoorbeeld een bepaald type klant die telkens op hetzelfde probleem stoot? Dan kan je binnenin die doelgroep op zoek gaan naar het causale verband of de oorzaak.

3)    Zoeken naar contradicties en verschillen

Vaak zijn er ook totale verschillen in de antwoorden. Dat is goed! Zo weet je bijvoorbeeld voor welke doelgroep je boodschap het meest geschikt is en kan je zo een relevantere boodschap aan elk verschillend profiel bieden.

4)    Beschrijving data

Eerst maak je een gewone observatie van de data. Dit noemen we een data beschrijving. Het verschil tussen deze en de volgende stap is dat je hier enkel en alleen feiten benoemd en dus nog geen eigen interpretatie aan de data geeft, ook al wordt je als expert in het onderwerp gezien.

5)    Interpretatie van de data

Nu kun je jouw eigen interpretatie neerschrijven uit de gevoerde onderzoeken. Wat denk jij dat de correlaties en oorzaken zijn van bepaalde gedragen? Vind je andere bronnen die dat standpunt ondersteunen? Is de data representatief genoeg om een eigen interpretatie aan te geven?

6)    Conclusie en aanbevelingen

Ten slotte kun je een conclusie trekken uit het onderzoek. Was je experiment wel of niet succesvol en wat zijn de oorzaken hiervan? Je beantwoord met andere woorden de hypothese die je gesteld had in je experiment. Uiteindelijk kan je aanbevelingen maken voor de volgende stappen wat vaak resulteert in een nieuw experiment of een verbetering van het huidige prototype.

 

Zit je na dit artikel met vragen over data of user testing? Voel je vrij om met ons contact op te nemen via phelixbranding@gmail.com, onze website of stuur ons gewoonweg een berichtje op de sociale media.

 


Recente blogberichten

Jente V.'s avatar

Jente V.
29 april 2020 - 2 minuten

Stem voor de Gentrepreneur awards en win een gratis workshop!

Wat is Gentrepreneur?Gentrepreneur is een initiatief van...

Jente V.'s avatar

Jente V.
04 december 2019 - 4 minuten

Waarom en hoe maak je een prototype?

Waarom prototypen? Een prototype is een...

Jente V.'s avatar

Jente V.
20 november 2019 - 7 minuten

Verlaag de drempel, verhoog je conversie

Conversie is het proces waarin een totale onbekende...