User Research und Analytics Zusammenarbeit

User Research und Web Analytics – Das Beste aus beiden Welten

Wie bringen wir unterschiedliche Herangehensweisen von User Research und Web Analytics unter einen Hut? Wie können wir effizient und mit hoher Qualität im Ergebnis zusammenarbeiten? Nicht nur unterschiedliche Methoden, sondern eine ganz andere Sichtweise machen den Einstieg knifflig.

Unterschiedliche Sichtweisen und warum die Kooperation am Anfang nicht einfach ist

Die einen verstehen die Kanäle und deren Zusammenspiel vorrangig als Klick-, Like- und Lead-Lieferant, die anderen sprechen dem inhaltlichen Sinn mehr Bedeutung zu.
In der einen Welt geht es vor allem um Erfolge durch punktuelle Maßnahmen, die andere ist vom ganzheitlichen und langfristigen Blick auf die Kundenbeziehung geprägt. Wo für die einen absolute Zahlen die größte Rolle spielen, hat für die anderen die Qualität im Sinne der Story und die Verankerung im Kopf des Nutzers einen höheren Stellenwert. Und während die einen die Schilder aufstellen, machen die anderen den Weg klar und sorgen dafür, dass sich der Nutzer am Ziel wohlfühlt.

Wenn Data und Deanna Troi zusammenarbeiten, prallen zunächst zwei Werte- und Methodenwelten aufeinander, deren Vertreter eine gemeinsame Grundhaltung finden und Neugierde für die jeweils andere Haltung mitbringen müssen.

User Research und Web Analytics: Erste Schritte zur Zusammenarbeit

Wenn beide Seiten sich darauf einigen können, dass sich Fragestellung und Ergebnis hervorragend ergänzen und neugierig aufeinander sind, wenn verstanden wird, dass Analytics im Wesentlichen schneller darin ist, die Was- und die Wieviel-Fragen zu klären, während qualitative User Research sich eher um Motivationen, Wahrnehmung und Erwartungen kümmert und somit den relevanten Handlungsspielraum für die Differenzierung von Unternehmen öffnet, dann kann sich das Unerwartete entfalten und wirklich neue, passgenaue Anwendungen können entstehen.

Die Worte im Wesentlichen und eher habe ich absichtlich gewählt, denn beide Welten haben Methoden für die jeweils andere Seite aber in der Zusammenarbeit sollte es darum gehen, das jeweils Beste und Effizienteste aus beiden Welten einzusetzen.

Was bedeutet das konkret für den Prozess in Optimierungsprojekten?

Vorgehen in Optimierungsprojekten: Analytics und User Research

Das gemeinsame, strategische, an Zielen und KPIs orientierte Vorgehen gewährt sowohl User Research als auch Analytics die Entfaltung ihrer Möglichkeiten und erzeugt hervorragende, integrierte und messbare Ergebnisse.

1. Ziele und KPIs definieren

In einem oder nach Bedarf mehreren gemeinsamen Workshops werden Ziele festgelegt und KPIs, die auf diese Ziele einzahlen, abgeleitet. Oft ist es sinnvoll, zunächst festzustellen, ob und welche Daten fehlen um Ziele und KPIs sauber definieren zu können. Diese Lücke sollte geschlossen werden.

2. Nutzerbedürfnisse verstehen

Projekte, die an den Bedürfnissen der Nutzer vorbei konzipiert werden, sind Zeitverschwendung. In dieser Phase geht es darum, Wissensgrundlagen für das Projekt zu schaffen, Motivationen, Bedürfnisse und Erwartungen zu erheben und eine solide und valide Datenlage herzustellen. Gegebenenfalls wird es notwendig, das Zielset und die KPIs auf diese neuen Erkenntnisse anzupassen. Flexibilität ist immer und besonders hier gefragt.

3. Insights verdichten, Ideation, Hypothesen bilden

Die Daten werden jetzt zu sinnvollen Clustern zusammengeführt, Wichtiges wird von Unwichtigem getrennt, Ziele und Bedürfnisse priorisiert. Es entstehen zum Beispiel Personas, Segmente und Experience Maps. Mit diesem Wissenstand werden Ideen generiert wie Businessziele erreicht, Erwartungen der Nutzer getroffen und Painpoints beseitigt werden können.

Customer Journey
Personasteckbrief
Persona-Eigenschaften

4. Hypothesen formulieren und priorisieren

Aus den User Insights, den Data Insights, aus Best Practises und den Ideen werden Hypothesen nach einheitlichem Muster formuliert.

Vorgehen – Hypothesenbildung
Hypothesen formulieren

Welche Hypothesen ausgewählt oder prioritär überprüft werden, hängt von den zuvor definierten KPIs und den Erfolgschancen ab.

Beispielhafte Priorisierung und Eingrenzung:

  • Alle auf die Ziele einzahlenden Hypothesen
  • Welche Nutzergruppe priorisieren wir? Auswahl: Alle Hypothesen, die einer Persona oder einem Segment zugeordnet werden können
  • Welcher Nutzungskontext ist momentan der Wichtigste? Auswahl: Alle Hypothesen die zu diesem Nutzungskontext passen
  • Welche Hypothesen haben hohes Erfolgspotential? Auswahl: Alle Hypothesen mit Erfolgschancen
Vorgehen – Hypothesenpriorisierung

5. Varianten erstellen und testen

Auf Basis der ausgewählten Hypothesen wird jetzt ein Testkonzept erstellt. Die Varianten werden gestaltet und umgesetzt. Das Ganze findet im interdisziplinären Team und agil statt. Es erfolgt die A/B-Testplanung, Einrichtung und Durchführung. Idealerweise werden auftauchende Fragen, die Erwartungen und Bedürfnisse betreffen, anhand von schnellen Nutzerbefragungen geklärt. Ergebnistypen sind Reports und natürlich verbesserte Websites oder Anwendungen.

6. Know-How Transfer von uns zum Kunden

Einerseits gewinnen wir Wissen über das Produkt, die Nutzer oder die Website wenn wir Insights erheben oder Tests durchführen. Dieses Wissen, insbesondere über die Nutzer, wird natürlich für das aktuelle Projekt angewandt, kann jedoch auch anderen Abteilungen und dem gesamten Unternehmen dienlich sein.
Andererseits lernen unsere Kunden wie Optimierung generell funktioniert oder wie sie ihre Optimierungsprozesse durch ein strukturiertes, zielorientiertes, strategisches Vorgehen verbessern und wirklich messbar machen können.
Diese Learnings können unsere Kunden dann einsetzen und ausbauen.

Und nicht vergessen: Wirklich erfolgreich sind wir dann, wenn ständige Verbesserung der Normalzustand geworden ist.

Katja Paar

Digital Strategist, Storyteller, Visualizer, Design Thinker, UX Enthusiast, Trainer, Hiker, Salsera, Leitung Kreation bei mediaworx berlin AG.

E-Mail
Artikel teilen

Kommentar?

mediaworx Newsletter