Nghiên cứu UX định lượng khác gì với Phân tích dữ liệu?

Điểm tương đồng giữa nghiên cứu UX định lượng và phân tích dữ liệu

Sự nhầm lẫn là điều dễ hiểu bởi cả nghiên cứu UX định lượng và phân tích sản phẩm đều làm việc với dữ liệu. Chúng tôi được đào tạo để làm những phân tích định lượng với nhiều nguồn dữ liệu khác nhau, bao gồm: thử nghiệm, khảo sát và nhật ký hành vi. Ở cả hai nhóm, nhiều người trong chúng tôi có background trong các lĩnh vực tâm lý xã hội, thống kê, khoa học máy tính và kinh tế. Nhưng kiến thức ấy giúp chúng tôi nắm bắt được insight, cũng hiểu sâu về hành vi sử dụng thông qua những tập dữ liệu lớn.

Ở Facebook, nhóm phân tích data và nhóm nghiên cứu UX có chung một sứ mệnh là giải thích các hiện tượng mà chúng tôi quan sát được từ dữ liệu. Cả hai nhóm chúng tôi đều tập chung vào việc đưa ra các suy luận và lý giải về data, mối tương quan giữa các biến số và giải thích những pattern và thay đổi có trong data. (Ngược lại, các kỹ sư máy học và các vai trò khác trong lĩnh vực dữ liệu tập trung vào việc đưa ra dự đoán một cách chính xác nhất có thể.)

Cả hai nhóm đều dùng công cụ chính là số liệu thống kê. Chúng tôi viết mã trong phần mềm phân tích dữ liệu như R, Python hoặc SPSS. Chúng tôi dành nhiều thời gian tìm kiếm và biểu đồ hoá data để từ đó đưa ra những giả thuyết. Chúng tôi biểu đồ hoá những mối quan hệ phức tạp của các điểm dữ liệu bằng cách sử dụng nguồn thư viện có trong R và Python. Chúng tôi cũng cần có hiểu biết về các hệ thống dữ liệu phân tán như Presto và Hive (chút hiểu biết về SQL là đủ để làm việc với những công cụ ấy). Hầu hết công việc của chúng tôi kết thúc với việc trình bày một cách rõ ràng, cụ thể kết quả mà chúng tôi thu được.

Nhưng dù vậy vẫn có những điểm khác nhau cơ bản của hai vai trò, và đây là 4 khác biệt lớn nhất giữa nghiên cứu UX định lượng và phân tích dữ liệu. (Note: Sự khác biệt này được rút ra từ công việc tại Facebook và không áp dụng cho mọi nơi.)
 

Trung tâm là con người và trung tâm là kinh doanh

Để một công ty công nghệ có thể phát triển tốt luôn cần phải tập trung cho cả hai là phát triển mô hình kinh doanh và phục vụ người dùng. Hiểu về cách thức và lý do số liệu thay đổi giúp công ty xây dựng những sản phẩm tốt hơn, từ đó phát triển giá trị doanh nghiệp. Hiểu động cơ, trải nghiệm của người dùng và cách sản phẩm đáp ứng cho cuộc sống của họ cũng rất quan trọng.

Nghiên cứu UX định lượng cung cấp insight của người dùng. Người làm nghiên cứu UX thường tiếp cận dự án nghiên cứu với các câu hỏi như: Động cơ của người dùng khi sử dụng sản phẩm này là gì? Họ cảm nhận và sử dụng sản phẩm như thế nào? Họ tương tác với sản phẩm như thế nào, cả về tâm lý lẫn hành vi? Điều họ thích và không thích về những tính tăng nổi bật? Vai trò của sản phẩm trong đời sống của họ là gì?

Ở phía bên kia, những người làm khoa học dữ liệu thường bắt đầu với câu hỏi liên quan tới việc cách sản phẩm đã, đang và sẽ đáp ứng với thị trường. Những câu hỏi như: Một sản phẩm nổi bật thay đổi những số liệu về hành vi như thế nào (lượt click, thời gian sử dụng)? Sản phẩm của chúng tôi nhận được bao nhiêu lượt tải, từ các thiết bị nào? Tính năng nào được sử dụng và tính năng nào không?

Dù vấn đề mà phân tích dữ liệu và nghiên cứu UX định lượng phải giải quyết là khác nhau, nhưng họ có chung quy trình là thu thập và phân tích dữ liệu để hiểu được tương quan trong mối quan hệ của con người với công nghệ. 

Nghiên cứu UX định lượng với Phân tích dữ liệu: Sự khác biệt đến từ Ý định của người dùng và hành vi của người dùng

Hành vi của người dùng cho chúng ta biết về trạng thái sử dụng sản phẩm - ví dụ: số lượt click của một tính năng hay thời gian và tần suất sử dụng của người dùng app, website.

Mặt khác, ý định của người dùng là mối quan hệ giữa người dùng và các tính năng có (hoặc không có) sẵn của sản phẩm. Ví dụ như trong 10 lượt click có bao nhiêu lượt là do không hứng thú và bao nhiêu lượt click hỏng? Điều gì đưa người dùng trở lại app và họ cảm nhận như thế nào về nó? Trong khoảng thời gian người dùng truy cập, bao nhiêu là thời gian sử dụng, bao nhiêu là thời gian họ phải tìm kiếm tính năng thiếu trực quan?

Những người làm khoa học dữ liệu ít bận tâm tới những câu hỏi ấy, thay vào đó họ quan tâm tới các số liệu và hiệu quả của sản phẩm dựa trên hành vi sử dụng của người dùng. Họ quan tâm tới thời điểm, tính đa dạng và mức độ lặp lại của những hành vi, như lượt view, tỷ lệ nhấp, thời gian sử dụng, thời gian chờ.

Xem thêm: 11 Nguyên tắc thiết kế web sẽ tăng tỷ lệ chuyển đổi của bạn

Những người làm nghiên cứu UX, bao gồm nghiên cứu định lượng, chủ yếu quan tâm đến việc hiểu cách người dùng sử dụng sản phẩm của họ, những vấn đề và phương pháp có thể có. Công việc của nghiên cứu định lượng là cố gắng hiểu được hành vi của người dùng thông qua những pattern trong những dữ liệu thu được. Họ cũng cố gắng đo lường chất lượng về trải nghiệm của người dùng qua những báo cáo khảo sát hoặc dữ liệu hành vi.

Trong khi nhà khoa học dữ liệu quan tâm nhiều hơn về việc có bao nhiêu người sử dụng tính năng mới và hành vi của họ sau đó. Mục tiêu của họ là biết được có bao nhiêu người dùng tính năng, với những hoàn cảnh và động lực nào, và họ cảm nhận của họ về những trải nghiệm ấy.

Suy luận và độ chính xác của dự đoán

Giống như các nhà khoa học dữ liệu, những nhà nghiên cứu UX định lượng sử dụng các công cụ thống kê để thu thập insight từ dữ liệu. Nhưng dù hai nhóm dùng chung công cụ nhưng cách họ dùng công cụ ấy lại khác nhau, bởi mục tiêu của họ vốn khác nhau.

So với nhà nghiên cứu UX, các nhà khoa học dữ liệu thường hướng tới mục tiêu cải thiện độ chính xác của các mô hình. (Mô hình chính xác nhất là mô hình máy học hộp, thứ mà rất khó để giải thích về mặt bản chất.)

Các nhà nghiên cứu UX thì thường làm việc theo hướng suy luận. Trong nhiều trường hợp, chúng tôi không tìm cách dự đoán các hiện tượng trong tương lai mà chúng tôi muốn hiểu rõ hơn về các nguyên nhân ẩn dưới hành vi và trải nghiệm của người dùng. Đó là lý do những mô hình khoa học xã hội mà các nhà nghiên cứu UX sử dụng dễ diễn giải hơn nhưng có định chính xác thấp hơn.

=> Những điều các nhà lãnh đạo cần biết về thiết kế và trải nghiệm khách hàng

Sự khác biệt về Phân tích dữ liệu khảo sát và dữ liệu nhật ký hành vi giữa Nghiên cứu UX và Phân tích dữ liệu

Trong khoa học dữ liệu, nhật ký dữ liệu là nguồn dữ liệu chính. Trong khi các nghiên cứu UX định lượng sử dụng kết hợp dữ liệu nhật ký và dữ liệu khảo sát. Tuỳ vào câu hỏi cần nghiên cứu mà chúng tôi có thể sử dụng duy nhất một nguồn hoặc kết hợp nhiều phương pháp thu thập và phân tích khác nhau.

Phân tích dữ liệu khảo sát yêu cầu một phương pháp luận khác với phân tích dữ liệu nhật ký. Để hiểu chính xác về dữ liệu khảo sát, những nhà nghiên cứu định lượng phải xem xét và lập mô hình thiết kế khảo sát và quá trình thu thập dữ liệu. Do đó, dữ liệu khảo sát thường được phân tích với một số mẫu quy hồi (regression), trong đó những yếu tố thiết kế khảo sát được đưa vào mô hình. Đối với dữ liệu nhật ký hoạt động, các nhà khoa học dữ liệu có thể bỏ qua yếu tố thu thập dữ liệu này.

Độ lớn của dữ liệu nhật ký thường lớn hơn dữ liệu khảo sát vài lần. Do đó, quá tải và tốc độ thuật toán là những vấn đề quan trọng trong dữ liệu nhật ký nhưng không thường thấy trong dữ liệu khảo sát. Trong khi mẫu quy hồi được dùng trong việc phân tích dữ liệu nhật ký, khoa học dữ liệu lại thường dùng các phương pháp liên quan tới chính quy hoá (regularization) để giải quyết những vấn đề từ độ lớn dữ liệu.

Làm việc cùng nhau

Có nhiều trường hợp, vai trò của khoa học dữ liệu và nghiên cứu UX định lượng có thể hoán đổi. Nhưng đồng thời chúng là những vai trò bổ trợ cho nhau, tận dụng tối đa kỹ năng và chuyên môn đa dạng. Trên thực tế, tại Facebook, những dự án nghiên cứu có hiệu quả và hoàn thiện nhất là những dự án có sự góp mặt của cả hai bên.

Nhu cầu của cả hai nhóm đều không có dấu hiệu giảm. Số lượng và sự đa dạng của các câu hỏi nghiên cứu về mối quan hệ giữa công nghệ và con người giữ cho khoa học dữ liệu và nghiên cứu UX định lượng tồn tại song song, giúp doanh nghiệp và công nghệ phục vụ con người tốt hơn.

Xem thêm: 5 câu hỏi cần đặt ra khi bắt tay vào kế hoạch xây dựng web

Bài viết bởi Duyen Mary Nguyen tại Medium,
Dịch và biên tập bởi Beau Agency