Suurepärase disaini ja parema kasutajakogemuse ristumiskohas on kaks põhimõistet, mis täiendavad üksteist, olles samas ka oma lähenemisviisilt erinevad.

Andmepõhine disain

Sõna “andmed” kasutati esimest korda 1640. aastatel. Levinud arvamuse kohaselt kogutakse andmeid ja need muutuvad otsuste tegemiseks sobivaks teabeks, kui need on juba analüüsitud.

Analüüsitud andmed võivad aidata probleeme paljastada, pakkuda nende probleemide kohta rohkem teavet ja hinnata lahenduste tõhusust. See on tõsi, olenemata sellest, kas tegemist on teadusandmete või disainiga seotud andmetega.

'Andmete kogumine ja analüüsimine on parema kujunduse ja kasutajakogemuse loomise võti,' kirjutab Kujundusblogi toimetaja Cameron Chapman.

Sellisena kasutab andmepõhine disain andmeid (mõlemad kvalitatiivne ja kvantitatiivne ) teavitama disainerid kogu projekteerimisprotsessi vältel. Saadud kujundused on köitvamad ja kohandatud vastavalt kasutaja eelistustele, eesmärkidele ja käitumisele.

Disainiprotsessi terviklikult vaadates näeme, kuhu andmepõhine disain sobib:

• Avastus
  • Probleemi määratlemine
  • Teabe kogumine (andmepõhine)
  • Ajujaht ja analüüs
• Kujundus
  • Töötage välja lahendused (andmepõhised)
  • Korduvad
• Valideerimine
  • Tagasiside (andmepõhine)
  • Korduvad

Kust me andmeid saame? Andmed võivad pärineda mitmest allikast, näiteks analüütika, kasutaja testimine, uuringud (esmane, sekundaarne, generatiivne) ja kasutatavuse testid. Seda saab kogu projekteerimisprotsessi jooksul kasutada mitmel viisil, kuna igas olukorras pole kõigile üht kanoonilist viisi. Siin on mõned näpunäited andmete rakendamiseks seoses kujundusega:

kuidas teha kasutaja testimist

• Numbrid ja kontekst - Kvantitatiivsed ja kvalitatiivsed andmed toimivad tervikliku loo rääkimiseks hästi.
• Erinevad andmed - Analytics, klienditeeninduse logid, müügiandmed, intervjuud, uuringud, kasutatavuse testid ja A / B testid on mõned näited.
• Tundlik inimkogemuse suhtes - Kasutage keskmisi mõõdukalt, kinnitage heldelt ja järeldage ettevaatlikult.
• Standardiseeritud jagamine - Töötage välja viisid andmete arutamiseks ja jagamiseks, et kõik saaksid põhitõdedest koos aru.

Üks või kaks andmekogumit ei anna hästi informeeritud tulemuste komplekti ja kuna eesmärk on arendada selget arusaama igapäevasest kogemusest, on mõistlik kaaluda võimalikult mitut tüüpi andmeid.

Kui loome kasutajauuringutel, teooriatel või protsessidel põhinevaid kujundusi, annavad need andmed meile usaldusväärsemad vastused. Võiksime aimata ja 'minna sisikonnaga kaasa', kuid see võib olla kulukas ja ebaefektiivne. Efektiivsem on strateegia kujundamine kui arvamine.

Sõna ettevaatusega. Andmeid on lihtne üle lihtsustada ja valesti tõlgendada. Võime keskenduda ühele aspektile ja eirata seda, mis meid ei huvita, või lisada subjektiivse vaate, mis võib nii disaineri kui ka kasutaja kitsale teele viia. Objektiivsus, avatud meel ja kõigi andmepunktide arvestamine on suurepärane lähenemisviis.

Andmepõhise kujunduse jaoks kasutatavad tööriistad

Kujundajatena kasutame disainide teavitamiseks ja kujundamiseks nii kvalitatiivseid kui ka kvantitatiivseid andmeid, seega on kasulik mõista mõnda kasutatavat tööriista. See pole sugugi ammendav loetelu kõigist saadaolevatest tehnikatööriistadest või tarkvarast.

Kvantitatiivsed andmepõhised kujundustööriistad

See eeldab, et on olemas sellised tööriistad nagu Google Analytics, Adobe SiteCatalyst jne.

• Põrge lahti - maandumislehe tööriist, mida kasutatakse A / B-testide testimiseks.
• Optimeeritult - Teine sihtlehe tööriist, mis pakub ka analüüsi ja mitmemõõtmelisi sihtlehtede teste.
• Google Optimize - Google Analyticsi integreeritud Optimize aitab disaineritel mõista, kuidas veebisaiti saab parandada.

Kvalitatiivsed andmepõhised kujundustööriistad

• Kasutaja testimine - tööriist kasutajauuringute jaoks, mis annab kasulikke teadmisi.
• Kasutatavuse keskus - lõpp-t0 lõppkasutaja kaugtestimise platvorm.
• Optimaalne töötuba - Veebisaitide ja teabearhitektuuri veebipakett kasutatavuse tööriistu.
• Hull muna - kuumakaardi tööriist, mis aitab mõista ja parandada veebisaitide paigutusi.

Andmepõhise disaini parimad tavad

Andmepõhine disain töötab kõige paremini siis, kui organisatsioon järgib kõigi disainimeeskondade standardeid ja tavasid. Siin on mõned eduka andmepõhise kujunduse parimad tavad:

• Kui muudatused on ellu viidud, kasutage kvantitatiivseid andmeid, näiteks analüüsi seansid, põrkemäärad ja kuumakaardi tulemused.
• Kasutage andmete triangulatsioon leida õiged probleemi- / võimaluste piirkonnad ja kitsendada hüpoteese.
• Kirjutage ja dokumenteerige hästi struktureeritud hüpoteesid, mida saab mõõta ja kinnitada.
• Omage testimisstrateegiat, mida saab laialdaselt edastada. See peaks minema paar kihti sügavale, kuid mitte liiga palju, ja seda tuleks perioodiliselt uuendada.

Andmeid, kuigi need on projekteerimisprotsessi jaoks väidetavalt kasulikud, ei tohiks kasutada ainult. On lihtne ette kujutada olukorda, kus andmepõhise lähenemisviisi kohene tagasiside võib viia projekti lõpliku lõpuni, arvestamata muud tüüpi sisenditega.

Generatiivne disain

Kui andmepõhine disain põhineb kvantitatiivsetel ja vähemal määral kvalitatiivsetel sisenditel, siis generatiivne disain sisestab kujundamisprotsessi teabe, mis on vabalt voolav ja korduv.

Töötlevas tööstuses generatiivne disain võimendab masinõpet matkida looduse evolutsioonilist lähenemist. Disainiparameetrid sisestatakse tarkvarasse ja algoritmid uurivad lahenduse kõiki võimalikke kombinatsioone, mille tulemuseks on sageli sadu valikuid.

Generatiivne disain on võimalike kombinatsioonide uurimine, mida projekteerimisprotsessis nimetatakse iteratsiooniks, s.t mitmekesiste lahenduste saamiseks paljude erinevate „kujunduste” läbimine.

Tootekujunduses on see kontseptsioon väga sarnane disaini mõtlemise protsess , ainult tarkvara asemel teevad inimesed kordusi ja mõtlevad. Kujundused luuakse sisendite hulga põhjal (ideed, elukogemused jne).

1980. aastatel, autor Bryan Lawson soovitas komplekti disainiharjutusi, kus disainerid ja arhitektid töötasid kõrvuti osaluslikult. Kuni selle hetkeni ei näinud disainerid vajadust kaasata oma protsessi osana „autsaiderid“. Kuigi tollal oli vaieldav, tõestas nende harjutuste edukus, et varajane generatiivne lähenemine oli õige.

arhitektide korraldamine üliõpilaste juhendamisel

Generatiivne disain ja disainiprotsess

Nagu andmepõhise kujunduse puhul, toimub ka generatiivne disain disainiprotsessi kõigis etappides:

• Avastus
  • Probleemi määratlemine ( generatiivne )
  • Teabe kogumine (andmepõhine)
  • Ajurünnak ja analüüs ( generatiivne )
• Kujundus
  • Töötage välja lahendused (andmepõhised)
  • Iterate ( generatiivne )
• Valideerimine
  • Tagasiside (andmepõhine)
  • Iterate ( generatiivne )

Pange tähele, et uue kujunduse korral pole veel andmeid, millele tugineda, seega kipume kõigepealt tegema generatiivse kujunduse. Kui meil on mõned ideed, mida maailmale välja panna, võime seejärel koguda oma kvalitatiivsed ja kvantitatiivsed andmed.

Generatiivne ja andmepõhine disain täiendavad teineteist. Andmepõhise kujunduse abil jõuame lahendusteni, mis on staatiline sisendi kvantitatiivse olemuse tõttu. Seejärel rakendame generatiivset kujundust ja jõuame vabalt voolavate tulemusteni, mida kordatakse ja kujundatakse, kui rohkem ideid välja tuuakse.

Generatiivsel disainil võib olla võtmeroll, võimaldades disaineritel lahendada suuremaid probleeme, mida nad muidu pole suutnud lahendada. Andmepõhine disain kinnitab, et nende probleemidega on edukalt tegeletud.

Siin on mõned eelised generatiivsele disainiprotsessile:

• Suurenenud loovus - Rohkem ideid tekib tänu generatiivse disaini iteratiivsusele.
• Kaasav disain - Erinevate häälte ja sisendite kaasamine protsessi juhib kaasavamat protsessi.
• Suurenenud tulemused - Kui protsess jätkub läbi disaini etappide, saadakse rohkem tulemusi.

Generatiivse disaini jaoks kasutatavad tööriistad

Tööriistad disainerid kasutamine generatiivse kujunduse jaoks on palju erinev sellest, mida kasutame andmepõhise kujunduse jaoks. Generatiivse kujundusega oleme huvitatud tööriistadest, mis aitavad meil inimesi kvalitatiivsest vaatenurgast korrata ja paremini mõista:

• Post-It märkmed - Lihtsaim viis ideede genereerimiseks. Post-It märkmeid kasutatakse ajurünnakutes inimeste mõtete kiireks ja hõlpsaks jäädvustamiseks.
• Tahvlid - Ajurünnak on kaasav harjutus, mis võimaldab inimestel tuua rühmast väljapoole suunatud perspektiivi ja ideed.
• Balsamiq - iteratsiooniks ja kasutajate tagasiside kogumiseks kasulik madala täpsusega juhtmeta raamistamise tarkvara tööriist.
• Visand - populaarne tarkvaratööriist, mida saab kasutada juhtmestiku loomiseks, prototüüpide loomiseks ja makettide loomiseks disainiprotsessi kõigis etappides.

Edukas generatiivne disain

Generatiivne disain on pidev protsess ja läbimõeldud inimkogemuse uurimine, kuna see puudutab käsitletavat disainiprobleemi. Siin on mõned näpunäited, mida meeles pidada:

• UX uuringud - Too kliendikesksed mõtteviisid disainiprotsessi võimalikult varakult. Generatiivne disain tugineb inimkesksele tagasisidele
• Testide kavandamine varakult - Iteratiivne testimine on suur osa generatiivsest disainist ja toimub kogu disainiprotsessi vältel.
• Kaasav disain - Erineva tausta ja kogemustega inimeste kaasamine aitab lauale tuua uusi ja uusi vaatenurki.

Optimeeritud tulevik

Andmepõhine disain ja generatiivne disain eksisteerivad samaaegselt, et disaini kaudu paremaid inimkogemusi luua. Andmed ja andmepõhine disain annavad meile konkreetset teavet, mida saame probleemi analüüsimiseks kasutada.

Kui andmeid ei oleks, poleks meil midagi uurimist väärt. Kui oleme lahenduste komplekti silmas pidanud, saame seejärel generatiivse disaini sisse ehitada, et aidata neid lahendusi tulemusteks kujundada.

Paljudel viisidel võib nende disainiprotsesside kokkusulamine kehastada disaini tulevikku: kujundusmõtte ja traditsioonilise disaini vahelise lõhe ületamine.

c ++ kompileerige päisefail

Oleme hakanud alles kratsima pinda, kuhu need kaks disainilahendust meid viia võivad. Kui andmepõhine disain oli maailma mõnes kõige uuenduslikumas tootes ja teenuses oluline, võib selle kombineerimisest generatiivse kujundusega palju kasu olla. Võib-olla võiksid need kaks sillutada teed keeruliste disainiprobleemide lahendamiseni.

---

Andke meile teada, mida arvate! Palun jätke oma mõtted, kommentaarid ja tagasiside allpool.

• • •

Lisalugemine ApeeScape'i disainiblogist:

• Disaini põhimõtted ja nende tähtsus
• Parimad UX-i disainerite portfellid - inspireerivad juhtumianalüüsid ja näited
• Gestalti disainiprintsiipide uurimine
• Adobe XD vs Sketch - milline UX-i tööriist sobib teile?
• 10 UXi pakutavat tippdisainerit kasutavad

Põhitõdede mõistmine

Mis täpselt on andmeanalüüs?

Andmeanalüütika on toorest teabeallikast ülevaate saamine. Andmepõhine disain ja andmeanalüütika võivad aidata ettevõtetel suurendada tulusid, parandada operatiivset efektiivsust ja reageerida kiiremini tekkivatele turutrendidele.

Mis on UX-i isik?

Isik on teie toote või teenuse kavandatud kasutaja kirjalik esitus. Persona eesmärk on tuua oma projekti reaalses perspektiivis sihtkasutajate pilgu läbi. Persoonad on empaatia ja kasutajakogemuse jaoks kriitilised disainivahendid.

Mis on generatiivne uuring?

Kasutajate ja nende käitumise kohta teabe saamiseks viiakse läbi generatiivseid uuringuid. Generatiivsed uuringud aitavad määratleda vaadeldavat probleemi.

Mis on UX-is kasutatavuse testimine?

Kasutatavuse testimine on toote või teenuse hindamine tüüpiliste kasutajatega testimisel. Testid hõlmavad kasutajaid tavaliselt erinevate ülesannete täitmisel, samal ajal kui vaatlejad vaatavad, kuulavad ja teevad märkmeid. See on sageli osa andmepõhisest kujundusest.

Mida loetakse kvantitatiivseteks andmeteks?

Andmepõhise kujunduse kaudu saadud kvantitatiivsed andmed on arvulised või andmed, mida saab teisendada kasutatavaks statistikaks. Kvantitatiivsete andmetena loetakse igasugust mõõdetavat ja loendatavat teavet.