UX och kvantitativ uppföljning av användarupplevelser

UX: Döda klick enligt webbanalys-verktyget Fullstory

Det tycks vara lätt att fastna i Google Analytics och liknande verktyg för sitt arbete med webbanalys och helt glömma UX (User Experience), men då missar man en hel del möjligheter. Ett sådant alternativ jag skrev om nyligen är Fullstory. Jag har nu kört det verktyget i två veckor på denna webbplats och har nått lite fler insikter jag tänkte dela med mig av.

UX och webbanalys

Webbanalys förknippas nog ofta med kvantitativa metoder, medan UX främst antas handla om ett kvalitativt arbetssätt. Och aldrig mötas de två, eller? Så behöver det inte alls vara. UX behöver inte handla om djupintervjuer, observation av en handfull användare som sitter i ett digitalt labb eller etnografiska studier av användarna som om de vore ett bortglömt naturfolk i Amazonas. Man kan mycket väl studera användarupplevelser på gruppnivå, göra statistik av det hela, segmentera fram särskilda grupper och sålla fram enskilda användarsessioner för en mer närgången inspektion.

Låg webbprestanda ger dålig UX

Du som läst min bok om webbstrategi kanske noterade allt om hur man kan jobba för att ha en hög prestanda på sin webbplats. Och de som läst min bok om webbanalys får bevis om varför prestanda är viktigt för en nyttig och lönsam webbplats. Att en långsam webbplats ger en dålig användarupplevelse är förhoppningsvis självklart för de flesta. Vid det här laget är det nog vanligt att man, särskilt i ett mobilt scenario, kämpat med en långsam webbplats, ofta med stor frustration.

Anledningen till att webbprestanda varit populärt ett tag kan bero på att det varit ganska lätt att mäta. Jag har själv sedan 2010 mätt detta, bland annat genom Googles Pagespeed API. Numera finns en variant av denna information även inne i Google Analytics, så vad gör man nu för att hänga med?

Vi kan helt enkelt börja mäta andra saker. Det finns rent utav en bok om detta; Quantifying the User Experience: Practical Statistics for User Research. Boken är visserligen läsvärd, men för den som vill mjukstarta sitt arbete med kvantifierbar UX så funkar exempelvis Fullstory.com’s verktyg bra som en aptitretare. Det är också ett visuellt sätt att skapa acceptans för att lägga pengar och energi på mätbar UX för dig som har chefer att övertyga.

Döda klick – när användaren klickar på något som inte är en länk

En intressant grej jag funnit via verktyget Fullstory är att folk klickar där de inte borde. Där det inte finns länkar. Sen kan man fråga sig om det är jag som har fel eller användarna? Självklart kan inte varje webbplats förvänta sig att påverka de konventioner användarna lärt sig, därför är det intressant att lära sig vad folk tror är klickbart men som inte är det – det är vad döda klick handlar om.

Jag tycks ha ganska få användbarhetsfel på den här lilla webbplatsen, men de som finns handlar nästan uteslutande om att användarna försöker klicka på texter som inte är länkade. Detta gör alltså en procent av besökarna (se bild på rapport). För varje sådant misslyckande får man reda på vilken adress som besöket var på och kanske börjar se vissa mönster i felaktig design värda att åtgärda.

Praxis inom UX = cirka 5-7 användare räcker

Här kommer det kvantitativa in och beblandar sig med UX. Eller för dig som vill ha det på ett enkelt språk – när vi gör vanlig jäkla statistik av livs levande användares upplevelse. Ofta inom UX följer man Jakob Nielsen & Co’s tips om att man med UX och användbarhet kommer långt med att prata med cirka 5-7 användare. Det är nämligen så att man ganska snart börjar höra ganska exakt samma sak när man intervjuar användare om deras upplevelser. Man når helt enkelt en mättnadsgrad av vilka insikter man kan förvänta sig att nå runt 7 användare.

Nog för att detta sätt att se på saken är högst giltig i kvalitativa sammanhang (läs: manuellt och rätt kämpigt arbete) så finns det massor med potential till optimering om man ser UX med ett mer kvantitativt synsätt. Tänk själv, hur många procent insikt sitter var och en på om du nöjer dig med sju intervjuoffer? Ganska exakt 14,3% och det är inte en acceptabel felmarginal för de som jobbar med konverteringsoptimering (CRO – Conversion Rate Optimization). Eller ja, felmarginalen/konfidensintervallet är ju mycket större om du pratar slumpmässigt urval med en statistiker, men det resonemanget har vi inte plats för här.

Så för att gifta ihop de som jobbar med statistik, det vill säga de intresserade av konverteringsoptimering, och de som vurmar för användarens upplevelse behöver man jobba med mindre siffror än vad var sjunde användare säger under en intervju. Det är vad man kan uppnå med UX-analys i massiv skala, likt detta.

Ilskna klick – när användaren är frustrerad

Ett ilsket klickande kan mycket väl bero på att användaren tror att något är länkat, även fast det inte är det. Insikten jag gjort med Fullstory är att cirka två promille (en besökare) ilsket klickar på de pufftexter som inte är länkade. Frågan är bara om jag har något att förlora på att göra dem klickbara? Risken är att de andra 99,8% får problem. Detta innebär ett delikat problem för oss med ganska lite trafik på våra webbplatser, men på större webbplatser bör man kunna verifiera designbeslut likt detta med hjälp av ett slumpmässigt A/B-test.

Är användarens beteende trovärdigt i dessa test?

Ur UX-perspektiv är denna typ av för användaren okänd observation både likartat men ändå olika de som med mer traditionell metod görs i en labbmiljö. Mitt resonemang går ut på att när någon vet att de är iakttagna tenderar de att vara mer förlåtande till fel, medan andra är mer uppmärksamma på fel än annars. Folk vill vara till lags, om det så innebär att man hjälper observatören hitta saker att åtgärda eller sympatiserar och håller igen.
På så vis är denna metod mer sanningsenlig, men man saknar den enorma fördelen att kunna ställa uppföljningsfrågor efter en användares session för att första något enskilt beslut eller tankegång.

Vad mer för argument behöver du för att lyfta blicken från din webbplatsstatistik och intressera dig för användarupplevelsen i större skala?

Kolla gärna in min bok om webbanalys om du är nyfiken på hur man utvärderar en webbplats