Usein palvelumuotoiluun ja UX-suunnitteluun liitetään tutkimus- ja suunnittelumenetelmät, joissa vuorovaikutus ihmisten välillä on keskiössä. Esimerkiksi haastattelu, havainnointi ja käytettävyystestaus kuuluvat jokaisen suunnittelijan menetelmävalikoimaan. Näiden menetelmien avulla saadaan tietoa käyttäjien käyttäytymisestä ja motiiveista. Laadullinen tutkimus ei kuitenkaan ole ainoa tie käyttökokemuksen ja sitä kautta liiketoiminnan kehittämiseen. Dataa analysoimalla löytyy johtolankoja, jotka saattavat johtaa kultasuoneen.

Palvelun kehittäminen on pitkäjänteistä puuhaa, joka ei suinkaan pääty siihen, kun uuden palvelun tai ominaisuuden kehitysprojekti on saatu purkkiin ja palvelu julkaistu. Selvää kauraa jokaiselle suunnittelijalle. Miten sitten käytännössä toteutamme jatkokehittämisen? Miten määrittelemme, mikä ominaisuus on seuraavana backlogilla ja mihin aiheeseen suuntaamme suunnittelupaukut seuraavaksi? No, onhan meillä tosiaan se backlog täynnä tehtäviä, jotka on yhdessä projektitiimin kanssa päätetty ja budjettiin sovitettu. Lisäksi teemme testausta ja laadullista tutkimusta, jonka avulla saamme vinkkejä palvelun kehittämiseen. Entäs data, onko se jo työkalupakissasi?

Mihin data-analytiikkaa tarvitaan?

Datan avulla pystymme seuraamaan verkkosivun kävijöiden käyttäytymistä isossa kuvassa mutta pikkutarkasti. Millä sivulla asiakkaat viettävät (tai tuskaisena jumittavat) aikaa, entä mikä on lomakkeen konversioaste tai kuinka monta prosenttia kävijöistä klikkaa tarjottua action buttonia? Puhutaan siis konversio-optimoinnista. Tuttu juttu digimarkkinoinnin ja analytiikan asiantuntijoille, mutta hyödyllinen työkalu myös muun muassa palvelumuotoilijoille, UX- ja UI-suunnittelijoille, projektipäälliköille ja tuoteomistajille.

Itse tutustuin data-analytiikan hyödyntämiseen pari vuotta sitten. Silloisessa asiakasprojektissa pohdimme, millaista dataa haluamme kerätä palvelun käytöstä. Mikä auttaisi meitä palvelun jatkokehittämisessä ja mitä datavirtoja meidän pitäisi seurata, jotta löydämme palvelun käytettävyyden ja konversion sudenkuopat.

Tosielämän esimerkki datan hyödyntämisestä

Sittemmin olen saanut työskennellä asiakkuudessa, jossa data-analytiikan hyödyntämisellä on jo pitkät perinteet ja datan avulla on saatu näkyviä tuloksia aikaan. Ikaalisten Matkatoimisto on ollut Vincitin kumppanina jo vuodesta 2014. Optimointi, data-analytiikan hyödyntäminen ja A/B-testaaminen ovat kehittämistä ohjaavia ajureita. Datan avulla seurataan liiketoiminnan kannalta kriittisiä vaiheita. Muun muassa ostopolun eri vaiheiden konversioastetta pidetään silmällä ja huomattaviin muutoksiin reagoidaan välittömästi. A/B-testillä on testattu ideoita ennen toteutusta ja videotallenteista on analysoitu uuden ominaisuuden käytettävyyttä.

Otetaanpa käytännön esimerkki. Ostopolun erästä vaihetta kehitettiin ja lopulta kauan toivottu uusittu ominaisuus julkaistiin. Julkaisun aikoihin data-analytiikka kertoi myynnin hienoisesta laskusta. Epäilys nosti hikikarpalot pintaan – eikö uusi ominaisuus toiminut halutulla tavalla, oliko käyttäjillä ongelmia uuden ominaisuuden kanssa? Avuksi otettiin videointi. Käyttäjien sessioita nauhoitettiin ja nauhoituksia analysoimalla voitiin todeta, että uusi ominaisuus tuskin oli syynä myynnin pintasukellukseen. Myynnin heikkenemisen syytä lähdettiin etsimään toisaalta ja videotallenteista saatiin tukea uuden ominaisuuden pieniin fikseihin.

Itse olen ollut onnekas, kun pääsin mukaan projektiin, jossa datalla on merkittävä rooli. Tämä on avannut itselleni uuden maailman ja mahdollisuuden oppia uutta ja kehittää itseäni suunnittelijana. Minulla on kuitenkin aavistus, että kollegoideni, palvelumuotoilijoiden ja UX- ja UI-suunnittelijoiden parissa, datan hyödyntäminen jatkokehittämisessä ei ole vielä itsestäänselvyys. Miksi sitten datan tarjoamat mahdollisuudet saattavat olla ulottumattomissamme? Toisinaan meidän suunnittelijoiden työ projektissa päättyy liian aikaisin. Julkaisun jälkeen projekti luovutetaan esimerkiksi ylläpitoon tai suunnittelun rahahanat suljetaan. Meillä suunnittelijoilla ei ole mahdollisuutta enää vaikuttaa jatkokehittämiseen. Toisaalta taas asiakkaalla saattaa olla toinen kumppani, joka huolehtii data-analytiikasta. Suunnitteluun tietoa heruu jos heruu. Toisaalta taas aikataulu- ja budjettipaineet määrittävät, mitä tehdään ja siinä hötäkässä data-analytiikka ja A/B-testit saattavat jäädä jalkoihin tai jonkun muun huoleksi.

Data-analytiikka osana arjen tekemistä

Itse aion tästä lähtien tiirailla dataa ahkerasti. Olen saanut todistaa datan ja A/B-testien voiman. Asiakaskokemuksella on suora yhteys liiketoiminnan kukoistukseen. Jos tilauslomake on hankala, näkyy se sekä asiakastyytyväisyydessä että myynnissä – negatiivisesti. Eli seuraa myyntiä, seuraa konversioasteita, analysoi ja toimi! Ja miksi sitten suunnittelijan pitää tässä olla mukana? Eikö riitä, että joku muu seuraa dataa ja palvelumuotoilija, UX- tai UI-suunnittelija saa tiedon, jos jotakin pitää tehdä. Väitän, että suunnittelijan kannattaa olla mukana jo datan seurannassa ja analysoinnissa, koska suunnittelijalla on ässä hihassa – nimittäin panoraamanäkymä ongelmaan. Ensinnäkin suunnittelija on ollut projektissa mukana alusta alkaen, hän tietää historian, miksi ja miten suunnitteluvalinnat on tehty. Toiseksi, suunnittelija tuntee palvelun käyttäjät ja heidän motiivinsa. Ja luonnollisesti suunnittelijalla on menetelmät asian korjaamiseksi – ideoi, visualisoi, testaa ja toteuta.

Kiinnostaisiko lukea lisää siitä, miten organisaatiosi voi hyötyä datasta? Lataa Vincitin dataopas – eli kuinka valjastat datan palvelemaan bisnestäsi, oikeesti.