Проблемное интервью, дьявол в деталях (Вячеслав Борисов, ProfsoUX-2016)

Короткая ссылка: 20160426AG

Содержание

1 Аннотация
2 Видео
3 Слайды
4 Примечания и отзывы

Аннотация

Докладчик: Вячеслав Борисов

На мой взгляд, доклад будет интересен специалистам с любом уровнем знаний по одной простой причине, что тех, кто рисует — очень много, а тех, кто собирает данные и при этом умеет это делать, очень мало, тогда как без данных рисовать-то и нечего
В общей проблематике сбора данных есть явный крен в сторону проведения usability-тестирования. Т.е. есть продукт, мы его тестируем, пытаемся понять, что не так, а что так, что улучшить, а что уже неплохо. Есть хорошие специалисты (Миша Фролов, Рита Титова), которые об этом рассказывали не раз и делали это хорошо. Тогда как докладов где бы то ни было про сбор первоначальных данных (когда проект еще только в стадии разработки), как это делать, почему так, что делать потом с этими данными, как они перекочуют в дальнейшем в продукт и интерфейс, было крайне мало. Между тем, это важнейший этап при создании нового продукта (именно на создании нового продукта я фокусируюсь) и то, какие данные будут получены, насколько они правдивы, честны, откровенны и при этом полезны, критично в плане достижения успеха будущего продукта кратчайшим путем.
Я занимаюсь сбором данных достаточно регулярно ввиду того, что регулярно принимаю участие в создании разных новых продуктов, в том числе, владельцем которых являюсь сам.
Этим я занимаюсь примерно 7 лет, в ходе которых постепенно формировались определенные практики и механизмы проведения интервью таким образом, чтобы получить максимум полезной информации из потенциального клиента, реакции на различные нестандартные ситуации, благодаря чему сформировался некий best practicies list.
Ввиду того, что я преподаю вводный курс по ux и уделяю на нем особое внимание сбору данных, я обращал внимание, что даже после определенных тренировок даже люди, кому общение с незнакомыми людьми дается достаточно просто, при постановке конкретной задачи по сбору данных допускают большое количество ошибок, результатом которых, прежде всего, является небольшой объем собранных полезных данных, определенный объем данных, которые не являются достоверными и не надуманными.