スタートアップ企業のデザインに携わるようになったとき、私が直面した最も複雑な課題の1つは、ユーザーリサーチを速いペースの環境に適応させることでした。
限られたリソースしかない場合、ユーザーが欲しい、あるいは必要とするプロダクトを作らなければならないのです。
しかし、テストや分析はもちろんのこと、ユーザーへのアクセスを得ることは、特に与えられた時間では大きな挑戦となります。チームは可能な限りのスピードで道を突き進んでいるように感じられるので、ユーザー・リサーチを終わらせるのに何週間もかかることはなく、数日しかないのです。
では、そのような環境でユーザーリサーチをうまく進めるにはどうすればいいのでしょうか？私は、Data-Informed Design.を通じて、プロセスをスピードアップする3つの方法を考え出しました。
結論から言うと、それは「スプレッドシートを避ける」ことから始まることが多いのです。
（テキストばかりの）スプレッドシートを避け、10,000フィートの眺めに集中する
あなたは、ユーザーテストの結果を巨大なスプレッドシートにまとめるように教えられてきたかもしれません： 私はそうでした。
この巨大なスプレッドシートのデータには、各ユーザーの質問や行動に対する反応が詳細に記載されており、ユーザーの行動を相互参照し、最終的にレポートを作成することができます。
問題は、これがスタートアップはおろか、多くの企業で機能しないことです。その理由は2つあります：最終的な結果を誰も読めないこと、そして時間がかかりすぎることです。
考えてみてほしいのです： スプレッドシートを何度も往復して、すべての調査をまとめるのにどれだけ時間がかかるでしょうか？多くの場合、夜遅くや週末に何トンもかかるか、数週間かかるかのどちらかです。
しかも、多くの場合、そこまで詳細な情報は必要ないのです。データ・インフォームド・デザインについて学ぶことの一部は、他のチームメンバーの考え方を学ぶことでした。多くの場合、Cレベルのエグゼクティブからプロダクトマネージャーまで、あなたのチームは1万フィート（約1,000メートル）の視点を求めているのです
簡単に言えば、彼らは問題領域を探し、リソース、時間、戦略をどこに投資すべきかを理解しているのです。そのため、プロダクトダッシュボードのような多くのツールは、彼らが行動を起こすことができる場所を理解するのに役立つハイレベルなビューに焦点を当てています。
その結果、彼らの優先順位リストは次のようになります：
- デザイン／ワークフローの問題点はどこか？
- 私たちはそれに対して何をすべきか／できるのか？
- なぜこのような問題にぶつかるのか？
もしあなたが大きな組織で働いているのであれば、「なぜ 」はもっと重要です。なぜなら、それはあなたが取った行動や使ったリソースを正当化するための手段だからです（つまり、”ケツを隠せ”）。その結果、財務監査が行われるときまで、何を報告してもその詳細は棚上げにされることが多いのです。
中小企業やベンチャー企業では、「なぜ」を明確にすることはそれほど重要ではないのです。十分なユーザー需要を確保しながらプロダクトを出荷することが主な課題である場合、最初の2つの箇条書きの方が優先順位が高くなります。社内で 「Why 」を把握するのは良いことだが、他のチームにすべての詳細を提示するために余分な労力を費やす必要はないことが多いのです。
そのことに気づけば、大きなスプレッドシートをやめて、いくつかの代替案を使うことができます。私がいつも使っているお気に入りの3つを紹介しましょう。
虹のスプレッドシート：ユーザーリサーチを色で可視化する
大体において、この方法は、かつて人々が作っていた巨大なリサーチスプレッドシートに取って代わりました
anywellの共同設立者兼CEOであるTomer Sharon氏によって作成されました。これは、利害関係者に協力してもらい、有用なユーザビリティ・テストのフィードバックを提供するための迅速な方法です。
アイデアは簡単です: 参加者に特定の列（および色）を割り当て、ユーザー観察の行を作成します。次に、ユーザーテストの間、あなた（またはメモを取る人）は、観察結果にその色の付箋紙を付けます。
もしリストにない新しいオブザベーションがあれば、あなたかノートテイカーがその問題で別の行を作成します。
複数の人が同じ問題にぶつかった場合、その横に複数の付箋（異なる色）が付いたオブザベーションがあります。こうすることで、ほとんどの人が遭遇する最も一般的なユーザビリティの問題（または対応）をすぐに確認することができます。
この使い方については別の記事で説明しましたが、この方法によって、1日か2日以内に高レベルの要約をチームと共有できることが多いことをお伝えしておきたいと思います。
しかし、ページレベルの詳細を追跡したり、ワークフローに関する特定の問題を強調したりするには適していないこともあります。そこで、別のプロセスを使うことができます。
ページに付箋を貼ることで、ワークフローの問題点を示すことができる
より一般的なユーザー調査の質問の1つは、関係者が答えたいと思うかもしれないのです。もしそうであれば、最も簡単な方法の1つは、ページレベルのメモを取ることです。
このプロセスでは、まず、各デザインページのスクリーンショットを撮り、ドキュメント（通常はFigJamドキュメント）にまとめます。そして、参加者に異なる色の付箋をつけ、メモを取る人に、プロセス全体を通して、個々のページの横にメモを貼ってもらいます。
私が発見した最も効果的な方法は、ユーザーテストごとにテンプレートを作成し、最後にそれらをまとめることです。そうすることで、各報告は特にユーザーに焦点を当て、後の報告では共通の傾向に焦点を当てることができます。
この方法は、最初の方法よりも集計に時間がかかりますが、いくつかのことはすぐに明らかになります。
例えば、ユーザーがどのページに最も注目しているかは、通常すぐにわかります。あるページには60の付箋があるのに、他のページには10しかない場合、ユーザーはそのページを最も問題視しています（あるいは、そのページについて多くの発言をしています）。これらは、おそらくあなたのチームが知りたいハイレベルなインサイトです。
その後、参加者全体に共通する回答（上の黄色いボックス）をもう少し深く掘り下げ、調査結果の基礎を形成します。
3つ目のヒントを考えてみましょう。
リサーチが終わったら、評価者間信頼性のためにChatGPTを使いましょう。
これだけは言っておきます： ChatGPTはユーザーリサーチの分析に取って代わることはできません。
そうしようとすると、2つの重要な理由ですぐに問題になります：
- 実行可能な次のステップのための十分な詳細を与えることができない。
- 幻覚を見たり、不正確かもしれない
分析が終わった後、チームメンバーが抱く重要な疑問の一つは、「次に何をすればいいのか？」です。それに答えるために、ユーザーリサーチについて十分な理解や詳細を持っていないとします。その場合、ユーザーリサーチの取り組みが無効になるだけでなく、今後のテストの予算が危うくなるかもしれません。
しかし、ChatGPTが提供できることの一つは、ダブルチェックができることです。これは、評価者間信頼性と呼ばれる学術用語に関連しています：これは、多くの研究者が同じ結論または値を確実に引き出すために使用するものです。
ChatGPTが幻覚を見たり、間違いを犯したりしないことを信じることはできませんが、同時に、彼らの結論を通して、あなたが見落としています（あるいは指摘したいのです）ことがないかどうかを確認したいと思うかもしれません。
そのためには、基本的に3つのステップが必要です：
- メモを.csv形式（つまり、巨大なスプレッドシート）にエクスポートします。
- ChatGPTの 「トークン制限 」に合うようにスプレッドシートをトリミングします。
- 適切なプロンプトを選択し、調査結果を合理的な形式にまとめます。
そうすると、ChatGPTが（おそらく不正確な）発見したことのリストを得ることができ、それを使って次のようなことを比較することができます。
調査結果の全リストを見渡すと、間違っているものもあります。加えて、このフィードバックの中には一般的なものもあり、それを使ってどのようなアクションを起こせるのかがわかりにくいのです。
しかし同時に、「命名規則」の部分など、私が見落としていた洞察もいくつか見ることができました。その結果、私はリサーチを再確認し、ユーザー発見の予備レポートをより迅速に作成できるようになりました。
これにより、ユーザーリサーチをより早く終わらせることができるようになり、これはますます価値あるスキルになりつつあります。
ユーザー調査のフィードバックを迅速に提供することは、ベンチャー企業にとって不可欠
ユーザーリサーチの分析は退屈なものですが、デザインを前進させる具体的なユーザーインサイトを明らかにするためには必要なステップです。
私は過去にそうして悲惨な経験をたくさんしてきました。すぐに90度に達する押入れサイズの部屋に閉じ込められたり、すべての調査をコーディングするために夜10時まで働いたり、私はすべての詳細をまとめることの苦しみを知っています。
しかし、巨大なスプレッドシートを使っていた頃とは比べものにならないほど物事は進歩しており、さらに重要なことに、私は必然的にこのような時間のかかる努力を避ける方法を学んです。
ベンチャー企業や小さな組織は、分析のために2週間も待つことはできないのです。行動を促すためには、数日で分析する必要があることが多いのです。
私がData-Informed Design journeyで学んだこれらのヒントは、あなたの役に立つかもしれないのです。今度、大量のインタビューデータを分析しようと考えてため息をついたら、これらのステップを検討し、プロセスをスピードアップできないか試してみよいます。
カイ・ウォンはシニア・プロダクト・デザイナーであり、 データとデザインのニュースレターのライターです。彼の著書、 Data-Informed UX Designは、データとデザインの力を活用するためにデザインプロセスに加えることができる21の小さな変更を提供しています。
