UserTesting ενισχύει τις δοκιμές UX που βασίζονται σε μηχανική μάθηση

[Areti]

Η απόκτηση γνώσεων σχετικά με τον τρόπο με τον οποίο οι χρήστες βιώνουν και χρησιμοποιούν το λογισμικό που χρησιμοποιήθηκε ήταν εφικτό μόνο αν οι άνθρωποι κάνουν όλες τις δοκιμές χρηστών. Με την έλευση των σύγχρονων τεχνικών ανάλυσης συναισθήματος και μηχανικής μάθησης (ML), μπορείτε να αποκτήσετε περισσότερες πληροφορίες από ποτέ από τις δοκιμές.

Το UserTesting είναι από τους πρωτοπόρους στον χώρο που χρησιμοποιεί τεχνικές ML για να βοηθήσει στην ανακάλυψη και ανάλυση των συμπεριφορών των χρηστών. Τα τελευταία δύο χρόνια ήταν μια δίνη δραστηριότητας για την εταιρεία. Το 2020, το UserTesting συγκέντρωσε 100 εκατομμύρια δολάρια σε χρηματοδότηση και ένα χρόνο αργότερα, το 2021, η εταιρεία εισήχθη στο χρηματιστήριο της Νέας Υόρκης (NYSE) με το σύμβολο USER.

Σήμερα, η UserTesting ανακοίνωσε ότι έχει συνάψει συμφωνία που θα εξαγοραστεί έναντι 1,3 δισεκατομμυρίων δολαρίων από τους Thoma Bravo και Sunstone Partners . Όταν κλείσει η συμφωνία, το σχέδιο είναι να συγχωνευθεί το UserZoom — το οποίο απέκτησε η Thoma Bravo τον Απρίλιο του 2022 — με το UserTesting, για να δημιουργηθεί ένα ακόμη μεγαλύτερο σύνολο δυνατοτήτων για τη δοκιμή εμπειρίας χρήστη.

«Βρισκόμαστε σε έναν χώρο όπου έχουμε δημιουργήσει ένα σύνολο τεχνολογιών για τη λήψη ενός είδους ανατροφοδότησης που ονομάζουμε αφήγηση εμπειρίας πελάτη», δήλωσε ο Andy MacMillan, Διευθύνων Σύμβουλος του UserTesting, στο VentureBeat. "Το UserZoom διαθέτει ένα σύνολο επιπρόσθετων διαφορετικών τεχνικών και μεθοδολογιών έρευνας που θα μπορούσαν να συμπληρώσουν ορισμένες από τις αφηγήσεις εμπειρίας πελατών μας."

Πως το UserTesting ενσωμάτωσε την μηχανική μάθηση

Τα τελευταία δύο χρόνια, το UserTesting έχει κάνει σημαντικές επενδύσεις στην τεχνολογία που το βοηθούν να αποσπάσει πληροφορίες από τις δοκιμές του.

Η δοκιμή περιλαμβάνει την καταγραφή των χρηστών για να δει πώς αλληλεπιδρούν με τις εφαρμογές, συμπεριλαμβανομένου του τι κάνουν κλικ και να αφηγηθούν οι χρήστες την εμπειρία τους. Ο MacMillan είπε ότι η εταιρεία του επένδυσε στη χρήση ML για να βοηθήσει στην εξαγωγή πληροφοριών σχετικά με το περιεχόμενο της καταγεγραμμένης εμπειρίας χρήστη.

"Παίρνουμε πραγματικά μη δομημένο περιεχόμενο , αλλά το μετατρέπουμε σε κάτι δομημένο", είπε ο MacMillan. "Έχουμε εκπαιδεύσει ένα σύνολο μοντέλων μηχανικής μάθησης για να σας βοηθήσουμε να ανακαλύψετε αυτό που ονομάζουμε στιγμές της ενόρασης."

Η γνώση είναι εκείνα τα ψήγματα πληροφοριών που μπορούν να βοηθήσουν στον εντοπισμό τάσεων που θα βελτιώσουν την εμπειρία του χρήστη. Το UserTesting χρησιμοποιεί πολλαπλές τεχνολογίες ML, συμπεριλαμβανομένης της επεξεργασίας φυσικής γλώσσας (NLP) , της όρασης υπολογιστή και της ανάλυσης πρόθεσης και συμπεριφοράς.

Μεταξύ των πραγμάτων που επιτρέπει η ML για το UserTesting είναι η δυνατότητα ανάλυσης διαδρομής κλικ, η οποία μπορεί να παρακολουθεί πού πηγαίνει ένας χρήστης και τι πραγματικά προσπαθεί να κάνει όταν κάνει κλικ σε κάτι. Η ανάλυση συναισθήματος χρήστη είναι ένα άλλο βασικό χαρακτηριστικό στο οποίο βοηθά η ML, καθώς και η δυνατότητα να δούμε αν ο χρήστης είναι ικανοποιημένος με μια εμπειρία.

Πηγαίνοντας ένα βήμα παραπέρα, το UserTesting χρησιμοποιεί ML για να βοηθήσει στην ενίσχυση μιας οπτικοποίησης που επικαλύπτει τη συμπεριφορά πρόθεσης και διαδρομής για να αποκτήσει πληροφορίες σχετικά με τον τρόπο με τον οποίο οι χρήστες περνούν από έναν ιστότοπο ή μια εφαρμογή.

"Υπάρχουν πολλά πράγματα που μπορούμε να προσδιορίσουμε σχετικά με τις συμπεριφορές που βλέπουμε τους ανθρώπους να εκδηλώνουν, ενώ περνούν από μια διαδικασία", είπε.

Ο ενάρετος κύκλος της μηχανικής μάθησης

Η ML δεν υπάρχει στο κενό. εξ ορισμού πρόκειται για μηχανές που μαθαίνουν από δεδομένα.

Ο MacMillan εξήγησε ότι η προσέγγιση UserTesting στο ML είναι ένας ενάρετος κύκλος, όπου τα μοντέλα που δημιουργεί η εταιρεία του επικυρώνονται συνεχώς και επεκτείνονται με νέα δεδομένα από συνεδρίες δοκιμής χρηστών που ήδη επωφελούνται από την ML. Πρόσθεσε ότι η ικανότητα των ανθρώπων να επικυρώνουν τα μοντέλα ML με τα μάτια τους βοηθά στην οικοδόμηση εμπιστοσύνης στα μοντέλα.

"Συλλέγουμε αυτά τα σενάρια εμπειρίας πελατών - είδος βίντεο από άκρο σε άκρο - και χρησιμοποιούμε τα μοντέλα μηχανικής εκμάθησης για να υποδείξουμε τους ανθρώπους στις στιγμές της γνώσης", δήλωσε ο MacMillan. "Αλλά μπορείτε πάντα να εμβαθύνετε, μπορείτε πάντα να πείτε "ωχ το λέει αυτό το μοντέλο, επιτρέψτε μου να παρακολουθήσω μέρος αυτής της αφήγησης εμπειρίας πελάτη" και να δείτε αν η πρόθεση ταιριάζει πραγματικά με το συναίσθημα."

Μία από τις μεγαλύτερες προκλήσεις συνολικά με την ML για κάθε οργανισμό, κατά την άποψη του MacMillan, είναι η κατοχή του σωστού είδους δεδομένων εκπαίδευσης. Το UserTesting διαθέτει ήδη λήψη βίντεο, το οποίο δείχνει τι συμβαίνει σε μια οθόνη, ενώ η δοκιμή συλλέγει επίσης δεδομένα κλικ από τους χρήστες. Οι δοκιμές διεξάγονται με βάση ένα σχέδιο δοκιμής, επομένως υπάρχει μια βασική προσδοκία για το τι πρέπει να κάνουν οι χρήστες. Το UserTesting διαθέτει αφοσιωμένο προσωπικό που επισημαίνει επίσης περιεχόμενο ως μέρος των καθημερινών εργασιών του για να βοηθήσει στην εκπαίδευση και τη βελτιστοποίηση των μοντέλων.

«Ο σκοπός του προϊόντος είναι να βοηθήσει τις ομάδες να συνδεθούν απευθείας με πραγματικούς πελάτες και αληθινά ανθρώπινα όντα για να αποκτήσουν ανθρώπινη εικόνα του προϊόντος», είπε ο MacMillan. «Πιστεύουμε ότι η μηχανική μάθηση είναι πραγματικά απλώς ένα όχημα για να βοηθήσει τους ανθρώπους να συνδεθούν με αυτές τις στιγμές διορατικότητας, αλλά αυτές οι στιγμές εξακολουθούν να είναι ανθρώπινες».