UX Research — Ergebnisse sind wie Milch.
Das Mensch & Computer BarCamp 2020
Von: Dr. Stefanie Pötzsch
Die Mensch & Computer (MuC) ist einer der größten deutschsprachige UX-Konferenzen und fand dieses Jahr zum ersten Mal online statt. Ich habe mich für einen Tag beim UX-Praktiker-Track (Programm im Praktiker-Track — Mensch und Computer 2020 (mensch-und-computer.de) eingeloggt, der erstmals als BarCamp-Format angelegt war. Zusammen mit mir hatten sich ca. 120 UX-Praktizierende am Montagmorgen auch dafür entschieden.
Bei den verschiedenen Themenpitches lag in diesem Jahr ein Schwerpunkt auf Design Sprint Workshops und natürlich die Umsetzung in Remote-Settings. Weiterhin gab es auch erste UX + Data Analytics Themen und als Abschluss drei Visionen vom UX-Himmel als höchstem UX-Reifegrad eines Unternehmens. In zwei davon tauchen übrigens so etwas wie UX Research Coaches auf, einen Ansatz den wir bei DATEV inzwischen seit etwa 1 Jahr verfolgen.
Die Session „Wie manage ich User Research richtig? Impulse für mehr Nachhaltigkeit“ ging der Frage nach, ob und wie Research-Ergebnisse wiederwendbar gemacht werden können. Eine Frage, die uns bei DATEV natürlich auch beschäftigt und zwar über die Wiederverwendung von Research-Ergebnissen hinaus hin zur systematischen Nutzung der verschiedensten Kunden-Input-Kanäle.
Zurück zur Barcamp Session: Nach dem Impuls des Sessions-Gebers (vom Anbieter consider.ly) wurde viel diskutiert. Hängen geblieben ist bei mir das Zitat einer Teilnehmerin der Session:
UX Research — Ergebnisse sind wie Milch: Wenn man sie zu lange stehen lässt, kann man sie nur noch mit Vorsicht weiterverarbeiten.
Zusätzlich habe ich aus der Diskussion auch die folgende Pro- und Contra-Argumente mitgenommen.
Argumente gegen strukturierten Reuse-Ansatz:
- Sprints sind Stress, agile Teams fokussieren auf Deliverables, d.h. begeisternde Software statt detaillierter UXR-Doku
- standardisierte Doku bedeutet Mehraufwand ohne direkten Nutzen fürs agile Team oder Kunden zu stiften
- nicht alles was in einer Datenbank steht, ist für immer gültig
- Tools basieren auf manueller Verschlagwortung, wer taggt das alles?
- zu großer manueller Aufwand ist Motivationskiller
- Woher kommen die qualifizierten Menschen, die die Zusatzerkenntnisse (toolgestützt) aus den Daten ziehen? Wer tut dann etwas damit?
Argumente für strukturierten Reuse-Ansatz:
- Es gibt heutzutage so viel Daten bereits digital wie sonst nie, das sollten wir nutzen
- UXR ist immer auch Dokumentationsaufwand, dann gleich in einem auswertbaren Format und möglichst wiederverwenden
- ermöglicht später auch Nutzung von Erkenntnissen, die sonst als „Nebenprodukt“ gar nicht berücksichtigt werden, weil nicht zur eigentlichen Frage dieses Research-Projekts gehörend
- es gibt Erkenntnisse, die auch längerfristige Gültigkeit haben, reduziert Studienumfang
- ermöglicht Überprüfbarkeit und Auffindbarkeit, ob und welche Erkenntnisse zu Fragestellungen es schon gibt
- motivierendes Feedback für UX ResearcherIn und Team, wenn gewonnene Erkenntnisse mehrere Entscheidungsprozesse unterstützen
Ich denke hilfreich ist die Differenzierung zwischen CX/UX-Research zur Unterstützung von Strategie- und Produktmanagemententscheidungen einerseits und zur Unterstützung agiler Projektentscheidungen anderseits. Strategische Zielgruppen- und hypothesenprüfende Studien sind i.d.R. aufwändiger und Erkenntnisse wenigstens mittelfristig gültig. Vor diesem Hintergrund lohnt sich dabei systematische Doku und Wiederverwendung. Das muss im agilen Projekt nicht unbedingt der Fall sein. Zumindest so lange wir an der Magic KI erstmal noch bauen ;-) Oder wie seht ihr das?
