web-dev-qa-db-fra.com

Est-il correct de baser vos personnages sur des diagrammes d'affinité?

Contexte

  • Lors d'un atelier, j'ai demandé à 4 PME de proposer 4 proto-personnages.
  • Chaque SME est venu avec une ventilation différente des points démographiques, des points de peinture et des besoins (il y avait donc un total de 16 personnes).
  • Chaque personnage pour chacun SME traits communs de tous les autres personnages, mais il n'y avait pas de similitude claire entre les personnages.
  • Nous avons schématisé par affinité tous leurs points et besoins de peinture et nous nous sommes retrouvés avec 4 grappes.

À condition que nous vérifions que nos hypothèses sur les proto-personnages sont valides après que nous ayons atterri sur une solution:

Des questions

  • Serait-il sensé de créer un personnage basé sur chacun de ces clusters, et de les rendre dépendants du point/du besoin? (c'est-à-dire Joe à contrainte de temps ou Jake soucieux de son budget).
  • Quels sont les avantages/inconvénients de le faire comme ça?
  • Comment pourriez-vous alternativement construire un ensemble de 3-4 personnages à partir des 16 personnages divergents réfléchis auparavant?
1
edgarator

À votre question initiale, "Est-il possible de baser vos personnages dans des diagrammes d'affinité?" la réponse est oui. Les diagrammes d'affinité consistent tous à regrouper des informations dans des clusters, alors allez-y.

Vos autres questions:

  1. Je voudrais étiqueter chaque cluster par persona. Ajoutez ensuite des sous-étiquettes pour le point douloureux et les besoins. Rester simple.
  2. Les avantages sont que vous verrez rapidement un certain chevauchement avec chaque personnage, ce qui devrait aider à hiérarchiser les fonctionnalités de conception qui auront la plus grande portée. Inconvénients - si vous faites cela avec du papier - c'est un gros travail avec 16 personnages.
  3. Commencez par créer un "cluster" de diagrammes d'affinité pour chacun des 16 personnages. Ensuite, avec les PME, commencez à les condenser en 4 personnages. Aussi génial que soit d'avoir des données sur 16 personnages, bien que fictifs, vous feriez mieux de construire votre `` truc '' si vous ne devez vous concentrer que sur 4 personnages. Vous pouvez ensuite présenter les personnages à vos PME sous la forme d'une fiche de dossier utilisateur, similaire à l'exemple d'image ici: https://www.nngroup.com/articles/persona/ .

En outre, une alternative assez nouvelle aux personas est l'approche des travaux à faire: https://www.nngroup.com/articles/personas-jobs-be-done/ . Le diagramme d'affinité n'est qu'une étape dans votre processus de conception, s'il vous aide à comprendre - et à simplifier - certaines données précises, alors allez-y.

1
rlsaj

Non. Les personas devraient être basés sur les résultats de la recherche d'utilisateurs, et non sur les exigences recueillies auprès des PME. Ils devraient saisir les besoins et les attitudes des utilisateurs réels. D'après mon expérience, les clients, les propriétaires de projets, les services marketing, etc., savent ce qu'ils veulent que les utilisateurs fassent et veulent , mais ne savent pas ce que les utilisateurs font et veulent réellement . Et c'est ce que les personnages doivent modéliser.

Voici ce que Nielsen Norman Group dit:

Idéalement, le processus de création de personnalités devrait faire partie de la phase de recherche d'un produit ou d'une fonctionnalité, avant le début du processus de conception proprement dit. Des études sur le terrain, des enquêtes, des études longitudinales, des entretiens et d'autres méthodes de recherche sur les utilisateurs doivent d'abord être menées pour définir les caractéristiques des utilisateurs types. (Gardez à l'esprit que toutes les données autodéclarées, telles que celles résultant de groupes de discussion et d'enquêtes, sont peut-être trompeuses et doivent être vérifiées par d'autres méthodes.)

Et sability.gov :

Les personas devraient être basés sur des recherches d'utilisateurs qualitatives et quantitatives et des analyses Web. N'oubliez pas que vos personnages ne sont aussi bons que la recherche derrière eux.

0
Ken Mohnkern