Führen Sie eine tiefgehende, qualitative Forschung durch, indem Sie Nutzer in ihrer natürlichen Umgebung beobachten und interviewen, um tiefgehende Einblicke in ihre Bedürfnisse, Verhaltensweisen und Herausforderungen zu gewinnen.
Contextual Inquiry ist eine Methode der Nutzerforschung, bei der Nutzer in ihrer natürlichen Umgebung beobachtet und mit ihnen interagiert wird, während sie Aufgaben im Zusammenhang mit dem entwickelten Produkt oder der Dienstleistung ausführen. Ziel ist es, tiefgehende Einblicke in das Verhalten, die Bedürfnisse und die Motivation der Nutzer zu gewinnen, indem sich der Forscher in den Nutzungskontext hineinversetzt.
Schritt-für-Schritt-Anleitung
- Ziel definieren
Klären Sie, was Sie lernen möchten (z. B. Arbeitsabläufe, Problemstellen der Nutzer). - Teilnehmer auswählen
Wählen Sie Zielnutzer aus, die Ihr Produkt oder System aktiv nutzen. - Umgebung planen
Beobachten Sie die Nutzer in ihrer natürlichen Umgebung (z. B. Arbeitsplatz oder Zuhause). - Beobachtung und Befragung durchführen
- Beobachten Sie, wie Nutzer Aufgaben ausführen, und stellen Sie offene Fragen zu ihren Handlungen und Entscheidungen.
- Nutzen Sie das „Meister-Schüler-Modell“: Lernen Sie vom Nutzer, während er arbeitet.
- Notizen machen und Erkenntnisse dokumentieren
- Dokumentieren Sie Verhaltensweisen, Herausforderungen und Kommentare der Nutzer.
- Falls erlaubt, zeichnen Sie Audio- oder Videomaterial auf.
- Muster erkennen
Analysieren Sie die Daten, um wiederkehrende Verhaltensweisen, Probleme oder Abläufe zu identifizieren. - Erkenntnisse zusammenfassen
Organisieren Sie die wichtigsten Einsichten, die Design- oder Produktverbesserungen beeinflussen können. - Erkenntnisse anwenden
Nutzen Sie die Ergebnisse, um Änderungen an Produkt oder Arbeitsabläufen basierend auf echten Nutzerbedürfnissen vorzunehmen. - Ergebnisse kommunizieren
Teilen Sie Ihre Erkenntnisse mit Stakeholdern durch Berichte, Visualisierungen oder Präsentationen.
Beispiel: Microsoft Office
Bei der Entwicklung von Microsoft Office, insbesondere Word und Excel, nutzte Microsoft die Kontextuelle Befragung, um zu verstehen, wie die Software in realen Arbeitsumgebungen genutzt wurde. Anstatt sich ausschliesslich auf theoretisches Nutzerfeedback zu verlassen, beobachtete Microsoft tatsächliche Arbeitsabläufe und die Herausforderungen, mit denen Nutzer im Kontext konfrontiert waren.
Wie es funktionierte:
Arbeiten mit echten Nutzern in ihrer Umgebung:
Microsoft entsandte Forscher in Unternehmen und Büros, um zu beobachten, wie Menschen Word und Excel im Alltag nutzen. Anstatt im Labor wurden reale Interaktionen analysiert – welche Funktionen häufig verwendet wurden und wo Schwierigkeiten auftraten.
Fragen während der Arbeit stellen:
Die Forscher stellten offene Fragen, während Nutzer Aufgaben erledigten, um zu verstehen, warum sie bestimmte Funktionen nutzten oder vermieden.
Erkenntnisse:
- Microsoft stellte fest, dass viele Nutzer leistungsstarke Funktionen von Word und Excel nicht kannten oder auf komplizierte Umwege angewiesen waren.
- Diese Erkenntnisse führten dazu, dass Microsoft eine benutzerfreundlichere Gestaltung entwickelte und die Benutzeroberfläche so überarbeitete, dass wichtige Werkzeuge leichter zugänglich waren.
Warum es erfolgreich war:
Dank der Kontextuellen Befragung konnte Microsoft das tatsächliche Nutzerverhalten verstehen und reale Herausforderungen identifizieren. Dies führte zu erheblichen Verbesserungen der Benutzerfreundlichkeit von Microsoft Office und steigerte die Produktivität der Nutzer erheblich. Die Methode ermöglichte es Microsoft, eine tiefere Einsicht in die Bedürfnisse der Nutzer zu erhalten und die Software gezielt an diese Anforderungen anzupassen.
Für weitere Informationen zu diesem Thema siehe die folgenden Quellen:
Duda, S., Warburton, C., & Black, N. (2020). Contextual research. In M. Kurosu (Ed.), Human-computer interaction. Design and user experience. HCII 2020 (Lecture Notes in Computer Science, Band 12181, S. 29–41). Springer, Cham. https://doi.org/10.1007/978-3-030-49059-1_3
Contextual inquiry. (2022). In L. A. Schintler & C. L. McNeely (Hrsg.), Encyclopedia of Big Data. Springer, Cham. https://doi.org/10.1007/978-3-319-32010-6_300037
#Customer needs #Use case #Ideal customer profile #Segmentation #Targeting #Positioning/Branding #Features & requirements #Benefits & value #Target results
