Datengetriebene User Experience – Schluss mit Blindflug

Informiert entscheiden aufgrund von belastbaren Daten: Das gilt nicht nur für Entscheidungen in der Geschäftsleitung, sondern auch bei der Entwicklung und Verbesserung von User Interfaces. Dieses auch Data Driven User Experience beziehungsweise datengetriebene UX (ddUX) genannte Modell hilft, etwa Check-out-Prozesse oder Sales Funnels so zu gestalten, dass User den Bestellbutton tatsächlich erreichen und auch auf diesen klicken (möchten).

UX-Entwickler, die mit ddUX wenig Erfahrung haben, können Usability-Experten zu Rate ziehen, die schon vor der Implementierung durch verhaltensökonomische Experimente entschlüsseln, wo die Stolpersteine im Check-out-Prozess liegen. Es geht dabei darum, die Ursachen auf Grundlage von Fakten und Messgrössen zu eruieren und zu beseitigen. Dies geschieht mit Handlungsaufforderungen, Handlungsoptionen, Entscheidungen/Weichen, die für diesen Zweck aus Benutzersicht konzipiert und dann quantitativ getestet werden. So findet sich die Variante, welche die Ziele aus Business- und User-Sicht am besten oder effizientesten erfüllt.

Ist der Check-out-Prozess schliesslich implementiert, helfen Tools und Metriken für das kontinuierliche Monitoring des Benutzerverhaltens. Mit einer Kombination aus traditionellen Webanalyse-Tools wie Google Analytics und UX-Mess-Tools wie Hotjar, Maze oder Omniscopy werden die Vorgänge entlang der User-Journey quantitativ und qualitativ gemessen. Auf Basis dieser Daten kann schliesslich Erfolg und Wirkung im Check-out optimiert werden.

Dieses Vorgehen hilft, zwei zentrale Fragen bei der UX-Entwicklung zu beantworten:

1. Wie gestalten Entwickler die Kommunikation, dass möglichst viele Nutzerinnen und Nutzer das erwünschte Zielverhalten zeigen?

2. Wie werden Nutzungsdaten effektiv genutzt, um die User Experience in der Applikation weiter zu verbessern und langfristig auf hohem Niveau zu halten, also die UX datengetrieben, faktenbasiert, zahlengestützt zu optimieren?

Ergonomie-Profis sind in der Lage, bei der Zusammenführung und Aggregation verschiedener Datenquellen zu helfen, relevante Verhaltensmuster zu identifizieren und datengestützte Handlungsempfehlungen zur Steigerung der Conversion Rate sowie der Benutzungsfreundlichkeit zu erarbeiten.

Welcher Onlineanbieter träumt nicht davon, eine transparente Datenarchitektur mit nachvollziehbaren Auswertungen und effektiven Lösungsvorschlägen in die Hände zu bekommen, um die von der Geschäftsleitung geforderten KPIs zu erreichen? Sodass alle User, die ­eigentlich kaufen würden, auch auf den Bestellbutton klicken?

Es ist logisch, dass die erfolgreichsten und grössten Onlineanbieter – egal ob sie Instagram, Spotify, Netflix oder Amazon etc. heissen – die User Experience auf ihren Plattformen kontinuierlich optimieren und dem Nutzerverhalten anpassen. Dies tun sie selbstverständlich datengetrieben.

Die Werkzeuge dafür stehen aber nicht nur den "Gros­sen" zur Verfügung, sondern allen E-Commerce-Treibenden, Online-Vermarktenden und Softwareherstellenden. Jene, die glauben, sie könnten sich ddUX nicht leisten, sollten überprüfen (lassen), wie viele ihrer Bestellprozesse sich unbeendet im Äther verflüchtigen und dann ausrechnen, wie viel Umsatz so verdampft. Eine ddUX-Analyse kostet mit Sicherheit weniger.