Benutzerfluss

Jan 06 2023
In früheren Beiträgen haben wir analysiert, wie sich verschiedene Produktfunktionen auf die Benutzerbindung und Monetarisierung auswirken können. Diese Informationen könnten uns helfen, Produktfunktionen zu priorisieren und uns auf die wirkungsvollsten zu konzentrieren.

In früheren Beiträgen haben wir analysiert, wie sich verschiedene Produktfunktionen auf die Benutzerbindung und Monetarisierung auswirken können. Diese Informationen könnten uns helfen, Produktfunktionen zu priorisieren und uns auf die wirkungsvollsten zu konzentrieren.

Aber wie es normalerweise der Fall ist, kann der Nutzungskontext unser Verständnis stark verändern. Aus diesem Grund ist es durchaus sinnvoll, den Nutzungskontext zu lernen:

  • was passiert ist, bevor eine bestimmte Produktfunktion verwendet wurde (wird in diesem Beitrag angesprochen)
  • was passiert ist, nachdem eine bestimmte Produktfunktion verwendet wurde
MCC-Koeffizient – ​​der Koeffizient zur Messung der Auswirkungen auf die Kundenbindung.

Die Produktfunktionen sind nach absteigender Anzahl von [# Benutzern] sortiert. Für jede Produktfunktion haben wir den MCC-Koeffizienten berechnet – wie sich diese bestimmte Produktfunktion auf die Benutzerbindung an das Produkt auswirkt.

Einige Beispiele aus obiger Tabelle:

  • feature41 ist sehr beliebt ( [# Benutzer] = 11.598 ) und hat einen fast natürlichen Einfluss auf die Benutzerbindung ( [MCC = -0,0093] ).
  • feature24 wird häufig verwendet ( [# Benutzer] = 5.121 ) und hat einen recht starken positiven Einfluss auf die Benutzerbindung ( [MCC = 0,0954] ).
  • Feature18 ist sehr beliebt ( [# Benutzer] = 10.571 ), hat aber eine ziemlich negative Auswirkung auf die Benutzerbindung ( [MCC = -0,1532] ).
  • feature43 wird seltener verwendet ( [# Benutzer] = 2.541 ), hat aber einen sehr starken positiven Einfluss auf die Benutzerbindung ( [MCC = 0,1593] ).
  • Merkmal41
  • feature41: Flussanalyse.
  • feature41 im aktuellen Schritt = -0,0093
  • feature41 im vorherigen Schritt = -0,0251

Aber die wichtigste Erkenntnis ist diese:

MCC-Koeffizienten für unabhängige Produktmerkmale unterscheiden sich von MCC für Produktmerkmale im Nutzungskontext.

Wenn wir der obigen Tabelle unabhängige MCC-Koeffizienten entnehmen , erhalten wir diese Zahlen:

  • feature4 = -0,1319 (negativ, stark)
  • feature42 = 0,0352 (positiv, leicht)
  • feature2 = -0,0996 (negativ, stark)
  • feature4 = 0,0079 ( positiv , leicht )
  • feature42 = 0,0938 (positiv, stark )
  • feature2 = 0,0495 ( positiv , mittel )
  • Funktion24 / Funktion18
  • feature24: Strömungsanalyse.
feature18: Flussanalyse.

Ich möchte die Leser darauf hinweisen, dass die Auswirkung von Feature18 auf die Aufbewahrung negativ ist , da fast alle 4 vorherigen Hauptanwendungsfälle negativ sind .

Auf eine positive Benutzererfahrung in der Vergangenheit (positive Stimmung) folgt normalerweise eine positive Benutzererfahrung, und umgekehrt folgt auf eine negative Benutzererfahrung in der Vergangenheit normalerweise eine negative Benutzererfahrung.

  • Merkmal43
  • feature43: Flussanalyse.

Das Niveau der Benutzererfahrung ist der kumulierte Wert vergangener Benutzererfahrungen.

ZUSAMMENFASSUNG:

Die oben vorgestellten Benutzerflussdiagramme sollten zwei wichtige Aspekte der Produktentwicklung veranschaulichen:

  • User Experience ist nicht nur eine Ansammlung von Produktfunktionen, es ist ein Fluss.
  • Die Benutzererfahrung innerhalb Ihres Produkts ist kumulativ .