Разделы портала

Онлайн-тренинги

.
Персонажи в тестировании
29.03.2019 00:00

Не буду долго рассказывать про важность исследований целевой аудитории в тестировании — этому посвящена крутая статья в блоге Лаборатории качества. Действительно, можно потратить часы и дни на проверку сценариев, которые не воспроизведутся у конечных пользователей, а важные особенности взаимодействия, напротив, пропустить.


Способов получения информации о ЦА много (например, поговорить с техподдержкой, проанализировать метрики, изучить отчеты рынка и т.д.), но какой бы ни выбрали, в итоге у вас будет набор статистической информации:

  1. Первая категория — мужчины в возрасте 27-35 лет, жители города-миллионника, работающие в сфере ИТ, выходящие в сеть с мобильного устройства марки Pear, увлекающиеся гаджетами, планирующие взять кредит на автомобиль;
  2. Вторая категория — женщины 23-25 лет, матери 1-го или 2-х детей, в декретном отпуске, выходящие в сеть с ноутбука ОС Door, имеющие опыт работы до года, проводящие 35% времени на форумах, планирующих взять кредит на ремонт в ванной комнате.

Хорошо, если групп целевой аудитории всего две. Если это сложный продукт с различными категориями пользователей, то список можно продолжать.

И представим ситуацию — вы протестировали форму авторизации в личный кабинет системы на мобильном устройстве Pear и нашли несколько ошибок. Можно аргументировать их важность описанием целевой аудитории “Мужчины в возрасте 27-35 лет, жители города-миллионника, работающие в сфере ИТ, выходящие в сеть с мобильного устройства марки Pear, увлекающиеся гаджетами, планирующие взять кредит на автомобиль не могут выполнить целевое действие”. Но это, во-первых, громоздко, а, во-вторых, не вызывает эмпатии. Какие-то мужчины, из каких-то городов, кем-то работающие — почему нас должны волновать их проблемы?

Для решения этих двух трудностей был разработан инструмент “Персонаж”. Это оформленное в определенного человека знание о пользователях. Т.е. были “Мужчины в возрасте 27-35 лет, жители города-миллионника, работающие в сфере ИТ, выходящие в сеть с мобильного устройства марки Pear, увлекающиеся гаджетами, планирующие взять кредит на автомобиль”, а стал “Александр, 28 лет, живет в Нижнем Новгороде. Александр работает программистом в небольшой веб-студии, следит за всеми новинками в области ИТ, в технологиях старается “держать руку на пульсе”. Для Александра важно не отставать от коллег в новинках, поэтому он приобретает гаджеты любимой фирмы, как только они выходят на рынок. Все коммуникации осуществляет также с мобильного устройства. Автомобилю Александра уже 11 лет, он стал требовать больших финансовых вложений, но постоянное следование “моде” на гаджеты не оставляет возможности накопить на новое авто, поэтому Александр планирует сдать машину в трейд-ин, а на новую взять кредит. Ключевым фактором в выборе банка для Александра является минимальная ставка по кредиту с учетом отсутствия у него кредитной истории. Возможно, и среди ваших знакомых найдутся такие Александры — это уже не набор параметров, а конкретный человек с определенными потребностями.


Удобство такого представления заключается в том, что через некоторое время уже вся команда “знакомится” с персонажем — не приходится каждый раз давать описывать его заново. А команда начинает относиться к нему, как к своему знакомому “Давайте реализуем эту фичу для Саши — он сможет отправлять запрос на кредит с помощью речевого помощника, пока стоит в пробке перед работой”

Для составления персонажа чаще всего используют такие группы данных:

Общие сведения:

  • Имя, возраст. Сфера деятельности/Профессия. Место жительства.

Мотивация, желания и страхи:

  • Какую “боль” решает персонаж в нашей системе? Что его привело? Что для него важно? Чего он боится?

Занятия и интересы:

  • Есть ли особенности работы персонажа? Чем он увлекается?

Знания и квалификация:

  • Какой тип квалификации необходим для работы с системой — методологическая/техническая? Нужны ли специфические знания и умения? Имеет ли персонаж необходимую квалификацию? Владеет ли терминологией? Знаком ли ему бизнес-процесс?

Ментальные модели:

  • С чем уже работал персонаж — с какими продуктами, системами? Что ожидает от продукта? Что ему привычно? Какие способы ввода, окружения, типы данных использует? Какие операции чаще всего?

Контекст:

  • При каких условиях персонаж будет использовать продукт? В какое время? Будут ли присутствовать внешние/отвлекающие факторы?

Вы можете группировать эту информацию, отказываться от ненужных сведений или добавлять необходимые в зависимости от того, какие факторы влияют на взаимодействие с системой. В этом случае вы получите максимальную пользу от работы с таким инструментом, как “Персонаж”.

Обсудить в форуме