Los proyectos de taxonomía suelen combinar la clasificación de tarjetas abiertas y cerradas, técnicas en línea y fuera de línea y talleres con las partes interesadas para recopilar información y difundir los resultados.
A continuación se enumeran las metodologías que apoyan la creación de IA y taxonomía.
Clasificación de tarjetas
Clasificación de tarjetas abiertas
En la clasificación abierta de tarjetas, damos a los participantes las tarjetas y ellos las clasifican y definen el nombre de los grupos. A continuación se muestra un ejemplo;
Como muestra la ilustración, el usuario recibe varios productos alimenticios, como manzanas y nata, y se le pide que grupo ellos. El usuario del ejemplo ha decidido agrupar los productos lácteos y las verduras. Tienen la capacidad no sólo de agrupar los elementos así, sino de nombrar esos grupos.
Clasificación de tarjetas cerradas
La clasificación de tarjetas cerradas es similar, pero en este caso dar a los participantes los nombres de los grupos de contenido y pedirles que organicen los elementos en esos grupos predefinidos. Esto se ilustra de la siguiente manera:
En este caso, el ejemplo muestra que al usuario se le han asignado los grupos de "Fruta", "Verduras" y "Lácteos" y se le pide que agrupe los artículos dentro de estas categorías.
Según nuestra experiencia, es mejor realizar la clasificación de tarjetas abiertas a mayor escala y alcance para incluir la mayoría de los elementos de contenido y probar rigurosamente la agrupación y la denominación.
La clasificación por tarjetas abiertas suele utilizarse en primer lugar para determinar la jerarquía general, las agrupaciones y los nombres de las categorías.
La clasificación de tarjetas cerradas puede utilizarse para clasificar el resto de contenidos que no se hayan incluido en la primera fase.
Clasificación cualitativa de tarjetas
La investigación cualitativa utilizada para llevar a cabo la clasificación de tarjetas y la prueba del árbol utiliza un número reducido de participantes en sesiones individuales de unos 60 minutos. Suele utilizarse cuando se desea entender por qué un usuario ha agrupado y nombrado los contenidos de la forma en que lo ha hecho.
Realización de la investigación
Con la clasificación cualitativa de las tarjetas, creamos tarjetas físicas para que el usuario pueda agrupar y organizardurante la sesión. Habrá un máximo de 50 y el usuario dispone de mucho tiempo, hasta una hora, a agrupar elementos y nombrar los grupos.
Todo esto se hará bajo la atenta mirada de un consultor de experiencia de usuario. Animarán al participante a explicar lo que está haciendo, por qué agrupa los elementos como lo hace y de dónde procede el nombre que ha decidido para un grupo. Esto se conoce como protocolo "pensar en voz alta y es común en las técnicas de investigación de UX.
Por lo general, ejecutamos De 8 a 10 sesiones de clasificación cualitativa de tarjetas una a una con el fin de reunir suficientes datos para el análisis y proporcionan una jerarquía recomendada.
La jerarquía suele mostrar el principales agrupaciones de contenido y los elementos del siguiente nivel que se encuentran debajo de ellos. Podría ser algo así:
Es posible que más de una solución a la navegación se genera a partir de la investigación y, si este es el caso, proporcionaremos ambas versiones junto con recomendaciones sobre cuál utilizar.
Clasificación cuantitativa de tarjetas
La clasificación cuantitativa de tarjetas y la prueba del árbol utilizan un gran número de encuestados reclutados en un panel. Se les invita a participar en una ejercicio de clasificación de tarjetas en línea creado en un software especializado como Clasificación óptima. El gran número de respuestas ofrece un alto grado de confianza en los resultados.
La clasificación cuantitativa de tarjetas es muy similar a la clasificación cualitativa de tarjetas, pero en lugar de crear tarjetas físicas, los elementos de contenido se proporcionan al usuario a través de un software en línea. En consecuencia, no podemos saber por qué un usuario puede haber agrupado y nombrado los contenidos como lo ha hecho. En cambio, nos basamos en un gran número de respuestas para obtener confianza en los resultados.
Realización de la investigación
Por lo general, ejecutamos la clasificación de tarjetas en línea con 500 encuestados reclutados de un panel ? Clasificación óptima tiene un panel integrado que garantiza que este paso sea técnicamente sencillo. Una muestra de 500 personas nos proporcionará un conjunto de datos muy sólido con el que podremos realizar nuestro análisis. Sin embargo, podemos realizar la clasificación de tarjetas en línea con un panel más pequeño si las limitaciones presupuestarias nos obligan a ello.
Algunos clientes disponen de su propio panel de clientes y nos piden que lo utilicemos para la investigación cuantitativa de clasificación de tarjetas. Esto puede suponer un gran ahorro de costes para el proyecto y estamos encantados de hacerlo. El software de clasificación de tarjetas que utilizamos simplemente produce un enlace que puede enviarse por correo electrónico al panel y las respuestas se capturan de la forma habitual.
La consideración clave con el panel es la velocidad de recaudación y consecución de la cuota. En la mayoría de los proyectos que hemos llevado a cabo utilizando un panel integrado hemos podido alcanzar una cuota de 500 completos en un plazo de 5 a 10 días desde el lanzamiento del estudio.
OPTIMAL SORT:
El software que utilizamos para los proyectos de clasificación de tarjetas en línea es Optimal Sort.
Se pide a los encuestados que organicen y agrupen un subconjunto de unos 50 elementos que pueden arrastrar y soltar de una lista situada a la izquierda de su pantalla en grupos situados a la derecha. A continuación, se les pide que nombren los grupos y también podemos permitirles que cambien el nombre de los elementos si se acepta esa metodología.
Esta es una captura de pantalla de lo que un usuario suele ver en Optimal sort:
Análisis de los resultados
Con los datos obtenidos de la clasificación de tarjetas en línea, completaremos el análisis de los resultados. Esto incluirá la creación de dendrogramas y matrices de similitud según corresponda y se ilustra de la siguiente manera:
Dendograma
Matriz de similitudes
El análisis nos permitirá identificar asociaciones entre grupos.
Guiando a Principios de REISS (Repetición, Exclusividad, Inclusión, Subconjunto y Similitud) cuando se aplican ayudan a evolucionar la agrupación que crea una serie de grupos principales. Las oportunidades para cruzar referencias/fusionar elementos se indicarán mediante relaciones de emparejamiento (en el ejemplo, están resaltadas con bloques verdes).
Se utilizará el mejor método de fusión para identificar las agrupaciones.
La siguiente ilustración muestra el porcentaje de participantes que están total o parcialmente de acuerdo con cuatro grandes grupos en función de su emparejamiento individual. Todos los participantes han agrupado al menos dos de estas tarjetas en cada grupo grande. Todos los participantes están de acuerdo con partes de los cuatro grupos más grandes, con 50% o más emparejamientos individuales coincidentes.
Presentación de los resultados
El resultado del análisis de la clasificación de tarjetas en línea será uno o varios modelos de agrupación sugeridos. Éstos formarán la base de una taxonomía centrada en el cliente y a menudo se ponen a prueba mediante la clasificación cualitativa de tarjetas como segunda etapa. En las sesiones cualitativas podemos preguntar por qué los usuarios pueden haber agrupado y nombrado el contenido de determinadas maneras durante la investigación cuantitativa. Este doble método proporciona un buen control y equilibrio para garantizar que el resultado final sea una taxonomía sólida.
Prueba del árbol
En lugar de utilizar tarjetas, los encuestados reciben varios buscar tareas similares a las que utilizarían en el mundo real. Se les pide que interactuar con la navegación (Arquitectura de la Información) y no hay ayudas visuales de diseño o navegación? un prototipo de baja fidelidad. El encuestado hace clic en las etiquetas dentro de la navegación para completar la tarea.
El siguiente gráfico ilustra el proceso.
Al aislar la AI podemos evaluar rigurosamente su eficacia, incluyendo la estructura, la denominación y la agrupación de elementos dentro de la navegación y la estructura.
ESTUDIO DE CASO:
Una gran empresa del Reino Unido se puso en contacto con nosotros para que revisáramos la taxonomía de una página web que había sido rediseñada pero que no había sufrido ningún cambio en la navegación y la jerarquía. El nuevo diseño utilizaba la jerarquía original que había crecido a lo largo de los años con nuevos elementos añadidos a través de cambios no planificados. Llevamos a cabo una serie de ejercicios de clasificación de tarjetas online y offline, talleres con las partes interesadas y sesiones de entrega para ayudarles a crear un nuevo contenedor de navegación centrado en el cliente.
¿Tiene un proyecto en mente?