<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Datastist.com on Medium]]></title>
        <description><![CDATA[Stories by Datastist.com on Medium]]></description>
        <link>https://medium.com/@datastist?source=rss-bd21992a909d------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*4Prr8uHBZuxggDi6IiwfCg.png</url>
            <title>Stories by Datastist.com on Medium</title>
            <link>https://medium.com/@datastist?source=rss-bd21992a909d------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 19:47:27 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@datastist/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[พื้นฐานของภาษาอาร์ R]]></title>
            <link>https://medium.com/@datastist/%E0%B8%9E%E0%B8%B7%E0%B9%89%E0%B8%99%E0%B8%90%E0%B8%B2%E0%B8%99%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B8%A0%E0%B8%B2%E0%B8%A9%E0%B8%B2%E0%B8%AD%E0%B8%B2%E0%B8%A3%E0%B9%8C-r-044629a35de9?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/044629a35de9</guid>
            <category><![CDATA[ภาษาr]]></category>
            <category><![CDATA[เริ่มต้นr]]></category>
            <category><![CDATA[r-language]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Sat, 27 Jan 2024 09:47:42 GMT</pubDate>
            <atom:updated>2024-01-27T09:47:42.542Z</atom:updated>
            <content:encoded><![CDATA[<p>ในการวิเคราะห์สถิติขั้นพื้นฐาน มีขั้นตอนที่สำคัญที่เราจะค่อย ๆ ทำไปที่ละขั้น หากเราทำความรู้จัก Code พื้นฐานสำคัญของ R จะทำให้เราเข้าใจภาษา R ง่ายยิ่งขึ้น ในบทนี้ เราจะทำความรู้จักสมการหรือภาษาของ R และ คำสั่ง (function) พื้นฐานกัน</p><p>สมมติว่าเราต้องการให้ R ทำงานเปรียบเสมือนเครื่องคิดเลข เราสามารถสั่งคำสั่งได้โดยการใช้ เครื่องหมาย +, -, *, / (บวก ลบ คูณ และหาร ตามลำดับ)</p><pre>3 + 6</pre><pre>## [1] 9</pre><pre>3 - 6</pre><pre>## [1] -3</pre><pre>3 * 6</pre><pre>## [1] 18</pre><pre>3 / 6</pre><pre>## [1] 0.5</pre><p>ผลที่ R แสดงขึ้นมาคือผลที่เราต้องการหาคำตอบค่า</p><h3>รู้จักชนิดของวัตถุใน R</h3><p>วัตถุ หรือ object ใน R มีหลายประเภท โดยพื้นฐานแล้ว เราจะใช้ vector matrix dataframe โดยแต่ละชนิดอาจะมีวิธีการเรียกใช้แตกต่างกันไปบ้าง</p><pre>vector1 &lt;- c(1, 2, 3, 4, 5, 6)</pre><pre>vector2 &lt;- c(0, 1, 2, 3, 4, 5)</pre><pre>vector3 &lt;- c(&quot;a&quot;, &quot;b&quot;, &quot;c&quot;, &quot;d&quot;, &quot;e&quot;)</pre><pre>vector4 &lt;- c(1.3, 1.2, 1.4, 1.5, 1.1)</pre><pre>matrix &lt;- matrix(1:6, 6, 6)<br>matrix</pre><pre>##      [,1] [,2] [,3] [,4] [,5] [,6]<br>## [1,]    1    1    1    1    1    1<br>## [2,]    2    2    2    2    2    2<br>## [3,]    3    3    3    3    3    3<br>## [4,]    4    4    4    4    4    4<br>## [5,]    5    5    5    5    5    5<br>## [6,]    6    6    6    6    6    6</pre><pre>dataframe &lt;- data.frame(matrix)<br>dataframe</pre><pre>##   X1 X2 X3 X4 X5 X6<br>## 1  1  1  1  1  1  1<br>## 2  2  2  2  2  2  2<br>## 3  3  3  3  3  3  3<br>## 4  4  4  4  4  4  4<br>## 5  5  5  5  5  5  5<br>## 6  6  6  6  6  6  6</pre><p>จะเห็นได้ว่า vector คือเลขเรียงลำดับในบรรทักเดียวไปเรื่อย ๆ ในขณะที่ Array จะเป็น vector ที่มีหลายมิติ Matrix คือเลขที่มีทั้งแถว (row) และสดมภ์ (column) เช่นเดียวกับ dataframe แต่ dataframe จะบ่งบอกลักษณะได้หลายประการมากกว่า โดยจะมี structure คือ ชื่อตัวแปร ลักษณะของตัวแปร และจำนวนของ observation (แถว) นี่เอง</p><p>ที่นี้เราลองมาใช้การคำนวณใน object ที่เราสร้างมากัน</p><pre>vector1 + vector2</pre><pre>## [1]  1  3  5  7  9 11</pre><pre>vector1 * vector2</pre><pre>## [1]  0  2  6 12 20 30</pre><p>สังเกตว่า vector1 กับ vector2 เมื่อ บวก และ คูณ กันจะได้ผลลัพธ์ตาม output ด้านบนนี้ แต่ ถ้าสมมติว่าเราเอา vector1 บวก และ คูณ vector3 ละ?</p><pre>vector1 * vector3</pre><pre>## Error</pre><p>ผลจะแสดง Error ออกมาตามนี้เลย เนื่องจาก R จัดแบ่งข้อมูล vector ที่เราใส่ลงไป 4 แบบด้วยกันคือ charactorหรือ numeric การเกิด error นี้แปลว่า R จะไม่เอา charactor ไปคำนวณกับ numeric นี่เอง และถ้าเราเอา Matrixคำนวณกับ Vector ผลที่ได้คือ จะเห็นได้ว่า ข้อมูลใน vector นำเข้าไปคำนวณในทุกๆ แถวของ matrix เลย</p><pre>matrix * vector3</pre><pre># Error</pre><p>แต่!! ผลลัพธ์ที่ 3 ก็ออกมา error เช่นกัน</p><p>ลักษณะการคำนวณเช่นนี้ dataframe จะไม่แตกต่างจาก matrix เท่าไหร่นัก เดี๋ยวเราไปรู้จักชนิดของข้อมูลกันต่อไป</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=044629a35de9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[UX09 : Lay Theory]]></title>
            <link>https://medium.com/@datastist/ux09-lay-theory-112fabdee18d?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/112fabdee18d</guid>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 22 Aug 2022 12:16:01 GMT</pubDate>
            <atom:updated>2022-08-22T12:16:01.098Z</atom:updated>
            <content:encoded><![CDATA[<h3>UX09 : Lay Theory</h3><p>ว่าด้วยเรื่องของ “เค้าว่ากันว่า…” ความเชื่อที่ส่งต่อกันมาแบบปากต่อปาก ส่งผลต่อการตีความสิ่งที่เกิดขึ้นในชีวิต ในบทความนี้เราจะพาทุกคนมาทำความเข้าใจปรากฎการณ์ดังกล่าวผ่านมุมมอง “Lay Theory”</p><h3>มารู้จัก Lay Theory กันก่อน</h3><p>Lay Theory อธิบายความเชื่อที่มนุษย์ที่ถ่ายทอดกันมาแบบ <strong>ปากต่อปาก</strong> ซึ่งส่งผลให้เมื่อคนเราไปเจอเหตุการณ์ที่คล้ายกับความเชื่อนั้น เราก็จะเชื่อมโยงความเกี่ยวข้องระหว่างสิ่งหนึ่งที่มีต่อสิ่งหนึ่งโดยไม่รู้ตัว <strong>ทั้งที่จริง ๆ แล้ว มันอาจจะไม่ได้เกี่ยวข้องกันเลย</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/445/0*32-JQc6V0DhgbF_w.png" /></figure><h3>Lay Theory ใช้อธิบายอะไรได้บ้าง ?</h3><p>จากที่ได้อ่านเปเปอร์มา.. Lay Theory จะถูกใช้ในการอธิบายถึงปรากฏการณ์มากมาย ไม่ว่าจะเป็น</p><p><em>แปะลิ้งก์เปเปอร์ไว้ด้านล่างนะคะ ตามไปอ่านกันได้เล้ยยย</em></p><h4>มาดูตัวอย่างของ Lay Theory ที่บางคนน่าจะเคยเจอมากับตัว จากงานวิจัยเกี่ยวกับยารักษาโรคกัน</h4><blockquote><em>นี่เป็นผลจากสิ่งที่ส่งต่อกันมาว่า </em><strong><em>“หวานเป็นลม ขมเป็นยา”</em></strong></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/0*-JtfC-rKcuF3I5j5.png" /></figure><h3>True — Self — As — Guide Lay Theory</h3><blockquote><em>หรือ การตัดสินใจตามความเชื่อของตัวเอง เป็นอีกหนึ่งมุมมองที่แตกย่อยออกมาจาก Lay Theory</em></blockquote><p>True — Self — As — Guide พูดถึงการตัดสินใจตามความเชื่อของตนเอง ซึ่งเป็นส่วนหนึ่งที่ทำให้ Well-being ดีด้วย ตามภาพด้านล่าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/0*ocWLs3g8bJSuaTTy.png" /></figure><p>การตัดสินใจด้วยตนเอง ส่งผลให้คนเรารู้จักตัวเอง และยังได้แสดงออกถึงความเป็นตัวเอง ซึ่งทั้ง 2 อย่างนี้ ก็จะส่งผลให้คนเรามี Well-being ที่ดี</p><h3>จากทฤษฎีวันนี้เราเรียนรู้อะไร ?</h3><p><em>(ส่วนนี้เป็น Self-reflection ของผู้เขียน)</em></p><h3>1. Learning จาก Lay Theory</h3><ul><li>สิ่งที่เราแต่ละคนเรียนรู้มาทั้งชีวิต หล่อหลอมให้แต่ละคนมีมุมมองต่อสิ่งต่าง ๆ ที่ต่างกัน</li><li>บางทีเราอาจจะงงว่าทำไมคนอื่นถึงตัดสินใจแบบนั้น แบบนี้ เราก็สามารถเข้าใจได้แล้วจาก Lay theory</li></ul><h3>2. Learning จาก True — Self — As — Guide</h3><ul><li>ลองใช้ชีวิตแบบฟังเสียงตัวเองให้มาก ๆ</li><li>ตัดสินใจอะไรด้วยตัวเอง</li><li>สนใจเสียงภายนอกให้น้อยลง</li><li>โฟกัสที่ตัวเองให้มากขึ้น</li></ul><p>Appendix</p><p><a href="https://www.researchgate.net/publication/358291855_True-self-as-guide_lay_theory_endorsement_across_five_countries">2022: True-self-as-guide lay theory endorsement across five countries</a>.</p><p><a href="https://www.sciencedirect.com/science/article/abs/pii/S0167487021000076">2021: Gambling versus investment: Lay theory and loss aversion</a>.</p><p><a href="https://web.stanford.edu/~dco/pubs/2015_Affective_Cognition_Preprint.pdf">2015: Affective Cognition: Exploring lay theories of emotion</a>.</p><p><a href="https://link.springer.com/article/10.1007/s11002-012-9165-6">2012: The effect of a no-pain, no-gain lay theory on product efficacy perceptions</a>.</p><p><a href="https://cpb-us-e1.wpmucdn.com/you.stonybrook.edu/dist/e/2677/files/2018/04/Plaks_et_al-2009-Social_and_Personality_Psychology_Compass-1zjaf80.pdf">2009: Lay Theories of Personality: Cornerstones of Meaning in Social Cognition</a>.</p><p><em>Originally published at </em><a href="https://datastist.github.io/UXR/memee/md/UX10_laytheory.html"><em>https://datastist.github.io</em></a><em>.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=112fabdee18d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Curse of Knowledge]]></title>
            <link>https://medium.com/@datastist/curse-of-knowledge-5eb9da6430f7?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/5eb9da6430f7</guid>
            <category><![CDATA[curse-of-knowledge]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 13:41:40 GMT</pubDate>
            <atom:updated>2022-08-15T13:41:40.619Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>UX 08 : Curse of Knowledge<br></strong>ทำไมการมีความรู้ถึงกลายเป็นคำสาป?<strong><br></strong>Bias ที่คนทำ Research โดยเฉพาะในสาย UX ต้องระวังมาก ๆ</p><p><strong>เคยเจอเหตุการณ์แบบนี้กันมั้ย?</strong></p><blockquote>— ตกลงกับทีมว่าตัวนี้ยังไม่ต้อง Test หรอก เพราะทุกแอปเขาก็ทำกันแบบนี้ User ต้องเข้าใจแน่นอน</blockquote><blockquote>— คิดว่า Participant น่าจะเข้าใจวิธีการทำ Usability Testing เพราะระบบมันก็ไม่ซับซ้อน แต่พอถึงหน้างาน Participant กลับมีความกังวลในการใช้ระบบ จนไม่ได้โฟกัสไปกับ Task</blockquote><blockquote>— รู้สึกว่าเรื่องนี้ไม่ต้องใส่ใน Report หรือรายงาน Stakeholder ก็ได้ เพราะเค้าน่าจะรู้อยู่แล้วแต่สุดท้ายแล้ว เค้าไม่รู้..</blockquote><p><strong>โมเม้นต์เหล่านี้เกิดขึ้นเพราะคนเรามี Bias ที่เรียกว่า Curse of Knowledge</strong></p><h3>Curse of Knowledge คำสาปที่เกิดจากการมีความรู้</h3><p>เป็น Bias ที่เกิดขึ้นเมื่อเรารู้สึกว่าคนอื่น ๆ ก็น่าจะรู้เหมือนที่เรารู้ <br>โดยเฉพาะเรื่องที่เรารู้ลึก รู้จริง</p><p>ตามภาพนี้เลย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*LFeRdZl6uUyeLrL29UZBUw.png" /><figcaption>Curse of Knowledge</figcaption></figure><p>Bias นี้จะเกิดขึ้นได้ง่ายมาก โดยเฉพาะกับเรื่องที่เราเข้าใจอย่างรู้ลึก รู้จริง จนกลายเป็นเรื่องธรรมดาของเรา จนบางครั้งลืมนึกไปว่า คนอื่น ๆ เขาไม่ได้เข้าใจแบบที่เราเข้าใจ</p><p><strong>แล้ว Curse of Knowledge ส่งผลต่อการทำงาน Research ในสาย UX ยังไงบ้าง?</strong></p><h3>1. Researcher</h3><p>เกิด Bias ขณะตั้งสมมติฐาน ไปจนถึง การทำ Research</p><h3>2. Participant</h3><p>ในการ Test อาจเกิดเหตุการณ์ที่ Participant ไม่เข้าใจ Task ตั้งแต่ต้น เพราะ Researcher เข้าใจว่า Participant น่าจะเข้าใจตรงกัน ทำให้ส่งผลต่อผลลัพธ์ในภาพรวม</p><h3>3. Stakeholder</h3><p>สื่อสารกันไม่เข้าใจ เพราะ คนทำ Research เข้าใจว่า Stakeholder มีพื้นฐานความรู้เท่า ๆ กัน เช่นตัวอย่างตามภาพ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*EvkTkrTaV1mPVQ0cyT8rmA.png" /></figure><p>ทั้งหมดที่กล่าวมา จะส่งผลให้สุดท้ายแล้ว Product ถูกปล่อยออกมาแบบที่ไม่ตอบโจทย์ User</p><p>—</p><h3>มาดูวิธีหลีกเลี่ยงไม่ให้เกิด Curse of Knowledge กัน</h3><h4>1. Awareness: เตือนตัวเองไว้เสมอว่า “คนอื่นเค้าไม่เข้าใจ แบบที่เราเข้าใจ”</h4><p>ในการสื่อสารกับคนอื่น ๆ โดยเฉพาะ Stakeholder ที่อยู่ต่างทีม และกับ Participant เราจะสื่อสารทุกเรื่องที่เราต้องการให้เขารู้ โดยที่ไม่สนใจว่าเขาจะรู้อยู่แล้ว หรือไม่ เพื่อ make sure ว่าเข้าใจตรงกันแน่นอน เช่น</p><p>เวลาคุยงานกับ Stakeholder เราจะ aware ไว้เสมอว่า เรา (ในฐานะนักวิจัย) คือคนที่รู้จัก User มากที่สุด คนอื่นไม่ได้เข้าอยู่ใน Session การ Test ด้วย<br>ดังนั้น จะต้องเล่าข้อมูลทั้งหมดที่่เกี่ยวข้อง เพื่อให้มั่นใจว่าทุกคนเข้าใจตรงกัน</p><h4>2. Empathy: ในมุมการทำ Product จะหมายถึง “การออกไปทำ Research และ Test”</h4><p>การที่เราอยู่กับ Product นาน ๆ แน่นอนว่าจะเกิด Bias ที่ทำให้เราเกิดความเชื่อว่า “User น่าจะใช้ง่ายนะ เพราะขนาดเรายังเข้าใจเลย” จนลืมไปว่าเราอยู่กับมันมานาน</p><p>แต่แทนที่จะมั่นใจ ลงมือพัฒนา และปล่อย Product ออกไปเลย ลองเปลี่ยนความเชื่อนั้นเป็น Hypothesis แล้วนำไป Test จะทำให้ได้ Insight ใหม่ ๆ เพื่อ พัฒนา Product ให้ตอบโจทย์ User มากที่สุด เราจะได้ Product ที่เป็น <strong>User Centric</strong> จริง ๆ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5eb9da6430f7" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Mental Model in UXR]]></title>
            <link>https://medium.com/@datastist/mental-model-in-uxr-f77863b8f58b?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/f77863b8f58b</guid>
            <category><![CDATA[mental-models]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 13:34:30 GMT</pubDate>
            <atom:updated>2022-08-15T13:34:30.595Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>User Mental Model สำคัญยังไงในการออกแบบ Digital Product?</strong><br> — -</p><blockquote><em>“การที่แอปใช้ยาก เกิดจากผู้ใช้งงเอง หรือเป็นเพราะการออกแบบ”</em></blockquote><p>อีกหนึ่งปัญหาจาก User ที่ทีมพัฒนา Produt ห้ามมองข้าม</p><p>วันนี้เราจะมาอธิบายปรากฎการณ์นี้<br>ผ่านสิ่งที่เรียกว่า Mental Model ในมุมมอง UX ให้ฟังกันค่ะ</p><p>— -</p><p>เชื่อว่าหลายคนน่าจะเคยเข้าเว็บไซต์ หรือใช้แอปพลิเคชั่นบางตัว แล้วรู้สึกว่า..<br><strong>ทำไมเวลาใช้งานเว็บนี้แล้ว มันขัดใจไปหมด</strong></p><blockquote>“ปุ่มยกเลิกไม่ได้อยู่ด้านล่างหรอ”</blockquote><blockquote>“ศูนย์ช่วยเหลือในแอปต้องอยู่แถวนี้สิ”</blockquote><blockquote>“หน้านี้มันควรมีข้อมูลสินค้าไม่ใช่หรอ”</blockquote><p>เป็นปัญหาที่เหมือนจะเล็ก <br>แต่จุดเล็ก ๆ นี่แหละเป็นสาเหตุหนึ่งที่ทำให้ user เลิกใช้แพลตฟอร์มเราไปได้เลย</p><p>— -</p><h3>มารู้จัก Mental Model กันก่อน</h3><p>Mental Model หรือ แบบจำลองความคิด <br>คือ คำที่ใช้อธิบายถึง ความเชื่อ หรือความเข้าใจของมนุษย์ที่มีต่อสิ่งต่าง ๆ <br>หรือปรากฏการณ์ต่าง ๆ ไม่ว่าจะเข้าใจถูก หรือเข้าใจผิด</p><p>ซึ่ง Mental Model ของคนเราก็จะแตกต่างกันไปตามประสบการณ์ วัฒนธรรม ความเชื่อ และอื่น ๆ ที่หล่อหลอมให้คนเรามีชุดความคิดที่ต่างกัน</p><p>ดังนั้น ถ้าอธิบายตามหลัก Mental Model การที่ User รู้สึกว่าแพลตฟอร์มออนไลน์บางแพลตฟอร์มใช้ยาก ก็เป็นเพราะ..</p><blockquote>แอปพลิเคชั่น หรือเว็บไซต์นั้น ๆ ไม่ได้ออกแบบมาให้สอดคล้อง Mental Model ของผู้ใช้งาน</blockquote><p>หรือพูดก็คือ แพลตฟอร์มนั้น ๆ ไม่ได้ออกแบบมาให้สอดคล้องกับความเข้าใจ หรือประสบการณ์ที่ User เคยมีในการใช้งานที่ผ่านมานั่นเอง<br><br> — -</p><p><strong>ในมุมมองของ User Experience (UX) เราจะเรียกว่าเป็น User Mental Model</strong></p><p>ซึ่งจะอธิบายความเข้าใจของ User ที่มีต่อแพลตฟอร์มว่าแพลตฟอร์มทำงานอย่างไร</p><p>(ที่อาจจะ <strong>ตรง</strong> หรือ <strong>ไม่ตรง</strong> กับการใช้งานจริง ตามวิธีที่ทีมออกแบบตั้งใจให้เป็น</p><p>จากการทำ Research ที่ผ่านมา เราเจอว่า User จะเกิดความหงุดหงิดและมีแนวโน้มจะใช้น้อยลง หรือ<strong>เลิกใช้แพลตฟอร์มที่ไม่สอดคล้องกับ User Mental Model</strong></p><p><strong>ตัวอย่างการออกแบบที่ไม่สอดคล้องกับ User Mental model</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*d4E7gt-_AhMLOW8ak_pnBQ.png" /></figure><h3>— <br>แล้วเราจะรู้ User Mental Model ได้ยังไง?</h3><p>คำตอบง่าย ๆ เลยคือ <strong>ออกไปทำ Research ค่ะ</strong> <br>เพื่อทำความรู้จัก และเข้าใจ User ในมุมมองการ Interact กับ Product ของเรา</p><p>ซึ่งการทำ Research Method ที่ใช้ในการไปเข้าใจ User ก็มีวิธีที่หลากหลาย<br>ไม่ว่าจะเป็น..</p><p>- Usability Testing<br>- A/B Testing<br>- Interview<br>- Focus Group<br>- Cart Sorting<br>- และอื่น ๆ อีกมากมาย</p><p>เพื่อน ๆ จะต้องเลือก Research Method ที่สอดคล้องกับสิ่งที่ต้องการจะรู้ <br>หรือ Objective ของการทำ Research ในแต่ละครั้ง นั่นเอง</p><p>— -<br>สรุปแล้ว..<br>การรู้ User Mental Model และนำมาใช้ร่วมกับการออกแบบ<br>จะทำให้ Product ออกมา User Friendly <br>ที่จะส่งผลให้บรรลุเป้าหมายแพลตฟอร์มอีกด้วยนะ ❤</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f77863b8f58b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Groupthink]]></title>
            <link>https://medium.com/@datastist/groupthink-154b23fb0612?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/154b23fb0612</guid>
            <category><![CDATA[groupthink]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 13:28:28 GMT</pubDate>
            <atom:updated>2022-08-15T13:28:28.827Z</atom:updated>
            <content:encoded><![CDATA[<p>UX 06 : Groupthink<br>Bias ที่ต้องระวังเวลาอยู่กันเป็นกลุ่ม</p><p>ในบทความนี้ เราจะพามารู้จัก Groupthink และวิธีการหลีกเลี่ยง พร้อม Case study ที่เจอบ่อยในงาน Research กัน</p><blockquote><em>เชื่อว่าหลายคนน่าจะเคยอยู่ในสถานการณ์ประมาณนี้</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*454JEux8yviXE9lFEHzNUw.png" /></figure><p>การที่แมวทั้งกลุ่มลงความเห็นไปในทิศทางเดียวกันทั้งหมดแม้ในใจจะไม่ค่อยเห็นด้วย</p><p><strong>นี่แหละคือ “Groupthink”<br></strong>ส่วนใหญ่จะเกิดขึ้นเมื่อมี 1 คนในกลุ่ม (หรือมากกว่า) มีอิทธิพล หรือชี้นำความคิดของกลุ่ม โดยที่เขาคนนั้นก็ไม่รู้ตัวเลยก็ได้</p><p>เพื่อน ๆ น่าจะเคยเจอเหตุการณ์นี้กันบ่อย ๆ ในเวลาที่ต้องการการตัดสินใจ ไม่ว่าจะเป็นในชีวิตประจำวัน หรือในการทำงาน</p><blockquote>Groupthink vs. Echo chamber</blockquote><p>หลายคนคงสงสัยว่า Echo Chamber ต่างกับ Groupthink ยังไง ?</p><p><strong>Echo Chamber</strong> จะเป็นลักษณะของ<strong>สิ่งแวดล้อม</strong> ที่ไม่เอื้อให้เกิดการพูดถึงเรื่องอื่น ๆ ทำให้คนในกลุ่มนั้น ๆ รับสารอยู่แบบเดียว</p><p>เช่น การที่เราเข้าไปอยู่ในกลุ่มคนที่มีความเชื่อเรื่อง A พูดคุยแต่เรื่อง A เมื่อเวลาผ่านไปความเชื่อนั้นก็จะสุดโต่ง จนไม่สามารถยอมรับความเห็นต่าง หรือยากที่จะยอมรับได้</p><p>—</p><p>มาดู Groupthink ในบริบทการทำงาน (Research) พร้อมวิธีป้องกัน</p><p>Groupthink ในบริบทการทำ Research เกิดได้จากคน 2 กลุ่มหลัก ๆ</p><h3><strong>1. Groupthink จากทีมทำงาน</strong></h3><p>เหตุการณ์ที่พบเจอบ่อย</p><p>— ไม่กล้าเสนอไอเดีย เพราะไม่มั่นใจว่าไอเดีย จะดีพอหรือเปล่า ก็เลยต้องเห็นด้วยกับ คนอื่นไป<br> — ไม่กล้าออกความเห็นที่ค้านกับหัวหน้า เพราะคิดว่าไอเดียหัวหน้าน่าจะดีที่สุดแล้ว<br> — เห็นด้วยกับการวิเคราะห์ข้อมูลของคนอื่น จนบางครั้งอาจจะทำให้พลาดการวิเคราะห์ Findings ใหม่ ๆ หรือพลาดที่จะมองในมุมอื่น ๆ</p><p><strong>วิธีป้องกัน<br>1. </strong>Set expectation ให้ทุกคนสามารถออกไอเดีย แสดงความคิดเห็นได้ โดยเฉพาะเมื่อมี Session ประชุม หรือ Brainstorm ที่ต้องการไอเดียใหม่ ๆ <br>2. ใช้ Tools การตั้งคำถาม หรือใช้กระบวนการที่เอื้อให้เกิดการออกไอเดีย พร้อมเปิดพื้นที่ให้ทุกคนได้แชร์ความเห็น<br>3. คนที่เป็นหัวหน้า ต้อง Aware ไว้มาก ๆ ว่าความคิดเห็นหรือข้อเสนอของตนเอง อาจจะส่งผลกับความคิดของทีมงาน</p><h3><strong>2. Groupthink จากผู้ที่เข้าร่วมการวิจัยใน Focus Group</strong></h3><p>เหตุการณ์ที่พบเจอบ่อย</p><p>— ในบางกลุ่มจะมี 1–2 คนที่พูดเก่ง ๆ จนทำให้คนอื่น ๆ ได้พูดน้อย และคนที่พูดน้อยก็จะมีแนวโน้มที่เห็นด้วยกับคนอื่น ๆ <br> — Participants มีแนวโน้มที่จะเห็นด้วยกับสิ่งที่คนก่อนหน้าพูด<br> — สุดท้ายแล้ว ความคิดเห็นจะออกมาเป็นแนวทางเดียวกันหมดเลย <br> (ซึ่งก็เป็นไปตามวัตุประสงค์ของ Focus Group แต่ข้อมูลที่ได้อาจจะไม่ตรงกับความเป็นจริง)</p><p><strong>วิธีป้องกัน<br></strong> — Set expectation เพื่อทำให้ Participant รู้สึกปลอดภัยในการแสดงความคิดเห็น โดยใช้ wording ประมาณนี้..</p><blockquote>”ทุกคนสามารถออกความเห็นได้”</blockquote><blockquote>”เห็นต่างกับคนอื่นได้”</blockquote><blockquote>”ทุกความคิดเห็นหรือคำตอบของทุกคนมีประโยชน์”</blockquote><blockquote>”ในห้องนี้เราจะไม่ตัดสินความคิดของใคร”</blockquote><blockquote>”ทุกคนเคารพความคิดเห็นของกันและกัน”</blockquote><p>เมื่อ Participant รู้สึกปลอดภัย บทสนมนาจะสนุกมาก เพราะทุกคนแชร์ความคิดเห็นกัน มีการ Discuss ซึ่งทำให้เราในฐานะผู้วิจัย ได้เจอ Insight ใหม่ ๆ เยอะมาก</p><p>— -<br> อ่านมาถึงตรงนี้ อยากจะฝากทุกคนไว้ว่า..<br>Bias ไม่ใช่สิ่งที่ไม่ดี เพราะ Bias เป็นกระบวนการปกติของมนุษย์เรา ในการลดระยะเวลาการประมวลข้อมูล และช่วยให้ตัดสินใจเร็วขึ้น แค่เราต้องรู้เท่าทัน และ Aware ไว้ เท่านี้ก็พอค่า ❤</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=154b23fb0612" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Confirmation Bias]]></title>
            <link>https://medium.com/@datastist/confirmation-bias-e23148ed01de?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/e23148ed01de</guid>
            <category><![CDATA[confirmation-bias]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 13:21:50 GMT</pubDate>
            <atom:updated>2022-08-15T13:21:50.919Z</atom:updated>
            <content:encoded><![CDATA[<p>UX 05 : Confirmation Bias</p><p>สิ่งที่ต้องระวังในงาน Research<br>ในบทความนี้ เราจะพามารู้จัก Confirmation Bias พร้อม Case Study ที่เจอบ่อยในงาน (UX) Research กัน</p><p>เพื่อน ๆ หลายคนน่าจะเคยเจอเหตุการณ์ประมาณนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*7iZ_pLiwV8K6BYGgmSwaEA.png" /></figure><p>สุดท้ายเรามีแนวโน้มที่จะฟังเสียงคนที่เชียร์ให้ซื้อมากกว่า ไม่ว่าจะด้วยเหตุผลอะไร</p><p>เหตุผลนั้นก็จะฟังดูเข้าหูไปหมด และจบลงที่เราไปสอยของชิ้นนั้นมาครอบครอง</p><p><strong>นี่แหละคือ Confirmation Bias</strong></p><p>— -</p><h3>มารู้จัก Confirmation bias ให้มากขึ้น</h3><blockquote>ในทางทฤษฎีนิยามของ Confirmation Bias คือ <em><br>คนเรามีแนวโน้มที่จะมองหาข้อมูลที่ตรง หรือแปลความข้อมูลให้สอดคล้องกับความเชื่อเพื่อมายืนยันความเชื่อเดิมที่มีอยู่</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*_a4WQvH93LKDeuhjkVKswQ.png" /></figure><p>ในงาน Research ก็เช่นกัน บางครั้งเราอาจจะมี Bias นี้แบบไม่รู้ตัว</p><p>*อ่านเพิ่มเติมได้ที่ : [<a href="https://uk.sagepub.com/en-gb/eur/social-cognition/book250299">Social Cognition : from brain to culture</a>]</p><p>— <br><strong>แล้ว Confimation Bias ในงาน Research เกิดขั้นตอนไหน? และจากใครได้บ้าง?</strong></p><p><strong>1. จากผู้วิจัยเอง</strong></p><blockquote>ระหว่างการดำเนินการวิจัย</blockquote><p>ตัวอย่าง เมื่อ Participant ตอบคำถามตรงกับสมมติฐาน</p><p>นักวิจัยทุกคนรู้ดีว่าสิ่งที่สำคัญมากในการทำวิจัยคือ <strong>การตั้งสมมติฐาน</strong> และหลายครั้งที่ออกไปเก็บข้อมูลจริงกับ Participant ผ่านการสัมภาษณ์ Bias นี้จะเกิดขึ้นง่ายมากหากเราลืมตัวไป</p><p>อาจเกิดได้จากการที่ Participant ตอบคำถามแล้วดัน<strong>ตรงกับสมมติฐานเรา!</strong> <br>เราเลยถามเจาะเรื่องนี้ โดยอาจจะใช้คำถามชี้นำโดยไม่รู้ และอาจจะทำให้ลดความสำคัญในบางประเด็นไป ทำให้สุดท้ายแล้ว ผลออกมาตรงกับสมมติฐาน ถึงแม้ว่าจริง ๆ แล้ว อาจจะไม่เป็นเช่นนั้นเลยก็ได้</p><blockquote>ระหว่างการวิเคราะห์ข้อมูล</blockquote><p><strong>ตัวอย่าง</strong> เมื่อเจอข้อมูลที่ตรงกับสมมติฐานที่ตั้งไว้</p><p>เมื่อได้ข้อมูลจากการวิจัยมาแล้ว ข้อมูลมันจะเยอะมากเลย <br>โดยเฉพาะข้อมูลจากการสัมภาษณ์ หรือ Focus group</p><p>ดังนั้น จึงเป็นเรื่องง่ายมากที่เราจะมองหากับข้อมูลที่เราต้องการทดสอบสมมติฐานก่อนซึ่งอาจจะทำให้เรา Ignore ข้อมูล หรือ Insight ชุดอื่น ๆ ที่สำคัญ และเป็นประโยชน์ ซึ่งอาจจะมาหักล้างสมมติฐาน และเป็น Findings ใหม่เลยก็ได้</p><p>— -</p><p><strong>2. จากผู้เข้าร่วมการวิจัย</strong></p><blockquote>ระหว่างการให้ข้อมูล</blockquote><p>ตัวอย่าง เมื่อ Participant ถามคำถามผู้วิจัย</p><p>บางครั้งระหว่างการสัมภาษณ์ Participant ถามคำถามบางอย่างเกี่ยวกับ หัวข้อการสัมภาษณ์โดยที่ไม่ได้คิดอะไร แต่เราในฐานะนักวิจัยก็เผลอตอบ Yes / No ซึ่งเป็นการให้ข้อมูลไปแบบไม่รู้ตัว นี่ก็เป็นการส่งเริม Confimation Bias ให้ Participant แบบที่เราไม่ได้ตั้งใจเช่นกัน</p><p>— -</p><h3>แล้วจะลด Bias นี้ได้<strong>ยัง</strong>ไงบ้าง?</h3><p>เอาจริง ๆ มันยากมากที่จะลด Bias นี้ แต่ในฐานะที่เป็นนักวิจัย เราต้องลด ละ เลิก ให้ได้มากที่สุด วิธีที่เราใช้บ่อย ๆ มีตามนี้เลย</p><p><strong>1.Preparation การเตรียมตัว</strong></p><p>- เตรียมคำถามการสัมภาษณ์ให้ครอบคลุม<br>- เตรียมตัวเองในฐานะผู้วิจัย</p><p><strong>2.Set expectation (ตั้งความคาดหวัง)</strong></p><p>- ตั้งความคาดหวังกับ Partipant ให้ชัดในสิ่งที่จะเกิดขึ้นในการวิจัย<br>- ถ้า Participant มีคำถามระหว่างการวิจัย เราสามารถเลี่ยงตอบ หรือเก็บไว้ตอบหลังจบการวิจัยได้</p><p><strong>3.Data-Driven (ยึดข้อมูลเป็นหลัก)</strong></p><p>- กางข้อมูลทั้งหมดที่ได้ออกมา และใช้เวลากับข้อมูลเยอะ ๆ<br>- วิเคราะห์ข้อมูลด้วยการใช้ข้อมูลเป็นตัวนำเท่านั้น</p><p>— -<br>สุดท้ายนี้ เราไม่อยากให้ทุกคนมีความรู้สึกทางลบกับ Confirmation Bias นี้นะ เพราะมันคือกระบวนการปกติของมนุษย์เรา ในการลดระยะเวลาการประมวลข้อมูล และช่วยให้ตัดสินใจเร็วขึ้น แค่เราต้องรู้เท่าทัน และ Aware ไว้ เท่านี้ก็พอ ❤</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e23148ed01de" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[UX04: User Journey]]></title>
            <link>https://medium.com/@datastist/ux04-user-journey-2015e0e2d8e3?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/2015e0e2d8e3</guid>
            <category><![CDATA[ux]]></category>
            <category><![CDATA[user-journey]]></category>
            <category><![CDATA[ux-research]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 13:13:38 GMT</pubDate>
            <atom:updated>2022-08-15T13:13:38.303Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>หรือการเดินทางของ User</strong></p><p>คือ User เดินทางไปไหนกันนะ แล้วเราจะต้องรู้ไปทำไม วันนี้เราจะมาหาคำตอบกัน</p><h3>User Journey คืออะไร</h3><p>User Journey เป็นอีกหนึ่งเครื่องมือที่นิยมใช้กันมานานแล้ว เพื่อน ๆ อาจจะเคยได้ยินในวงการ Marketing ด้วยชื่อ Customer Journey หรือ การเดินทางของลูกค้า ซึ่งก็คล้าย ๆ กันกับของเรา แต่ใน User Journey ของเราจะเน้นไปที่ User ที่ใช้งาน Digital Product นั่นเอง</p><blockquote>แล้ว User Journey จะช่วยทีม Product ยังไง?</blockquote><p>ช่วยแน่นอน เพราะ User journey ช่วยให้เราเห็นภาพใหญ่ของ User ที่มีปฏิสัมพันธ์ (Interact) กับ Product ไม่ว่าจะเป็น ก่อน ระหว่าง และหลัง การมีปฏิสัมพันธ์กับ Product ของเรา</p><p>ซึ่งจะทำให้ทีมเห็นโอกาส (Opportunity) ในการสร้าง หรือพัฒนา Product ไม่ว่าจะเป็นการสร้าง Product ใหม่ ออก Feature ใหม่ รวมไปถึงการพัฒนา Feature ที่มีอยู่แล้วให้ตอบโจทย์กับ User</p><blockquote><em>User Journey เหมาะกับการใช้งานตอนไหน?</em></blockquote><p><strong>1.ก่อนสร้าง Product</strong></p><p>เพื่อหาจุดที่ทีมจะสามารถแก้ปัญหาของ User ใน Touch Point ต่าง ๆ</p><p><strong>2. หลังจากปล่อย Product ออกไปแล้ว</strong></p><p>เพื่อหาจุดที่ทีมสามารถออก Feature ใหม่ ๆ เพื่อให้ตอบโจทย์ประสบการณ์การของ User มากขึ้น</p><p>โดยสรุปก็คือ User Journey เป็นประโยชน์กับการพัฒนา Product แทบจะทุกขั้นตอนเลย</p><p>— -</p><blockquote><em>องค์ประกอบของ User Journey มีอะไรบ้าง?</em></blockquote><p>จากที่เห็นไปข้างต้น เราใช้คำว่า <strong>“ภาพใหญ่”</strong> เพราะมันคือภาพใหญ่จริง ๆ เพราะเราจะไม่ลงลึกในรายละเอียดของพฤติกรรมที่ User มีต่อแต่ละหน้าของ Product แต่เราจะแบ่ง Journey ออกเป็น Stage หรือเป็นขั้น ๆ โดยมีส่วนประกอบตามนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*NgmONHDjGGh8Af1Bi7z9Pg.png" /><figcaption>ส่วนประกอบของ USER JOURNEY</figcaption></figure><ol><li><strong>Stage หรือ ลำดับขั้น</strong></li></ol><p>ใช้เพื่อแสดงถึงภาพกว้าง ๆ ว่าในขั้นนี้ User ของเรากำลังทำอะไร ที่นิยมใช้กับก็จะมี Awareness / Consideration / Decision making ฯลฯ ซึ่ง Stage นี้จะไม่มีสูตรสำเร็จ เพื่อน ๆ สามารถปรับให้สอดคล้องกับ Product ของตัวเองได้เลย</p><p><strong>2. Goal หรือ เป้าหมาย</strong></p><p>เพื่อให้ทีมเห็นภาพว่า ในแต่ละขั้น เป้าหมายของ User คืออะไร หรือ User ต้องการที่จะทำอะไรให้สำเร็จ</p><p><strong>3. Thinking หรือ ความคิด</strong></p><p>จากเป้าหมายที่ User มี เราต้องรู้ว่าเขามีความคิดอะไร มี Pain หรือ Need อะไรในแต่ละขั้น</p><p><strong>4. Action หรือ สิ่งที่ลงมือทำ</strong></p><p>User ลงมือทำอะไร เพื่อให้บรรลุเป้าหมาย</p><p><strong>5. Emotion หรือ อารมณ์</strong></p><p>อารมณ์ในแต่ละขั้นเป็นอย่างไร เป็นทางบวก หรือทางลบ</p><p>จะเห็นว่าข้อมูลทั้งหมดนี้ จะช่วยให้ทีม Product เห็นภาพของ User ชัดมากขึ้นว่าในแต่ละขั้นที่ User ของเรามีปฏิสัมพันธ์กับ Product เขามีปัญหา หรือมีความต้องการอะไรซ่อนอยู่ ซึ่งเราในฐานะทีม Product จะได้เห็นแนวทางการพัฒนา Product ให้ตอบโจทย์ User มากขึ้นนั่นเอง<br>- — — -</p><blockquote><em>แล้วจะสร้าง User Journey ขึ้นมาได้ยังไง?</em></blockquote><p><strong>1.สร้างขึ้นมาเอง</strong></p><p>ในกรณีที่ทีมไม่มีงบประมาณหรือไม่มีเวลาในการออไปทำ Research ก็สามารถเริ่มจากการสมมติจาก User Persona ขึ้นมาก็ได้ว่า ถ้าคน Persona แบบนี้มีเขาจะมี Interact กับ Product อย่างไรบ้าง</p><p><strong>2.ออกไปเก็บข้อมูล</strong></p><p>หรือก็คือการออกไป Research โดยใช้ Quan + Quali เหมือนเดิมเลย ซึ่งแน่นอนว่าวิธีการเก็บข้อมูลส่วนหนึ่งนั้นก็ขึ้นอยู่กับงบประมาณและเวลาที่ทีมงานมีอยู่</p><p>ต่อมาเราก็พร้อมที่จะออกไปทำ Research และเริ่มลงมือทำ User Journey ได้เลย !</p><p>- — -<br> <br><strong>มาดูตัวอย่างกัน</strong></p><p><em>เพื่อน ๆ อยู่ในทีม Digital learning product ที่กำลังพัฒนา Platform เรียนออนไลน์ให้คนวัยทำงาน และกำลังทำ User journey</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*Wft5zsb0YdXr3c51DeTg8w.png" /></figure><p>—</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2015e0e2d8e3" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[UX 03 : Tips in UXR Reports]]></title>
            <link>https://medium.com/@datastist/ux-03-tips-in-uxr-reports-63c36e5659d6?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/63c36e5659d6</guid>
            <category><![CDATA[ux]]></category>
            <category><![CDATA[tips-and-tricks]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 13:06:53 GMT</pubDate>
            <atom:updated>2022-08-15T13:06:53.272Z</atom:updated>
            <content:encoded><![CDATA[<h3>UX 03 : Tips in UXR Reports</h3><p>Report ของ UX Research ต่างกับ Report ของ Research อื่นอย่างไร มีอะไรที่เราควรรายงานบ้าง มาดูกัน</p><p>ผู้อ่านคงทราบกันแล้วว่า Research Method หรือวิธีวิจัยของ UX Research จะต่างจากการวิจัยของจิตวิทยา รวมไปถึงการวิจัยอื่น ถึงแม้จะมีพื้นฐานเดียวกันคือ การแบ่งเป็นเชิงคุณภาพ และเชิงปริมาณ</p><p>นอกจากวิธีวิจัยแล้ว จุดประสงค์ของการนำผลการวิจัยไปใช้ก็ต่างกัน <br>จึงทำให้รูปแบบการรายงานผลต่างกันออกไปด้วยค่ะ</p><p>— -</p><p>ก่อนจะเข้าเรื่อง เรามารู้จักความแตกต่างของประเภทของ Research กันก่อน</p><blockquote><strong>Q: UX Research ต่างกับ Academic Research ยังไง?</strong></blockquote><blockquote><strong>A:</strong> ถ้าในมุมมองวิธีการวิจัยเราสามารถพูดได้เลยว่า<strong> ไม่ต่างกัน</strong></blockquote><p>เพราะใน UX Research เราใช้ขั้นตอนการวิจัยที่เหมือนกับการทำ Research โดยทั่วไป เรามี วัตถุประสงค์ / ตั้งสมมติฐาน / กำหนดวิธีวิจัย / คัดเลือก Participants /ผลการวิจัย / ข้อเสนอแนะ ดังนั้น การเนื้อหาในการรายงานผลก็จะมีลักษณะคล้ายกัน</p><p>แต่สิ่งที่ทำให้ UX Research ต่างกับ Academic Research คือ..</p><blockquote><strong>การเน้นการลงมือทำ (implementation)</strong></blockquote><p>การที่ข้อมูลจาก UX Research จะต้องนำไปเป็นส่วนในการ Implement กับ Product จริง ๆ ทำให้ การทำ Report ของเราต่างจากการเขียนรูปเล่มเต็ม เพราะเราต้องทำให้ Stakeholder ที่จะต้องใช้ข้อมูลต่อจากเรา เข้าใจสิ่งที่เราต้องการนำเสนอให้ย่อยง่ายที่สุด เพื่อจะได้ไม่เป็นอุปสรรคในการลงมือทำงานต่อนั่นเอง</p><p>ด้วยเหตุผลที่กล่าวมาทั้งหมด Report ที่เราจะพูดถึงต่อไป จะโฟกัสที่ Presentation Deck เป็นหลัก</p><p>—</p><p>จากประสบการณ์การเขียน Report ทั้งหมดเราได้สรุป<strong> Tips 6 ข้อ</strong> จากสิ่งที่เราได้เรียนรู้ในการเขียน Report ที่ผ่าน ๆ มา ของตัวเองใน UX Research จะมีอะไรบ้าง ตามมาได้เลย</p><h3>1. Know your Stakeholder</h3><p><strong>รู้จักว่าใครจะได้ใช้งานของเรา</strong></p><p>การเขียน Report หรือ ทำ Presentation Slide ที่ดี เราต้องรู้ก่อนว่าคนที่จะเอาข้อมูลของเราไปใช้คือใคร และเอาไปใช้ทำอะไร ซึ่งแน่นอนว่ามันก็จะสอดคล้องกับวัตถุประสงค์ของการทำ Research อยู่แล้ว</p><p>และการที่เราตระหนักไว้เสมอว่า Stakeholder ของเราคือใคร และจะนำข้อมูลจากเราไปใช้ทำอะไร จะทำให้เราทำ Report มาได้ตอบโจทย์กับเขามาก เพราะ Stakeholder ก็เหมือนลูกค้าเรา การที่เราตระหนักแบบนี้ก็เหมือนเรา Customer Centric ไปด้วยนั่นเอง</p><h3>2. Background &amp; Objectives</h3><p><strong>เล่าที่มา และวัตถุประสงค์</strong></p><p>เป็นอีกสิ่งหนึ่งที่สำคัญในการทำ Report คือ ต้องบอก Goal (วัตถุประสงค์), Background (ที่มา) เพื่อให้คนที่มาอ่านเข้าใจบริบทของ Research นี้ ว่าทำไปเพื่ออะไร ทีมอยากแก้ปัญหาอะไร</p><p>การเล่าที่มา และวัตถุประสงค์ถือเป็นการสร้างกรอบความคากหวังของ Stakeholder ว่า Finding ที่เขากำลังจะเห็นต่อไป จะอยู่ใน Scope นี้ เท่านั้น</p><h3>3. Show research methodology &amp; Participants</h3><p><strong>วิธีวิจัย และผู้เข้าร่วมการวิจัย</strong></p><p>เป็นข้อมูลที่ทำให้ Stakeholder เข้าใจที่มาของข้อมูล ว่าเราไปเก็บข้อมูลกับใคร ด้วยวิธีอะไร เพื่อสร้างความน่าเชื่อถือของข้อมูลว่าเราไปเก็บข้อมูลจากคนที่ตรงกับกลุ่มเป้าหมาย และผลการวิจัยที่เราจะเล่าในส่วนต่อ ๆ ไป นั้นมาจาก Participant ที่ตรงกับกลุ่มเป้าหมายจริง ๆ</p><h3>4. No raw data</h3><p><strong>อย่าใส่ข้อมูลดิบ</strong></p><p>มาถึงขั้นตอนการแชร์ข้อมูล ซึ่งถือเป็นส่วนที่ Stakeholder ทุกคนรอฟังว่าจากการที่เราไปเก็บข้อมูล และวิเคราะห์มาเนี่ย เป็นอย่างไรบ้าง เราจะสรุปข้อมูลเป็น 2 ส่วน แบ่งเป็น Qualitative และ Quantitative เพื่อให้เห็นภาพง่าย ๆ ว่าข้อมูลที่ได้ควรสรุปเป็นแนวไหน</p><blockquote><strong><em>Quantitative:</em></strong><em> Visualize ให้เห็นเป็นภาพ เพื่อให้ Stakeholder เข้าใจง่าย ซึ่งใครที่ไม่ถนัดอาจจะเริ่มจากการใช้กราฟที่มีใน Power Point หรือ Google Slide มาช่วย และอาจจะเล่นกับสีสันให้เห็นชัดเจน เช่น ข้อมูลสำคัญที่เราอยากเน้นให้ Stakdholder เห็นชัด ๆ ก็อาจจะใส่สีสันให้โดดเด่นออกมาจากข้อมูลอื่น ๆ</em></blockquote><blockquote><strong><em>Qualitative:</em></strong><em> เนื่องจากข้อมูลจะมาเป็น Text รวมทั้ง Insight อื่น ๆ เช่น พฤติกรรมที่แสดงออก ระหว่างการทดสอบ ฯลฯ ดังนั้น สิ่งที่เราต้องทำกับข้อมูลนี้คือ วิเคราะห์ และสรุป Key point ในแต่ละหัวข้อออกมาเป็นข้อ ๆ โดยใช้คำ หรือประโยคสั้นที่ครอบคลุมสิ่งที่เราค้นพบ เพื่อให้ Stakeholder เข้าใจง่าย และเอาข้อมูลนี้ไปใช้ได้ง่าย</em></blockquote><p>นอกจากการนำเสนอ Findings ที่ยึดข้อมูลเป็นหลัก ก็ยังมี Tools อีกหลายตัวที่เราเลือกใช้ในการสรุปข้อมูลที่สอดคล้องกับ Research Objectves เช่น Empathy Maps, User Journey, Persona ฯลฯ ค่ะ</p><h3>5. Provide recommendations &amp; Next step</h3><p><strong>ข้อเสนอแนะ &amp; สิ่งที่จะทำต่อ</strong></p><p>Recommendations ในการทำ Report นี้ ก็มาจากการวิเคราะห์ข้อมูลที่ได้จากการทำ Research ซึ่งการทำ Recommendation เราต้องยึดหลักที่ Actionable หรือ ทำได้จริง เพื่อให้ Stakeholder เห็นภาพการพัฒนาต่อไปได้ชัดเจนที่สุด</p><p>และอย่าลืมว่าพอเราเสนอแนะแนวทางการพัฒนาไปแล้ว ก็ต้องกำหนด Next Step ให้กับเราและ Stakeholder ในการทำงานต่อ และเราเองในฐานะคนที่ทำข้อมูลทั้งหมด ก็จะได้เห็น Impact ที่เกิดข้นจริง จากการ Research ของเรา</p><p>การกำหนด Next Step จะช่วยทำให้ Research Findings และ Recommendation ที่เราทำมา ไม่ถูกลืม หรือขึ้นหิ้งนั่นเอง</p><h3>6. Storytelling</h3><p><strong>เล่าเป็นเรื่องราว</strong></p><p>Storytelling เป็นสิ่งที่สำคัญมาก ๆ ในการทำ Report ใน UX Research เพราะเรากำลังเล่าเรื่องราวของ User ฉะนั้น การเอาข้อมูลมาร้อยเรียงต่อกัน และใช้ Visualization เข้ามาช่วย จะทำให้ Presentation ของเราเข้าใจง่าย คนที่เอาข้อมูลเราไปใช้ต่อ ก็จะย่อยข้อมูลจากเราได้เร็ว และเป็นการทำให้เขาอินไปกับข้อมูลที่เรากำลังนำเสนอ เพื่อสร้างการ Buy-in ที่ง่ายขึ้นด้วย !</p><p>— -</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=63c36e5659d6" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[UX 02 : User Persona]]></title>
            <link>https://medium.com/@datastist/ux-02-user-persona-e78342ca2434?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/e78342ca2434</guid>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 12:58:00 GMT</pubDate>
            <atom:updated>2022-08-15T12:58:00.929Z</atom:updated>
            <content:encoded><![CDATA[<h3>UX 02 : User Persona</h3><p>คืออะไร มีไว้ทำอะไร แล้วมีวิธีสร้างยังไง</p><p><strong>User Persona</strong> แปลเป็นไทยคือ <strong>หน้าตาของคนจะมาใช้งาน Digital Product</strong></p><p>ซึ่งมีไว้เพื่อให้ทั้ง Product ทีมเห็นภาพตรงกัน ว่าทีมของเรากำลังพัฒนา Digital Product นี้ให้ใครใช้ในแบบที่ลงลึกมาก ๆ ว่าคน ๆ นี้หน้าตาเป็นยังไง มีนิสัย พฤติกรรมอย่างไร มีเป้าหมายอะไรในชีวิตที่ต้องบรรลุบ้าง หรือพูดง่าย ๆ ก็คือ</p><blockquote>ให้ “Product team Emphatize User” นั่นเอง</blockquote><p>ซึ่ง Persona นี้แหละมีส่วนในการช่วย Product team ตัดสินใจเกี่ยวกับ Feature และ Design อย่างมาก เพราะเมื่อถึงเวลาที่ต้องตัดสินใจ หรือ จัดลำดับความสำคัญของการพัฒนา Product แค่หันมาดู Persona ก็จะตัดสินใจได้อย่างเร็วเลยว่า Feature นั้น ๆ จำเป็นต่อ Persona นี้หรือไม่</p><h3>จะสร้าง Persona ได้ ต้องรู้อะไรบ้าง?</h3><p>อย่างที่บอกไปว่าเราอยากรู้จัก หน้าตา นิสัย พฤติกรรม เป้าหมายชีวิต ซึ่งฟังดูแล้วลึกมาก ๆ เลยใช่มั้ยคะ?</p><p>โดยปกติเวลาสร้าง Persona สิ่งที่จะต้องมีเลย ก็คือ Template หน้าตาประมาณนี้ และข้อมูลตามรูปด้านล่าง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/981/1*yZLpQ8SzRmvM-BQN_yImiQ.png" /><figcaption>ตัวอย่าง USER PERSONA</figcaption></figure><p>*และอาจจะมีอื่น ๆ อีก ตามวัตถุประสงค์ของการสร้าง Product ของแต่ละบริษัท</p><p>ถ้าเพื่อน ๆ ลองเสิร์ช User Persona ในกูเกิ้ล ก็จะเจอ Template และเนื้อหาที่ใกล้เคียงกันเลย</p><h3>ต่อมา เรามารู้จักวิธีการสร้าง Persona กัน</h3><p>ในบทความนี้เราจะเล่าวิธีการสร้าง Persona ที่เราเคยใช้ในงานที่ผ่านมา <br>อาจจะแตกต่างจากวิธีการทำงานของเพื่อน ๆ คนอื่น สามารถมาแลกเปลี่ยนกันได้นะคะ</p><p>มาเริ่มกันเลย</p><p>เราจะแบ่งออกเป็น 3 ขั้นตอนหลัก ๆ ได้แก่</p><h4>1. Decide Research Method</h4><p>การทำ Persona ค่อนข้างมีวิธีการสร้างที่ยืดหยุ่น ถ้าเพื่อน ๆ ลองหาข้อมูลจาก Google ก็จะเห็นเลยว่าแต่ละที่จะมีคำแนะนำที่ต่างกันไป บางคนก็ใช้ Survey (Quantitative) อย่างเดียว บางคนก็ใช้ทั้ง Survey และ Interview (Qualitative) ซึ่งข้อมูลที่ได้จาก Quantitative และ Qualitative จากต่างกันประมาณนี้</p><blockquote><strong>Quantitative:</strong> ได้ข้อมูลจากกลุ่มประชากร และเห็น Pattern or Trends ของข้อมูลได้ง่าย<br><strong>Qualitative:</strong> ได้ Insight และเข้าใจในเชิงลึกว่า User รู้สึก หรือทำพฤติกรรมนั้น ๆ เพราะอะไร</blockquote><p>แต่จากประสบการณ์ที่เราเคยทำมา <br><strong>ทีมเราใช้ Quantitative + Qualitative เพื่อให้ได้ Persona ที่ตรงที่สุด</strong></p><p>ซึ่งแน่นอนว่าการเลือก Research method นี้ก็ขึ้นอยู่กับ ความสะดวกในด้าน เวลา งบประมาณ และวัตถุประสงค์ของทีมด้วย เพื่อน ๆ ต้องชั่งน้ำหนักดูว่า Research method แบบไหนที่สอดคล้องกับทีมของเพื่อน ๆ มากที่สุด</p><h3>2. Conduct the research</h3><p>เมื่อได้ Research Method มาแล้ว เราก็สามารถร่างข้อคำถามสำหรับทั้ง Qualitative Research และ Quantitative Research จากนั้นก็พร้อมที่จะออกไปหา User แล้ว</p><p>อย่าลืมว่าต้องกำหนดจำนวนผู้เข้าร่วมการวิจัยด้วยนะ ว่า Quanti จะต้องมีกี่คน และ Quali ต้องมีกี่คน เพื่อให้ได้ข้อมูลที่ตรงที่สุด</p><h3>3. Create Persona</h3><p>เมื่อได้ข้อมูลจาก Research มาแล้ว สิ่งที่เราจะมาทำต่อเลยก็คือ สร้าง Persona</p><h4>3.1 สร้าง Persona จาก Quantitative data</h4><p>นำข้อมูลที่ได้มาวิเคราะห์ Trends และ Pattern ไม่ว่าจะเป็นด้าน พฤติกรรม / Pain point / เป้าหมาย รวมถึงองค์ประกอบอื่น ๆ เพื่อสร้างเป็น Persona</p><p>จากข้อมูล เพื่อน ๆ อาจจะเห็น Trends ที่สามารถแบ่งแยกย่อยออกมาได้สัก 2–3 Persona ซึ่งเป็นเรื่องปกติ และจะยิ่งดีด้วย หากเราเห็นหน้าตาคนใช้ที่หลากหลายและละเอียดมากขึ้น</p><p>ถ้าทีมไหนตั้งใจว่าจะทำแค่ Quantitative ก็สามารถนำข้อมูลที่ได้ไปสร้าง Persona ได้เลย แต่ถ้าใครตั้งใจนำข้อมูลที่ได้นี้ไปหา Inisight ต่อกับ Qualitative ก็ไปต่อกัน</p><h4>3.2 สร้าง Persona จาก Qualitative data</h4><p>หลังจากที่เรานำข้อมูลที่ได้จาก Quantitative ไปหา Insight ต่อกับ User แล้ว ข้อมูลที่ได้จะเป็นข้อมูลเชิงลึก ที่ทำให้เรารู้จัก User เพิ่มขึ้น</p><p>สิ่งที่ต้องทำคือ เพื่อน ๆ ต้องเอาข้อมูลมากางดู และหา Pattern ที่ได้จาก Qualitative เช่นกัน เพื่อให้ Persona ที่ได้ สะท้อนประชากร User มากที่สุด</p><p>เมื่อวิเคราะห์ข้อมูลที่ได้จาก User มาทั้งหมด เพื่อน ๆ ก็พร้อมแล้วที่จะนำข้อมูลที่ได้ไปใส่ Template ที่เตรียมไว้</p><p>— -</p><p>ต่อมาเราจะมีตัวอย่างของ User Persona ให้ดูกัน</p><blockquote><em>สถานการณ์สมมติ:<br>เพื่อน ๆ เป็น UX Researcher ในทีมที่กำลังพัฒนา Digital Learning Platform เพื่อให้แมวในวัยทำงานใช้ในการเรียนรู้ทักษะใหม่ ๆ ทันโลก และไม่ตกงาน ซึ่งเพื่อน ๆ ได้ไปเก็บข้อมูลจาก User มาเรียบร้อย และกำลังทำ User Persona</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*h8VVumervK-eHPrU9aRjUw.png" /></figure><p>เป็นยังไงกันบ้างกับ User Persona หวังว่าเพื่อน ๆ จะได้ไอเดียเพื่อไปต่อยอดแล้วสร้าง Persona สำหรับ Digital Product ของตัวเองกันนะคะ</p><p>— — —</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e78342ca2434" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[UX 01 : Recuiting Paticipants]]></title>
            <link>https://medium.com/@datastist/ux-01-recuiting-paticipants-190047a870cc?source=rss-bd21992a909d------2</link>
            <guid isPermaLink="false">https://medium.com/p/190047a870cc</guid>
            <category><![CDATA[uxr]]></category>
            <dc:creator><![CDATA[Datastist.com]]></dc:creator>
            <pubDate>Mon, 15 Aug 2022 12:49:42 GMT</pubDate>
            <atom:updated>2022-08-15T12:49:42.849Z</atom:updated>
            <content:encoded><![CDATA[<h3>UX 01 : Recuiting Paticipants</h3><p>ในบทความนี้เราจะมาเล่าถึงขั้นตอนสำคัญที่สาย UX ต้องทำก่อนการ Test และสำคัญไม่แพ้กับการ Test เลยนั่นก็คือ <strong>การเลือก Participant </strong>หรือการเลือกผู้เข้าร่วมการ Test ว่า Digital Product ที่เราพัฒนาขึ้นมา ตอบโจทย์กับกลุ่มเป้าหมายหรือไม่?</p><p>พูดง่าย ๆ ก็คือ <strong>การเลือกว่าใครควรจะมาเข้าร่วมใน Test Digital Product</strong> นั่นเอง</p><h3><strong>Who are our target?</strong></h3><p>แน่นอนว่าในการพัฒนา Digital Product ไม่ว่าจะเป็นแอปพลิเคชั่น หรือเว็บไซต์ขึ้นมา ไอเดียนี้จะมาจากฝัง Business (ทีมที่วางแผนว่าแอปหรือเว็บที่เราพัฒนาขึ้นมาจะไปขายใคร)</p><p>ฉะนั้น ฝั่งนี้เขาจะมีในใจแล้วว่า Digital Product นี้ มี <strong>“Target User”</strong> หรือผู้ที่จะมาใช้งานคือใคร</p><p>แต่ในการ Test ของเราจะไม่ได้เอาทุกคนที่เป็น Target user มาร่วมในการเทสหรอกนะ แต่จะดูจาก <strong>“วัตถุประสงค์”</strong> ในการ Test เป็นหลัก</p><p>วันนี้เราจะมาเล่าขั้นตอนที่เราใช้ในงานจริง ๆ ให้ฟัง เพื่อเป็นแนวทางที่ผู้อ่านอาจจะนำไปปรับใช้ในการเลือก Participant ของผู้อ่านได้</p><p>เราสรุปมาได้เป็น 3 ขั้นตอน จะมีอะไรบ้าง ตามมาเลย!</p><h3>1. CLEAR OBJECTIVE (รู้วัตถุประสงค์ให้ชัด)</h3><p>ก่อนจะเลือกใครมาเป็น participant ได้ เราจะต้องรู้วัตถุประสงค์การเทสให้ชัดก่อน ไม่ใช่ว่าจะเลือก Target (กลุ่มเป้าหมาย) จากฝั่ง Business มาได้เลย เพราะ<br>ผลการเทสจะได้ตรงกับสิ่งที่ทีมอยากรู้</p><p>ซึ่งในการตัดสินใจเรื่องวัตถุประสงค์ในการเทส ปกติเราจะมีการปรึกษากับ UX ทีม; หลาย ๆ องค์กรจะรวม Design ทีมไว้ในทีมเดียวเลย และ <strong>Stakeholder</strong> หรือผู้มีส่วนได้ส่วนเสีย) ไม่ว่าจะเป็น ฝั่ง Business หรือ ฝั่ง Product เช่น Product manager หรือ Designer เป็นต้น รวมถึงคนอื่น ๆ ที่มีส่วนเกี่ยวข้องใน Platform ที่เรากำลังพัฒนาอยู่</p><p><em>ตัวอย่างสถานการณ์<br></em>ทีมแมวกำลังสร้าง platform e-commerce เพื่อให้คนไทย shopping online ได้อย่างสะดวก ซึ่งที่ผ่านมาก็มีการเทสกับ Concept / Idea มาบ้างจนได้ Prototype (ตัวต้นแบบ) มาแล้ว และในครั้งนี้ ทีมงานแมวอยากจะรู้ว่า Prototype ที่สร้างมาตอบโจทย์กับ Target user หรือไม่</p><p>ซึ่งแมวก็ได้พูดคุยกับ Stakeholder และได้เคาะกันว่า Target user จะมี 3 กลุ่มหลัก ๆ ได้แก่ เจน Z, เจน Y และ เจน X</p><h3>2. DEFINE TARGET GROUP (กำหนดกลุ่มเป้าหมายให้ชัด)</h3><p>หลังจากรู้วัตถุประสงค์แล้ว เราจะมากำหนดให้ชัดขึ้นว่า “ใคร” หรือ “คนแบบไหน” ที่จะมาเข้าร่วมในการ Test ได้บ้าง โดยเราจะเอาข้อมูลที่ได้จากการพูดคุยกับ Stakeholder และในทีม UX มาทำต่อ ซึ่งก็จะแตกย่อยรายละเอียดของคนที่ควรเข้าร่วมการ Test ได้อีกมากมาย</p><p>ซึ่งข้อมูลปกติที่จะกำหนดกันคือ Demographic (ข้อมูลประชากร) เช่น อายุ เพศ จังหวัด แต่ในการเทส Digital Product ส่วนใหญ่ก็จะกำหนดปัจจัยอื่น ๆ ที่เกี่ยวข้อง เช่น ระดับความเชี่ยวชาญในเทคโนโลยี ประสบการณ์การใช้งาน Digital Product เป็นต้น</p><p>ต่อมาเราก็จะกำหนดจำนวนผู้เข้าร่วม ซึ่งปกติก็จะกำหนดอย่างน้อย 5 participants ต่อ 1 กลุ่มประชากร เพื่อให้ได้ผลการทดสอบที่ตรง และได้ Feedback ครบทุกมิติ (ซึ่งถ้าอยากรู้ว่าทำไมต้อง 5 คน รอติดตามบทความต่อไปได้เลย !)</p><p><em>ตัวอย่างสถานการณ์<br></em>จากที่แมวคุยกับ Stakeholder มาแล้วว่าอยากให้ Test กับ 3 Segment ได้แก่ เจน Z, เจน Y และ เจน X ที่นี้แมวจะมาลงรายละเอียดพวก Demographic และตัวแปรอื่น ๆ จะได้ตัวอย่างตามตารางด้านล่างเลย</p><p><strong>Segment</strong></p><blockquote>Profile<br> <strong>1</strong><br> Gen Z = 5 คน<br> อายุ: 15–25 ปี<br> เพศ: คละเพศ<br> จังหวัด: ทุกภาคทั่วประเทศไทย<br> รายได้ครัวเรือน: คละ<br> ระดับความเชี่ยวชาญทางเทคโนโลยี: น้อย-มาก (*ต้องมีวิธีวัดด้วยนะ)<br> <br> <strong>2</strong><br> Gen Y = 5 คน<br> อายุ: 26–40 ปี<br> เพศ: คละเพศ<br> จังหวัด: ทุกภาคทั่วประเทศไทย<br> รายได้ครัวเรือน: คละ<br> ระดับความเชี่ยวชาญทางเทคโนโลยี: น้อย-มาก (*ต้องมีวิธีวัดด้วยนะ)<br> <br> <strong>3</strong><br> Gen X = 5 คน<br> อายุ: 41–56 ปี<br> เพศ: คละเพศ<br> จังหวัด: ทุกภาคทั่วประเทศไทย<br> รายได้ครัวเรือน: คละ<br> ระดับความเชี่ยวชาญทางเทคโนโลยี: น้อย-มาก (*ต้องมีวิธีวัดด้วยนะ)</blockquote><p>ในตารางนี้เป้นตัวอย่างเท่านั้น อย่าลืมว่าการกำหนดเกณฑ์เหล่านี้ต้องยึดจากวัตถุประสงค์การ Test เป็นหลัก บางเกณฑ์อาจจะไม่จำเป็นในการ Test ของคุณก็ได้</p><h3>3. FIND THE RIGHT PARTICIPANTS (ตามหาคนที่ใช่)</h3><p>เมื่อกำหนดได้แล้วว่าอยากได้คนแบบไหนมาเข้าร่วมการ Test สิ่งที่ต้องทำต่อก็คือ “การหาคนที่คุณสมบัติตรง”</p><p>โดยเราจะทำ Screener หรือ Checklist ที่เอาไว้คัดกรองคนให้ตรงกับ Target ที่เราได้ตั้งไว้ เพื่อจะได้คนที่แทนประชากรได้จริง ๆ นั่นเอง</p><p>ซึ่งรูปแบบที่ใช้ส่วนใหญ่ก็จะเป็น Google form / Qualtrics หรือเครื่องมืออะไรก็ได้ที่เพื่อน ๆ สะดวก โดยเราจะส่งแบบฟอร์มนี้ออกไปในรูปแบบของแบบสอบถาม เพื่อให้เข้าถึงกลุ่มเป้าหมายเราได้ง่าย</p><p>เมื่อเลือกได้แล้วก็สามารถส่ง Screener ออกไปตามช่องทางต่าง ๆ ซึ่งส่วนใหญ่ที่เราใช้อยู่ก็จะเป็น Social Media และหากเพื่อน ๆ มีรายชื่อของคนที่เหมาะสมจะเป็น Participants อยู่แล้ว ก็สามารถติดต่อไปหาคนเหล่านั้นเพื่อขอ Consent และนัดหมายในการทดสอบได้เลย</p><blockquote>Tips: เลือก Screener Tools และ Channel ที่เหมาะสมกับกลุ่มตัวอย่าง เพื่อจะได้เข้าถึงกลุ่มตัวอย่างให้มากขึ้นนะ</blockquote><p>แอบกระซิบว่าถ้าผู้อ่านทำ <strong>Quantitative research</strong> หรือการวิจัยเชิงคุณภาพ ผู้อ่านก็สามารถส่ง Screener พร้อมข้อคำถามที่ต้องการ Test ไปหากลุ่มตัวอย่างได้เลย</p><p>แต่ถ้าเป็น<strong> Qualitative research</strong> หรือการวิจัยเชิงปริมาณ ซึ่ง UX จะ Test แบบนี้บ่อยเลย เราจะทำ Screener เป็นรูปแบบของแบบสอบถามเพื่อให้คนที่สนใจเข้ามากรอกแบบสอบถามนี้ พร้อมให้เขาทิ้งช่องทางการติดต่อกลับ เพื่อจะได้ติดต่อกลับหาคนที่คุณสมบัติตรง และมาเข้าร่วมการ Test ของนั่นเอง</p><p>- — -</p><p>ทั้งหมดนี้ก็เป็นขั้นตอนโดยทั่วไปที่เราใช้ในการคัดเลือก Participants มาเข้าร่วม UX Research และเราก็ได้ทำตัวอย่างมาให้เพื่อน ๆ ดูด้วยว่าในการทำงานจริง ๆ แต่ละขั้นตอนยังไงบ้าง</p><p>สถานการณ์สมมติ: Product Owner ต้องการรู้ว่า Feature ที่ทีมกำลังพัฒนาอยู่นั้น ตอบโจทย์การใช้งานของลูกค้าที่ใช้งานแอปหรือไม่</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zadhFpsg8JnVJ4npaiLPBQ.png" /><figcaption><strong>การคัดเลือกผู้เข้าร่วมการวิจัย UX</strong></figcaption></figure><p>__________</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=190047a870cc" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>