كيف يطبق باحثو أوبر ويقيسون معرفة سلوك الإنسان

أعددنا لقراء هبرة ترجمة للمقال من قبل فريق Uber Labs. يصف زملاء أوبر عملية عمل المحللين المتخصصين (في مجال علوم السلوك) داخل شركة ضخمة ، وكيفية تفاعلهم مع الأنواع الأخرى من المحللين (باحثو UX ، ومحللو المنتجات) وزملاؤهم من الفرق الأخرى (المنتج ، التطوير الداخلي) ، والتي يحلون المشاكل وكيف يتعاملون معها. تعليقات على المواد التي كتبها Gleb Sologub ، مدير التحليلات في Skyeng.

في Uber Labs ، نسعى جاهدين لاستخدام أفكار وطرق علم السلوك لإنشاء برامج ومنتجات بديهية وممتعة. يتمتع أعضاء فريق العمل لدينا بشهادات في علم النفس والتسويق والعلوم المعرفية ، ولديهم معرفة بمجالات الموضوع - مثل صنع القرار ، والتحفيز والتدريب ، والإمكانيات المنهجية في تصميم التجارب ، وهم خبراء في النمذجة الإحصائية والنهج السببية. تتيح لنا هذه المعرفة إجراء تحليل عميق لمشاكل زيادة درجة رضا العملاء ، وبفضل خبرتنا في مجال المنهجية والإحصاء ، يمكننا قياس تأثير الرضا على العمل (أحد هذه الأساليب هو نمذجة وسيط ).

في هذه المقالة ، سنصف كيف يطبق فريقنا المعرفة النظرية حول السلوك البشري في الممارسة العملية ، وكذلك كيف ولماذا نعمل مع فرق المنتج والتسويق لتحسين تجربة المستخدم لعملائنا. على وجه الخصوص ، سوف ننظر إلى مثال مع منتج Express POOL الذي تم إطلاقه مؤخرًا.

طريقنا إلى العلوم السلوكية (حول البيانات)

في عام 2014 ، تم إطلاق Uber كل يوم تقريبًا في مدينة جديدة. كان ينبغي لمجموعات العمل في كل منطقة أن تفهم إستراتيجيات ومنتجات الاتصالات التي تعمل بشكل أفضل في المنطقة ، لكن معظمها يفتقر إلى الخبرة في تصميم التجربة وإحصاءاتها. لحل هذه المشكلة ، أنشأنا Uber Labs - فريق من الباحثين لديهم خلفية في علم النفس والتسويق والعلوم المعرفية. كان هذا الفريق المركزي لاستخدام قدراته في منهجية وتصميم التجارب وتحليل البيانات من خلال النمذجة الهرمية لتحسين منتجاتنا لصالح الركاب والسائقين في مختلف المناطق.

كانت المشاورات الفردية فعالة ، لكننا كنا بحاجة إلى توسيع نطاق هذه الخبرة لتشمل مجموعة متزايدة من منتجاتنا. بعد أن قمت بإنشاء قوالب حاسبة لحساب حجم العينة والتحليل الإحصائي باستخدام Riny's Shiny ، قدمنا ​​للفرق غير الفنية الفرصة لاستخدام معرفتنا في مهامهم. هذه الأدوات ، للعمل التي كان من الضروري فقط تحميل بياناتها الأولية ، تضمنت عمليات فحص مضمنة للافتراضات الإحصائية والامتثال للنموذج ، بالإضافة إلى الاختيار الآلي للطريقة التحليلية المناسبة لمجموعة بيانات معينة. في الإخراج ، تلقى المستخدم نتائج التحليل وتفسيرات واضحة لهذه النتائج. في وقت لاحق ، مع فريق منصة التطوير التجريبي ، أنشأنا عملية لتحليل البيانات والتحقق منها في أداة اختبار A / B الخاصة بنا . وقد سهل ذلك على الفرق الأخرى تحليل البيانات بكفاءة.

مع نمو وتوسعة الشركة ، وخلق مجالات جديدة لتطوير المنتجات ، أدركنا أنه يمكننا تعزيز نفوذنا من خلال العمل مباشرة مع فرق التطوير. في بداية عام 2017 ، بدأنا في تطبيق المعرفة التطبيقية حول السلوك بالإضافة إلى الإحصاءات. لقد انتقلنا من النهج السلبي ودعم الأفكار التي تمت صياغتها بالفعل إلى النهج النشط: لقد بدأنا في استخدام معرفتنا في مجال التعلم والحفظ ، مما سمح لنا باقتراح حلول ملموسة تستند إلى البحث العلمي الحالي. بالإضافة إلى التجربة ، بدأنا في دعم الاتجاهات الجديدة: استراتيجية المنتج ، تصميم البرنامج ، تحسين المحتوى وقياس تأثير العمل.

بفضل التدريب لدينا ، أخصائيو السلوك على دراية جيدة بطرق البحث النوعي والكمي. لقد توسع مجال نشاطنا ، ولم يعد الباحثين فقط ، وتحولنا إلى خبراء في تحليل البيانات وقررنا التركيز على أساليب البحث الكمي كمكون هام في عملنا مع البيانات. يستخدم قسم UX في Uber متخصصين مؤهلين تأهيلا عاليا يشاركون في أبحاث الجودة. من خلال التركيز على الأساليب الكمية ، مثل اختبار الأفكار الصحيحة من الناحية النظرية من خلال التجريب وتطبيق مناهج إحصائية جديدة ، فإننا نكمل النظام البيئي لأبحاث أوبر الأوسع.

سير العمل لدينا: كيف ننفذ الأفكار والأساليب

قمنا بتنظيم سير العمل الخاص بنا حتى لا نساعد فقط في حل المشكلات من خلال تقديم المشورة في لحظة معينة ، ولكن أيضًا توفير فعالية طويلة الأجل من خلال توسيع نطاق المعرفة والأساليب في مجال علم السلوك باستخدام قوالب ومنصات خاصة. سنخبرك المزيد عن هذه العمليات.

1. الاستشارات هي الطريقة الأكثر فعالية لحل المشكلات التكتيكية على مستوى منتج معين أو وظيفة معينة. إننا نعمل مباشرة مع فرق المنتجات والتسويق وغيرها من البيانات ونقدم توصيات سليمة علمياً لحل المشكلات التي يواجهونها.

2. من أجل ممارسة تأثير أكبر على تشكيل استراتيجيات المنتج والتحليل ، يقوم فريقنا بإنشاء إرشادات للمحتوى والتطوير ، بالإضافة إلى قوالب R و Python ، التي تسمح لزملائنا في Uber بدراسة أساليبنا واستنساخها بشكل مستقل.

3. أخيرًا ، نعمل مع فرق في جميع أنحاء الشركة لتوفير وصول بنقرة واحدة إلى رؤيتنا التحليلية ومنهجياتنا. كمثال ، يمكننا العمل مع فريق يقوم بتطوير منصة للتجارب على أداة للتحليل بعد التجريبي .

غالبًا ما تتضمن الاستشارة الخاصة بنا تطبيق المعرفة النظرية على المشكلات التي سنصفها في المثال أدناه. في عملنا ، نتبع نهجًا كميًا لحل هذه المشكلات. كل عملنا مع البيانات مبني على أسئلة حول سلوك المستخدم وينقسم إلى ثلاث فئات: التقييم الكمي للبنيات والعمليات النفسية ، وتطبيق أساليب العلوم السلوكية والتحليل التجريبي.

أولاً ، نستخدم بيانات Uber لتحديد البنى النفسية المخفية والعمليات التي تحدد السلوك. للقيام بذلك ، إما أن نتكيف مع الأساليب الحالية لعلوم المجتمع والسلوك ، مثل تحليل العوامل ، أو تطوير أساليب جديدة. لحل المشكلات الأكثر صعوبة ، نطبق بعض الطرق الأقل استخدامًا في علوم البيانات ، على سبيل المثال ، نهج نمذجة الوسيط الذي طورناه أو تحليل السلاسل الزمنية المتقطعة . أخيرًا ، نقوم بتحليل بيانات التجارب المختلفة ، بدءًا من اختبارات A / B القياسية إلى الطرق التي يتم استخدامها عندما تكون اختبارات A / B مستحيلة أو غير مرغوب فيها ، على سبيل المثال ، التجارب مع الترويج العشوائي .

في العلوم ، يتم استخدام البحث في الغالب لتطوير النظرية بدلاً من حل المشكلات التطبيقية. بالنسبة لفريقنا ، فإن أحد أهم جوانب الانتقال من المعرفة النظرية إلى مهمة عمل محددة هي القدرة على تطبيق الأبحاث التطبيقية لتحسين تجربة المستخدم.

بدء العمل مع فرق المنتج في مجال العلوم السلوكية ، نواجه حقيقة أنه حتى عندما تبدو المفاهيم بسيطة في الفهم والاستخدام ، يمكن أن يؤدي تطبيقها غير المنتظم إلى عواقب غير متوقعة. لذلك ، من الضروري دائمًا مراعاة السياق الظرفي والفردية. على سبيل المثال ، في علم السلوك هناك ظاهرة مألوفة تتمثل في كره الخسارة المألوف لدى الكثيرين. للوهلة الأولى ، جوهرها واضح: غالباً ما يفضل الناس تجنب الخسارة بدلاً من كسب الفوائد. ومع ذلك ، هناك العديد من المواقف التي يؤدي فيها تقديم شيء كخسارة إلى إزعاج المستخدم أو غضبه ، بدلاً من تحفيزه. على سبيل المثال ، يمكن للمستخدم الغاضب لفترة طويلة من برنامج الولاء ، والذي استندت إليه تجربة التفاعل مع التطبيق على الحصول على نقاط ، أن يغضب إذا أخبروه أنه سيخسر نقاط إذا لم تقم بعملية شراء على الفور. حتى الاتجاهات الشائعة ، مثل كره الخسارة ، يمكن أن يكون لها عواقب غير متوقعة أو سلبية إذا كنت تعمل معهم خارج السياق. بغض النظر عن مدى نجاح النهج الذي تتبعه ، فإننا نوصي بالتجربة لفهم نتائج استخدامه بشكل أفضل والتنبؤ بها بدقة أكبر.

القضية: اكسبرس بركة

نظرًا لأن علم السلوك ظرفي إلى حد كبير ، فإن معظم عملنا هو تقديم المشورة للفرق التي تقوم بتطوير منتج معين. يعد تعاوننا مع فريق Express POOL مثالاً على كيفية تطبيق فريق علم السلوك التطبيقي للبحث النظري على تطوير المنتج.

في أوائل عام 2018 ، أطلقت Uber Express POOL . مثل uberPOOL ، ينطوي Express POOL على السفر معًا ومشاركة النفقات مع المسافرين على طول الطريق. على عكس uberPOOL و uberX ومنتجاتنا الأخرى التي تشارك راكبي الدراجات ، عند استخدام Express POOL ، يجب عليك الانتظار لفترة أطول قليلاً للوصول إلى وجهة سيارة مناسبة والسير إلى مكان الهبوط المشار إليه. هذه التغييرات تجعل من الممكن إنشاء طرق أكثر مباشرة وفعالية ، والتي بدورها تجعل الرحلة أكثر سهولة.

اعتاد الركاب على وصول السيارة بسرعة إلى حيث هم بالضبط ، لذلك ، عند تطوير المنتج ، تم إيلاء اهتمام خاص لكيفية تفاعل المستخدمين مع المنتج الجديد. أصبح من الواضح أنه يجب تحسين العديد من الجوانب: قام العملاء بإلغاء الرحلات بين الطلب واختيار خيار مناسب. كان على الركاب الانتظار لفترة أطول ، وحدث الإلغاء في كثير من الأحيان أكثر من عند استخدام منتجات أخرى.

نبدأ عادةً عملية التشاور من خلال الاجتماع مع الفريق العامل على المنتج لفهم المشكلة. يشتمل هذا الفريق على مدير منتج ، ومدير تسويق ، وباحث تجربة مستخدم ، ومهندس ، وأخصائي بيانات المنتج. نراجع ونأخذ في الاعتبار البحوث الأولية للفريق ، مثل اختبارات قابلية الاستخدام. في حالة Express Pool ، بعد اتصالنا بالمشروع ، تعلمنا التفاصيل الموضحة أعلاه.

بعد دراسة السياق وفهم المشكلة العامة ، أجرينا مراجعة للأدبيات الخاصة مع تحليل متعمق للبيانات المتاحة من علم السلوك من أجل تحديد منهجية حل هذه المشكلة. لذلك ، منغمسين بعمق في السياق ، نقوم بتحويل معرفتنا إلى سيناريوهات تغيير حقيقي لفرق المنتجات ونوصي بطرق لاختبار هذه التطورات.

في هذه الحالة ، بدأنا في دراسة الأدبيات حول علم السلوك من أجل معرفة المزيد حول كيف يرى الناس الوقت والتوقع. لقد حددنا ثلاثة مفاهيم مهمة لفهم أوقات الانتظار: رفض التقاعس عن العمل ، وشفافية الإجراء ، وتأثير تدرج الهدف . مفهوم رفض التقاعس واضح: الناس يخافون من التقاعس ويريدون أن يكونوا مشغولين باستمرار. وجدنا أيضًا أن شفافية الإجراءات أو الإفصاح للمستخدمين عما يحدث لطلبهم في أي لحظة معينة يزيد من تصنيف المستهلك للمنتج. أخيرًا ، يتميز تأثير التدرج اللوني بزيادة الحافز والجهود الكبيرة التي يكون الناس على استعداد لبذلها عندما يشعرون أنهم يقتربون من هدفهم.

بناءً على ذلك ، نوصي بإظهار التقدم أثناء الانتظار ، بما يعكس كل خطوة في التطبيق ، على سبيل المثال ، الإشارة إلى الصحابة المحددة وإخطار العميل عن السيارة التي تم العثور عليها.

يمكن الحصول على معلومات إضافية ، مثل شرح مبدأ حساب أوقات الوصول ، من خلال النقر على أيقونة المعلومات. قام فريق Express POOL باختبار هذه الأفكار من خلال اختبار A / B وسجل انخفاضًا بنسبة 11٪ في عدد الإلغاءات بعد استدعاء الجهاز.


التين. 1. يعرض تصميم اختبار واجهة مستخدم Express POOL خطوات مفصلة ويستخدم الرموز للحصول على مزيد من المعلومات حول حالة الطلب.

كما هو موضح في هذا المثال ، بعد دراسة مفصلة لخصائص السلوك البشري ، قمنا بتطوير أفكار ذات أولوية بناءً على افتراضات حول التأثير المحتمل والمخاطر المحتملة. لاختبار أفكارنا ، قمنا بتنظيم وإجراء تجارب ، ثم قمنا بتحليل البيانات. يظهر الشكل 2 العملية الكاملة لمشروعنا البحثي ، المجسدة في عملنا على Express POOL:


الشكل 2. عادةً ، يبدأ سير العمل الخاص بنا ببيان المشكلة وينتهي بالتجارب.

1. تعريف المشكلة
احصل على معلومات حول المشكلة من الفرق الشريكة.
2. التحليل المتعمق والانغماس في علم السلوك
صوغ المشكلة بالمصطلحات ذات الصلة من مجال العلوم السلوكية.
3. صياغة الأفكار القائمة على المعرفة العلمية الحالية
لاقتراح فكرة محددة للمنتج بناءً على نتائج البحث العلمي.
4. تحديد الأولويات
جنبا إلى جنب مع فرق أخرى ، إعطاء الأولوية للأفكار ، مع مراعاة النتائج الاقتصادية المتوقعة والمخاطر المحتملة.
5. التجريب
إجراء تجارب لاختبار الأفكار (تطوير خيارات التجربة ، وتحديد الجمهور المستهدف ، وتحليل البيانات المستلمة ، وما إلى ذلك).

تطبيق العلوم السلوكية يساعد على إضافة قيمة المنتج

يوضح عملنا على Express POOL القيمة الفريدة التي تمثلها دراساتنا في مجال الخصائص السلوكية البشرية ، والتي تدعمها عقود من التجارب العلمية في هذا المجال ، للمنتج في المستقبل. المسلحة مع هذه المعلومات ، ونحن نعمل جنبا إلى جنب مع الباحثين UX ومحللي المنتجات الذين يستخدمون مهاراتهم في حل المشاكل بخلاف تلك التي نبحث عنها. على سبيل المثال ، خلال تجربتنا مع Express POOL ، راقب محللو المنتجات بعناية مقاييس التطبيق ووجدوا فرصًا لتحسين معدل إلغاء الطلب بعد الطلب. أجرى باحثو UX رحلات اختبار لفهم أسباب صعوبات الركاب وفهم المشكلة. كباحثين في البيانات السلوكية ، استخدمنا معرفتنا ومنهجيتنا لاقتراح حل لمشكلة يمكن اختبارها تجريبياً.

نأخذ في الاعتبار مجموعة المهارات المتخصصة لدينا وكيف يمكننا إضافة قيمة إلى المنتج عندما نختار الفرق التي نعمل معها وأي المشاريع التي نقوم بها. على المستوى العالمي ، نضع خطة أولوية لهذا العام ، تحددها الأداء الاقتصادي المطلوب للمنتج. على مستوى أكثر تفصيلاً ، يقدم فريق التطوير معلومات حول أي من مناطق المنتج لديه أكثر المشاكل إلحاحًا. بناءً على ذلك ، نختار المشروعات وأي تسلسل سنقوم به مع فرق أخرى. من المهم أن نلاحظ أن فريقنا ينظر في مجالات التطوير هذه من وجهة نظر علم السلوك ، حيث يحدد مكان استخدام معرفتنا التطبيقية وخبرتنا في التحليل الكمي. في بعض الحالات ، قد يعني هذا الاستبعاد من أولوية تلك التجارب التي تحتاج إلى قاعدة نظرية قوية أو البحث النوعي الذي لا يتطلب مهاراتنا المنهجية. نحقق نتائج جدية ، نسعى دائمًا إلى ممارسة أقصى قدر من التأثير على الأعمال وعلى درجة أهمية تطبيق العلوم السلوكية.

النتائج الرئيسية

على المدى الطويل ، مع قيام Uber بتطوير فرص تطوير جديدة وتحسين المنتجات الحالية ، نتوقع أن يتاح لفريقنا العديد من الفرص لاستخدام علم السلوك لتزويد مستخدمينا بأفضل خدمة ممكنة. في عام 2019 ، سوف نستمر في التعاون مع الفرق الأخرى في مشاريع مبتكرة وفعالة للغاية ، وسوف نستثمر أيضًا في زيادة معرفتنا لجعل علم السلوك أكثر سهولة. , , .

, Skyeng

Skyeng A/B- , - .

, , A/B- , . . , .

أعتقد أنه لا يوجد عدد كبير من الشركات في العالم يمكنها تحمل تكاليف الاحتفاظ بفريق منفصل من المحللين السلوكيين. نحن في Skyeng نحاول تثقيف الباحثين الحاليين حتى يتسنى لهم باستمرار توسيع ترسانتهم من الأساليب ومعرفة كيفية اختيار تلك التي يحتاجونها لمهمة محددة. وبالمناسبة ، ينمو فريقنا التحليلي - هناك شواغر مثيرة للاهتمام !

الصورة عن طريق ميو من Pexels