Mit Data Driven Design Touchpoints gestalten, die Ziele erreichen

Was hat sich eigentlich verändert?

Die Rahmenbedingungen und Anforderungen an Gestaltungslösungen haben sich in den vergangenen Jahren dramatisch verändert: Während es einmal das Ziel des Gestaltungsprozesses war, langfristig differenzierende Markenauftritte zu schaffen, sind es inzwischen schnell wechselnde Services und Produkte, die sich von der Konkurrenz abheben müssen.

Gestaltungsregeln gaben den Designern Anhaltspunkte, wie gute Kommunikation funktioniert. Heute sind Touchpoints günstig und kontinuierlich messbar und somit können belegbare Aussagen darüber getroffen werden, ob eine Lösung die gesteckten Ziele erreicht hat. Damit steigt – auch in Kombination mit der gestiegenen Businessrelevanz der digitalen Kanäle – die Anspruchshaltung an messbare Erfolge. Hinzu kommt, dass permanent neue digitale Touchpoints entstehen, für die es noch keine Erfahrungswerte (und damit Regeln) gibt.

Designer begegnen also stark verkürzten Entwicklungs- und Kommunikationszyklen sowie gestiegenen Effizienz-Ansprüchen an Lösungen, bei denen das visuelle Design nur einen Teil zum Erfolg beiträgt: Das Gesamtprodukt muss für die definierten Zielgruppen funktionieren und der Designprozess deutlich schneller werden. Wir müssen unsere Lernprozesse also beschleunigen und systematisieren.

Mit User-Centered-Design Prinzipien wurde die Benutzerperspektive zwar in den Gestaltungsprozess integriert, das Problem ist jedoch: Oft sind Usabilitytests zu teuer und zeitintensiv, um sie kontinuierlich in den Designprozess – gerade bei granularen Fragestellungen – zu integrieren.

Mit Conversion Rate Optimierung hat sich eine Disziplin entwickelt, die zumindest die Lösungen auf Basis einer konkreten Kennziffer bewertet und optimiert. Diese Methode ist in der Praxis jedoch oft nicht ganzheitlich verankert. Das hat zur Folge, dass sie nur punktuell eingesetzt wird und Designern fundierter Input für die Lösungserarbeitung fehlt. Zudem blendet die Fokussierung auf die reine Konversion wichtige Facetten eines guten Nutzungserlebnisses aus.

Die Praxis in beiden Methoden ist, dass – trotz aller guten Intentionen – Lösungen doch auf Basis von Annahmen und Erfahrungswerten entstehen und am eigentlichen Problem vorbeizielen.

Wir müssen also folgende Prinzipien in der Praxis verankern:

• Zielgerichtete Gestaltung von Design-Varianten, um konkrete Fragestellungen zu beantworten und nicht Fragen aufgrund von zufällig entstandenen Designs stellen.
• Design-Entscheidungen nicht auf bloßen Annahmen treffen, sondern aufgrund vorher festgelegter Entscheidungsmetriken.
• Schneller Benutzererkenntnisse in unseren Designprozess integrieren und evaluieren.

Daten als Lösung und Herausforderung?

Aktuelle Gestaltungsprozesse können dies offensichtlich nicht leisten – ein Blick über den Tellerrand und die Vernetzung mit anderen Kompetenzen ist zwingend notwendig. Objektivität, Messbarkeit und effiziente Abbildung von Analysen werden heute schon von Datenanalysten abgebildet – die Vernetzung mit dieser Kompetenz ist die logische Konsequenz und gerade wegen ihrer hoch analytischen Kultur der perfekte Gegenpol zu der oft intuitiven Designdisziplin. Beide Disziplinen funktionieren in vielen Unternehmen schon sehr gut – leider nur für sich selbst. Austausch oder sogar Kollaboration sind oft die Seltenheit, ungenügende Ergebnisse hinterlassen dann frustrierte Mitarbeiter.

Bei foryouandyourcustomers haben wir die Chancen, die in der Kombination von Designern und Datenanalysten liegen, erkannt und entwickeln daher ein Framework, das beide Kompetenzen zuverlässig im Projekt- und Unternehmenskontext dauerhaft und mehrwertstiftend vernetzt. Der Prozess allein wird jedoch nicht alles lösen können: Eine Kultur des „design to learn“ ist eminent wichtig. So darf ein vordergründig schlechtes Testergebnis nicht als Niederlage des Designers gewertet, sondern sollte als Erkenntnisgewinn gefeiert werden.

Wie sieht ein Data Driven Design in der Praxis aus?

Jede Phase des Designprozesses kann durch die Facette „Datenanalyse” – selbst wenn nur beratend – bereichert werden. Eine Vielzahl an Methoden kann flexibel während des Prozesses zum Einsatz kommen. Es braucht jedoch ein klares Zusammenarbeitsmodell, um gemeinsam Metriken, Testszenarios und dazu passende Testlösungen zu erarbeiten, um wirklich werthaltige Tests und Ergebnisse zu erhalten.

• Zieldefinition Wie klassische Gestaltungsprojekte beginnt auch ein Data Driven Design-Projekt mit einer Zieldefinition. Etwa „Wir wollen eine höhere Retention Rate” oder „Wir wollen eine Verbesserung der Kundenzufriedenheit”.
• Datenanalyse & Problemraum-Definition Auf Basis der Zieldefinition untersucht ein Data Analyst die vorliegenden Daten im Hinblick auf das Ziel. Gemeinsam mit Beratern und Designern wird der Problemraum definiert: Eine Erkenntnis könnte sein, dass die Rate der Newsletter-Abmeldungen sehr hoch ist – im Hinblick auf das Ziel „höhere Retention Rate” ein möglicher Problemraum.
• Hypothesengenerierung und -auswahl Innerhalb des Problemraums entwerfen wir mögliche Lösungshypothesen und gleichen diese – zusammen mit einem Data Analyst – auf Testtauglichkeit ab. In unserem Newsletter-Beispiel würden wir Hypothesen z.B. im Bereich verändertem Newsletter-Content, aktivierenderem Newsletter-Design oder optimierten Landingpages liegen. Genauso sind aber Impulse an das Produkt- und Vermarktungsteam denkbar, da die Designlösungen nur zum Teil für die Zielerreichung verantwortlich sind.

Testvariantengestaltung und -auswahl Die ausgewählten Hypothesen werden in Gestaltungsvarianten umgesetzt – alle jedoch mit dem klaren Ziel, die Kundenbindung zu stärken. Erkenntnisse aus früheren Tests können dabei Hypothesen ausschließen oder beeinflussen. Die Hypothesen bestimmen dabei das Test-Set-up, das