Theory
Assumption જેણે fest ને ખાલી કર્યો
જ્યારે તમે FestConnect design કર્યું, ત્યારે તમે assume કર્યું કે users તમારા જેવા છે: forms સાથે comfortable, fast typers, tech-confident. એટલે તમે તે user માટે build કર્યું.
Real users એ Gujarati-medium schools ના first-years નીકળ્યા, cheap phones પર, જેમણે ક્યારેય online form ભર્યું નહોતું અને આખી વસ્તુ intimidating લાગી.
તમે એવા user માટે design કર્યું જે exist જ નહોતો કરતો. Fix વધુ cleverness નથી: એ EVIDENCE છે. User research એ રીત છે જેના દ્વારા તમે શોધો છો કે તમારા users actually કોણ છે, BEFORE તમે fantasy માટે design કરો.
Theory
User research, ઔપચારિક રીતે
User research એ તમારા target users નો systematic study છે: તેમના behaviours, needs, goals, motivations અને contexts: design ને assumption નહીં પણ evidence સાથે inform કરવા.
એ એ questions નો answer આપવા અસ્તિત્વમાં છે જેને તમે otherwise GUESS કરો: તેઓ ખરેખર કોણ છે? તેમને શું જોઈએ છે? ક્યાં struggle કરે છે? તેમના માટે શું obvious છે, અને શું confuse કરે છે?
Payoff એ risk reduction છે: research "we are building the wrong thing" ને ત્યારે catch કરે છે જ્યારે change કરવું હજુ cheap હોય, launch પછી નહીં જ્યારે real users already walked away હોય. એ design ને opinion થી informed decision માં ફેરવે છે.
At a glance
Kinds of user research (axes જાણો)
| Axis | Type A | Type B |
|---|---|---|
| Depth | Qualitative: why/how (interviews, observation) | Quantitative: how many (surveys, analytics) |
| Source | Primary: તમે fresh gather કરો છો | Secondary: existing data/reports |
| શું capture કરે છે | Attitudinal: લોકો શું SAY કરે છે | Behavioural: લોકો શું DO કરે છે |
| Sample | Small, rich detail | Large, numeric patterns |
Theory
Say-do gap
એક research insight જેને પોતાનો paragraph મળવો જોઈએ: લોકો જે કહે છે અને જે કરે છે ઘણીવાર differ થાય છે.
Students ને પૂછો "શું તમે fest app વાપરશો?" અને બધા yes કહે છે (attitudinal). તેમને actually register કરતાં watch કરો (behavioural) અને અડધા date field પર give up કરે છે. Words sincere હતા; behaviour એ truth હતું.
એટલે good research માત્ર ASK નથી કરતું, એ OBSERVE કરે છે: usability tests અને real use ને watch કરવાથી એ gap catch થાય છે જે interviews alone miss કરે છે. Attitudinal (શા માટે struggle) ને behavioural (કે struggle) સાથે combine કરો full picture માટે: એ theme જે interviews અને testing ની next lesson માં ચાલે છે.
Quiz
User research design માં શા માટે matter કરે છે એનું core reason શું છે?
- એ product ને more colourful બનાવે છે
- એ designer ના assumptions ને evidence સાથે replace કરે છે કે users ખરેખર કોણ છે અને તેમને શું જોઈએ છે
- એ બધા software માટે legal requirement છે
- એ designer ને users સાથે ક્યારેય talk કરવાથી avoid કરવા દે છે
Show the answer
એ designer ના assumptions ને evidence સાથે replace કરે છે કે users ખરેખર કોણ છે અને તેમને શું જોઈએ છે
Research design ને EVIDENCE પર ground કરવા અસ્તિત્વમાં છે assumption પર નહીં: you-are-not-your-user problem નો direct cure, real users, needs અને pain points ને reveal કરે છે before તમે fantasy માટે design કરો. Option A research (users ને understand કરવું) ને visual design (later unit) સાથે confuse કરે છે. Option C legal mandate invent કરે છે; research એ professional practice છે, law નહીં. Option D research નો exact OPPOSITE છે, જે fundamentally users સાથે ENGAGING (talk અને observe) વિશે છે. Lesson: design decisions એ તમે જે GUESSED કર્યું છે એના પર નહીં, પણ તમે જે users વિશે LEARNED કર્યું છે એના પર rest કરવા જોઈએ.
Think first
કયો research કયા question માટે?
બે FestConnect questions: (a) WHY do students abandon the registration form? (b) HOW MANY students drop off at each step? દરેક ને qualitative અથવા quantitative research સાથે match કરો, અને note કરો કે તમે બંને ને શા માટે want કરશો. પછી tap કરો.
Show the answer
(a) WHY they abandon એ qualitative છે: interviews અને few students ને watch કરવાથી reasons reveal થાય છે (confusing date field, errors નો ડર): rich, explanatory, small-sample. (b) HOW MANY drop off at each step એ quantitative છે: analytics many users પર drop-off ને numerically measure કરે છે: broad, પણ WHY પર silent. તમે BOTH want કરો છો: quantitative તમને કહે છે કે problem WHERE છે (date step 40% lose કરે છે), qualitative તમને કહે છે કે WHY (કોઈ format ને understand નથી કરતું). Numbers wound ને locate કરે છે; conversation એને diagnose કરે છે. Great research બંને ને pair કરે છે.
Watch out
Research slips
'Save time' કરવા research ને skip કરવું: most expensive shortcut: એ assumptions માટે design કરવાની guarantee આપે છે.
માત્ર asking, never observing: say-do gap નો અર્થ છે self-reports mislead કરે છે; real behaviour ને પણ watch કરો.
Leading questions: "you love this feature, right?" flattery gather કરે છે, truth નહીં (interview lesson આને tackle કરે છે).
તમારી જાત ને sample તરીકે treat કરવી: એક CS student user base નથી; REAL target users ને research કરો.
Theory
Raw research થી usable picture
Research insights નો pile produce કરે છે: પણ pile ને design કરવું hard છે. Next lesson એને એવી વસ્તુ માં ફેરવે છે જેને તમે તમારા head માં hold કરી શકો અને design FOR કરી શકો: PERSONA: research પરથી બનાવેલો real user નો believable model. પછી after ની lesson single most important research METHOD શીખવે છે: user interview, અને એને answers corrupt કર્યા વગર કેવી રીતે run કરવો.
Summary
Key takeaways
- User research એ design ને assumption નહીં પણ evidence સાથે inform કરવા target users નો systematic study છે.
- એ reveal કરે છે કે users ખરેખર કોણ છે, તેમના needs અને pain points, wrong thing build કરવાના risk ને reduce કરે છે.
- Axes: qualitative (why/how) vs quantitative (how many); primary vs secondary; attitudinal (say) vs behavioural (do).
- Say-do gap: users જે કહે છે એ તેઓ જે કરે છે તેનાથી differ થાય છે; observe કરો, માત્ર ask નહીં.
- Quantitative (problem WHERE છે) ને qualitative (શા માટે happens) સાથે pair કરો.
- Research throughout ચાલે છે, especially early, અને personas અને requirements ને feed કરે છે.
- Memory hook: research guessing ને knowing સાથે replace કરે છે.