Affinity Diagram: ‘Vẽ’ user persona dựa trên dữ liệu định tính

Posted by

Khẩu hiệu tôn chỉ: “ Sản phẩm bạn tạo ra phải vì người dùng” chắc không một PM nào không biết. Tuy nhiên với một số PM còn thiếu kinh nghiệm, việc hiểu người dùng để đưa ra sản phẩm phù hợp với họ không phải là việc dễ dàng. Như đã đề cập ở bài trước, PM có thể dùng phương pháp 5whys để tìm ra mọi cốt lõi của vấn đề, tuy nhiên để có thể tìm được câu trả lời cho 5whys, tất nhiên chúng ta không thể thiếu dữ liệu. Dữ liệu sẽ cho chúng ta thấy được người dùng chúng ta hướng tới đang hành động như thế nào, do đó PM cần phải hiểu data thì mới tìm ra câu trả lời đúng nhất để giải quyết vấn đề và thỏa mãn được người dùng. 

Dữ liệu được hình thành gồm 2 phạm trù: 

  1. Dữ liệu định lượng được biểu diễn bằng con số
  2. Dữ liệu định tính được biểu diễn bằng con chữ 

Dữ liệu định lượng có hình thức là con số, vì vậy phân tích sẽ dễ dàng, tiện lợi hơn. Ví dụ, nếu chúng ta muốn biết người dùng có xu hướng click vào nút CTA nào, chỉ cần so sánh tỷ lệ CTR (click-through-rate, tỷ lệ nhấp chuột) giữa hai nút CTA, nút nào có CTR cao hơn tất nhiên sẽ là nút có hiệu suất tốt hơn. (Tất nhiên nếu đi sâu hơn vào dữ liệu số thì còn có nhiều vấn đề phức tạp hơn như con số nào có nghĩa, các mẫu số v.v nhưng hôm nay chúng ta sẽ tạm thời bỏ qua phần này)

Khác với dữ liệu định lượng, không có một khuôn mẫu nào cho dữ liệu định tính, vì vậy trước khi phân tích dữ liệu dạng này chúng ta cần thêm quá trình gia công chúng thành một hình thức thống nhất. Điều này khiến việc phân tích dữ liệu đinh tính cần nhiều nỗ lực và thời gian hơn, tuy nhiên “không đau thương không hưởng được quả ngọt”, dữ liệu định tính sau khi được “gọt dũa” lại là viên ngọc sáng, mang đến nhiều insight chân thực về khách hàng hơn. Nếu dữ liệu định lượng cho chúng ta thấy “Khách hàng đã thực hiện hành động nào?” thì dữ liệu định tính sẽ giải thích “Tại sao khách hàng lại thực hiện hành động đó?”.

Trong bài viết hôm nay, Careerly sẽ giới thiệu một phương pháp để các PM có thể xử lý ngon nghẻ các dữ liệu mang tính định tính – phương pháp sử dụng biểu đồ tương đồng. 

1. Phương pháp phân tích dữ liệu định tính – Biểu đồ Tương đồng (Affinity Diagram) là gì?:

Biểu đồ Tương đồng là phương pháp sắp xếp rồi nhóm các dữ liệu có tính tương đồng trong một kho dữ liệu khổng lồ, mục đích cuối là để tìm ra quy tắc giữa những nhóm dữ liệu này. Dữ liệu định lượng có thể thu thập thông qua những công cụ phổ biến như Google Analytics, Amplitude,… các công cụ này thường xuất những dữ liệu có hình thức tương tự nhau. Khác với những dữ liệu định lượng, dữ liệu định tính thường được thu thập qua nhiều kênh đa dạng như field research, focus meeting, customer service,… Ngoài ra, dữ liệu được xuất ra mang “hình hài” như thế nào thì thường sẽ phụ thuộc vào cách người nghiên cứu thu thập và ghi chép. Sau đó, những người nghiên cứu này sẽ tập hợp các dữ liệu thu thập được, từ đó phân loại, sắp xếp và tìm ra quy luật giữa những dữ liệu mà nếu chỉ nhìn bên ngoài chúng không liên quan gì với nhau, và chính những quy luật  này có thể tạo nên persona người dùng mà bạn đang tìm kiếm. Biểu đồ tương đồng chính là công cụ giúp chúng ta tìm những quy luật này. 

2. Cách thực hiện phương pháp biểu đồ tương đồng:

Tuy tên gọi của biểu đồ tương đồng khiến chúng ta cảm thấy phương pháp này có vẻ khó và mang tính chuyên môn nhưng thực ra chỉ cần giấy dán post-it và bút thì ai cũng có thể làm được. 

Về cơ bản, biểu đồ tương đồng có thể thực hiện theo quy trình sau:

  1. Viết và liệt kê tất cả những dữ liệu liên quan đến mục tiêu, vấn đề cần giải quyết ra post-it và dán chúng lên bảng/tường.
  2. Nhóm các post-it có liên quan cao với nhau.
  3. Đặt ‘nhãn’ đại diện cho thuộc tính từng nhóm post-it tập hợp ở bước 2
  4. Tìm tính tương quan giữa các ‘nhãn’ đã đặt cho từng nhóm ở bước 3
  5. Từ đó tìm ra quy luật (persona)

Ví dụ thực tế: Biểu đồ tương đồng và persona người dùng:

Mỗi người đều mang nhu cầu (needs) và ‘nỗi đau’ (pain point) khác nhau do đó sản phẩm của chúng ta không thể nào làm hài lòng tất cả mọi người dùng được. Vì vậy, PM cần phải là người vẽ ra các tập hợp người dùng giả tưởng mà sản phẩm sẽ tập trung vào và xây dựng sản phẩm vì nhóm người dùng này. Tập hợp người dùng giả tưởng này được gọi là “persona”. Careerly đã đăng tải bài viết về user persona: User Persona: Hướng dẫn tạo chân dung người dùng

“Quy luật trong kho dữ liệu người dùng” được phát hiện thông qua biểu đồ tương đồng có thể được hiểu là “phản ứng chung của đại đa số người dùng”, hay nói cách khác quy luật mà biểu đồ tương đồng phát hiện trong kho dữ liệu người dùng có thể trở thành thuộc tính của user persona.

Để hiểu hơn về biểu đồ tương đồng này, chúng ta có thể xem một ví dụ thực tế đã áp dụng phương pháp này vào team sản phẩm.

Bước 1: Viết và liệt kê tất cả những dữ liệu liên quan đến mục tiêu, vấn đề cần giải quyết ra post-it và dán chúng lên bảng/tường.

Công ty trong ví dụ này hướng đến đối tượng khách hàng B2B, vì vậy team thường xuyên phải gặp gỡ và có các cuộc họp với khách hàng. Những cuộc họp này vừa là thời gian để giới thiệu giải pháp của công ty cho khách hàng vừa là cơ hội để team tìm hiểu nhu cầu và pain point khách hàng đang có là gì. Thành viên trong team sẽ ghi lại nội dung cuộc họp và team cũng xem mỗi meeting log này là một database định tính. Để có thể phát hiện được persona khách hàng, team đã tổng hợp và viết ra post-it toàn bộ nội dung được lưu trong các meeting log về nhu cầu, pain point, môi trường và use case của khách hàng. 

Tuy nhiên trên thực tế data thu thập được quá nhiều và việc viết tay ra post-it gần như là không thể vì quá tốn thời gian và công sức, công ty đã lựa chọn một công cụ Miro – bảng trắng online để giải quyết vấn đề này. Trong Micro có chức năng hỗ trợ soạn post-it nên việc soạn thảo và di chuyển post-it trên công cụ này rất thuận tiện. 

Bước 2: Nhóm các post-it có liên quan cao với nhau.

Nếu đây là lần đầu tiên bạn thực hiện phương pháp biểu đồ tương đồng, ngay sau khi hoàn thành công việc liệt kê post-it, bạn có thể cảm thấy rối loạn vì hằng hà sasố các post-it được gắn lên bảng trắng. Lúc này, thay vì cố gắng ghi nhớ hết tất cả các post-it trong một lần, bạn nên sắp xếp và nhóm dần các post-it tương tự nhau ngay trong giai đoạn viết và liệt kê chúng. Bạn càng nhóm được nhiều nhóm post-it thì tiêu chuẩn phân loại các post-it ngày càng rõ ràng và tốc độ gom nhóm của bạn sẽ nhanh hơn, chẳng mấy chốc mà tất cả các post-it bạn viết ra đã được nằm gọn gàng trong các nhóm theo ý bạn.

Bước 3: Đặt ‘nhãn’ đại diện cho thuộc tính từng nhóm post-it tập hợp ở bước 2

Sau khi hoàn thành việc gom các post-it vào một nhóm, bây giờ chúng ta cần đặt ‘nhãn’ cho chúng. Lúc này chúng ta cần tập trung vào các “nhãn” chứ không tập trung vào từng post-it nữa, bởi vì đây là giai đoạn quan trọng để có thể định nghĩa được các persona của người dùng. Nếu post-it đại diện cho đặc tính của từng người dùng thì các ‘nhãn’ sẽ cho thấy được điểm chung nhiều người dùng khác nhau (tức, đặc điểm chung của nhóm người dùng).

Bước 4: Phân tích tính tương quan dựa trên các ‘nhãn’ đã đặt ở bước 3.

Nếu nhìn riêng các thuộc tính một cách độc lập thì chỉ có thể hiểu một mặt về persona. Để tìm ra được persona thực sự và mang tính toàn diện thì chúng ta cần phân tích tính tương quan giữa những thuộc tính này và hiểu về chúng một cách toàn diện. 

Ví dụ một số ‘nhãn’ cho các nhóm khách hàng như sau:

  1. Trong số các khách hàng đã meeting thì đại đa số là người đến từ các phòng ban chịu trách nhiệm cho dự án mới của các tập đoàn lớn
  2. Họ đang sử dụng các công cụ thay thế khác như máy đặt hàng tự động, hệ thống đặt trước của Naver để thu thập thông tin của khách hàng.
  3. Cảm thấy những giải pháp đang sử dụng hiện tại còn hạn chế. 

Tổng hợp các ‘nhãn’ này lại, chúng ta có thể nói về persona của nhóm này như sau: “Khách hàng hiện tại đang cảm thấy các giải pháp đang sử dụng hiện tại còn hạn chế và họ đang tìm đến giải pháp của công ty chúng ta với hi vọng là bước đột phá mới cho dự án mới của họ”

Bước 5: Từ đó tìm ra quy tắc (Persona)

Phân tích tính tương quan giữa các nhãn và tìm ra persona dựa trên kết quả phân tích này. 

Phòng ban phụ trách dự án mới của tập đoàn lớn:

  1. Hiện tại đang thu thập dữ liệu thông qua hệ thống thanh toán, máy đặt hàng tự động, dịch vụ đặt trước online, nhưng những thông tin thu thập được thông qua các giải pháp này vẫn còn thiếu tính chính xác hoặc không đủ sâu so với yêu cầu của họ.
  2. Đang tìm kiếm giải pháp mới có thể khắc phục những hạn chế của giải pháp đang sử dụng
  3. Lo lắng vì chưa từng sử dụng công cụ mới này. Liệu giải pháp mới này có cung cấp thông tin đủ chính xác hay không, đáng tin hay không. 
  4. Phòng phụ trách dự án mới không trực tiếp sử dụng công cụ mới, chỉ meeting và ký hợp đồng, sau đó sẽ chuyển giao giải pháp cho phòng marketing sử dụng.

Để lại bình luận