Virheet käytettävyydessä - Miksi niiden mittaaminen on tärkeää?

Käytettävyysongelmien ja virheiden mittaaminen on olennainen osa tuotteiden ja palveluiden kehittämistä. Vaikka virheet ja käytettävyysongelmat liittyvät läheisesti toisiinsa, ne ovat eri asioita. Tässä artikkelissa tarkastelemme, miksi virheiden mittaaminen on tärkeää ja miten sitä voidaan toteuttaa tehokkaasti.

Kirjoittaja: Sami Heikkinen

Käytettävyystutkimuksessa keskitytään usein ongelmien tunnistamiseen, mutta virheiden mittaaminen voi tarjota arvokasta lisätietoa tuotteen tai palvelun toimivuudesta. Käytettävyysongelma on ongelman perimmäinen syy, kun taas virhe on ongelman mahdollinen seuraus (Tullis & Albert 2013). Esimerkiksi verkkokaupassa tuotteiden epäselvä luokittelu voi olla käytettävyysongelma, jonka seurauksena asiakas valitsee väärän tuotteen – tämä on virhe.

Milloin virheiden mittaaminen on hyödyllistä?

Virheiden mittaaminen on erityisen hyödyllistä tilanteissa, joissa virhe johtaa merkittävään tehokkuuden menetykseen. Tällaisia tilanteita voivat olla esimerkiksi tietojen häviäminen tai tarve syöttää tiedot uudelleen. Lisäksi virheiden mittaaminen on tärkeää, kun virhe aiheuttaa merkittäviä kustannuksia organisaatiolle tai loppukäyttäjälle. Tämä voi ilmetä esimerkiksi lisääntyneinä asiakastukipuheluina. Erityisen kriittisiä ovat tilanteet, joissa virhe johtaa tehtävän täydelliseen epäonnistumiseen. Esimerkkejä tällaisista tilanteista ovat väärän lääkkeen antaminen potilaalle tai väärän tuotteen ostaminen verkkokaupasta. Shneiderman ja Plaisant (2010) korostavat, että virheiden mittaaminen on tärkeää myös käyttöliittymän oppimisen ja muistettavuuden arvioinnissa. Virheiden määrä ja tyyppi voivat kertoa paljon siitä, kuinka intuitiivinen ja helposti opittava käyttöliittymä on.

Miten virheitä mitataan?

Virheiden mittaaminen ei ole aina yksinkertaista. Ensin on määriteltävä, mikä lasketaan virheeksi. Yleisesti virhe on mikä tahansa toiminta, joka estää käyttäjää suorittamasta tehtävää tehokkaimmalla tavalla. Virheitä voivat olla esimerkiksi väärän tiedon syöttäminen lomakekenttään, väärän valinnan tekeminen valikossa, virheellisen toimintaketjun suorittaminen tai keskeisen toiminnon tekemättä jättäminen.

Sauro ja Lewis (2016) ehdottavat, että virheitä mitattaessa on tärkeää erottaa kriittiset ja ei-kriittiset virheet toisistaan. Kriittiset virheet estävät tehtävän suorittamisen kokonaan, kun taas ei-kriittiset virheet hidastavat tai vaikeuttavat tehtävän suorittamista, mutta eivät estä sitä kokonaan.

Virheitä voidaan kerätä ja mitata eri tavoin. Yksi yleinen tapa on järjestää virhemittarit tehtävittäin. Jokaiselle tehtävälle ja käyttäjälle kirjataan virheiden määrä. Jos tehtävässä on vain yksi mahdollisuus virheeseen, tulokset ovat yksinkertaisesti joko virhe tai ei virhettä. Tällöin virhettä voidaan kuvat arvolla yksi ja virheettömyyttä arvolla nolla. Jos virheille on useita mahdollisuuksia, luvut vaihtelevat nollan ja maksimivirhemäärän välillä.

Virheiden analysointi ja esittäminen

Virheiden analysointi ja esittäminen riippuu siitä, onko tehtävässä yksi vai useampia virheen mahdollisuuksia. Yhden virheen mahdollisuuden tehtävissä voidaan tarkastella virheiden esiintymistiheyttä tai laskea virheellisten suoritusten prosenttiosuus kaikista suorituksista. Useamman virheen mahdollisuuden tehtävissä voidaan laskea virheiden kokonaismäärä tehtävää kohti tai keskimääräinen virheiden määrä osallistujaa kohti tehtävässä. On myös mahdollista määrittää hyväksyttävä virhekynnys ja tarkastella, mitkä tehtävät ylittävät sen. Rubin ja Chisnell (2008) korostavat, että virheiden analysoinnissa on tärkeää huomioida myös virheiden vakavuus ja toistuvuus. Yksittäinen vakava virhe voi olla merkittävämpi kuin useampi vähemmän vakava virhe.

Virheiden analysoinnissa on tärkeää välttää virheiden kaksinkertaista laskemista ja pyrkiä ymmärtämään, miksi eri virheitä tapahtuu. Virhetyyppien koodaaminen auttaa ymmärtämään tarkemmin, missä ongelmat piilevät. Hartson ja Pyla (2012) ehdottavat, että virheet voidaan luokitella esimerkiksi motorisiin virheisiin, kognitiivisiin virheisiin ja sensorisiin virheisiin, mikä auttaa kohdentamaan korjaustoimenpiteitä tehokkaammin.

Johtopäätökset

Virheiden mittaaminen tarjoaa arvokasta tietoa tuotteen tai palvelun käytettävyydestä. Se auttaa tunnistamaan kriittiset ongelmakohdat ja priorisoimaan kehitystoimenpiteitä. Virheiden mittaaminen yhdistettynä muihin käytettävyysmittareihin, kuten tehtävän suoritusaikaan ja onnistumisprosenttiin, antaa kattavan kuvan tuotteen tai palvelun käytettävyydestä.

Organisaatiot voivat hyödyntää virhemittareita tuotteidensa ja palveluidensa jatkuvassa kehittämisessä. Säännöllinen virheiden seuranta ja analysointi auttavat parantamaan käyttäjäkokemusta ja vähentämään käyttäjien turhautumista. Tämä puolestaan voi johtaa parempaan asiakastyytyväisyyteen ja liiketoiminnan tuloksiin. LAB-ammattikorkeakoulu tarjoaa asiantuntemusta ja tukea yrityksille, jotka haluavat kehittää tuotteidensa ja palveluidensa käytettävyyttä virhemittareiden avulla.

Lähteet

Hartson, R. & Pyla, P. 2012. The UX book: Process and guidelines for ensuring a quality user experience. Waltham, MA: Morgan Kaufmann. Viitattu 11.10.2024. Saatavissa https://doi.org/10.1016/C2010-0-66326-7

Rubin, J. & Chisnell, D. 2008. Handbook of usability testing: How to plan, design, and conduct effective tests. 2nd edition. Indianapolis: Wiley Publishing.

Sauro, J. & Lewis, J.R. 2016. Quantifying the user experience: Practical statistics for user research. 2nd edition. Cambridge, MA: Morgan Kaufmann. Viitattu 11.10.2024. Saatavissa https://doi.org/10.1016/C2010-0-65192-3

Shneiderman, B. & Plaisant, C. 2010. Designing the user interface: Strategies for effective human-computer interaction. 5th edition. Boston, MA: Addison-Wesley.

Tullis, T. & Albert, W. 2013. Measuring the user experience: Collecting, analyzing, and presenting usability metrics. 2nd edition. Amsterdam: Morgan Kaufmann.

Kirjoittaja

Sami Heikkinen, FM, KTM, opettaa LAB-ammattikorkeakoulussa käytettävyyttä ja käyttäjäkokemusta. Hän pyrkii minimoimaan virheet omassa elämässään, mutta nauttii niiden analysoinnista digitaalisissa tuotteissa ja palveluissa.

Artikkelikuva: https://pxhere.com/fi/photo/599783 (CC0)