SlideShare a Scribd company logo
1 of 99
Download to read offline
DATA
DRIVEN UX
Come lo facciamo
DIGITAL DESIGN THINKING.
DATA DRIVEN UX
Carlo Frinolli
www.carlofrinolli.it • www.nois3.it
@carl0s_
CEO + FOUNDER
Experience Designer, Founder e CEO di nois3,
lavoro, insegno e vivo a Roma –
non necessariamente in quest’ordine.
Via Alberto da Giussano 62/D
00176 Roma (IT)
+39 06 29 66 60
@wearenois3
hello@nois3.it
www.nois3.it
DATA DRIVEN UX
Natalia Molchanova
www.nois3.it
@natsilent
DIGITAL STRATEGIST
Via Alberto da Giussano 62/D
00176 Roma (IT)
+39 06 29 66 60
@wearenois3
hello@nois3.it
www.nois3.it
Digital Strategist di nois3,
once upon a time an illustrator.
Esisto tra Milano, Roma e Mosca,
non necessariamente in quest’ordine.
DESIGN WITH DATA
+
A CHE PUNTO SIAMO NEL MONDO
DATA DRIVEN UX
True love waits
DATA DRIVEN UX
Il data scientist Charlie Thompson analizzando
dati provenienti dalla Spotify API ha stabilito
che True Love Waits è la canzone più triste
dei Radiohead.
… LA CANZONE PIÙ TRISTE DEI RADIOHEAD
True love waits…
DATA DRIVEN UX
Tinker Hatfield e i dati
L’introduzione di data analysis nel design
ha contribuito a cambiare il panorama delle
sneaker sportive, tenendo in considerazione
Dati cinetici e più in generale fisici
nel product design.
OSSERVARE E MISURARE LE PERFORMANCE SPORTIVE
DATA DRIVEN UXDATA DRIVEN UX
L’incrocio di dati che arrivano dall’uso continuo
dello smartphone uniti ai dati meteo vi possono
proporre l’outfit perfetto per ogni condizione
metereologica, non è fantastico?
DATA_DRESS VI PUÒ AIUTARE…
Indecisi su cosa mettervi?
DATA DRIVEN UX
Attraverso l’analisi di statistiche e
trend online, Dropbox ha scelto
le etichette da usare per le funzionalità
all’interno della sua applicazione.
Design words with data
COME SCEGLIE DROPBOX I NOMI DELLE SUE LABEL?
“
DATA DRIVEN UX
Without data you’re just another person with
an opinion.
— W. EDWARDS DEMING
Senza avere fatti a supporto, pezze d’appoggio, evidenze o validazione
di mercato la tua opinione non vale granché.
DATA ARE NOT ENOUGH
+
BASTA QUESTO TIPO DI DATI PER SUPERARE GLI ASSUNTI DA CUI PARTIAMO?
DATA DRIVEN UX
DIPENDE?!
DATA DRIVEN UX
Progettiamo servizi e prodotti che i nostri utenti dovranno
utilizzare soddisfacendo un bisogno, con motivazione,
in un contesto.
Conoscere una distribuzione statistica di comportamenti
è un ottimo punto di partenza, ma non basta.
I soli dati quantitativi non raccontano una storia
SIAMO PERSONE AL SERVIZIO DI PERSONE
“
DATA DRIVEN UX
Without an opinion you’re just another person
with data.
— MILO JONES AND PHILIPPE SILBERZAHN / FORBES.COM
L’uso dei soli dati quantitativi, ignorando contesto d’uso, bisogni
e abitudini delle persone non ci fanno diventare più intelligenti.
DATA? LIKE TEENAGE SEX
+
MA È ROBA CHE SE MAGNA?
“
DATA DRIVEN UX
Data (/ˈdeɪtə/ DAY-tə, /ˈdætə/ DA-tə, or /ˈdɑːtə/ DAH-tə)
is a set of values of quantitative or qualitative
variables.
— DEFINIZIONE DA EN.WIKIPEDIA.ORG
DATA DRIVEN UX
Dati quantitativi
Percentuale mondiale che accede
ad Internet usando dispositivi mobile
Percentuale di Italiani che accede
ad Internet usando dispositivi mobile
59%
31%
27%
da tablet
30%
da tablet
45%
2011
2012
2013
NUMERI AGGREGATI E STATISTICHE
Siamo abituati a questi dati aggregati, il pane quotidiano
degli statistici e anche di certi brief creativi.
Donna, fa la spesa e usa internet mobile, età superiore ai 28 anni.
“
DATA DRIVEN UX
Think of two customers.
DATA DRIVEN UX
Both were born in 1948, male, raised in
Great Britain, married, successful and wealthy.
Furthermore, both of them have at least two
children, like dogs and love the Alps…
DATA DRIVEN UX
One of them could be Prince Charles
THIS IS SERVICE DESIGN THINKING.
and the other one Ozzy Osbourne.
DATA DRIVEN UX
Dati qualitativi
Raccogliere dati qualitativi significa calarsi nel contesto di chi
stiamo cercando di comprendere.
Per tener conto non solo di cosa dice, ma anche di chi è e cosa fa.
DI ETNOGRAFIA E ALTRE STORIE
DATA DRIVEN UX
Derivano dall’osservazione e
Dati qualitativi
NOR A STYLE GUIDE OR A CAMPAIGN.
CHIARA ALBANESI - FIELD WORK
QUALE SCELGO?
+
QUANTITATIVO O QUALITATIVO: NON DEVO SCEGLIERE PER FORZA
DATA DRIVEN UX
ENTRAMBI!
DATA DRIVEN UX
Qualitativi… quindi non obiettivi?
L’osservatore perturba l’esperimento?
Non pretendete di essere obiettivi.
Le interviste sono tra esseri umani,
e in fondo lo siete anche voi...
HEISENBERG… QUELL’ALTRO. IL FISICO.
DATA DRIVEN UX
Progettiamo servizi e prodotti che i nostri utenti dovranno
utilizzare soddisfacendo un bisogno, con motivazione, in un contesto.
Conoscere dati quantitativi aggregati dei comportamenti
può essere un ottimo punto di partenza, ma non basta.
Opinions not assumptions
SIAMO PERSONE AL SERVIZIO DI PERSONE
DATA DRIVEN UX
La pratica di partire dal quantitativo per arrivare al qualitativo
non è una novità assoluta, anzi.
Dall’assunto digitale è reale possiamo però trarre uno spunto
se osserviamo i comportamenti delle persone anche sul digitale
possiamo trarre più informazioni di contesto.
Sto intervistando quello giusto?
E SE TRA I MIEI INTERVISTATI NON STESSI BECCANDO IL MIO TARGET?
DATA DRIVEN UX
+
DAI DATI AI REQUISITI PROGETTUALI
DATA DRIVEN UX
REPORT CONTEXT ASSESSMENT
RISULTATI E CONCLUSIONI DATA DRIVEN
Scelta di parole chiave: temi, topic o hashtag da monitorare
Non solo raccolta delle conversazioni
Fase di arricchimento con analisi umani e definizione di criteri di ricerca
Pulizia dei risultati
1
Analisi delle
CONVERSAZIONI
0
Elaborazione
IPOTESI DI RICERCA
2
Arricchimento dei
DATI E VERIFICA
3
Interviste agli
UTENTI
4
Creazione delle
PERSONAS
4
Creazione delle
PERSONAS
Fase di arricchimento con analisti umani
Briefing del cliente
Definizione requisiti progettuali
Fase di segmentazione degli utenti in base alle intenzioni e pattern comportamentali
Il processo in breve - un anno dopo.
0. ELABORAZIONE
IPOTESI DI RICERCA
+
DA DOVE PARTIAMO? DAL CLIENTE!
DATA DRIVEN UX
Attraverso la facilitazione tramite dialogo, 

design thinking e raccolta dati aziendali
dobbiamo capire 

quali problemi vuole risolvere e quali risultati
vuole raggiungere il nostro cliente 

investendo nel nostro lavoro.
Briefing del Cliente
COSA VUOLE, COSA SI ASPETTA E CHI È UMANAMENTE.
DATA DRIVEN UX
“
DATA DRIVEN UX
L’obiettivo essenziale della guerra è la vittoria,
non le operazioni prolungate.
— SUN TZU, L’ARTE DELLA GUERRA, CAPITOLO 2 - PREPARAZIONE ALLA GUERRA
DATA DRIVEN UX
Definire gli obiettivi
DISAMBIGUA LA PAROLA VITTORIA.
Un progetto digitale non può essere l’unico obiettivo
del nostro lavoro.
È solo un mezzo che dobbiamo dare al cliente

con il quale potrà raggiungere 

i suoi obiettivi aziendali.
DATA DRIVEN UX
Come misura il successo il cliente?
DATA DRIVEN UX
QUALI SONO LE METRICHE CON CUI IL CLIENTE VALUTA LA SUA ATTIVITÀ?
Definire KPI aziendali
Dobbiamo capire cosa si aspetta il cliente dal progetto digitale
in termini di risultati misurabili e tempo.
Aumento delle vendite?
Aumento di nuovi contatti?
Diminuzione delle lamentele al call center?
Diminuzione ore lavorative per compiere determinate attività?
DATA DRIVEN UX
Come vorrebbe essere percepito il cliente?
Se fosse una persona?
DATA DRIVEN UX
DATA DRIVEN UX
QUALI SONO LE AMBIZIONI REPUTAZIONALI?
Definire obiettivi di comunicazione
Dobbiamo capire per cosa vuole essere conosciuto,
come vuole posizionarsi, cosa aumenterebbe la sua credibilità,
quali sono i valori aziendali che devono emergere.
Dobbiamo ricevere degli indizi su quale
tono di voce e stile visivo sono giusti per riflettere
il carattere dell’azienda e delle persone che ne fanno parte.
DATA DRIVEN UX
Cosa sa dei suoi clienti attuali? Che clienti vorrebbe?
Quali dati ha a disposizione il cliente sui suoi clienti?
Dobbiamo capire chi sono i clienti attuali, come sono stati acquisiti.
Dobbiamo capire chi sono i clienti persi e perché.
Cosa apprezzano i clienti, i prodotti/servizi di successo?
Quali sono le lamentele che arrivano dai clienti?
Quali tratti in comune hanno a percezione del cliente?
Definire chi sono le persone per cui progettiamo
DATA DRIVEN UX
CHI SARANNO GLI UTENTI FUTURI DEL NOSTRO PROGETTO?
DATA DRIVEN UX
Scusa, ma così il cliente vi ha già detto tutto, no?
La ricerca successiva serve per verificare con i dati se la percezione del
contesto del cliente è confermata, se conosce davvero i suoi competitor,
se il cliente sa davvero chi sono i suoi utenti, se i suoi obiettivi sono
raggiungibili, se la sua offerta è ricercata davvero come si aspetta, quali
sono i rischi e quali sono le opportunità che non vede o per qualche
ragione ci ha nascosto.
Però non ci fidiamo 😬 😬 Se fosse solo una sua opinione?
DATA DRIVEN UX
VERIFICHIAMO GLI INSIGHT FORNITI DAL CLIENTE CON LA RICERCA!
DATA DRIVEN UX
Ready! Data? GO!
1. ANALISI DEL CONTESTO
E DELLE CONVERSAZIONI
+
QUAL È IL TERRENO DOVE DOBBIAMO MUOVERCI.
“
DATA DRIVEN UX
Se non conosci te stesso, né conosci il tuo
nemico, sii certo che ogni battaglia 

sarà per te fonte di pericolo gravissimo.
— SUN TZU, L’ARTE DELLA GUERRA, CAPITOLO 3 - ATTACCO STRATEGICO
Cosa possiamo trovare in rete sul cliente? Quali canali usa e come?
Che keyword usa e quali tematiche tratta?
Quali informazioni sono reperibili?
Le persone ne parlano? I media ne parlano? Dove? Come?
I dati di navigazione del sito e le interazioni sui canali social
rispecchiano la percezione del cliente?
Conoscere se stessi - analizzare il nostro cliente.
DATA DRIVEN UX
QUALI SONO LE INFORMAZIONI CHE POSSIAMO TROVARE SU DI LUI IN RETE?
Conoscere il nemico - Analizzare i competitor.
DATA DRIVEN UX
QUALI SONO LE INFORMAZIONI CHE POSSIAMO TROVARE SU DI LORO IN RETE?
Il cliente ce li ha indicati tutti? Cerchiamo!
Quali canali usano e come?
Le persone ne parlano? I media ne parlano? Dove?
Che traffico hanno? Da dove arrivano le visite? Chi performa meglio?
Ci sono competitor indiretti?
DATA DRIVEN UX
Cliente vs Competitor. Troviamo le differenze!
Cliente + Competitor
DATA DRIVEN UX
HANNO UNA COSA IN COMUNE: GLI UTENTI CHE CI INTERESSANO.
Quali sono i canali utilizzati in generale che performano meglio e perché?
Le persone ne parlano? I media ne parlano? Dove?
Riusciamo a individuarli?
Chi sono gli influencer del loro mondo?
Chi sono le persone che potranno essere in
contatto con il nostro progetto digitale?
Per quale motivo e con quale intenzione?
Che informazioni potrebbero cercare 

sul nostro cliente? Perché?
Quali sono importanti come partner o influencer?
Stakeholder Map: il nostro mondo è fatto da relazioni.
DATA DRIVEN UX
I CLIENTI DIRETTI NON SONO MAI GLI UTENTI UNICI. E NON SONO MAI ISOLATI.
Deliverable: Context Analysis
DATA DRIVEN UX
UN DOCUMENTO CHE CI DÀ UNA VISIONE DEL MONDO DEL NOSTRO CLIENTE
Ora sappiamo chi sono i competitor e abbiamo individuato in cosa sono
più forti. O più deboli.
Abbiamo un elenco di keyword e tematiche ricorrenti tra tutti loro e
caratterizzanti per alcuni. Quali creano più engagement.
Sappiamo dove come e chi ne parla.
Conosciamo chi sono gli influencer e stakeholder.
2. ARRICCHIMENTO
DEI DATI E VERIFICA
+
SIAMO SULLA STRADA GIUSTA?
Abbiamo già detto che non ci fidiamo?
DATA DRIVEN UX
QUI SPESSO ABBIAMO DI NUOVO MOLTE DOMANDE PER IL CLIENTE…
Discutiamo i risultati con il cliente per 

definire la nicchia di posizionamento.
Incrociamo le informazioni di partenza sugli
utenti con quelli trovati in fase di analisi.
Definiamo cosa possiamo imparare 

dai competitor, quali stakeholder sono i più
importanti per raggiungere gli obiettivi.
“
DATA DRIVEN UX
La natura del terreno può essere di grande
aiuto in battaglia. Ma dipende soltanto dal
comandante saper giudicare il nemico,
calcolare le distanze e valutare i rischi.
Conoscendo questi fattori, vincerai;
trascurandoli, sarai sconfitto.
— SUN TZU, L’ARTE DELLA GUERRA, CAPITOLO 10 - IL TERRENO
E gli utenti? Cosa gli interessa sul settore?
Quali keyword portano più traffico ai siti?
Qual è il search intent delle diverse keyword?
Quali tematiche generano maggior engagement?
Chi sono gli influencer che hanno il maggior impatto
sulla loro opinione?
Quali sono i canali che usano per informarsi?
COME SI METTONO IN CONTATTO CON IL SETTORE E CON QUALE SCOPO?
DATA DRIVEN UX
Think as a user! Search Intentionally
PARTIRE DALLE QUERY E SEARCH INTENT, E NON DALLE BRANDED KEYWORD
Un utente non è solo un target. 

È una persona che non cerca un servizio astratto, 

ma soluzioni concrete al suo problema, informazioni precise, 

aiuto concreto per superare le difficoltà.
“ Come? Dove? Perché non...?
DATA DRIVEN UX
Dobbiamo capire come possiamo aiutare gli
utenti a raggiungere i loro obiettivi con il
prodotto digitale che stiamo progettando.
Gli utenti online raccontano i loro problemi, 

le esigenze, disagi: le loro user-story!
Anche gli utenti hanno i loro obiettivi.
COME CERCANO DI RAGGIUNGERLI?
DATA DRIVEN UX
DATA DRIVEN UX
Non ho capito, dove sono tutti questi dati?
La vita segreta di algoritmi di ricerca semantica e statistiche di query
Le domande associate a un problema o obiettivi
DATA DRIVEN UX
Data are everywhere. Search'em all.
OGGI LA RICERCA È ATTIVA SU TUTTI I SOCIAL PRINCIPALI. CERCATE, MONITORATE.
DATA DRIVEN UX
DATA DRIVEN UX
Briefcase with important lab results
File, Collect, Index
Conversation Audit: il sentiment, temi rilevanti o parole ricorrenti.
User Behaviour/Usage Trends: Le abitudini e pattern d’uso rilevati.
Audience Segmentation: utenti affini per criteri demografici,
culturali, sociali, psicologici.
DA RACCOLTA DATI A INSIGHTS UTILI PER UX: PROFILARE UTENTI, DISTINGUERE ESIGENZE.
DATA DRIVEN UX
Creare un dataset usabile
DOCUMENTARE IL PROCESSO NEL DETTAGLIO SEMPLIFICA L’ANALISI
Keyword, topics
Fonti analizzate e monitorate
Strumenti impiegati per l’analisi
Intervallo di tempo analizzato
Eventi anomali o altri elementi con potenziale impatto sui dati.
(es. viral content, breaking news, social media crisis)
DATA DRIVEN UX
L’intruso? Lo troviamo.
Dobbiamo individuare e distinguere 

termini rilevanti e "negativi" da escludere o mitigare nell’analisi. 

Valutare nuovi da aggiungere
per approfondire e arricchire la ricerca.
QUALI SONO I DATI IRRILEVANTI? QUALI IMPORTANTI INVECE CI SONO SFUGGITI?
DATA DRIVEN UX
DATA DRIVEN UX
Ma quali dati, non ne parla nessuno!
Ci manca qualcosa? Possiamo ipotizzare cosa?
COSA NON ABBIAMO TROVATO IN RETE E PERCHÉ?
Non tutti gli utenti lasciano tracce in rete.
Non tutte le tematiche generano conversazioni.
Non tutte le richieste sui motori di ricerca hanno un volume
rilevante.
Non tutti gli utenti sono attivi sui social.
Non tutti i nostri utenti potenziali sono online.
DATA DRIVEN UX
DATA DRIVEN UX
Data Dead Zone. Deal With It.
Your "dead zone." The possibility of…
…OF ALTERING THE OUTCOME OF YOUR PREMONITIONS.
Chi potrebbero essere gli utenti che non hanno lasciato tracce?
Potrebbero alterare le conclusioni della nostra ricerca?
Potrebbero alterare le nostre ipotesi progettuali?
Se sì…
Dove potremmo trovarli?
Come potremmo scoprire i loro bisogni?
DATA DRIVEN UX
3. INTERVISTE AGLI UTENTI
+
“US AND THEM, AND AFTER ALL WE’RE ONLY ORDINARY MEN”
Interviste utente
INTERVISTE NARRATIVE E USER RESEARCH
DATA DRIVEN UX
Farsi raccontare esperienze soddisfacenti,
frustrazioni e aneddoti legati al nostro tema
di ricerca, osservando il nostro interlocutore
e prendendo appunti…
DATA DRIVEN UX
What Women Users Want?
Data without opinion.
Durante le nostre ricerche possiamo trovare dei dati
che ci indicano dei determinanti comportamenti, preferenze,
stili di vita o modalità di interazione con i servizi o prodotti del
settore per il quale progettiamo.
Ma non è per niente chiaro cosa significa.
Dobbiamo verificarlo con le interviste utente.
A VOLTE I DATI SONO CHIARI. MA NON È PER NIENTE CHIARO COME INTERPRETARLI.
DATA DRIVEN UX
DATA DRIVEN UX
Women are insane.
Who would do that more than once?
Why would they do the other leg?
DATA DRIVEN UX
Prima di progettare, chiedi
1. Definizione obiettivi

2. Scelta delle attività

3. Recruiting: scegliere chi intervistare.
4. Scrivere script dell’intervista

5. Sessione interviste

6. Analisi

7. Report
INTERVISTARE, OSSERVARE, REGISTRARE, DOCUMENTARE
Ah, Dead Zone…
Sono quelli che sono ancora convinti che su Google non c’è la risposta.
Sono quelli che non acquistano sull’amazon now perché 

non arriva nella loro città.
Sono quelli troppo pigri per lasciare una recensione su TripAdvisor.
Sono quelli che stavano in fila alle banche per fare un bonifico finché qualcuno
non si è messo ad ascoltare i loro bisogni e progettare l’home banking.
O LA VITA SEGRETA DELLA GENTE UN PO’ MENO PRESENTE SU INTERNET
DATA DRIVEN UX
DATA DRIVEN UX
User Freaks, o gli utenti estremi.
Beware of User Freaks
Ci sono delle tipologie di utenti che possono rappresentare 

solo una piccolissima percentuale di utenti e i loro comportamenti e obiettivi
non sono per niente rappresentativi. 

Però può capitare che proprio loro sono quelli più attivi in rete, o a lamentarsi
in call center distraendo da utenti che cerchiamo e i cui bisogni non sono così
evidenti.
GLI UTENTI ESTREMI CHE POSSONO CONDURRE ALLE CONCLUSIONI SBAGLIATE
DATA DRIVEN UX
Incrociare i risultati di ricerche 

e le interviste utente
IN MEDIO STAT VIRTUS.
DATA DRIVEN UX
4. CREAZIONE DELLE PERSONAS
+
DA USER INTENTS A PERSONAS. DA PERSONAS A USER STORIES.
Definire insights
ANALISI E CLUSTERIZZAZIONE DEI DATI RACCOLTI È LA FASE PIÙ IMPORTANTE
DATA DRIVEN UX
User Intents & Contexts of Use
Il nostro compito principale è creare dei cluster di esigenze utenti e il contesto
in cui sono attuali senza pensare alle soluzioni tecniche concrete.
… vuole prendere l’appuntamento presso l’azienda quando se lo ricorda.
… vuole passare all’azienda dei documenti, senza recarsi in sede.
… vuole sapere lo stato dei pagamenti anche in viaggio
… vuole essere informato sulle offerte disponibili senza disturbi.
COSA VOGLIONO GLI UTENTI E IN QUALE CONTESTO?
DATA DRIVEN UX
Motivazioni vs Barriere
Per ogni cluster di intenzioni
ci sono delle motivazioni che spingono
l’utente di compiere anche azioni difficili
pur in assenza di esigenza oggettiva.
Ci sono delle barriere che possono 

costringere l’utente ad abbandonare le attività
pur in presenza di un’esigenza oggettiva.
COSA INCENTIVA LE PERSONE AD AGIRE? COSA LI SCORAGGIA AD AGIRE?
DATA DRIVEN UX
DATA DRIVEN UX
Ma chi sono? Personifichiamo i dati.
User Personas
Dai cluster di utenti emersi dalla ricerca dobbiamo creare
personas - archetipi progettuali di utenti
in base agli intenzioni d’uso, abitudini comportamentali,
barriere e leve motivazionali,
o altri criteri rilevanti per il nostro progetto,
che solo in alcuni casi possono essere
i dati demografici come età o genere.
DA PERSONE AGLI ARCHETIPI PROGETTUALI
DATA DRIVEN UX
DATA DRIVEN UX
Copyright © 2015 the nielsen Company - Home entertainment Consumer trends
DATA DRIVEN UX
Copyright © 2015 the nielsen Company
Home entertainment Consumer trends
DATA DRIVEN UX
Copyright © 2015 Mashable - The 9 Types of Facebook Users
User Stories. A lieto fine.
LA RICERCA DI QUALE BENEFICIO SI NASCONDE DIETRO LE INTENZIONI DEGLI UTENTI?
DATA DRIVEN UX
DATA DRIVEN UX
User Stories. A lieto fine.
RICERCA DI QUALE BENEFICIO SI NASCONDE DIETRO LE INTENZIONI DEGLI UTENTI?
Marco Bruno
“Vorrei poter trovare i contatti
facilmente anche da telefonino per
poter chiamarli quando mi ricordo”
Immediatezza e spontaneità.
“Vorrei evitare di recarmi in banca
solo per aggiornare i dati anagrafici.
Abito distante e non ho mezzi.”
Accessibilità, risparmio tempo e forze.
“Sono sempre in viaggio e mi
dimentico di pagare le bollette. Vorrei
poter controllarne facilmente lo stato.”
Il senso di controllo e sicurezza
Giovanna Maria
“Mi interessano le promozioni, ma mi
chiamano al telefono nei momenti più
scomodi, una mail sarebbe meglio.”
Meno stress e rispetto dei suoi impegni.
How might we?
UN PO’ DI EMPATIA.
DATA DRIVEN UX
Come possiamo aiutare [l’espressione che avvia
l’empatia]
Marco, “Il Distratto” [personificazione]
che salta appuntamenti perché quando si ricorda non
ha il numero sotto mano [insight]
di trovare facilmente i contatti aziendali [bisogno]
in qualsiasi momento dal telefonino? [il contesto d’uso]
How might we?
DATA DRIVEN UX
Come possiamo aiutare [l’espressione che avvia l’empatia]
Bruno, “Il Pensionato di Periferia” [personificazione]
che fa fatica di recarsi in banca di persona [insight]
di aggiornare i suoi dati anagrafici [bisogno]
fuori dalla banca? [il contesto d’uso]
UN PO’ DI EMPATIA.
How might we?
DATA DRIVEN UX
Come possiamo aiutare [l’espressione che avvia l’empatia]
Giovanna, “La dimenticatutto” [personificazione]
che non paga le bollette in tempo perché non sa quando
scadono [insight]
di controllarle facilmente e sapere quando pagarle
[bisogno]
quando è lontana da casa tanto tempo? [il contesto d’uso]
UN PO’ DI EMPATIA.
How might we?
DATA DRIVEN UX
Come possiamo aiutare [l’espressione che avvia l’empatia]
Maria, “La Casalinga Disperata” [personificazione]
che non risponde al telefono quando ha impegni [insight]
di ricevere le informazioni sulle offerte [bisogno]
tramite un mezzo a cui può accedere quando ha tempo?
[il contesto d’uso]
UN PO’ DI EMPATIA.
Da user stories a use cases: cosa progettiamo?
COME E DOVE IL NOSTRO PROGETTO POTREBBE AIUTARE?
DATA DRIVEN UX
DATA PERSONAS SCENARIO USE CASES
What will our product will do?
USER
GOALS
USER
ARCHETYPES
HYPOTESIS OF
INTERACTION
STEP-BY-STEP
HYPOTHESIS OF
INTERACTION
QUINDI?
+
COSA CI PORTIAMO A CASA?
WE KNOW KUNG-FU
+
SAPPIAMO PER CHI PROGETTARE!
DATA DRIVEN UX
SIIIIIIII PUÒÒÒÒÒÒ FAREEEEE
DATA DRIVEN UX
Natalia Molchanova
DIGITAL STRATEGIST
twitter.com/natsilent
fb.com/molchanovanm
linkedin.com/in/nataliamolchanova
DATA DRIVEN UX
Carlo Frinolli
CEO + FOUNDER
twitter.com/carl0s_
fb.com/carlo.frinolli
linkedin.com/in/carlofrinolli
carlofrinolli.it
Grazie per l’attenzione
DATA DRIVEN UX

More Related Content

What's hot

Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsiBusiness Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsiSMAU
 
Big Data: Analisi del Sentiment
Big Data: Analisi del SentimentBig Data: Analisi del Sentiment
Big Data: Analisi del SentimentMiriade Spa
 
Data mining, business intelligence e dintorni
Data mining, business intelligence e dintorniData mining, business intelligence e dintorni
Data mining, business intelligence e dintorniMaurizio Girometti
 
Introduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiIntroduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiVincenzo Manzoni
 
Business Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailBusiness Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailRoberto Butinar
 
Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...
Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...
Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...Data Driven Innovation
 
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso  M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso Istituto nazionale di statistica
 
Luca Tacchetti: Compass for Companies
Luca Tacchetti: Compass for CompaniesLuca Tacchetti: Compass for Companies
Luca Tacchetti: Compass for CompaniesManifattura Milano
 
Introduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei DatiIntroduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei DatiDenodo
 
Big Data - Breve panoramica
Big Data - Breve panoramicaBig Data - Breve panoramica
Big Data - Breve panoramicaLuca Naso
 
Introduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiIntroduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiVincenzo Manzoni
 
Big data: opportunità o minaccia?
Big data: opportunità o minaccia?Big data: opportunità o minaccia?
Big data: opportunità o minaccia?Stefano Gatti
 
Mediaclic.it - Comunicato stampa 15 maggio
Mediaclic.it - Comunicato stampa 15 maggio Mediaclic.it - Comunicato stampa 15 maggio
Mediaclic.it - Comunicato stampa 15 maggio Rodolfo Rotta-Gentile
 
E-Book: Le 4 fasi per generare valore dal dato
E-Book: Le 4 fasi per generare valore dal datoE-Book: Le 4 fasi per generare valore dal dato
E-Book: Le 4 fasi per generare valore dal datoNpo Sistemi
 
Reinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazioneReinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazioneData Driven Innovation
 
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Free Your Talent
 
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi SMAU
 

What's hot (20)

Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsiBusiness Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
 
Big Data: Analisi del Sentiment
Big Data: Analisi del SentimentBig Data: Analisi del Sentiment
Big Data: Analisi del Sentiment
 
Big data
Big dataBig data
Big data
 
Data mining, business intelligence e dintorni
Data mining, business intelligence e dintorniData mining, business intelligence e dintorni
Data mining, business intelligence e dintorni
 
Data Mining
Data MiningData Mining
Data Mining
 
Introduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiIntroduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei dati
 
Business Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailBusiness Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il Retail
 
Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...
Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...
Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contra...
 
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso  M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso
 
Luca Tacchetti: Compass for Companies
Luca Tacchetti: Compass for CompaniesLuca Tacchetti: Compass for Companies
Luca Tacchetti: Compass for Companies
 
Introduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei DatiIntroduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei Dati
 
Social Big Data
Social Big DataSocial Big Data
Social Big Data
 
Big Data - Breve panoramica
Big Data - Breve panoramicaBig Data - Breve panoramica
Big Data - Breve panoramica
 
Introduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei datiIntroduzione ai Big Data e alla scienza dei dati
Introduzione ai Big Data e alla scienza dei dati
 
Big data: opportunità o minaccia?
Big data: opportunità o minaccia?Big data: opportunità o minaccia?
Big data: opportunità o minaccia?
 
Mediaclic.it - Comunicato stampa 15 maggio
Mediaclic.it - Comunicato stampa 15 maggio Mediaclic.it - Comunicato stampa 15 maggio
Mediaclic.it - Comunicato stampa 15 maggio
 
E-Book: Le 4 fasi per generare valore dal dato
E-Book: Le 4 fasi per generare valore dal datoE-Book: Le 4 fasi per generare valore dal dato
E-Book: Le 4 fasi per generare valore dal dato
 
Reinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazioneReinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazione
 
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
Digital Transformation: Big Data, User Targeting ed Etica - Project Work Mast...
 
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
 

Viewers also liked

Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...Data Driven Innovation
 
Il deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone ScardapaneIl deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone ScardapaneData Driven Innovation
 
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego Sanvito
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego SanvitoKnowledge graph: il percorso di Cerved per connettere i Big Data - Diego Sanvito
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego SanvitoData Driven Innovation
 
Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...Data Driven Innovation
 
Big Data and Data Science @ BNL - D. Morgagni & L. Dell'Anna
Big Data and Data Science @ BNL - D. Morgagni & L. Dell'AnnaBig Data and Data Science @ BNL - D. Morgagni & L. Dell'Anna
Big Data and Data Science @ BNL - D. Morgagni & L. Dell'AnnaData Driven Innovation
 
Data driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo SpadaData driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo SpadaData Driven Innovation
 
The mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia MarzanoThe mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia MarzanoData Driven Innovation
 
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro RosatiIl valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro RosatiData Driven Innovation
 
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)Data Driven Innovation
 
A visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe FrancavillaA visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe FrancavillaData Driven Innovation
 
How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)Data Driven Innovation
 
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...Data Driven Innovation
 
Genomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel WeitschekGenomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel WeitschekData Driven Innovation
 
Cognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico NeriCognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico NeriData Driven Innovation
 
Healthware for medicine - Roberto Ascione
Healthware for medicine - Roberto AscioneHealthware for medicine - Roberto Ascione
Healthware for medicine - Roberto AscioneData Driven Innovation
 
LCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca RuiniLCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca RuiniData Driven Innovation
 
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...Data Driven Innovation
 
Portabilità dei dati e benessere del consumatore di servizi cloud - Davide Mula
Portabilità dei dati e benessere del consumatore di servizi cloud - Davide MulaPortabilità dei dati e benessere del consumatore di servizi cloud - Davide Mula
Portabilità dei dati e benessere del consumatore di servizi cloud - Davide MulaData Driven Innovation
 
Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...Data Driven Innovation
 
Innovazione per la PA - Andrea D'Acunto
Innovazione per la PA - Andrea D'AcuntoInnovazione per la PA - Andrea D'Acunto
Innovazione per la PA - Andrea D'AcuntoData Driven Innovation
 

Viewers also liked (20)

Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
 
Il deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone ScardapaneIl deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone Scardapane
 
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego Sanvito
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego SanvitoKnowledge graph: il percorso di Cerved per connettere i Big Data - Diego Sanvito
Knowledge graph: il percorso di Cerved per connettere i Big Data - Diego Sanvito
 
Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...
 
Big Data and Data Science @ BNL - D. Morgagni & L. Dell'Anna
Big Data and Data Science @ BNL - D. Morgagni & L. Dell'AnnaBig Data and Data Science @ BNL - D. Morgagni & L. Dell'Anna
Big Data and Data Science @ BNL - D. Morgagni & L. Dell'Anna
 
Data driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo SpadaData driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
 
The mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia MarzanoThe mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia Marzano
 
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro RosatiIl valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
 
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
 
A visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe FrancavillaA visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe Francavilla
 
How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)
 
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
 
Genomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel WeitschekGenomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel Weitschek
 
Cognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico NeriCognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico Neri
 
Healthware for medicine - Roberto Ascione
Healthware for medicine - Roberto AscioneHealthware for medicine - Roberto Ascione
Healthware for medicine - Roberto Ascione
 
LCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca RuiniLCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca Ruini
 
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
 
Portabilità dei dati e benessere del consumatore di servizi cloud - Davide Mula
Portabilità dei dati e benessere del consumatore di servizi cloud - Davide MulaPortabilità dei dati e benessere del consumatore di servizi cloud - Davide Mula
Portabilità dei dati e benessere del consumatore di servizi cloud - Davide Mula
 
Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...
 
Innovazione per la PA - Andrea D'Acunto
Innovazione per la PA - Andrea D'AcuntoInnovazione per la PA - Andrea D'Acunto
Innovazione per la PA - Andrea D'Acunto
 

Similar to Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)

Big Data per Madee 7 at Digital Accademia
Big Data per Madee 7 at Digital AccademiaBig Data per Madee 7 at Digital Accademia
Big Data per Madee 7 at Digital AccademiaGianluigi Cogo
 
Design Thinking e Human Centered Design: un piccolo compendio
Design Thinking e Human Centered Design: un piccolo compendioDesign Thinking e Human Centered Design: un piccolo compendio
Design Thinking e Human Centered Design: un piccolo compendionois3
 
Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...
Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...
Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...Carlo Frinolli Puzzilli
 
Osservatorio Multicanalità 2008
Osservatorio Multicanalità 2008Osservatorio Multicanalità 2008
Osservatorio Multicanalità 2008GreatPixel
 
Azienda, proposta di valore, user experience, web strategies, è sempre una qu...
Azienda, proposta di valore, user experience, web strategies, è sempre una qu...Azienda, proposta di valore, user experience, web strategies, è sempre una qu...
Azienda, proposta di valore, user experience, web strategies, è sempre una qu...Michele Dell'Edera
 
Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...
Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...
Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...Associazione Digital Days
 
Presentazione bigdata Madee
Presentazione bigdata MadeePresentazione bigdata Madee
Presentazione bigdata MadeeGianluigi Cogo
 
DCG - introduction to predictive data analysis for tourism market
DCG - introduction to predictive data analysis for tourism marketDCG - introduction to predictive data analysis for tourism market
DCG - introduction to predictive data analysis for tourism marketRaffaele Calegari
 
Trasformazione digitale nel mondo it
Trasformazione digitale nel mondo itTrasformazione digitale nel mondo it
Trasformazione digitale nel mondo itAlessandro Guidi
 
Social Media Marketing per il Real Estate
Social Media Marketing per il Real EstateSocial Media Marketing per il Real Estate
Social Media Marketing per il Real EstateClaudio Gagliardini
 
Design with Data: Data Analysis per la Progettazione della Customer Experience
Design with Data: Data Analysis per la Progettazione della Customer ExperienceDesign with Data: Data Analysis per la Progettazione della Customer Experience
Design with Data: Data Analysis per la Progettazione della Customer ExperienceSketchin
 
I Digital Marketing Trend per il 2017: scopri il Master Ninja Academy
I Digital Marketing Trend per il 2017: scopri il Master Ninja AcademyI Digital Marketing Trend per il 2017: scopri il Master Ninja Academy
I Digital Marketing Trend per il 2017: scopri il Master Ninja AcademyNinja Academy
 
Marketing & Big Data Analytics
Marketing & Big Data AnalyticsMarketing & Big Data Analytics
Marketing & Big Data AnalyticsElisa Iandiorio
 
Personal data economy, l'attenzione ai dati personali e l'economia dei dati
Personal data economy, l'attenzione ai dati personali e l'economia dei datiPersonal data economy, l'attenzione ai dati personali e l'economia dei dati
Personal data economy, l'attenzione ai dati personali e l'economia dei datiPaolo Omero
 
Social Media Relation
Social Media RelationSocial Media Relation
Social Media RelationiPRESSlive
 
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivoData skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivoSMAU
 

Similar to Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3) (20)

WHAT'S!? PERSONAS?
WHAT'S!? PERSONAS?WHAT'S!? PERSONAS?
WHAT'S!? PERSONAS?
 
Ux fast - workshop
Ux fast - workshop Ux fast - workshop
Ux fast - workshop
 
Big Data per Madee 7 at Digital Accademia
Big Data per Madee 7 at Digital AccademiaBig Data per Madee 7 at Digital Accademia
Big Data per Madee 7 at Digital Accademia
 
Design Thinking e Human Centered Design: un piccolo compendio
Design Thinking e Human Centered Design: un piccolo compendioDesign Thinking e Human Centered Design: un piccolo compendio
Design Thinking e Human Centered Design: un piccolo compendio
 
Bigdata per Madee 4
Bigdata per Madee 4Bigdata per Madee 4
Bigdata per Madee 4
 
Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...
Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...
Data Driven UX - Un caso di studio - TIM IS UX? Mobile Tea #Unconference @Cod...
 
Osservatorio Multicanalità 2008
Osservatorio Multicanalità 2008Osservatorio Multicanalità 2008
Osservatorio Multicanalità 2008
 
Azienda, proposta di valore, user experience, web strategies, è sempre una qu...
Azienda, proposta di valore, user experience, web strategies, è sempre una qu...Azienda, proposta di valore, user experience, web strategies, è sempre una qu...
Azienda, proposta di valore, user experience, web strategies, è sempre una qu...
 
Gruppo Next 14
Gruppo Next 14 Gruppo Next 14
Gruppo Next 14
 
Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...
Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...
Donato Federico Auricchio, Head of Digital Marketing di @AND EMILI – “AI-Powe...
 
Presentazione bigdata Madee
Presentazione bigdata MadeePresentazione bigdata Madee
Presentazione bigdata Madee
 
DCG - introduction to predictive data analysis for tourism market
DCG - introduction to predictive data analysis for tourism marketDCG - introduction to predictive data analysis for tourism market
DCG - introduction to predictive data analysis for tourism market
 
Trasformazione digitale nel mondo it
Trasformazione digitale nel mondo itTrasformazione digitale nel mondo it
Trasformazione digitale nel mondo it
 
Social Media Marketing per il Real Estate
Social Media Marketing per il Real EstateSocial Media Marketing per il Real Estate
Social Media Marketing per il Real Estate
 
Design with Data: Data Analysis per la Progettazione della Customer Experience
Design with Data: Data Analysis per la Progettazione della Customer ExperienceDesign with Data: Data Analysis per la Progettazione della Customer Experience
Design with Data: Data Analysis per la Progettazione della Customer Experience
 
I Digital Marketing Trend per il 2017: scopri il Master Ninja Academy
I Digital Marketing Trend per il 2017: scopri il Master Ninja AcademyI Digital Marketing Trend per il 2017: scopri il Master Ninja Academy
I Digital Marketing Trend per il 2017: scopri il Master Ninja Academy
 
Marketing & Big Data Analytics
Marketing & Big Data AnalyticsMarketing & Big Data Analytics
Marketing & Big Data Analytics
 
Personal data economy, l'attenzione ai dati personali e l'economia dei dati
Personal data economy, l'attenzione ai dati personali e l'economia dei datiPersonal data economy, l'attenzione ai dati personali e l'economia dei dati
Personal data economy, l'attenzione ai dati personali e l'economia dei dati
 
Social Media Relation
Social Media RelationSocial Media Relation
Social Media Relation
 
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivoData skills: come e perché diffonderle in azienda genera vantaggio competitivo
Data skills: come e perché diffonderle in azienda genera vantaggio competitivo
 

More from Data Driven Innovation

Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...Data Driven Innovation
 
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...Data Driven Innovation
 
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...Data Driven Innovation
 
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...Data Driven Innovation
 
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...Data Driven Innovation
 
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)Data Driven Innovation
 
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...Data Driven Innovation
 
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...Data Driven Innovation
 
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...Data Driven Innovation
 
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...Data Driven Innovation
 
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)Data Driven Innovation
 
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...Data Driven Innovation
 
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)Data Driven Innovation
 
Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...Data Driven Innovation
 
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...Data Driven Innovation
 
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...Data Driven Innovation
 
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...Data Driven Innovation
 
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)Data Driven Innovation
 
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)Data Driven Innovation
 
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...Data Driven Innovation
 

More from Data Driven Innovation (20)

Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
 
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
 
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
 
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
 
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
 
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
 
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
 
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
 
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
 
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
 
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
 
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
 
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
 
Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...
 
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
 
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
 
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
 
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
 
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
 
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
 

Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)

  • 1. DATA DRIVEN UX Come lo facciamo DIGITAL DESIGN THINKING.
  • 2. DATA DRIVEN UX Carlo Frinolli www.carlofrinolli.it • www.nois3.it @carl0s_ CEO + FOUNDER Experience Designer, Founder e CEO di nois3, lavoro, insegno e vivo a Roma – non necessariamente in quest’ordine. Via Alberto da Giussano 62/D 00176 Roma (IT) +39 06 29 66 60 @wearenois3 hello@nois3.it www.nois3.it
  • 3. DATA DRIVEN UX Natalia Molchanova www.nois3.it @natsilent DIGITAL STRATEGIST Via Alberto da Giussano 62/D 00176 Roma (IT) +39 06 29 66 60 @wearenois3 hello@nois3.it www.nois3.it Digital Strategist di nois3, once upon a time an illustrator. Esisto tra Milano, Roma e Mosca, non necessariamente in quest’ordine.
  • 4. DESIGN WITH DATA + A CHE PUNTO SIAMO NEL MONDO
  • 5. DATA DRIVEN UX True love waits DATA DRIVEN UX Il data scientist Charlie Thompson analizzando dati provenienti dalla Spotify API ha stabilito che True Love Waits è la canzone più triste dei Radiohead. … LA CANZONE PIÙ TRISTE DEI RADIOHEAD True love waits…
  • 6. DATA DRIVEN UX Tinker Hatfield e i dati L’introduzione di data analysis nel design ha contribuito a cambiare il panorama delle sneaker sportive, tenendo in considerazione Dati cinetici e più in generale fisici nel product design. OSSERVARE E MISURARE LE PERFORMANCE SPORTIVE
  • 7. DATA DRIVEN UXDATA DRIVEN UX L’incrocio di dati che arrivano dall’uso continuo dello smartphone uniti ai dati meteo vi possono proporre l’outfit perfetto per ogni condizione metereologica, non è fantastico? DATA_DRESS VI PUÒ AIUTARE… Indecisi su cosa mettervi?
  • 8. DATA DRIVEN UX Attraverso l’analisi di statistiche e trend online, Dropbox ha scelto le etichette da usare per le funzionalità all’interno della sua applicazione. Design words with data COME SCEGLIE DROPBOX I NOMI DELLE SUE LABEL?
  • 9. “ DATA DRIVEN UX Without data you’re just another person with an opinion. — W. EDWARDS DEMING Senza avere fatti a supporto, pezze d’appoggio, evidenze o validazione di mercato la tua opinione non vale granché.
  • 10. DATA ARE NOT ENOUGH + BASTA QUESTO TIPO DI DATI PER SUPERARE GLI ASSUNTI DA CUI PARTIAMO?
  • 12. DATA DRIVEN UX Progettiamo servizi e prodotti che i nostri utenti dovranno utilizzare soddisfacendo un bisogno, con motivazione, in un contesto. Conoscere una distribuzione statistica di comportamenti è un ottimo punto di partenza, ma non basta. I soli dati quantitativi non raccontano una storia SIAMO PERSONE AL SERVIZIO DI PERSONE
  • 13. “ DATA DRIVEN UX Without an opinion you’re just another person with data. — MILO JONES AND PHILIPPE SILBERZAHN / FORBES.COM L’uso dei soli dati quantitativi, ignorando contesto d’uso, bisogni e abitudini delle persone non ci fanno diventare più intelligenti.
  • 14. DATA? LIKE TEENAGE SEX + MA È ROBA CHE SE MAGNA?
  • 15. “ DATA DRIVEN UX Data (/ˈdeɪtə/ DAY-tə, /ˈdætə/ DA-tə, or /ˈdɑːtə/ DAH-tə) is a set of values of quantitative or qualitative variables. — DEFINIZIONE DA EN.WIKIPEDIA.ORG
  • 16. DATA DRIVEN UX Dati quantitativi Percentuale mondiale che accede ad Internet usando dispositivi mobile Percentuale di Italiani che accede ad Internet usando dispositivi mobile 59% 31% 27% da tablet 30% da tablet 45% 2011 2012 2013 NUMERI AGGREGATI E STATISTICHE Siamo abituati a questi dati aggregati, il pane quotidiano degli statistici e anche di certi brief creativi. Donna, fa la spesa e usa internet mobile, età superiore ai 28 anni.
  • 17. “ DATA DRIVEN UX Think of two customers. DATA DRIVEN UX Both were born in 1948, male, raised in Great Britain, married, successful and wealthy. Furthermore, both of them have at least two children, like dogs and love the Alps…
  • 18. DATA DRIVEN UX One of them could be Prince Charles THIS IS SERVICE DESIGN THINKING. and the other one Ozzy Osbourne.
  • 19. DATA DRIVEN UX Dati qualitativi Raccogliere dati qualitativi significa calarsi nel contesto di chi stiamo cercando di comprendere. Per tener conto non solo di cosa dice, ma anche di chi è e cosa fa. DI ETNOGRAFIA E ALTRE STORIE
  • 20. DATA DRIVEN UX Derivano dall’osservazione e Dati qualitativi NOR A STYLE GUIDE OR A CAMPAIGN. CHIARA ALBANESI - FIELD WORK
  • 21. QUALE SCELGO? + QUANTITATIVO O QUALITATIVO: NON DEVO SCEGLIERE PER FORZA
  • 23. DATA DRIVEN UX Qualitativi… quindi non obiettivi? L’osservatore perturba l’esperimento? Non pretendete di essere obiettivi. Le interviste sono tra esseri umani, e in fondo lo siete anche voi... HEISENBERG… QUELL’ALTRO. IL FISICO.
  • 24. DATA DRIVEN UX Progettiamo servizi e prodotti che i nostri utenti dovranno utilizzare soddisfacendo un bisogno, con motivazione, in un contesto. Conoscere dati quantitativi aggregati dei comportamenti può essere un ottimo punto di partenza, ma non basta. Opinions not assumptions SIAMO PERSONE AL SERVIZIO DI PERSONE
  • 25. DATA DRIVEN UX La pratica di partire dal quantitativo per arrivare al qualitativo non è una novità assoluta, anzi. Dall’assunto digitale è reale possiamo però trarre uno spunto se osserviamo i comportamenti delle persone anche sul digitale possiamo trarre più informazioni di contesto. Sto intervistando quello giusto? E SE TRA I MIEI INTERVISTATI NON STESSI BECCANDO IL MIO TARGET?
  • 26. DATA DRIVEN UX + DAI DATI AI REQUISITI PROGETTUALI
  • 27. DATA DRIVEN UX REPORT CONTEXT ASSESSMENT RISULTATI E CONCLUSIONI DATA DRIVEN Scelta di parole chiave: temi, topic o hashtag da monitorare Non solo raccolta delle conversazioni Fase di arricchimento con analisi umani e definizione di criteri di ricerca Pulizia dei risultati 1 Analisi delle CONVERSAZIONI 0 Elaborazione IPOTESI DI RICERCA 2 Arricchimento dei DATI E VERIFICA 3 Interviste agli UTENTI 4 Creazione delle PERSONAS 4 Creazione delle PERSONAS Fase di arricchimento con analisti umani Briefing del cliente Definizione requisiti progettuali Fase di segmentazione degli utenti in base alle intenzioni e pattern comportamentali Il processo in breve - un anno dopo.
  • 28. 0. ELABORAZIONE IPOTESI DI RICERCA + DA DOVE PARTIAMO? DAL CLIENTE!
  • 29. DATA DRIVEN UX Attraverso la facilitazione tramite dialogo, 
 design thinking e raccolta dati aziendali dobbiamo capire 
 quali problemi vuole risolvere e quali risultati vuole raggiungere il nostro cliente 
 investendo nel nostro lavoro. Briefing del Cliente COSA VUOLE, COSA SI ASPETTA E CHI È UMANAMENTE.
  • 31. “ DATA DRIVEN UX L’obiettivo essenziale della guerra è la vittoria, non le operazioni prolungate. — SUN TZU, L’ARTE DELLA GUERRA, CAPITOLO 2 - PREPARAZIONE ALLA GUERRA
  • 32. DATA DRIVEN UX Definire gli obiettivi DISAMBIGUA LA PAROLA VITTORIA. Un progetto digitale non può essere l’unico obiettivo del nostro lavoro. È solo un mezzo che dobbiamo dare al cliente
 con il quale potrà raggiungere 
 i suoi obiettivi aziendali.
  • 33. DATA DRIVEN UX Come misura il successo il cliente?
  • 34. DATA DRIVEN UX QUALI SONO LE METRICHE CON CUI IL CLIENTE VALUTA LA SUA ATTIVITÀ? Definire KPI aziendali Dobbiamo capire cosa si aspetta il cliente dal progetto digitale in termini di risultati misurabili e tempo. Aumento delle vendite? Aumento di nuovi contatti? Diminuzione delle lamentele al call center? Diminuzione ore lavorative per compiere determinate attività?
  • 35. DATA DRIVEN UX Come vorrebbe essere percepito il cliente?
  • 36. Se fosse una persona? DATA DRIVEN UX
  • 37. DATA DRIVEN UX QUALI SONO LE AMBIZIONI REPUTAZIONALI? Definire obiettivi di comunicazione Dobbiamo capire per cosa vuole essere conosciuto, come vuole posizionarsi, cosa aumenterebbe la sua credibilità, quali sono i valori aziendali che devono emergere. Dobbiamo ricevere degli indizi su quale tono di voce e stile visivo sono giusti per riflettere il carattere dell’azienda e delle persone che ne fanno parte.
  • 38. DATA DRIVEN UX Cosa sa dei suoi clienti attuali? Che clienti vorrebbe?
  • 39. Quali dati ha a disposizione il cliente sui suoi clienti? Dobbiamo capire chi sono i clienti attuali, come sono stati acquisiti. Dobbiamo capire chi sono i clienti persi e perché. Cosa apprezzano i clienti, i prodotti/servizi di successo? Quali sono le lamentele che arrivano dai clienti? Quali tratti in comune hanno a percezione del cliente? Definire chi sono le persone per cui progettiamo DATA DRIVEN UX CHI SARANNO GLI UTENTI FUTURI DEL NOSTRO PROGETTO?
  • 40. DATA DRIVEN UX Scusa, ma così il cliente vi ha già detto tutto, no?
  • 41. La ricerca successiva serve per verificare con i dati se la percezione del contesto del cliente è confermata, se conosce davvero i suoi competitor, se il cliente sa davvero chi sono i suoi utenti, se i suoi obiettivi sono raggiungibili, se la sua offerta è ricercata davvero come si aspetta, quali sono i rischi e quali sono le opportunità che non vede o per qualche ragione ci ha nascosto. Però non ci fidiamo 😬 😬 Se fosse solo una sua opinione? DATA DRIVEN UX VERIFICHIAMO GLI INSIGHT FORNITI DAL CLIENTE CON LA RICERCA!
  • 43. 1. ANALISI DEL CONTESTO E DELLE CONVERSAZIONI + QUAL È IL TERRENO DOVE DOBBIAMO MUOVERCI.
  • 44. “ DATA DRIVEN UX Se non conosci te stesso, né conosci il tuo nemico, sii certo che ogni battaglia 
 sarà per te fonte di pericolo gravissimo. — SUN TZU, L’ARTE DELLA GUERRA, CAPITOLO 3 - ATTACCO STRATEGICO
  • 45. Cosa possiamo trovare in rete sul cliente? Quali canali usa e come? Che keyword usa e quali tematiche tratta? Quali informazioni sono reperibili? Le persone ne parlano? I media ne parlano? Dove? Come? I dati di navigazione del sito e le interazioni sui canali social rispecchiano la percezione del cliente? Conoscere se stessi - analizzare il nostro cliente. DATA DRIVEN UX QUALI SONO LE INFORMAZIONI CHE POSSIAMO TROVARE SU DI LUI IN RETE?
  • 46. Conoscere il nemico - Analizzare i competitor. DATA DRIVEN UX QUALI SONO LE INFORMAZIONI CHE POSSIAMO TROVARE SU DI LORO IN RETE? Il cliente ce li ha indicati tutti? Cerchiamo! Quali canali usano e come? Le persone ne parlano? I media ne parlano? Dove? Che traffico hanno? Da dove arrivano le visite? Chi performa meglio? Ci sono competitor indiretti?
  • 47. DATA DRIVEN UX Cliente vs Competitor. Troviamo le differenze!
  • 48. Cliente + Competitor DATA DRIVEN UX HANNO UNA COSA IN COMUNE: GLI UTENTI CHE CI INTERESSANO. Quali sono i canali utilizzati in generale che performano meglio e perché? Le persone ne parlano? I media ne parlano? Dove? Riusciamo a individuarli? Chi sono gli influencer del loro mondo?
  • 49. Chi sono le persone che potranno essere in contatto con il nostro progetto digitale? Per quale motivo e con quale intenzione? Che informazioni potrebbero cercare 
 sul nostro cliente? Perché? Quali sono importanti come partner o influencer? Stakeholder Map: il nostro mondo è fatto da relazioni. DATA DRIVEN UX I CLIENTI DIRETTI NON SONO MAI GLI UTENTI UNICI. E NON SONO MAI ISOLATI.
  • 50. Deliverable: Context Analysis DATA DRIVEN UX UN DOCUMENTO CHE CI DÀ UNA VISIONE DEL MONDO DEL NOSTRO CLIENTE Ora sappiamo chi sono i competitor e abbiamo individuato in cosa sono più forti. O più deboli. Abbiamo un elenco di keyword e tematiche ricorrenti tra tutti loro e caratterizzanti per alcuni. Quali creano più engagement. Sappiamo dove come e chi ne parla. Conosciamo chi sono gli influencer e stakeholder.
  • 51. 2. ARRICCHIMENTO DEI DATI E VERIFICA + SIAMO SULLA STRADA GIUSTA?
  • 52. Abbiamo già detto che non ci fidiamo? DATA DRIVEN UX QUI SPESSO ABBIAMO DI NUOVO MOLTE DOMANDE PER IL CLIENTE… Discutiamo i risultati con il cliente per 
 definire la nicchia di posizionamento. Incrociamo le informazioni di partenza sugli utenti con quelli trovati in fase di analisi. Definiamo cosa possiamo imparare 
 dai competitor, quali stakeholder sono i più importanti per raggiungere gli obiettivi.
  • 53. “ DATA DRIVEN UX La natura del terreno può essere di grande aiuto in battaglia. Ma dipende soltanto dal comandante saper giudicare il nemico, calcolare le distanze e valutare i rischi. Conoscendo questi fattori, vincerai; trascurandoli, sarai sconfitto. — SUN TZU, L’ARTE DELLA GUERRA, CAPITOLO 10 - IL TERRENO
  • 54. E gli utenti? Cosa gli interessa sul settore? Quali keyword portano più traffico ai siti? Qual è il search intent delle diverse keyword? Quali tematiche generano maggior engagement? Chi sono gli influencer che hanno il maggior impatto sulla loro opinione? Quali sono i canali che usano per informarsi? COME SI METTONO IN CONTATTO CON IL SETTORE E CON QUALE SCOPO? DATA DRIVEN UX
  • 55. Think as a user! Search Intentionally PARTIRE DALLE QUERY E SEARCH INTENT, E NON DALLE BRANDED KEYWORD Un utente non è solo un target. 
 È una persona che non cerca un servizio astratto, 
 ma soluzioni concrete al suo problema, informazioni precise, 
 aiuto concreto per superare le difficoltà. “ Come? Dove? Perché non...? DATA DRIVEN UX
  • 56. Dobbiamo capire come possiamo aiutare gli utenti a raggiungere i loro obiettivi con il prodotto digitale che stiamo progettando. Gli utenti online raccontano i loro problemi, 
 le esigenze, disagi: le loro user-story! Anche gli utenti hanno i loro obiettivi. COME CERCANO DI RAGGIUNGERLI? DATA DRIVEN UX
  • 57. DATA DRIVEN UX Non ho capito, dove sono tutti questi dati?
  • 58. La vita segreta di algoritmi di ricerca semantica e statistiche di query Le domande associate a un problema o obiettivi DATA DRIVEN UX
  • 59. Data are everywhere. Search'em all. OGGI LA RICERCA È ATTIVA SU TUTTI I SOCIAL PRINCIPALI. CERCATE, MONITORATE. DATA DRIVEN UX
  • 60. DATA DRIVEN UX Briefcase with important lab results
  • 61. File, Collect, Index Conversation Audit: il sentiment, temi rilevanti o parole ricorrenti. User Behaviour/Usage Trends: Le abitudini e pattern d’uso rilevati. Audience Segmentation: utenti affini per criteri demografici, culturali, sociali, psicologici. DA RACCOLTA DATI A INSIGHTS UTILI PER UX: PROFILARE UTENTI, DISTINGUERE ESIGENZE. DATA DRIVEN UX
  • 62. Creare un dataset usabile DOCUMENTARE IL PROCESSO NEL DETTAGLIO SEMPLIFICA L’ANALISI Keyword, topics Fonti analizzate e monitorate Strumenti impiegati per l’analisi Intervallo di tempo analizzato Eventi anomali o altri elementi con potenziale impatto sui dati. (es. viral content, breaking news, social media crisis) DATA DRIVEN UX
  • 63. L’intruso? Lo troviamo. Dobbiamo individuare e distinguere 
 termini rilevanti e "negativi" da escludere o mitigare nell’analisi. 
 Valutare nuovi da aggiungere per approfondire e arricchire la ricerca. QUALI SONO I DATI IRRILEVANTI? QUALI IMPORTANTI INVECE CI SONO SFUGGITI? DATA DRIVEN UX
  • 64. DATA DRIVEN UX Ma quali dati, non ne parla nessuno!
  • 65. Ci manca qualcosa? Possiamo ipotizzare cosa? COSA NON ABBIAMO TROVATO IN RETE E PERCHÉ? Non tutti gli utenti lasciano tracce in rete. Non tutte le tematiche generano conversazioni. Non tutte le richieste sui motori di ricerca hanno un volume rilevante. Non tutti gli utenti sono attivi sui social. Non tutti i nostri utenti potenziali sono online. DATA DRIVEN UX
  • 66. DATA DRIVEN UX Data Dead Zone. Deal With It.
  • 67. Your "dead zone." The possibility of… …OF ALTERING THE OUTCOME OF YOUR PREMONITIONS. Chi potrebbero essere gli utenti che non hanno lasciato tracce? Potrebbero alterare le conclusioni della nostra ricerca? Potrebbero alterare le nostre ipotesi progettuali? Se sì… Dove potremmo trovarli? Come potremmo scoprire i loro bisogni? DATA DRIVEN UX
  • 68. 3. INTERVISTE AGLI UTENTI + “US AND THEM, AND AFTER ALL WE’RE ONLY ORDINARY MEN”
  • 69. Interviste utente INTERVISTE NARRATIVE E USER RESEARCH DATA DRIVEN UX Farsi raccontare esperienze soddisfacenti, frustrazioni e aneddoti legati al nostro tema di ricerca, osservando il nostro interlocutore e prendendo appunti…
  • 70. DATA DRIVEN UX What Women Users Want?
  • 71. Data without opinion. Durante le nostre ricerche possiamo trovare dei dati che ci indicano dei determinanti comportamenti, preferenze, stili di vita o modalità di interazione con i servizi o prodotti del settore per il quale progettiamo. Ma non è per niente chiaro cosa significa. Dobbiamo verificarlo con le interviste utente. A VOLTE I DATI SONO CHIARI. MA NON È PER NIENTE CHIARO COME INTERPRETARLI. DATA DRIVEN UX
  • 72. DATA DRIVEN UX Women are insane. Who would do that more than once? Why would they do the other leg?
  • 73. DATA DRIVEN UX Prima di progettare, chiedi 1. Definizione obiettivi
 2. Scelta delle attività
 3. Recruiting: scegliere chi intervistare. 4. Scrivere script dell’intervista
 5. Sessione interviste
 6. Analisi
 7. Report INTERVISTARE, OSSERVARE, REGISTRARE, DOCUMENTARE
  • 74. Ah, Dead Zone… Sono quelli che sono ancora convinti che su Google non c’è la risposta. Sono quelli che non acquistano sull’amazon now perché 
 non arriva nella loro città. Sono quelli troppo pigri per lasciare una recensione su TripAdvisor. Sono quelli che stavano in fila alle banche per fare un bonifico finché qualcuno non si è messo ad ascoltare i loro bisogni e progettare l’home banking. O LA VITA SEGRETA DELLA GENTE UN PO’ MENO PRESENTE SU INTERNET DATA DRIVEN UX
  • 75. DATA DRIVEN UX User Freaks, o gli utenti estremi.
  • 76. Beware of User Freaks Ci sono delle tipologie di utenti che possono rappresentare 
 solo una piccolissima percentuale di utenti e i loro comportamenti e obiettivi non sono per niente rappresentativi. 
 Però può capitare che proprio loro sono quelli più attivi in rete, o a lamentarsi in call center distraendo da utenti che cerchiamo e i cui bisogni non sono così evidenti. GLI UTENTI ESTREMI CHE POSSONO CONDURRE ALLE CONCLUSIONI SBAGLIATE DATA DRIVEN UX
  • 77. Incrociare i risultati di ricerche 
 e le interviste utente IN MEDIO STAT VIRTUS. DATA DRIVEN UX
  • 78. 4. CREAZIONE DELLE PERSONAS + DA USER INTENTS A PERSONAS. DA PERSONAS A USER STORIES.
  • 79. Definire insights ANALISI E CLUSTERIZZAZIONE DEI DATI RACCOLTI È LA FASE PIÙ IMPORTANTE DATA DRIVEN UX
  • 80. User Intents & Contexts of Use Il nostro compito principale è creare dei cluster di esigenze utenti e il contesto in cui sono attuali senza pensare alle soluzioni tecniche concrete. … vuole prendere l’appuntamento presso l’azienda quando se lo ricorda. … vuole passare all’azienda dei documenti, senza recarsi in sede. … vuole sapere lo stato dei pagamenti anche in viaggio … vuole essere informato sulle offerte disponibili senza disturbi. COSA VOGLIONO GLI UTENTI E IN QUALE CONTESTO? DATA DRIVEN UX
  • 81. Motivazioni vs Barriere Per ogni cluster di intenzioni ci sono delle motivazioni che spingono l’utente di compiere anche azioni difficili pur in assenza di esigenza oggettiva. Ci sono delle barriere che possono 
 costringere l’utente ad abbandonare le attività pur in presenza di un’esigenza oggettiva. COSA INCENTIVA LE PERSONE AD AGIRE? COSA LI SCORAGGIA AD AGIRE? DATA DRIVEN UX
  • 82. DATA DRIVEN UX Ma chi sono? Personifichiamo i dati.
  • 83. User Personas Dai cluster di utenti emersi dalla ricerca dobbiamo creare personas - archetipi progettuali di utenti in base agli intenzioni d’uso, abitudini comportamentali, barriere e leve motivazionali, o altri criteri rilevanti per il nostro progetto, che solo in alcuni casi possono essere i dati demografici come età o genere. DA PERSONE AGLI ARCHETIPI PROGETTUALI DATA DRIVEN UX
  • 84. DATA DRIVEN UX Copyright © 2015 the nielsen Company - Home entertainment Consumer trends
  • 85. DATA DRIVEN UX Copyright © 2015 the nielsen Company Home entertainment Consumer trends
  • 86. DATA DRIVEN UX Copyright © 2015 Mashable - The 9 Types of Facebook Users
  • 87. User Stories. A lieto fine. LA RICERCA DI QUALE BENEFICIO SI NASCONDE DIETRO LE INTENZIONI DEGLI UTENTI? DATA DRIVEN UX
  • 88. DATA DRIVEN UX User Stories. A lieto fine. RICERCA DI QUALE BENEFICIO SI NASCONDE DIETRO LE INTENZIONI DEGLI UTENTI? Marco Bruno “Vorrei poter trovare i contatti facilmente anche da telefonino per poter chiamarli quando mi ricordo” Immediatezza e spontaneità. “Vorrei evitare di recarmi in banca solo per aggiornare i dati anagrafici. Abito distante e non ho mezzi.” Accessibilità, risparmio tempo e forze. “Sono sempre in viaggio e mi dimentico di pagare le bollette. Vorrei poter controllarne facilmente lo stato.” Il senso di controllo e sicurezza Giovanna Maria “Mi interessano le promozioni, ma mi chiamano al telefono nei momenti più scomodi, una mail sarebbe meglio.” Meno stress e rispetto dei suoi impegni.
  • 89. How might we? UN PO’ DI EMPATIA. DATA DRIVEN UX Come possiamo aiutare [l’espressione che avvia l’empatia] Marco, “Il Distratto” [personificazione] che salta appuntamenti perché quando si ricorda non ha il numero sotto mano [insight] di trovare facilmente i contatti aziendali [bisogno] in qualsiasi momento dal telefonino? [il contesto d’uso]
  • 90. How might we? DATA DRIVEN UX Come possiamo aiutare [l’espressione che avvia l’empatia] Bruno, “Il Pensionato di Periferia” [personificazione] che fa fatica di recarsi in banca di persona [insight] di aggiornare i suoi dati anagrafici [bisogno] fuori dalla banca? [il contesto d’uso] UN PO’ DI EMPATIA.
  • 91. How might we? DATA DRIVEN UX Come possiamo aiutare [l’espressione che avvia l’empatia] Giovanna, “La dimenticatutto” [personificazione] che non paga le bollette in tempo perché non sa quando scadono [insight] di controllarle facilmente e sapere quando pagarle [bisogno] quando è lontana da casa tanto tempo? [il contesto d’uso] UN PO’ DI EMPATIA.
  • 92. How might we? DATA DRIVEN UX Come possiamo aiutare [l’espressione che avvia l’empatia] Maria, “La Casalinga Disperata” [personificazione] che non risponde al telefono quando ha impegni [insight] di ricevere le informazioni sulle offerte [bisogno] tramite un mezzo a cui può accedere quando ha tempo? [il contesto d’uso] UN PO’ DI EMPATIA.
  • 93. Da user stories a use cases: cosa progettiamo? COME E DOVE IL NOSTRO PROGETTO POTREBBE AIUTARE? DATA DRIVEN UX DATA PERSONAS SCENARIO USE CASES What will our product will do? USER GOALS USER ARCHETYPES HYPOTESIS OF INTERACTION STEP-BY-STEP HYPOTHESIS OF INTERACTION
  • 95. WE KNOW KUNG-FU + SAPPIAMO PER CHI PROGETTARE!
  • 96. DATA DRIVEN UX SIIIIIIII PUÒÒÒÒÒÒ FAREEEEE
  • 97. DATA DRIVEN UX Natalia Molchanova DIGITAL STRATEGIST twitter.com/natsilent fb.com/molchanovanm linkedin.com/in/nataliamolchanova
  • 98. DATA DRIVEN UX Carlo Frinolli CEO + FOUNDER twitter.com/carl0s_ fb.com/carlo.frinolli linkedin.com/in/carlofrinolli carlofrinolli.it