Na příkladu ukažte, jak převádíte insighty do problem statement a HMW otázek. Jak poznáte, že je formulace dostatečně konkrétní, ale nepředepisuje řešení? Jak pracujete se scope a kritérii úspěchu?
1) Problem statement (co musí obsahovat)
- Kdo (cílový uživatel / segment)
- Kdy a kde (situace, kontext použití)
- Jaká bariéra (mechanismus/pain point)
- Dopad (na uživatele i organizaci)
2) Převod insight → problem statement
- Insight typicky popisuje mechanismus (např. nejistota kvůli nejednoznačnému stavu).
- Problem statement ten mechanismus ukotví do konkrétní situace a aktéra.
3) HMW jako produktivní výzva
- HMW má být:
- ukotvená v uživateli a situaci
- otevřená pro více řešení
- respektující omezení (regulace, bezpečnost, kapacity)
- Anti-příklad: „Jak bychom mohli přidat chatbot?“ (řešení uvnitř otázky).
4) Scope a hranice
- V Define je nutné vymezit:
- co řešíme teď (MVP/iterace)
- co odkládáme (backlog budoucích hypotéz)
- Bez scope hrozí „rozpliznutí“ a neuzavření první konvergence.
5) Kritéria úspěchu
- HMW/problém musí mít navázaná kritéria:
- výstup (output): co dodáme
- výsledek (outcome): změna chování / metrika
- dopad (impact): dlouhodobější efekt
- Kritéria jsou klíčová pro pozdější testování a rozhodnutí v Deliver.
6) Kontrola kvality formulace
- Je otázka řešitelná designem? (ne čistě legislativou)
- Neobsahuje technologii jako „jedinou cestu“?
- Lze navrhnout alternativy a hypotézy?
Mini příklad struktury
- Insight: „Uživatelé nevěří, že žádost byla přijata → opakované kontroly.“
- Problem statement: „Noví žadatelé po odeslání… často… protože… což vede k…“
- HMW: „Jak bychom mohli zvýšit transparentnost stavu po odeslání… aby…?“
Všechny otázky - Design zamereny na cloveka
- 1. Dvojí diamant jako řízení nejistoty
- 2. Primární výzkum v Discover: plán a kvalita
- 3. Syntéza: od dat k insightům
- 4. HMW a problem statement: most k ideaci
- 5. Divergence a konvergence: rozhodování a kritéria
- 6. Behaviorální modely: persona, scénáře, journey
- 7. Ideace: od insightů k alternativám
- 8. Prototyp jako experiment: volba fidelity
- 9. Testování: scénáře, metriky a interpretace
- 10. Použitelnost vs UX: co měřit a kdy
- 11. Přístupnost: součást kvality, ne doplněk
- 12. Kvantitativní evidence: významnost a A/B testy
- 13. Iterace, handoff a měření dopadu po nasazení
- 14. Etika, inkluze a dark patterns v HCD