Registrieren Sie sich jetzt für Ihren kostenlosen virtuellen Pass für den Low-Code / No-Code Summit am 9. November. Hören Sie von Führungskräften von Service Now, Credit Karma, Stitch Fix, Appian und anderen. Mehr erfahren.


Früher war es nur möglich, Erkenntnisse darüber zu gewinnen, wie Benutzer Software erleben und verwenden, wenn alle Benutzertests von Menschen durchgeführt werden. Mit dem Aufkommen moderner Sentimentanalyse- und maschineller Lerntechniken (ML) können mehr Erkenntnisse als je zuvor aus Tests gewonnen werden.

Benutzertest gehört zu den Pionieren in diesem Bereich, der ML-Techniken einsetzt, um das Benutzerverhalten zu entdecken und zu analysieren. Die vergangenen zwei Jahre waren für das Unternehmen ein Wirbelsturm an Aktivitäten. Im Jahr 2020 sammelte UserTesting 100 Millionen US-Dollar an Finanzmitteln, und ein Jahr später, im Jahr 2021, ging das Unternehmen unter dem Symbol USER an die New York Stock Exchange (NYSE).

Heute gab UserTesting bekannt, dass es eine Vereinbarung zur Übernahme für 1,3 Milliarden US-Dollar von unterzeichnet hat Thoma Bravo und Sunstone-Partner. Nach Abschluss des Deals ist geplant, UserZoom – das Thoma Bravo im April 2022 erworben hat – mit UserTesting zusammenzuführen, um eine noch größere Auswahl an Funktionen für das Testen der Benutzererfahrung zu schaffen.

„Wir befinden uns in einem Bereich, in dem wir eine Reihe von Technologien entwickelt haben, um eine Art von Feedback zu erfassen, das wir als Kundenerfahrungserzählung bezeichnen“, sagte Andy MacMillan, CEO von UserTesting, gegenüber VentureBeat. “UserZoom verfügt über eine Reihe zusätzlicher unterschiedlicher Techniken und Forschungsmethoden, die einige unserer Berichte über Kundenerfahrungen ergänzen könnten.”

Vorfall

Low-Code-/No-Code-Gipfel

Schließen Sie sich am 9. November virtuell den führenden Führungskräften von heute beim Low-Code / No-Code Summit an. Melden Sie sich noch heute für Ihren kostenlosen Pass an.

Hier registrieren

Wie UserTesting ML integriert hat

In den letzten zwei Jahren hat UserTesting erhebliche Investitionen in Technologien getätigt, die ihm helfen, Erkenntnisse aus seinen Tests zu gewinnen.

Die Tests umfassen die Aufzeichnung von Benutzern, um zu sehen, wie sie mit Anwendungen interagieren, einschließlich dessen, was sie anklicken, und lassen Benutzer ihre Erfahrungen erzählen. MacMillan sagte, dass sein Unternehmen in die Verwendung von ML investiert habe, um Erkenntnisse aus den aufgezeichneten Inhalten der Benutzererfahrung zu extrahieren.

„Wir nehmen wirklich unstrukturierte Inhalte, verwandeln sie aber in etwas Strukturiertes“, sagte MacMillan. „Wir haben eine Reihe von Modellen für maschinelles Lernen trainiert, um dabei zu helfen, das zu entdecken, was wir die Momente der Einsicht nennen.“

Die Moments of Insight sind diese Informationsnuggets, die helfen können, Trends zu erkennen, die die Benutzererfahrung verbessern. UserTesting nutzt mehrere ML-Technologien, darunter Natural Language Processing (NLP), Computer Vision sowie Absichts- und Verhaltensanalyse.

Zu den Dingen, die ML für UserTesting ermöglicht, gehört die Möglichkeit, Klickpfadanalysen durchzuführen, die verfolgen können, wohin ein Benutzer geht und was er tatsächlich versucht, wenn er auf etwas klickt. Die Analyse der Benutzerstimmung ist ein weiteres Schlüsselattribut, bei dem ML hilft, sowie die Möglichkeit zu sehen, ob der Benutzer mit einer Erfahrung zufrieden ist.

UserTesting geht noch einen Schritt weiter und verwendet ML, um eine Visualisierung zu unterstützen, die Absicht und Pfadverhalten überlagert, um einen Einblick zu erhalten, wie Benutzer eine Website oder eine Anwendung durchlaufen.

„Es gibt eine Reihe von Dingen, die wir über das Verhalten feststellen können, das Menschen zeigen, während sie einen Prozess durchlaufen“, sagte er.

Der positive Kreislauf von ML

ML existiert nicht in einem Vakuum; Per Definition geht es darum, dass Maschinen aus Daten lernen.

MacMillan erklärte, dass der UserTesting-Ansatz für ML ein positiver Kreislauf ist, in dem die von seinem Unternehmen erstellten Modelle kontinuierlich validiert und mit neuen Daten aus Benutzertestsitzungen erweitert werden, die bereits von ML profitieren. Er fügte hinzu, dass die Fähigkeit von Menschen, ML-Modelle mit eigenen Augen zu validieren, dabei hilft, Vertrauen in die Modelle aufzubauen.

„Wir sammeln diese Kundenerfahrungsszenarien – eine Art End-to-End-Videos – und wir verwenden die Modelle des maschinellen Lernens, um die Menschen auf die Momente der Erkenntnis hinzuweisen“, sagte MacMillan. „Aber Sie können sich jederzeit vertiefen, Sie können immer sagen: ‚Oh, das sagt das Modell, lassen Sie mich einen Teil dieser Erzählung über das Kundenerlebnis ansehen‘ und sehen, ob die Absicht wirklich mit der Stimmung übereinstimmt.“

Eine der größten Herausforderungen im Zusammenhang mit ML für jedes Unternehmen ist nach Ansicht von MacMillan, über die richtige Art von Trainingsdaten zu verfügen. UserTesting verfügt bereits über eine Videoaufnahme, die zeigt, was auf einem Bildschirm passiert, und der Test sammelt auch Klickdaten von den Benutzern. Die Tests werden anhand eines Testplans durchgeführt, sodass es eine grundlegende Erwartung gibt, was Benutzer tun sollen. UserTesting verfügt über engagierte Mitarbeiter, die im Rahmen ihrer täglichen Arbeit auch Inhalte kennzeichnen, um beim Trainieren und Optimieren der Modelle zu helfen.

„Der Sinn des Produkts besteht darin, Teams direkt mit echten Kunden und echten Menschen in Kontakt zu bringen, um menschliche Einblicke in das Produkt zu erhalten“, sagte MacMillan. „Wir denken, dass maschinelles Lernen wirklich nur ein Mittel ist, um Menschen dabei zu helfen, sich mit diesen Momenten der Einsicht zu verbinden, aber diese Momente sind immer noch menschlich.“

Die Mission von VentureBeat soll ein digitaler Marktplatz für technische Entscheidungsträger sein, um sich Wissen über transformative Unternehmenstechnologie anzueignen und Transaktionen durchzuführen. Entdecken Sie unsere Briefings.

Leave a Comment