Erlernbarkeit: Warum sich Ihr Produkt schwer erlernbar anfühlt und wie Sie die Kurve korrigieren

Was ist Erlernbarkeit?

Erlernbarkeit gehört zu den ältesten Ideen der Usability. Jakob Nielsens weit verbreitete Definition von Usability nennt sie als erste von fünf Qualitätskomponenten, neben Effizienz, Einprägsamkeit, Fehlern und Zufriedenheit. Die Reihenfolge ist logisch. Effizienz beschreibt, wie schnell ein erfahrener Nutzer arbeitet. Erlernbarkeit beschreibt, wie lange es dauert, dieser erfahrene Nutzer zu werden, und bei den meisten Programmen kommen die meisten Menschen nie ganz dort an.

Erlernbarkeit wird leicht mit benachbarten Begriffen verwechselt, die ähnlich klingen, aber auf andere Arbeit verweisen:

Zwei dieser Unterscheidungen zählen in der Praxis am meisten. Intuitivität betrifft nur den ersten Versuch. Ein Produkt kann sich beim ersten Mal intuitiv anfühlen und beim fünfzigsten trotzdem frustrieren, weil nichts jemals schneller wird. Und Time to Value misst den ersten Erfolg, nicht Kompetenz. Ein Nutzer kann am ersten Tag dank einer geführten Einrichtung Mehrwert erreichen und dieselbe Aufgabe am achten Tag trotzdem nicht ohne Hilfe wiederholen. Unser Leitfaden zu Time to Value behandelt den ersten Erfolg; Erlernbarkeit umfasst alles, was danach kommt. Für die Einprägsamkeit, also das Problem von Nutzern, die nach Wochen zurückkehren, gibt es einen eigenen Leitfaden zum Re-Onboarding wiederkehrender Nutzer.

Was eine steile Lernkurve wirklich bedeutet

Der Begriff stammt aus der Psychologie, wo eine Lernkurve die Leistung gegen die Übung aufträgt. Steht die Kompetenz auf der vertikalen Achse, bedeutet eine steile Kurve, dass Menschen sich schnell verbessern, also eine gute Nachricht. In Softwarebewertungen meint der Ausdruck meist das Gegenteil: schwer zu erlernen. Beide Lesarten beschreiben dieselbe Erfahrung aus verschiedenen Blickwinkeln, und die Verwirrung verschwindet, sobald Sie darstellen, was Nutzer tatsächlich spüren, nämlich Aufwand.

Tragen Sie die Versuche einer Aufgabe auf der horizontalen Achse ab und die Zeit pro Versuch auf der vertikalen. Dann hat fast jede Lernkurve dieselbe Grundform: anfangs teuer, schnell fallend, dann abflachend. Die Gesetzmäßigkeit dahinter heißt Potenzgesetz der Übung (Power Law of Practice): Die Gewinne durch Wiederholung sind anfangs groß und werden mit der Zeit kleiner. Was ein leichtes Produkt von einem schweren unterscheidet, ist nicht die Form. Es sind vier Zahlen, die Sie direkt aus dem Diagramm ablesen können.

Wenn ein Kunde sagt, Ihr Produkt habe eine steile Lernkurve, sagt er Ihnen, dass mindestens eine dieser Zahlen schlecht ist. Welche, sagt er Ihnen fast nie. Genau dafür ist Messung da.

Erlernbarkeit beim ersten Einsatz vs. langfristige Erlernbarkeit

Die Forschung zur Erlernbarkeit von Software trennt zwei Fragen, die man leicht in einen Topf wirft, und sie auseinanderzuhalten ist das Nützlichste, was Sie tun können, bevor Sie versuchen, eine davon zu verbessern.

Erlernbarkeit beim ersten Einsatz, manchmal auch initiale Erlernbarkeit genannt, beschreibt, wie gut ein Neuling bei seinen ersten Versuchen einer Kernaufgabe abschneidet. Sie ist Sache von Onboarding, Trials und ersten Sessions und entscheidet darüber, ob jemand überhaupt weit genug kommt, um das Produkt funktionieren zu sehen.

Langfristige Erlernbarkeit beschreibt, wie die Kompetenz eines Nutzers über Wochen und Monate weiter wächst: ob er über die Handvoll Aufgaben hinauskommt, die er zuerst gelernt hat, ob er die schnelleren Wege für diese Aufgaben findet und ob sich seine Leistung jemals der Ihrer erfahrensten Nutzer annähert.

Die Unterscheidung ist wichtig, weil die Lösungen in entgegengesetzte Richtungen zeigen. Erlernbarkeit beim ersten Einsatz verbessert sich, wenn Sie am Anfang Hilfe hinzufügen. Langfristige Erlernbarkeit verbessert sich, wenn Sie Hilfe entfernen, die zu Rauschen geworden ist, und sie durch gut getimte Einladungen ersetzen, weiter zu gehen. Ein Team, das nur an den ersten Einsatz denkt, landet bei einem Produkt, mit dem man leicht anfängt, in dem man aber schwer gut wird; ein Team, das nur an Experten denkt, baut das Gegenteil. Unser Leitfaden zu Power Usern behandelt das andere Ende dieser Reise.

Warum Erlernbarkeit ein Umsatzproblem ist, nicht nur ein UX-Thema

Über Erlernbarkeit wird meist als Designqualität gesprochen. Ihre Folgen landen aber auf der kommerziellen Seite des Geschäfts, weshalb sie in dieselben Gespräche gehört wie Conversion und Retention.

• Trials sind ein Wettlauf ums Lernen. Ein Trial-Nutzer hat Tage, nicht Monate. Sind die Kosten des ersten Versuchs Ihrer Kernaufgabe höher als seine Geduld, geht er, ohne gesehen zu haben, was das Produkt kann, und er geht in dem Glauben, es sei schwieriger, als es ist. Unser Leitfaden zur Free-Trial-Conversion behandelt den Rest dieses Funnels.
• Jeder neue Seat beginnt bei Versuch eins. Expansion bedeutet neue Menschen, und eine neue Person in einem fünf Jahre alten Account lernt das Produkt von null, meist ohne das Onboarding, das der ursprüngliche Käufer bekommen hat.
• Ein hohes Plateau sieht nach geringem Wert aus. Nutzer, die auf dem Umweg feststecken, brauchen mehr Zeit für weniger Ergebnis, und bei der Verlängerung wird das Produkt am Ergebnis gemessen.
• Das Supportaufkommen folgt der Kurve. Viele der Fragen, die eine Support-Warteschlange füllen, sind Fragen aus frühen Versuchen: Wo ist das, was bedeutet das, warum hat das nicht funktioniert. Ein Produkt, das leichter zu erlernen ist, erzeugt pro Nutzer weniger davon.
• Bewertungen tragen es zu Interessenten. „Steile Lernkurve“ ist ein Satz, den Käufer lesen, bevor sie überhaupt einen Trial starten, also kostet ein schwerer erster Versuch Sie auch Interessenten, die Sie nie zu Gesicht bekommen.

Warum Software schwer erlernbar wird

Nur sehr wenige Produkte werden absichtlich schwer gestaltet. Sie werden schwer, eine vernünftige Entscheidung nach der anderen. Das sind die häufigsten Ursachen, und jede hinterlässt eine erkennbare Spur auf der Lernkurve.

1. Die Sprache des Produkts ist nicht die des Nutzers

Jedes Produkt erfindet Substantive: Workspaces, Pipelines, Objekte, Collections, Quellen. Intern werden sie so vertraut, dass niemand bemerkt, dass ein neuer Nutzer erst eine kleine Sprache lernen muss, bevor er irgendetwas tun kann. Wenn ein Label das Konzept des Systems benennt statt das Ziel des Nutzers, beginnt jeder frühe Versuch mit einer Übersetzungsleistung, und Übersetzen ist langsam.

2. Ein verborgenes Modell muss verstanden werden, bevor etwas funktioniert

Manche Produkte ergeben erst Sinn, wenn man verstanden hat, wie sie aufgebaut sind: dass ein Datensatz zu einem Account gehört, dass eine Vorlage nicht dasselbe ist wie eine Instanz, dass nichts live ist, bevor es veröffentlicht wurde. Bleibt dieses Modell verborgen, lernen Nutzer Aufgaben auswendig, ohne sie zu verstehen, und deshalb fällt die Kurve für diese Aufgaben so langsam. Unser Leitfaden zum Onboarding für komplexe Produkte zeigt, wie Sie Konzepte einführen, ohne alles an den Anfang zu packen.

3. Ähnliche Dinge verhalten sich unterschiedlich

Wenn Speichern auf diesem Screen anders funktioniert als auf jenem, überträgt sich die Übung vom ersten Screen nicht auf den zweiten. Inkonsistenz ist gerade deshalb so teuer, weil sie den Mechanismus aushebelt, der Lernkurven fallen lässt: Was Sie beim letzten Mal gelernt haben, soll Ihnen diesmal helfen.

4. Zu viel kommt auf einmal

Ein erster Screen, der jede Funktion zeigt, zwingt den Neuling herauszufinden, was wichtig ist, bevor er irgendetwas tun kann. Die Schwierigkeit der Arbeit hat sich nicht verändert, aber der erste Versuch enthält jetzt eine Sortieraufgabe. Unser Leitfaden zur kognitiven Belastung im Onboarding behandelt dieses Problem im Detail.

5. Der effiziente Weg ist unsichtbar

Tastenkürzel, Massenaktionen, gespeicherte Ansichten und Vorlagen gibt es genau dafür, das Plateau zu senken, und viele Nutzer begegnen ihnen nie, weil nichts auf dem langsamen Weg auf den schnellen verweist. Der lange Weg funktioniert, also sucht niemand nach einem anderen.

6. Das Produkt ist gewachsen, und niemand hat den Weg neu geprüft

Jede neue Funktion ist für sich genommen klein. Zusammen begraben Jahre davon die Kernaufgabe unter Optionen, die es noch nicht gab, als das Onboarding entworfen wurde. Die Erlernbarkeit verschlechtert sich, auch wenn kein einzelnes Release etwas schlechter gemacht hat, und genau das ist der stille Mechanismus hinter Feature Bloat.

Wie Sie Erlernbarkeit messen

Erlernbarkeit ist eine der wenigen UX-Qualitäten, die Sie präzise messen können, weil ihre Definition bereits eine Messung enthält: Leistung in Abhängigkeit von Übung. Es gibt zwei Wege, die Daten zu erheben, und die meisten Teams profitieren davon, beide zu nutzen.

Methode 1: Usability-Tests mit wiederholten Durchgängen

Der klassische Ansatz ist ein Test, bei dem dieselben Teilnehmer dieselbe Kernaufgabe mehrmals ausführen, entweder innerhalb einer Session oder verteilt über einige Tage. Für jeden Versuch erfassen Sie die benötigte Zeit, ob er erfolgreich war, die Zahl der Fehler und wie oft Hilfe nötig war. Vier oder fünf Versuche reichen normalerweise, um zu sehen, wo die Kurve abzuflachen beginnt.

Zwei Details entscheiden über den Erfolg. Verwenden Sie realistische Aufgaben mit realistischen Daten, denn die Schwierigkeit eines leeren Test-Accounts ist nicht die eines echten. Und lassen Sie ein oder zwei erfahrene Nutzer dieselbe Aufgabe ausführen, denn ein Plateau sagt nichts aus, solange Sie nicht wissen, wo das Expertentempo liegt. Unser Leitfaden zu Usability-Tests behandelt Rekrutierung, Skripte und Stichprobengrößen.

Methode 2: Lernkurven aus Ihren Produktdaten

Ein Test zeigt Ihnen, warum Menschen kämpfen. Ihre Nutzungsdaten zeigen Ihnen, wie sehr, über alle Nutzer hinweg, jederzeit. Die Methode ist einfach, sobald Ihre Kernaufgaben getrackt werden:

1. Wählen Sie zwei oder drei Kernaufgaben, die Nutzer wiederholen, jeweils mit klarem Anfang und klarem Ende: eine Rechnung erstellen, einen Bericht veröffentlichen, eine Anfrage genehmigen.
2. Nummerieren Sie für jeden Nutzer seine Durchgänge dieser Aufgabe: erster, zweiter, dritter und so weiter.
3. Bilden Sie für jede Durchgangsnummer den Median der Zeit von Anfang bis Ende über alle Nutzer. Nehmen Sie den Median, denn eine Handvoll Leute, die einen Tab über Nacht offen gelassen haben, ruiniert jeden Durchschnitt.
4. Erfassen Sie neben der Zeit die Erfolgsquote für jeden Durchgang (begonnen und abgeschlossen gegenüber begonnen und abgebrochen) sowie die Hilfequote: den Anteil der Durchgänge, in denen der Nutzer die Hilfe geöffnet, eine Anleitung erneut abgespielt oder den Support kontaktiert hat.
5. Tragen Sie die Mediane gegen die Durchgangsnummer auf. Dieses Diagramm ist die echte Lernkurve Ihres Produkts für diese Aufgabe.

Wenn Ihr Tracking noch keine sauberen Start- und Endpunkte für Ihre Kernaufgaben hat, ist das die erste Aufgabe, und unser Leitfaden zum Event-Tracking zeigt, wie Sie es einrichten.

Der Abschluss pro Schritt zeigt, wo ein geführter erster Versuch Menschen verliert, und das ist meist dieselbe Stelle, an der auch ein Versuch ohne Hilfe gescheitert wäre.

Lernkurven passen gut zu den Kennzahlen für Aufgabenerfolg im HEART-Framework, und sie liefern etwas, das die üblichen Onboarding-Kennzahlen übersehen: was beim zweiten und fünften Versuch passiert, lange nachdem der Onboarding-Flow als abgeschlossen markiert wurde.

Die Lernkurve lesen: vier Formen und was jede braucht

Sobald Sie eine Kurve für eine Kernaufgabe haben, ist ihre Form nützlicher als jede einzelne Zahl darauf. Die meisten Kurven folgen einem von vier Mustern, und jedes deutet auf eine andere Art von Lösung hin.

1. Gesund: fällt schnell, flacht nahe am Expertentempo ab

Der erste Versuch kostet etwas, der zweite deutlich weniger, und beim vierten oder fünften sind Nutzer nah am Tempo Ihrer erfahrenen Nutzer. Am Produkt gibt es nichts zu korrigieren. Das einzige Risiko ist Hilfe, die noch lange auftaucht, nachdem sie nicht mehr gebraucht wird. Prüfen Sie also, dass sich Touren und Tipps selbst abschalten, sobald sie ihre Aufgabe erfüllt haben.

2. Schmerzhafter erster Versuch: sehr hoher Start, dann normal

Die Kurve beginnt sehr hoch und verhält sich danach normal. Nutzer, die den ersten Versuch schaffen, lernen gut; das Problem ist, ihn zu schaffen, und die Nutzer, denen das nicht gelang, fehlen im Diagramm ganz, weil sie abgebrochen haben. Lesen Sie die Erfolgsquote beim ersten Versuch neben der Zeit. Das ist das klassische Onboarding-Problem, und am besten helfen ein geführter erster Versuch, bessere Standardwerte und das Verschieben jeder Einrichtung, die nicht vor dem ersten Erfolg passieren muss, auf die Zeit danach.

3. Es macht nie Klick: langsamer, stetiger Rückgang

Die Kurve beginnt mäßig hoch und sinkt langsam, Versuch für Versuch. Wiederholung erzeugt kein Verständnis, was meist bedeutet, dass Nutzer Schritten folgen, ohne ein Modell davon zu haben, was diese Schritte bewirken. Mehr Walkthroughs helfen nicht, denn ein Walkthrough lehrt die Schritte. Benennen Sie Dinge in der Sprache des Nutzers, erklären Sie das Konzept in dem Moment, in dem es zählt, und suchen Sie nach inkonsistentem Verhalten, das verhindert, dass sich Übung von einem Screen auf den nächsten überträgt.

4. Auf einem Plateau festgefahren: normaler Abfall, hoher Boden

Die Kurve fällt normal und flacht dann deutlich über dem Expertentempo ab. Nutzer sind kompetent und langsam, und sie bleiben es, weil der Weg, den sie gelernt haben, gut genug funktioniert, dass sie keinen Grund haben, nach einem anderen zu suchen. Das ist langfristige Erlernbarkeit, und sie wird am Plateau korrigiert, nicht am Anfang: Weisen Sie auf das Tastenkürzel, die Massenaktion oder die Vorlage hin, wenn ein Nutzer die Aufgabe zum fünften Mal auf dem langen Weg erledigt. Unser Leitfaden zur Feature Discovery behandelt die Muster, mit denen das gelingt, ohne zu nerven.

Aufbauen und zurücknehmen: In-App-Hilfe, die zurücktritt, während Nutzer lernen

Die meiste In-App-Hilfe ist so gestaltet, als wäre jeder Nutzer für immer beim ersten Versuch. Eine Produkttour läuft beim ersten Besuch und verschwindet dann, oder sie läuft bei jedem Besuch. Die erste Variante lässt Nutzer beim zweiten Versuch im Stich, also genau dann, wenn sie die Aufgabe zum ersten Mal allein angehen. Die zweite Variante wird beim dritten Versuch zu Rauschen, und Nutzer gewöhnen sich an, sie ungelesen wegzuklicken, dieselbe Gewohnheit, die hinter Banner-Blindheit steckt.

Pädagogen haben das längst herausgefunden. Im Instruktionsdesign bezeichnet Scaffolding (Gerüstbau) eine vorübergehende Unterstützung, die es Lernenden ermöglicht, etwas zu tun, das sie allein noch nicht können, und Fading (Ausblenden) die bewusste, schrittweise Rücknahme dieser Unterstützung, während ihre Kompetenz wächst. Die Idee stammt aus Forschungen der 1970er Jahre dazu, wie Tutoren Lernenden beim Lösen von Problemen helfen, und sie lässt sich fast unverändert auf Software übertragen: Die Unterstützung sollte beim ersten Versuch am stärksten sein und sich nach einer klaren Regel zurückziehen, sobald der Nutzer zeigt, dass er sie nicht mehr braucht.

Drei Regeln sorgen dafür, dass das Zurücknehmen in der Praxis funktioniert:

• Nehmen Sie Hilfe nach Verhalten zurück, nicht nach Kalender. „Sieben Tage nach der Registrierung“ sagt nichts über Kompetenz aus. „Hat die Aufgabe abgeschlossen“ schon.
• Orientieren Sie sich an der Aufgabe, nicht an der Anleitung. Ein Nutzer, der eine Tour weggeklickt und die Aufgabe dann ohne Hilfe abgeschlossen hat, hat gelernt. Ein Nutzer, der sich durch jeden Schritt geklickt und die Aufgabe dann abgebrochen hat, nicht.
• Lassen Sie eine Tür offen. Wenn proaktive Hilfe zurücktritt, sollte dieselbe Hilfe auf Abruf erreichbar bleiben, damit ein Nutzer, der etwas vergisst, nie schlechter dasteht als einer, der sie nie gesehen hat.

Aufbauen und Zurücknehmen ist eng verwandt mit progressivem Onboarding, beantwortet aber eine andere Frage. Progressives Onboarding entscheidet, welche Dinge wann vermittelt werden. Das Zurücknehmen entscheidet, wie viel Hilfe es für dieselbe Sache gibt, während der Nutzer sie wiederholt.

So verkürzen Sie die Lernkurve Ihres Produkts: 8 Maßnahmen

Die folgenden Maßnahmen reichen grob vom Anfang der Kurve bis zum Plateau. Jede nennt den Teil der Kurve, den sie bewegt, damit Sie direkt zu denen springen können, auf die Ihre Messung hingewiesen hat.

1. Benennen Sie Dinge in der Sprache des Nutzers
2. Vermitteln Sie eine Aufgabe, keine Bildschirmtour
3. Machen Sie den ersten Versuch zur einfachen Version
4. Setzen Sie Hinweise dort, wo Versuche ohne Hilfe scheitern
5. Nehmen Sie dem Nutzer die Reihenfolge aus dem Kopf
6. Nehmen Sie Hilfe nach einer Regel zurück
7. Zeigen Sie den schnelleren Weg am Plateau
8. Messen Sie Kernaufgaben nach jedem großen Release neu

1. Benennen Sie Dinge in der Sprache des Nutzers

Listen Sie die Substantive und Verben auf, denen ein neuer Nutzer in seiner ersten Session begegnet, und fragen Sie sich bei jedem, ob es benennt, was der Nutzer will, oder wie Ihr System es nennt. Wo ein Systembegriff unvermeidbar ist, erklären Sie ihn einmal, auf dem Screen, auf dem er zuerst auftaucht, in einem Satz, der beim Ziel des Nutzers ansetzt. Unser Leitfaden zu UX-Microcopy behandelt das Schreiben selbst.

2. Vermitteln Sie eine Aufgabe, keine Bildschirmtour

Eine Tour, die jedes Panel einer Seite erklärt, vermittelt das Layout, und Layouts sind nicht das, was Nutzer lernen wollen. Bauen Sie Hilfe um eine einzige Aufgabe herum, vom ersten Klick bis zum sichtbaren Ergebnis, und lösen Sie sie aus, wenn der Nutzer diese Aufgabe beginnt. Drei bis fünf Schritte reichen für die meisten Aufgaben; braucht eine Aufgabe zwölf, muss sie vereinfacht werden, bevor sie eine Tour braucht. Unser Leitfaden zum Erstellen einer Produkttour, die konvertiert behandelt die Gestaltung der Schritte.

3. Machen Sie den ersten Versuch zur einfachen Version

Beim ersten Durchgang sollte ein Nutzer auf sinnvolle Standardwerte, ein vorausgefülltes Beispiel oder eine Vorlage treffen statt auf zwanzig leere Felder. Die Optionen kann er lernen, nachdem er ein Ergebnis gesehen hat. Wo ein Screen leer startet, nutzen Sie den Empty State, um zu zeigen, wie er aussehen wird, und bieten Sie den ersten Schritt an; unser Leitfaden zu Empty States enthält die Muster.

4. Setzen Sie Hinweise dort, wo Versuche ohne Hilfe scheitern

Ihre Testsessions oder Ihre Support-Tickets zeigen ein oder zwei Bedienelemente, an denen der zweite Versuch schiefgeht: das Feld mit zwei plausiblen Bedeutungen, die Einstellung, die geändert werden muss, bevor der Button funktioniert. Ein Tooltip oder Hotspot genau an diesen Elementen ist mehr wert als jede Menge allgemeiner Hilfe. Unser Leitfaden zum Erstellen von Onboarding-Tooltips behandelt Platzierung und Texte.

5. Nehmen Sie dem Nutzer die Reihenfolge aus dem Kopf

Mehrstufige Einrichtungen sind auch deshalb schwer zu erlernen, weil sich der Nutzer merken muss, wo er gerade steht. Eine dauerhafte Checkliste übernimmt die Reihenfolge für ihn, zeigt, was erledigt ist, und gibt jedem Punkt einen Button, der den richtigen Screen öffnet. Unser Leitfaden zur Onboarding-Checkliste zeigt, wie Sie eine aufbauen.

6. Nehmen Sie Hilfe nach einer Regel zurück

Legen Sie für jede proaktive Hilfe fest, welches Verhalten sie abschaltet, und halten Sie es schriftlich fest, bevor Sie sie veröffentlichen. Sie nur einmal anzuzeigen ist das Minimum. Besser ist eine Bedingung, die an die Aufgabe selbst gekoppelt ist: abgeschlossen oder weggeklickt und trotzdem abgeschlossen. Prüfen Sie dann die Hilfequote pro Versuch, die ungefähr so schnell sinken sollte wie die Zeit.

7. Zeigen Sie den schnelleren Weg am Plateau

Warten Sie, bis ein Nutzer die Aufgabe mehrmals auf dem langen Weg erledigt hat, und zeigen Sie ihm dann das Tastenkürzel, die Massenaktion oder die gespeicherte Ansicht einmal, im Kontext, mit der Möglichkeit, den Hinweis endgültig wegzuklicken. Am ersten Tag ist derselbe Tipp Rauschen. Am Plateau beantwortet er eine Frustration, die der Nutzer bereits zu spüren begonnen hat.

8. Messen Sie Kernaufgaben nach jedem großen Release neu

Neue Funktionen werden an ihrer eigenen Adoption gemessen. Fast niemand prüft, ob sie die bestehenden Kernaufgaben schwerer erlernbar gemacht haben. Halten Sie die Lernkurven Ihrer zwei oder drei Kernaufgaben dort, wo das Team sie sieht, und vergleichen Sie Nutzer, die sich nach einem Release registriert haben, mit denen davor. Gestiegene Kosten des ersten Versuchs sind ein Rückschritt bei der Erlernbarkeit, und den in einem Monat zu bemerken ist weit günstiger als in einem Verlängerungsgespräch.

Erlernbarkeit: Was Sie tun und lassen sollten

Erlernbarkeit verbessern mit Kompassify

Der Großteil der Arbeit in diesem Leitfaden läuft darauf hinaus, die Hilfe an den Versuch anzupassen, bei dem ein Nutzer gerade ist: intensiv beim ersten, leicht beim dritten, beim zehnten erst auf Nachfrage und am Plateau kurz wieder da. Das ist mehr eine Frage von Targeting und Timing als von Inhalten, und es ist schwer, das richtig hinzubekommen, wenn jede Änderung an der In-App-Hilfe einen Entwickler und ein Release erfordert.

Kompassify ist eine No-Code-Ebene, die über Ihrem Produkt liegt und mit der das Team, das für das Onboarding verantwortlich ist, diese Hilfe direkt erstellen und ändern kann. Bauen Sie eine kurze Produkttour rund um eine einzige Aufgabe. Setzen Sie Tooltips und Hotspots an die Bedienelemente, an denen Versuche ohne Hilfe schiefgehen. Halten Sie mehrstufige Einrichtungen auf einer Onboarding-Checkliste fest, die zwischen Sessions bestehen bleibt. Nutzen Sie Segmente und Auslöseregeln, damit jede Anleitung die Nutzer erreicht, für die sie gedacht ist, und stellen Sie ein, dass sie nur einmal erscheint oder sich nur unter einer Bedingung wiederholt, damit sie zurücktritt, während Menschen lernen. Wenn ein schnellerer Weg veröffentlicht wird, weisen Sie mit einer Ankündigung darauf hin, die sich an die Nutzer richtet, die davon profitieren.

Eine Checkliste merkt sich die Reihenfolge, damit der Nutzer es nicht muss, und jeder Punkt öffnet den Screen, auf dem die Aufgabe tatsächlich stattfindet.

Produktanalysen zeigen den Abschluss für jeden Schritt jeder Anleitung, so finden Sie den Schritt, an dem ein geführter erster Versuch Menschen verliert, und eine Multiple-Choice-Frage zu Beginn ermöglicht es, Menschen mit unterschiedlichen Aufgaben zu der Aufgabe zu leiten, die sie tatsächlich zuerst lernen müssen. Weil alles Konfiguration statt Code ist, sind das Kürzen einer Tour von acht auf vier Schritte, ein Tooltip für das Feld, an dem Nutzer immer wieder hängen bleiben, oder eine Änderung daran, wann Hilfe zurücktritt, die Arbeit eines Nachmittags.

Die Kurzfassung in einem Absatz

Erlernbarkeit beschreibt, wie leicht Menschen mit einem Produkt kompetent werden und wie schnell sie sich durch Übung verbessern, und am besten sichtbar wird sie in einer Lernkurve: der Zeit und Hilfe, die jeder Versuch derselben Kernaufgabe erfordert. Eine steile Lernkurve ist in Wirklichkeit eines von drei Problemen (ein teurer erster Versuch, ein Konzept, das durch Wiederholung nie klar wird, oder ein Plateau weit über dem Expertentempo), und jedes braucht eine andere Lösung. Sie können sie in einem Usability-Test mit wiederholten Durchgängen messen oder direkt aus Produktdaten, indem Sie die Medianzeit, die Erfolgsquote und die Hilfequote für den ersten, zweiten und jeden weiteren Durchgang einer Aufgabe pro Nutzer auftragen. Erlernbarkeit beim ersten Einsatz verbessert sich durch geführte erste Versuche, klarere Begriffe und bessere Standardwerte; langfristige Erlernbarkeit verbessert sich, wenn der schnellere Weg am Plateau gezeigt wird. In-App-Hilfe sollte aufgebaut und wieder zurückgenommen werden: Begleiten Sie Nutzer durch den ersten Versuch, erinnern Sie sie dort, wo Versuche ohne Hilfe scheitern, treten Sie zurück, sobald sie allein erfolgreich sind, und bleiben Sie auf Abruf verfügbar. Halten Sie die Kurven Ihrer Kernaufgaben sichtbar und prüfen Sie sie nach jedem großen Release neu, denn Erlernbarkeit erodiert, eine vernünftige Funktion nach der anderen.

Häufig gestellte Fragen