Lúa hóa kiến thức
Giả định và Giả thuyết
🕔 29 thg 4, 2025
🧑🎓 Ông Giáo, Khánh Đàm
Mình còn nhớ như in hồi mà mình cùng team xây dựng một sản phẩm theo dõi sức khỏe. Ứng dụng này sẽ theo dõi các chỉ số sức khỏe qua một thiết bị đeo, ví dụ như đồng hồ thông mính đó. Trong sản phẩm này, chúng mình có một tính năng là “Dashboard Cá Nhân Hóa”. Chúng mình tin rằng việc tạo ra một giao diện dashboard được cá nhân hóa sẽ khiến người dùng cảm thấy đặc biệt và gắn bó hơn với sản phẩm. Cơ mà, các số liệu đo lường của người dùng không nói vậy. Các chỉ số sử dụng (Usage) và tương tác (Engagement) sau khi ra mắt thấp lè tè, khiến chúng mình khá bất ngờ.
Sau đấy, chúng mình tự hỏi nhau: Tại sao người dùng không sử dụng tính năng này? Từ câu hỏi này, chúng mình đã đặt ra vô vàn giả định và giả thuyết để redesign lại tính năng này.
Trong lĩnh vực làm sản phẩm, giả định là những niềm tin hoặc dự đoán ban đầu về hành vi, nhu cầu hay thói quen của người dùng khi chưa có bằng chứng cụ thể, dựa trên niềm tin, kinh nghiệm cá nhân hoặc dự đoán tốt nhất từ những dữ liệu hiện có. Những giả định này là rất quan trọng, bởi nó là một điểm khởi đầu, giúp chúng mình tiết kiệm nhiều thời gian và nguồn lực.
Từ câu hỏi ban đầu Tại sao người dùng không sử dụng tính năng Dashboard cá nhân?, chúng mình đã đặt ra không ít giả định như:
Giả định về nhu cầu người dùng: “Người dùng chỉ cần 3 chỉ số quan trọng nhất, đó là: Nhịp tim, Stress, và Chất lượng giấc ngủ”
Giả định về hành vi người dùng: “Người dùng không bấm vào xem kỹ chỉ số vì họ nghĩ rằng nó không quan trọng”
Giả định về bối cảnh sử dụng: “Người dùng thường xem Dashboard này mỗi khi họ tập thể dục xong”
Giả định về sự quen thuộc: “Người chưa cảm thấy quen với tính năng mới này”
Và ngoài ra với các trường hợp đặc biệt hơn, còn rất nhiều loại giả định khác.
Tất cả giả định này đều hầu hết dựa trên kinh nghiệm cá nhân của team chúng mình, chứ không có quá nhiều thông tin chứng minh cho các luận điểm trên.
Biến Giả Định Thành Giả Thuyết
Trong khi Giả Định (Assumption) là những niềm tin ban đầu hoặc cảm tính về hành vi, nhu cầu của người dùng mà chưa có bằng chứng cụ thể, Giả Thuyết (Hypothesis) Là phiên bản đã được cấu trúc rõ ràng của giả định, chuyển hóa thành một tuyên bố có thể kiểm chứng thông qua nghiên cứu và thử nghiệm.
Ví dụ: “Nếu chúng tôi giảm số lượng biểu đồ trên dashboard từ 6 xuống còn 3, bao gồm: Nhịp tim, Stress, và Chất lượng giấc ngủ, thì tỷ lệ tương tác của người dùng sẽ tăng 15% vì họ sẽ tập trung hơn vào các thông tin cốt lõi.”
Để chuyển một giả định thành giả thuyết, chúng mình sẽ cần:
Xác định các giả định cần kiểm chứng:
Lựa chọn những giả định có ảnh hưởng lớn đến trải nghiệm người dùng. Ở đây là: Người dùng chỉ cần 3 chỉ số quan trọng nhất, đó là: Nhịp tim, Stress, và Chất lượng giấc ngủ
Định nghĩa cụ thể vấn đề và mục tiêu:
Mô tả vấn đề rõ ràng và đặt ra mục tiêu cụ thể, chẳng hạn “tăng tỷ lệ tương tác lên 15%.”
Xây dựng công thức giả thuyết:
Sử dụng cấu trúc:
“Nếu [thay đổi cụ thể], thì [kết quả mong đợi] vì [lý do hỗ trợ].”
Lên kế hoạch kiểm chứng:
Chọn phương pháp như A/B Testing, phỏng vấn người dùng hay usability testing, xác định các chỉ số đo lường và triển khai thu thập dữ liệu.
Phân tích kết quả và điều chỉnh:
So sánh dữ liệu với mục tiêu ban đầu và điều chỉnh giả thuyết nếu cần thiết.
Assumptions/Hypothesis Mapping
Vì có rất nhiều giả định và giả thuyết, nên chúng mình đã sử dụng Assumption Mapping để lọc ra giả định nào đáng tiền nhất.
Mục tiêu của phương pháp này là xác định những giả định nào có ảnh hưởng lớn nhất đến thành công của sản phẩm, đồng thời chưa được kiểm chứng, từ đó tập trung nguồn lực nghiên cứu và kiểm thử vào chúng.
Thông thường, Assumption Mapping được thực hiện thông qua một bảng phân loại theo hai tiêu chí chính:
Mức độ ảnh hưởng (Impact): Giả định có tác động lớn đến sản phẩm hay không?
Mức độ chắc chắn (Certainty): Độ tin cậy của giả định dựa trên dữ liệu hiện có hoặc kinh nghiệm là bao nhiêu?
Ví dụ với trường hợp của chúng mình, một trong các giả định có tác động lớn nhất, nhưng hiểu biết của chúng mình lại mơ hồ nhất, đó là “Người dùng chỉ cần 3 chỉ số quan trọng nhất, đó là: Nhịp tim, Stress, và Chất lượng giấc ngủ”
Có vô vàn các các để kiểm định giả thuyết đúng hay sai, trong đó, mỗi phương pháp sẽ phù hợp cho một (hoặc vài) loại giả định khác nhau.
Giả thuyết định lượng
Để có thể kiểm chứng các giả thuyết có thể đo lường được bằng con số cụ thể, chúng mình trước tiên cần phải có phương pháp đo lường các số liệu liên quan đến sản phẩm đã nhé! Chi tiết hơn thì chúng mình sẽ có hẳn một bài về việc đo lường trong thiết kế.
Giả sử chúng mình đã đo lường được các chỉ số đó, thì dưới đây là một vài phương pháp phù hợp:
A/B Testing
Phương pháp này chia người dùng ngẫu nhiên vào hai nhóm, mỗi nhóm sẽ trải nghiệm một phiên bản khác nhau (phiên bản A và phiên bản B) của giải pháp, để xem phiên bản nào mang lại hiệu quả cao hơn theo các chỉ số đã định.
A/B Testing sẽ phục vụ việc kiểm chứng các giả thuyết liên quan đến tối ưu hóa và so sánh hiệu hiệu quả, ví dụ như: So sánh giữa các layout, màu sắc, nội dung text,… để xem phiên bản nào đem lại hiệu quả hơn về mặt tương tác, chuyển đổi,…
À mà, để A/B Test được thì chúng mình sẽ phải đo lường các số liệu sử dụng sản phẩm của người dùng đã nhé. Chi tiết hơn thì chúng mình sẽ có hẳn một bài về việc đo lường trong thiết kế.
"Fake Door" Testing
Phương pháp này đo lường sự quan tâm của người dùng đối với một tính năng mới bằng cách tạo ra một “cửa ảo” – ví dụ như một nút hoặc liên kết cho tính năng đó – mà khi người dùng nhấp vào sẽ được thông báo rằng tính năng đang được phát triển.
Phương pháp này cũng dùng để kiểm tra nhu cầu của người dùng, nhưng ở phạm vi rộng hơn, dành cho các sản phẩm, dịch vụ đã có nhiều người dùng. Phương pháp này cũng nên được kết hợp với Phỏng vấn người dùng để có hiệu quả cao nhất
Ví dụ như: Để biết người dùng có cần Dashboard cá nhân hóa không, chúng mình có thể đặt một nút “Xem Dashboard”, mà sau khi người dùng nhấn vào, ứng dụng sẽ hiển thị lời nhắn: “Tính năng này đang trong thời gian phát triển và dự kiến sẽ ra mắt trong thời gian tới.” Chúng mình sẽ đo lường số lượt click vào nút này để kiểm tra giả định liệu người dùng có hứng thú với tính năng này không.
Giả thuyết định tính
Ngoài những giả thuyết có thể kiểm chứng bằng số liệu, còn có nhiều giả thuyết quan trọng khác tập trung vào trải nghiệm, nhận thức và động lực người dùng – những khía cạnh mà dữ liệu định lượng đơn thuần khó mà diễn tả được hết. Lúc này, chúng mình cũng có các chiến thuật khác để kiểm chứng các giả thuyết này như:
Phỏng vấn và khảo sát người dùng
Phương pháp này thu thập thông tin định tính từ người dùng thông qua phỏng vấn cá nhân và khảo sát định lượng.
Đây sẽ là phương pháp phù hợp để kiểm chứng nhu cầu, vấn đề hay bối cảnh sử dụng của sản phẩm, đặc biệt là khi xây dựng một sản phẩm, dịch vụ mới tinh.
Ví dụ: Khi phát triển một ứng dụng theo dõi sức khỏe, chúng mình sẽ tiến hành phỏng vấn 10 người dùng tiềm năng để khám phá họ muốn thường quan tâm chỉ số nào (số bước đi, nhịp tim, lượng calo) và sau đó phát hành khảo sát trực tuyến đến 200 người dùng để xác nhận mức độ quan trọng của từng chỉ số.
Usability Testing
Phương pháp này quan sát cách người dùng tương tác với thiết kế hoặc prototype để xác định các vấn đề về khả năng sử dụng và tìm cách cải thiện trải nghiệm người dùng.
Usability Testing sẽ phù hợp nhất với các giả thuyết liên quan đến hành vi sử dụng sản phẩm hay dịch vụ. Ví dụ có thể kể đến như là:
Giả thuyết về khả năng hoàn thành tác vụ (Task Completion Hypotheses): Nếu chúng mình giảm số lượng biểu đồ xuống còn 3, thì người dùng sẽ tìm kiếm được các chỉ số họ cần nhanh và dễ dàng hơn.
Giả thuyết về sự rõ ràng và dễ hiểu (Clarity and Understandability Hypotheses): Nếu chúng mình đơn giản hóa các thông tin trong từng biểu đồ và sử dụng màu sắc khác nhau, người dùng sẽ dễ dàng phân biệt và làm quen với các loại chỉ số hơn.
Giả thuyết về khả năng làm quen (Learnability): Nếu chúng mình thay đổi layout Dashboard, người dùng sẽ chỉ mất từ 3 đến 5 phiên sử dụng để làm quen với layout mới này.
Và còn nhiều phương pháp khác dựa trên loại sản phẩm và dịch vụ nữa.
Tổng kết
Qua bài viết này, chúng mình đã giải thích về Giả định, Giả thuyết và các phương pháp kiểm định chúng để đưa ra quyết định thiết kế tốt hơn. Việc đặt giả định và giả thuyết là một việc luôn luôn cần làm trong quá trình xây dựng sản phẩm, thay vì chỉ làm một phần xong để đó nha!
Ngoài ra, các giả định và giả thuyết đều có thể đúng hoặc sai, và nếu có sai thì đó cũng là chuyện hoàn toàn bình thường (vì nếu đúng hết thì chúng mình đi làm thầy bói đi chứ thiết kế làm gì?). Thế nên, việc của chúng mình là liên tục đặt giả định và giả thuyết trong quá trình xây dựng sản phẩm, vì nó không chỉ giúp chúng mình làm ra được giải pháp tốt hơn, mà có luyện cho chúng mình Product Sense đó!
À mà, mặc dù bài viết này không phải để sale khóa học, nhưng trong lúc mình viết bài này, hữu duyên thế nào mà UX Foundation chúng mình cũng vừa ra mắt khóa Data-Driven Design. Trong đó, nội dung khóa sẽ rất phù hợp nếu mọi người muốn biết cách dùng dữ liệu để hỗ trợ các quyết định thiết kế và phát triển sản phẩm của mình.
Chúc mọi người có thật nhiều giả thuyết được xác nhận!
See you ngày mai!
