SenseKit: strumenti di raccolta dati di ricerca
Tre strumenti di ricerca interattivi che trasformano percezioni soggettive in dati strutturati e visualizzati, in tempo reale, con zero setup per i partecipanti
Case study
SenseKit: strumenti di raccolta dati di ricerca
Links
La Sfida
Ricercatori UX, strateghi e facilitatori conducono esercizi basati sulla percezione in workshop, interviste e sondaggi, ma mancano di strumenti digitali che corrispondano alla specificità dei loro metodi. Strumenti di sondaggio generici non possono rappresentare il posizionamento 2D, scale bipolari con indicatori di deviazione standard o analisi aggregata della dispersione. Questo costringe i ricercatori a semplificare i loro metodi (perdendo ricchezza) o a processare i risultati a mano (perdendo tempo).
Metodi di ricerca come stakeholder mapping, differenziale semantico e posizionamento competitivo sono potenti, ma gli strumenti disponibili per condurli sono imbarazzantemente obsoleti. I ricercatori tipicamente ricorrono a Google Forms (piatto, nessuna visualizzazione), Miro (collaborativo ma non strutturato) o carta e penna (funzionale ma non scalabile). Nessuno di questi offre visualizzazione aggregata in tempo reale delle risposte dei partecipanti.
SenseKit è una suite di tre strumenti costruiti su misura: StakeMap per il posizionamento collaborativo degli stakeholder, SemDiff per scale di differenziale semantico e CompScape per la mappatura del panorama competitivo. Ciascuno è una web app autonoma con un design system condiviso, online su sensekit.eu.
"I ricercatori hanno bisogno di strumenti che corrispondano alla loro metodologia, non viceversa. Un esercizio di stakeholder mapping dovrebbe permettere ai partecipanti di posizionare elementi su una matrice 2D, non di ordinarli in una lista. Un differenziale semantico dovrebbe mostrare profili medi tra i partecipanti, non solo risposte individuali. Gli strumenti esistenti costringono i ricercatori ad approssimare i loro metodi invece di implementarli fedelmente."
Il divario tra metodologia di ricerca e strumenti disponibili significa che gli insight arrivano tardi, le visualizzazioni sono inconsistenti e i ricercatori spendono più tempo sulla logistica che sull'analisi. Peggio, strumenti semplificati producono dati semplificati, perdendo le sfumature che rendono preziosi i metodi basati sulla percezione.
I ricercatori costruiscono strumenti improvvisati: Google Slides con forme trascinabili, board Miro con post-it colorati, grafici Excel assemblati manualmente da dati di sondaggio. Ogni progetto reinventa la stessa infrastruttura. I risultati vengono aggregati a mano, spesso giorni dopo la raccolta, quando l'energia del workshop è ormai svanita.
Ricerca
Analisi del Gap Metodo-Strumento
I Metodi Richiedono Input Spaziale
Tutti e tre i metodi comportano il posizionamento di elementi nello spazio: su assi, scale, matrici. Strumenti di sondaggio che riducono questo a dropdown o slider perdono la relazione spaziale che rende significativo il metodo.
L'Aggregazione È il Valore
Le risposte individuali sono interessanti; i pattern aggregati sono azionabili. Mostrare dove i partecipanti concordano (cluster stretti) e disaccordano (dispersioni ampie) è dove risiede l'insight. Nessuno strumento esistente lo fornisce in tempo reale.
2-4 ore di post-processing per esercizio
L'aggregazione manuale di uno stakeholder mapping con 10 partecipanti richiede 2-4 ore. Con SenseKit, è istantanea e continua.
Ricerca sull'Esperienza del Partecipante
L'Accesso a Zero Attrito È Essenziale
I partecipanti nei workshop hanno secondi di attenzione, non minuti. Qualsiasi login, download o setup uccide l'ingaggio. Lo strumento ideale è un link che apre direttamente sull'esercizio.
L'Interazione Spaziale È Naturale
Il drag-and-drop per il posizionamento su una matrice è intuitivo in modi in cui i campi form non lo sono. I partecipanti capiscono immediatamente 'metti questo dove pensi che vada'.
"Voglio condividere un link e avere persone che fanno l'esercizio entro 5 secondi."
— Requisito di design personale
Insight Chiave
Ogni metodo merita uno strumento costruito su misura
Stakeholder map, differenziali semantici e panorami competitivi sono metodi diversi con strutture dati diverse. Forzarli in uno strumento generico sacrifica ciò che rende ciascun metodo unicamente prezioso.
L'aggregazione in tempo reale è la killer feature
Vedere i risultati aggiornarsi dal vivo mentre i partecipanti rispondono trasforma la raccolta dati da processo passivo in un'esperienza ingaggiante che genera discussione.
Gli indicatori statistici fanno emergere consenso e conflitto
Le medie da sole sono fuorvianti. Indicatori di deviazione standard (SemDiff) ed ellissi di dispersione (CompScape) mostrano non solo dove si posiziona il gruppo, ma quanto sono d'accordo, spesso più interessante della posizione stessa.
I partecipanti dovrebbero pensare alla domanda, non allo strumento
Nessun account, nessun tutorial, nessun onboarding. Apri il link, vedi l'esercizio, interagisci immediatamente. Lo strumento dovrebbe essere trasparente: infrastruttura invisibile per il metodo.
Infrastruttura condivisa, esperienze distinte
I tre strumenti condividono un design system, pattern di auth e architettura dati, ma ciascuno ha una UI plasmata interamente dal suo metodo. Coerenza nelle tubature, specificità nell'interazione.
Obiettivi e Principi
StakeMap: Posizionamento 2D collaborativo con aggregazione
I partecipanti trascinano gli stakeholder su una matrice 2D personalizzabile. Il ricercatore vede posizioni mediate e nuvole di dispersione tra tutti i partecipanti in tempo reale.
SemDiff: Scale di differenziale semantico con profondità statistica
I partecipanti valutano elementi su scale bipolari (es. Innovativo–Tradizionale). La dashboard mostra profili medi con barre di deviazione standard, permettendo confronti tra partecipanti ed elementi.
CompScape: Panorama competitivo con mappatura del consenso
I partecipanti posizionano competitor su una matrice 2D. Le ellissi di dispersione rivelano dove i partecipanti concordano e dove le percezioni divergono, facendo emergere i posizionamenti contesi.
Condiviso: Esperienza partecipante senza attrito
Accesso anonimo via link. Nessun login per i partecipanti. L'auth anonima di Firebase gestisce lo stato. Creazione di progetti e analytics richiedono autenticazione del ricercatore.
Principi guida
Fedeltà al metodo prima del numero di feature
Ogni strumento fa bene un metodo invece di approssimarne molti. I vincoli del metodo di ricerca definiscono l'insieme di feature.
L'aggregazione è continua, non post-hoc
I risultati si aggiornano in tempo reale mentre i partecipanti rispondono. Il ricercatore non attende mai un 'processing': l'insight emerge durante la raccolta.
L'export è una feature di prima classe
I dati di ricerca devono uscire dallo strumento. Export CSV, dati strutturati ed export visivi assicurano che SenseKit si innesti in qualsiasi pipeline di analisi usata dal ricercatore.
Progettazione della Soluzione
Monorepo con Libreria UI Condivisa
Tre strumenti che necessitano di coerenza visiva e infrastruttura condivisa, ma ciascuno con pattern di interazione e modelli dati distinti.
Monorepo pnpm workspaces con un pacchetto shared-ui contenente tutti i componenti base (pulsanti, card, modali, layout) costruiti su Radix UI e Tailwind. Ciascuna app ha la propria configurazione Vite, il proprio progetto Firebase e il proprio dominio (stakemap.sensekit.eu, ecc.).
Ciascun metodo di ricerca ha strutture dati fondamentalmente diverse (coordinate 2D vs. valori di scala vs. posizioni competitive), ma i pattern della dashboard per il ricercatore (gestione progetti, export, impostazioni) sono identici. Il monorepo permette a ciascuno strumento di divergere dove serve condividendo l'80% dell'infrastruttura UI.
Aggregazione in Tempo Reale con Firebase Realtime Database
I partecipanti rispondono in modo asincrono durante i workshop. Il ricercatore deve vedere i risultati aggregati aggiornarsi dal vivo: non dopo un refresh, non dopo un export, ma continuamente.
Firebase Realtime Database con sottoscrizioni basate su listener. Quando un partecipante invia una posizione, la dashboard del ricercatore si aggiorna in millisecondi. L'aggregazione (medie, deviazioni standard, ellissi di dispersione) viene calcolata client-side dallo stream dati live.
Il modello di sottoscrizione di Firebase significa che l'aggregazione in tempo reale 'funziona e basta': nessun polling, nessuna infrastruttura WebSocket custom. Il calcolo client-side mantiene il server stateless. L'auth anonima per i partecipanti significa nessun attrito di login. Il compromesso (vendor lock-in con Firebase) è accettabile per l'affidabilità e la velocità che offre.
Ellissi di Dispersione per Visualizzazione del Consenso
Nel posizionamento competitivo e nello stakeholder mapping, la posizione media ti dice dov'è il centro del gruppo, ma non ti dice se tutti sono d'accordo o se la media maschera un'opinione divisa.
Implementate ellissi di dispersione calcolate dalla deviazione standard in entrambi gli assi. Ellissi strette significano consenso; ellissi ampie significano percezione contesa. Combinate con punti dei partecipanti individuali e centri mediati per un quadro completo.
L'ellisse di dispersione è l'innovazione chiave. In un'analisi competitiva, vedere che 'Competitor A' ha un'ellisse stretta (tutti d'accordo sulla sua posizione) mentre 'Competitor B' ha un'ellisse ampia (percezione contesa) è spesso più strategicamente prezioso delle posizioni stesse. Fa emergere la qualità del consenso, non solo la sua direzione.
Risultati e Impatto
3 strumenti di ricerca costruiti su misura, ciascuno online sul proprio dominio
Aggregazione in tempo reale: <100ms dalla risposta del partecipante all'aggiornamento della dashboard
Partecipazione a zero attrito: nessun login, nessun download, accesso immediato via link
Libreria UI condivisa: 80%+ di riuso di componenti tra tre applicazioni distinte
Tempo di post-processing ridotto da 2-4 ore a zero (l'aggregazione è istantanea e continua)
I metodi di ricerca sono implementati fedelmente: input spaziale per metodi spaziali, non appiattiti in form
La visualizzazione della dispersione fa emergere consenso e conflitto che le sole medie nasconderebbero
I ricercatori possono reagire ai dati in arrivo durante i workshop invece di processare dopo
Il design system condiviso assicura un'esperienza professionale e coerente tra i tre strumenti
L'export CSV preserva tutti i dati grezzi per analisi downstream in R, Python o Excel
Riflessioni
Cosa ha funzionato
Il Design Specifico per Metodo Ha Prevenuto il Feature Creep
Definendo ciascuno strumento come implementazione di uno specifico metodo di ricerca, lo scope è stato naturalmente vincolato. Il metodo ha definito le feature, non viceversa.
L'Aggregazione in Tempo Reale Ha Cambiato la Dinamica del Workshop
I facilitatori potevano proiettare la dashboard durante gli esercizi, usando i risultati live come spunti di discussione. Raccolta dati e sense-making accadevano simultaneamente invece che in sequenza.
Il Monorepo Si È Ripagato Rapidamente
L'investimento iniziale in shared-ui ha significato che il secondo e terzo strumento sono stati drammaticamente più veloci da costruire. CompScape è stato costruito in una frazione del tempo di StakeMap perché l'infrastruttura era già lì.
Sfide
La Visualizzazione Statistica Richiede Default Accurati
Ellissi di dispersione, barre di deviazione standard e metodi di aggregazione richiedono tutti decisioni di design con implicazioni statistiche. Ottenere i default giusti (es. quando mostrare ellissi vs. punti individuali) ha richiesto di bilanciare accuratezza e accessibilità.
Tre App Significano Tre Pipeline di Deploy
Ciascuno strumento ha il proprio progetto Vercel, dominio e istanza Firebase. Coordinare gli aggiornamenti nella suite ha richiesto più lavoro ops di una singola applicazione.
Lezioni Chiave
Gli strumenti costruiti su misura superano quelli generici quando il metodo ha strutture dati specifiche: una stakeholder map non è un sondaggio, e non dovrebbe sembrarlo
I dati in tempo reale cambiano la dinamica di ricerca: vedere i pattern emergere dal vivo crea energia e discussione che l'analisi post-hoc non ricattura mai
Costruire strumenti di ricerca ti insegna i metodi di ricerca a un livello più profondo: implementare un differenziale semantico mi ha costretto a capire la statistica dietro
Infrastruttura condivisa con esperienze distinte è il pattern giusto per suite di strumenti: coerenza nelle tubature, specificità nell'interazione
I migliori strumenti scompaiono: i partecipanti dovrebbero pensare alla domanda, non al software