UserTesting renforce les tests UX basés sur le ML avec une acquisition de 1,3 milliard de dollars par Sunstone, Thoma Bravo

Obtenir des informations sur la façon dont les utilisateurs expérimentent et utilisent les logiciels n’était auparavant doable qu’en demandant à des humains de faire tous les tests utilisateur. Avec l’avènement des techniques modernes d’analyse des sentiments et d’apprentissage automatique (ML), les tests permettent d’obtenir plus d’informations que jamais auparavant.

Test utilisateur est parmi les pionniers dans l’espace utilisant des procedures ML pour aider à découvrir et analyser les comportements des utilisateurs. Les deux dernières années ont été un tourbillon d’activité pour l’entreprise. En 2020, UserTesting a levé 100 tens of millions de dollars de financement, et un an furthermore tard, en 2021, la société est devenue publique à la Bourse de New York (NYSE) sous le symbole Consumer.

Aujourd’hui, UserTesting a annoncé avoir conclu un accord d’acquisition pour 1,3 milliard de pounds par Thomas Bravo et Partenaires Sunstone. Lorsque l’accord sera conclu, le plan est de fusionner UserZoom – que Thoma Bravo a acquis en avril 2022 – avec UserTesting, afin de créer un ensemble encore as well as large de fonctionnalités pour les checks d’expérience utilisateur.

“Nous sommes dans un espace où nous avons construit un ensemble de technologies pour capturer une sorte de rétroaction que nous appelons un récit d’expérience shopper”, a déclaré Andy MacMillan, PDG de UserTesting, à VentureBeat. “UserZoom dispose d’un ensemble de approaches et de méthodologies de recherche différentes supplémentaires qui pourraient compléter certains de nos récits d’expérience consumer.”

Remark UserTesting a intégré le ML

Au cours des deux dernières années, UserTesting a réalisé d’importants investissements dans la technologie qui l’aident à tirer des enseignements de ses exams.

Le take a look at consiste à enregistrer les utilisateurs pour voir comment ils interagissent avec les apps, y compris ce sur quoi ils cliquent, et à demander aux utilisateurs de raconter leur expérience. MacMillan a déclaré que son entreprise avait investi dans l’utilisation du ML pour aider à extraire des informations du contenu enregistré de l’expérience utilisateur.

“Nous prenons vraiment du contenu non structuré, mais le transformons en quelque selected de structuré”, a déclaré MacMillan. “Nous avons formé un ensemble de modèles d’apprentissage automatique pour aider à découvrir ce que nous appelons les times d’insight.”

Les moments de perspicacité sont ces pépites d’informations qui peuvent aider à identifier les tendances qui amélioreront l’expérience utilisateur. UserTesting utilise plusieurs systems ML, y compris le traitement du langage naturel (NLP), la vision par ordinateur et l’analyse des intentions et du comportement.

Parmi les choses que ML permet pour UserTesting, il y a la possibilité d’effectuer une analyse du chemin de clic, qui peut suivre où va un utilisateur et ce qu’il essaie réellement de faire lorsqu’il clique sur quelque chose. L’analyse du sentiment de l’utilisateur est un autre attribut clé avec lequel ML aide, ainsi que la capacité de voir si l’utilisateur est satisfait d’une expérience.

Pour aller furthermore loin, UserTesting utilise ML pour aider à alimenter une visualisation qui superpose l’intention et le comportement du chemin pour avoir un aperçu de la façon dont les gens parcourent un internet site ou une software.

“Il y a un tas de choses que nous pouvons déterminer sur les comportements que nous voyons les gens manifester, pendant qu’ils traversent un processus”, a-t-il déclaré.

Le cercle vertueux du ML

Le ML n’existe pas dans le vide  par définition, il s’agit de devices apprenant à partir de données.

MacMillan a expliqué que l’approche UserTesting du ML est un cercle vertueux, où les modèles que son entreprise construit sont continuellement validés et étendus avec de nouvelles données provenant de sessions de check utilisateur qui bénéficient déjà du ML. Il a ajouté que la capacité des humains à valider les modèles ML de leurs propres yeux contribue à renforcer la confiance dans les modèles.

“Nous collectons ces scénarios d’expérience shopper – une sorte de vidéos de bout en bout – et nous utilisons les modèles d’apprentissage automatique pour orienter les gens vers les times de perspicacité”, a déclaré MacMillan. “Mais vous pouvez toujours creuser, vous pouvez toujours dire” oh le modèle dit ceci, laissez-moi regarder une partie de ce récit de l’expérience customer “et voir si l’intention correspond vraiment au sentiment.”

L’un des as well as grands défis du ML pour toute organisation, selon MacMillan, est d’avoir le bon kind de données de formation. UserTesting dispose déjà d’une seize vidéo, qui montre ce qui se passe sur un écran, et le examination collecte également les données de clic des utilisateurs. Les checks sont effectués par rapport à un plan de take a look at, il existe donc une attente de base pour ce que les utilisateurs sont censés faire. UserTesting dispose d’un personnel dédié qui étiquette également le contenu dans le cadre de son travail quotidien pour aider à previous et à optimiser les modèles.

“Le but du produit est d’aider à connecter les équipes directement à de vrais customers et à de vrais êtres humains pour obtenir un aperçu humain du produit”, a déclaré MacMillan. “Nous pensons que l’apprentissage automatique n’est vraiment qu’un moyen d’aider les gens à se connecter à ces moments de perspicacité, mais ces times sont toujours humains.”