Cosa sono i diagrammi di affinità
I diagrammi di affinità - affinity diagram in inglese - sono una tecnica di analisi che aiuta nella categorizzazione dei dati e nell’individuare relazioni fra essi. Nel nostro caso, i dati da analizzare sono quelli acquisiti durante le ricerche qualitative o reperiti nell’analisi delle ricerche demoscopiche finalizzati allo sviluppo dei personaggi (vedi IV lezione del Corso UCD).

Introduzione
Prima di svolgere l’analisi dei dati con i diagrammi di affinità, occorre che siano state definite le modalità di segmentazione e che siano state individuate le categorie sotto le quali raccogliere i microdati. Tipicamente la segmentazione può essere effettuata per obiettivi o per modalità d’uso o per comportamenti (vedi V lezione del Corso UCD). Per esempio, se la segmentazione avviene per modalità d’uso, le categorie che ne derivano possono essere “registrati” e “non registrati”.

Attività preliminari
Coinvolgere il team
Anche se a volte è possibile fare questa attività da soli, la cosa più opportuna è coinvolgere sempre le persone direttamente collegate al progetto. In questo modo, tutti potranno sentirsi “padri” o “madri” dei personaggi e quindi più propensi al loro utilizzo nelle fasi successive. A queste persone il facilitatore dovrà spiegare chiaramente le finalità dei diagrammi di affinità e, se necessario, dovrà effettuare una dimostrazione pratica prima di svolgere la sessione di analisi.

Preparare i materiali
Devono essere disponibili:
- un cartello con le regole di base (vedi box);
- post-it di colore diverso, abbastanza grandi da poter contenere
- annotazioni esaustive (da 76x76 mm o più grandi);
- pennarelli neri a punta fine/media (il tratto della penna è meno leggibile);
- evidenziatori, per marcare i microdati estratti;
- uno o più fogli di carta bianca 70x100 cm da appendere alle pareti
- o alla lavagna (sarà più facile portarli con sé in caso sia necessario
- cambiare stanza) e altri fogli della stessa misura per bloccare i post-it
- in caso di trasporto o coprirli alla fine della giornata;
- scotch riposizionabile per fissare i post-it “ribelli”;
- fogli bianchi o blocchi per appunti.

Inoltre, il facilitatore deve avere una macchina fotografica per documentare ogni fase dell’attività e il risultato finale.

Le regole di base: - Nessuno è leader e tutti sono uguali - Tutte le idee sono importanti e non sono criticabili - Le categorie proposte sono modificabili - Le categorie con molti dati possono essere divise - I microdati possono essere duplicati e, se necessario, inseriti in gruppi - multipli - I microdati e i gruppi di microdati non sono fissi e, se necessario, - possono essere spostati Regole di base in PDF (25,6Kb)

Scegliere il luogo
Una sala riunioni o una normale stanza di lavoro con un tavolo grande. L’importante è che sia in grado di ospitare e far muovere agevolmente i partecipanti.

I diagrammi di affinità passo passo
Passo 1 - Prima di iniziare
Ricapitolare brevemente le attività di ricerca e analisi già svolte e ribadire le finalità della sessione di lavoro. Appendere alla parete o alla lavagna il cartello con le regole di base e descriverle brevemente. Attaccare sui fogli 70x100 - precedentemente appesi - i post-it con i nomi delle categorie di segmentazione. Distribuire le copie dei report con i risultati delle ricerche opportunamente codificate (per esempio: R01, R02, ecc). Fornire un congruo numero di post-it di diversi colori e indicare le convenzioni per il loro uso (per esempio: i gialli per dati, i rosa per le citazioni, ecc.). Fissare un tempo massimo per tutte le fasi della sessione.

Passo 2 - Estrazione dei microdati e categorizzazione
Ogni partecipante dovrà evidenziare sul report il microdato che ritiene significativo, scriverlo sul post-it di colore adeguato insieme al codice della ricerca di provenienza e al numero di pagina (Figura 1). Il partecipante dovrà quindi collocare il post-it vicino a una delle categorie. Questo tipo di lavoro deve essere svolto senza commenti.

Figura 1 - Esempio di microdati estratti da una ricerca ISTAT



Passo 3 - Verifica delle categorizzazioni
Al termine dell’estrazione e della categorizzazione si procederà con una verifica delle scelte fatte, dando completa libertà di modifica. In particolare si possono creare categorie non definite in precedenza oppure spostare i microdati da una categoria all’altra o, ancora, duplicare un microdato per associarlo a un’altra categoria. In questa fase si dovranno anche etichettare le informazioni della stessa natura per ogni categoria (per esempio: tipo e luogo di connessione, esperienza su internet, ecc.). Tutto questo deve essere fatto commentando e discutendo le scelte ad alta voce, con lo scopo di coinvolgere tutti i partecipanti nel processo di verifica.

Passo 4 - Nominare i gruppi
Una volta che i microdati sotto ogni categoria sono stabili, condivisi ed etichettati, si procede dando un nome e un ruolo alla categoria. Per esempio, la categoria “Registrati” potrà diventare “Giuseppe, il cliente assiduo” (Figura 2). Questo passaggio è importante poiché permette di cominciare a tratteggiare i personaggi in base ai dati reali e, quindi, a renderli più credibili. Inoltre, la scelta del nome rende tutti partecipi della “nascita” dei personaggi e crea l’empatia necessaria per il loro utilizzo in campo progettuale.

Figura 2 - Esempio di categoria con gruppi e microdati



Passo 5 - Narrare le storie
A questo punto ogni partecipante (o gruppo di partecipanti) sceglie un nominativo e prova a costruire una storia che descriva una o più esperienze d’uso. La fonte delle storie sono le informazioni contenute nelle ricerche analizzate. Il risultato da ottenere sono storie di nuove esperienze d’uso, che vadano incontro alle esigenze e agli obiettivi dei personaggi e, di conseguenza, a quelli delle persone che i personaggi rappresentano. Le storie devono essere registrate e trascritte per la fase succesiva, quella dello sviluppo vero e proprio dei personaggi e degli scenari.

Bibliografia
Understanding your User
Catherine Courage e Kathy Baxter - 2005, Morgan Kaufmann

The Persona Lifecycle
Tamara Adlin e John Pruitt - 2005, Morgan Kaufmann

Storytelling for user experience
Whitney Quesenbery e Kevin Brooks - 2010, Rosenfeld