Case Study: meta.lisp survey

Von manueller Excel-Hölle zur deklarativen Formular-DSL

1. Executive Summary

  • Produkt: Diagnostic Engine zur automatisierten Messung von Usability und visueller Ästhetik.
  • Kernidee: Keine klickintensive Web-UI für Autoren, sondern eine schlanke Formular-DSL im Texteditor.
  • Ergebnis: Fehlerfreie, unmittelbare Berechnung von SUS-Score und VisAWI-Indizes ohne manuellen Excel-Export.

2. Das Problem: Der Auswertungswahn bei Standard-Fragebögen

Um die Usability und visuelle Ästhetik von Software zu messen, sind bewährte Standards wie der SUS (System Usability Scale) und der VisAWI (Visual Aesthetic Website Inventory) etabliert. Die Werkzeuge zu ihrer Erhebung sind es im Berufsalltag nicht.

2.1. Excel-Chaos

Rohdaten aus Werkzeugen wie Microsoft Forms müssen händisch in Tabellen kopiert und über eigene Formeln berechnet werden. Das kostet Zeit und ist extrem fehleranfällig.

2.2. Marktlücke

Kein kommerzielles Fragebogen-Tool am Markt bietet automatisierte Auswertungen für SUS und VisAWI nativ out of the box an.

3. Die UX-Entscheidung: Texteditor statt Klick-Orgie

Gute UX beschränkt sich nicht auf Endnutzer, sondern gilt genauso für Autoren (Author & Developer Experience). Das Erstellen von Formularstrukturen über verschachtelte Browser-Menüs ist langsam, unübersichtlich und lässt sich schwer versionieren.

Ein Texteditor schlägt jedes Drag-and-Drop-Interface in der Geschwindigkeit, wenn man strukturiert arbeiten möchte.

Anstelle eines visuellen Form-Builders verwendet meta.lisp survey eine eigene Domain Specific Language (DSL). Fragebögen werden direkt als klar strukturierte Textdateien definiert.

3.1. Vorteile der Formular-DSL

  1. Effizienz: Das Schreiben im gewohnten Editor ist um Längen schneller als das Durchklicken durch Web-Formulare.
  2. Git-Integration: Fragebögen und deren Entwicklung lassen sich nahtlos im Repository versionieren.
  3. Kein Ballast: Keine schwerfälligen JavaScript-Editor-Frameworks im Browser.

3.2. Beispiel der DSL-Syntax

(multi-form
  (:ask "On a scale from 0-10, how likely are you to recommend X to a friend or colleague?"
   :group "q1"
   :style "list-style:none; display:flex; gap:1em;"
   :choices (:single "0" "1" "2" "3" "4" "5" "6" "7" "8" "9" "10")))

4. Das Ergebnis: Vollautomatische Diagnostic Engine

Nachdem Befragte das schlanke, barrierefreie Formular ausfüllen, übernimmt die Engine den kompletten analytischen Teil ohne manuelles Dazutun.

  • Fehlerfreie Mathematik: SUS-Scores und VisAWI-Indizes werden sofort exakt berechnet.
  • Revisionssicher & Klar: Keine unübersichtlichen Datengräber, sondern direkt interpretierbare Berichte für UX-Teams und Entwickler.

Weiterführende Inhalte

Das passende Beratungsangebot und die verwendeten Werkzeuge im Überblick.

Conversion-Rettung

Szenario

Das Beratungsangebot, zu dem diese Case Study gehört: Datenbasierte Optimierung geschäftskritischer User Flows.

Bewährte Benchmarks (SUS & VisAWI)

Werkzeug

Standardisierte Fragebögen zur objektiven Messung von Usability und visuellem Vertrauen.

Klickpfad- & Analytics-Analyse

Werkzeug

Sichtung vorhandener Analytics-Daten zur Lokalisierung konkreter Abbruchstellen und Engpässe.

User Flows & User Stories

Werkzeug

Modellierung von User Flows als Sequenzdiagramme – präzise, versionssicher und entwicklergerecht.