5 exemples de biais cognitifs dans UX qui peuvent ruiner votre entreprise

En tant que designer avec plus de 7 ans d'expérience, je suis heureux que la recherche UX fasse enfin partie intégrante du processus de conception dans la plupart des entreprises créant des produits numériques pour les utilisateurs. Comme le montre clairement l'état du rapport de recherche UX 2022, plus de 20 % des chercheurs en 2020 ont affirmé avoir eu du mal à convaincre les parties prenantes de mener des études sur les utilisateurs au cours de leur processus UX, alors qu'en 2022, ce n'était que 3 %.

À mon avis, l'ère de la mendicité pour les études d'utilisateurs est révolue ; cependant, dans les années à venir, nous devrons faire face à de nombreuses sessions de recherche mal menées avec des données mal interprétées en raison d'un manque d'éducation appropriée sur la façon de les gérer.

Pour lutter contre ce problème, il est essentiel de travailler avec des professionnels expérimentés qui peuvent vous guider dans la conduite d'une recherche utilisateur efficace. Un service d'audit UX qui peut vous aider à identifier les domaines à améliorer dans vos pratiques actuelles de conception et de recherche UX. Notre équipe d'experts peut fournir des recommandations et des solutions sur mesure pour vous aider à optimiser votre expérience utilisateur et éviter les pièges de sessions de recherche mal menées.

Récemment, j'ai eu le plaisir de prononcer un discours lors de la Mobile Trends Conference 2023, où j'ai souligné comment les biais cognitifs impactent le processus UX de création d'un produit et comment ils peuvent entraîner une perte de temps et d'argent. Lisez la suite pour les principaux points à retenir de ma présentation.

Qu'est-ce que le biais cognitif et quel impact a-t-il sur notre façon de penser ?

La capacité innée du cerveau à prendre des décisions rapidement peut être considérée comme l'un des principaux facteurs de prise de décisions dans une situation particulière. Les raccourcis ont pour but d'accélérer les processus cérébraux. Cela nous aide à comprendre notre expérience plus rapidement et à prendre de nombreuses décisions quotidiennes. Les biais cognitifs sont principalement le résultat d'une pensée erronée systématique.

Des psychologues célèbres tels que Daniel Kahneman et Amos Tversky ont été parmi les premiers à proposer des termes de biais cognitifs. Leurs découvertes ont mis en évidence un problème commun : les gens ont fait des jugements et des choix qui n'étaient pas rationnellement corrects. En fait, un nombre croissant de biais cognitifs ont émergé de la psychologie sociale et de l'économie comportementale. Typiquement, les exemples de biais cognitifs proviennent de l'ignorance ou du manque d'information. Ou bien, la cause sous-jacente pourrait avoir été la pondération d'un élément factuel mineur mais significatif concernant la situation particulière.

Que sont les biais cognitifs en UX ?

Ce sont les modèles de comportement ou de pensée que les gens créent pour alléger leur charge cognitive et traiter rapidement une abondance d'informations. Les gens utilisent les biais cognitifs comme des raccourcis mentaux, ce qui rend leurs décisions relativement plus faciles à gérer. Cependant, ces biais peuvent souvent conduire à une prise de décision erronée et à des jugements inexacts.

Comprendre et reconnaître ces biais dans la conception UX est crucial pour créer des expériences utilisateur efficaces qui répondent aux besoins et aux préférences des utilisateurs. Certains biais cognitifs courants dans la conception UX incluent le biais de confirmation, la tendance à rechercher des informations qui confirment des croyances préexistantes et le biais d'ancrage, qui a tendance à trop s'appuyer sur la première information rencontrée.

En reconnaissant et en corrigeant ces préjugés, les concepteurs UX peuvent créer des interfaces qui favorisent une réflexion claire et une prise de décision objective, conduisant finalement à une expérience utilisateur plus positive. Vous trouverez ci-dessous des exemples de biais cognitifs dans UX avec des conseils pour les éviter.

Quels sont les biais cognitifs les plus courants ?

Les biais cognitifs peuvent varier et dépendent de notre éducation et du contexte social ou culturel. Basés à l'origine sur la psychologie, les biais cognitifs sont fréquemment observés lors du processus de recherche UX. Voici quelques exemples les plus courants :

1. Biais de confirmation

Nous avons tendance à interpréter les informations d'une manière qui soutient nos croyances. Cela signifie que lors de la création d'un scénario d'étude d'utilisateurs, les chercheurs peuvent construire leurs questions pour étayer leur hypothèse, ce qui a un impact sur la façon dont les utilisateurs réagissent. Le biais de confirmation peut conduire à des données inexactes et incomplètes, ce qui peut, à son tour, affecter la validité des résultats de la recherche. Pour éviter ce biais, il est important de rester impartial et ouvert d'esprit pendant le processus de recherche et d'envisager des hypothèses alternatives qui peuvent remettre en question les hypothèses initiales.

Exemple:

Supposons qu'il existe un service de commerce électronique où la plupart des utilisateurs ajoutent fréquemment des articles à leur panier sans terminer avec succès le processus d'achat. Il y a une hypothèse que le bouton « paiement » pourrait ne pas être assez visible. Par conséquent, dans le scénario d'étude d'utilisabilité, un concepteur a posé la question suivante :

Je suppose que vous avez déjà remarqué au moins 2 erreurs dans la phrase présentée ci-dessus. Jetons un coup d'œil à une meilleure alternative qui n'est pas entachée de biais de confirmation :

Pourquoi? Parce que la question suggérait qu'il y avait un problème avec le processus d'achat, ce qui a immédiatement encadré l'utilisateur dans un schéma spécifique ; deuxièmement, il s'agit d'une question fermée qui ne vérifierait pas ce qui se passe réellement dans le processus, et enfin, la question se concentre sur le composant spécifique qui, contrairement à notre hypothèse, pourrait ne pas être l'indice d'un problème.

Comment pouvez-vous atténuer le risque d'implémenter ce biais dans le scénario de test d'utilisabilité ?

Ainsi, pour réduire le risque d'implémenter ce biais dans le scénario de test d'utilisabilité, vous devez :

1. Évitez de poser des questions suggestives, qui encadrent la façon de penser et de percevoir l'expérience dans l'application.

2. Évitez de poser des questions fermées auxquelles l'utilisateur peut répondre par oui ou par non. Le but est de savoir pourquoi le problème survient.

3. Ne construisez pas de questions basées sur votre hypothèse ; le problème que vous recherchez n'est peut-être pas celui que vous avez identifié.

2. Biais de faux consensus

La tendance à considérer nos propres choix et jugements de comportement comme relativement communs nous fait penser que tout le monde pense de la même manière que nous. Un faux biais de consensus peut conduire à des hypothèses sur les utilisateurs qui ne sont pas représentatives de la population. Pour éviter ce biais, les chercheurs UX devraient s'efforcer d'obtenir un échantillon diversifié de participants afin d'acquérir une compréhension plus complète des comportements et des préférences des utilisateurs. De plus, les chercheurs doivent rester conscients de leurs propres préjugés et hypothèses et travailler activement à les remettre en question tout au long du processus de recherche.

Exemple:

Il y a quelques années, j'ai travaillé sur une application de suivi de grossesse, qui était et est toujours une application très populaire pour les futures mamans. Devant ce succès, notre équipe a décidé de créer une application pour les papas afin qu'un couple qui attend son enfant puisse suivre ensemble la grossesse.

Nous n'avions pas beaucoup d'argent pour les études d'utilisateurs et la recherche, nous avons donc décidé d'effectuer des tests de guérilla parmi les membres de notre entreprise. Nous leur avons demandé comment ils imagineraient une application de grossesse pour les papas et avons recueilli des retours très précieux.

Nous avons fait quelques hypothèses sur notre groupe cible potentiel :

Peu de temps après la sortie de l'application, nous avons malheureusement réalisé que ce que nous avions convenu lors du développement du produit n'avait aucune confirmation dans la réalité. Voici ce que nous avons découvert :

Que devez-vous faire pour éviter les biais de faux consensus ?

1. Concentrez-vous sur votre véritable groupe cible, pas sur le « monde entier ». Croyez-moi, même si votre application est conçue pour un vaste public, elle est toujours divisée en groupes particuliers ayant des besoins et des motivations particuliers.
2. Remettez en question vos propres décisions, toujours ! Nous vivons tous dans nos propres bulles d'information, et le chercheur doit recueillir des informations de l'extérieur.
3. Regardez ce que font les utilisateurs, n'écoutez pas ce qu'ils ont à dire. Les gens mentent. Ils pourraient être intimidés par la présence du chercheur ; ils veulent impressionner les autres et déclarent faire quelque chose qu'ils ne font pas. Par conséquent, il est plus intelligent de s'enquérir de leurs habitudes et d'observer leurs actions plutôt que d'écouter leurs opinions.

3. Encadrer la pensée biaisée

Les gens décident des options selon qu'elles sont présentées avec des connotations positives ou négatives. En leur posant des questions suggestives, il est facile de cadrer un utilisateur pendant l'étude.

Pensez à un service qui aide les cuisiniers amateurs à rechercher des recettes de repas délicieuses et saines. L'équipe de conception souhaite déterminer si les fonctionnalités de recherche fonctionnent sans distractions. Après toutes les sessions d'utilisabilité, il y a une conclusion, qui a commencé de deux manières différentes :

Nous convenons tous qu'il s'agit des mêmes données, mais la manière dont elles sont présentées a un impact différent sur les décisions commerciales. Alors comment présenter de telles données ? Je pense qu'il n'y a pas de bonne réponse à cette question. À mon avis, étant des chercheurs objectifs, nous devrions présenter les deux données et en discuter avec l'équipe. L'équipe doit vérifier l'importance de cette fonctionnalité, le coût de mise en œuvre et le contexte - il peut être nécessaire de vérifier ces résultats avec des données quantitatives, telles que des analyses.

Comment gérer le biais de cadrage ?

1. La triangulation, qui est la méthode d'utilisation de plusieurs sources de données dans la recherche qualitative, aide à développer une compréhension globale et large du contexte de la question, de son ampleur et de son importance.
2. Présentez vos résultats dans les deux sens, selon l'importance et la priorité. Discutez-en avec votre équipe ou d'autres chercheurs.
3. Gardez un œil sur la façon dont les données sont présentées ; cela pourrait avoir un impact considérable sur les parties prenantes et sur la façon dont elles perçoivent leur produit.

Il existe également deux biais fréquents que j'ai décidé de décrire brièvement ci-dessous.

4. Biais de négativité

Une tendance à mettre l'accent sur les expériences de nature plus négative par rapport aux choses neutres ou positives. Cela signifie qu'une fois qu'un utilisateur parcourt le produit en douceur, il le considérera comme une expérience standard. «Ils préfèrent se concentrer sur certaines luttes plutôt que sur des actions positives ou rapides, ce qui pourrait amener le chercheur à se concentrer sur le résultat négatif de l'étude. De plus, le biais de négativité peut entraîner une vision déséquilibrée de l'expérience utilisateur, où les aspects négatifs ont plus de poids que les aspects positifs. Une compréhension globale des expériences des utilisateurs, à la fois positives et négatives, et un objectif de résoudre les points faibles ou les défis identifiés au cours du processus de recherche pour créer une expérience utilisateur plus complète et positive sont essentiels pour surmonter les biais cognitifs.

5. Biais de disponibilité

La tendance à s'appuyer sur des exemples immédiats qui viennent à l'esprit d'une personne donnée lors de l'évaluation d'un sujet, d'un concept, d'une méthode ou d'une décision spécifique. Cela signifie qu'une fois la décision prise, elle est généralement basée sur des données qui n'ont pas été étudiées en détail.

Le biais de disponibilité peut conduire à une compréhension étroite et incomplète du sujet, car des informations nécessaires et pertinentes peuvent être négligées ou exclues. Pour éviter ce biais, il est essentiel de rassembler un large éventail de données et d'informations provenant de diverses sources et de rester ouvert d'esprit et objectif lors de la prise de décision.

Pourquoi les équipes produit et UX devraient-elles se soucier des biais cognitifs ?

En tant que créateurs de produits, nous devons avoir un état d'esprit objectif pour identifier les véritables besoins des utilisateurs, comprendre leur comportement et apporter des données impartiales pour définir les objectifs et les exigences du produit. Construire des produits sur de fausses données ou des hypothèses sans preuves peut causer de graves dommages à l'entreprise.

Quels sont les risques de raccourcis mentaux dans la création d'un produit ?

L'établissement d'exigences de produits basées sur des recherches biaisées pourrait nous conduire à :

1. Conclusions incorrectes qui ne représentent pas les véritables besoins de l'utilisateur et de l'entreprise
2. Se concentrer sur le mauvais problème ou développer une fonctionnalité inutile
3. Donner la priorité aux problèmes qui ne reflètent pas la valeur réelle du marché ou de la convivialité
4. La mise en œuvre de fonctionnalités qui n'apportent aucun avantage aux utilisateurs et aux entreprises finira par entraîner une perte de temps et d'argent

Comment surmonter les biais cognitifs dans la recherche UX et les tests d'utilisabilité

Tout d'abord , engagez plus d'une personne dans le processus de recherche UX afin qu'elles puissent échanger leurs observations et augmenter la possibilité de fournir des conclusions de recherche impartiales. Cependant, je recommande d'organiser la session d'interprétation avec plus ou moins 5 chercheurs pour augmenter vos chances d'objectivité.

Deuxièmement , valorisez ce que les utilisateurs font plutôt que ce qu'ils disent, en vous basant sur des observations et en vous interrogeant sur leurs habitudes, et non sur des opinions.

Troisièmement , utilisez des statistiques pour compléter les données quantitatives afin d'être sûr d'avoir un élément de preuve pour certaines conclusions.

En fin de compte - concentrez-vous sur l'objectif de la recherche et définissez des mesures qui prouveront cet objectif plutôt que le vôtre - cela vous permettra de rester concentré sur l'objectif de l'étude.