UX'te işinizi mahvedebilecek 5 Bilişsel Önyargı Örneği

7 yıldan fazla deneyime sahip bir tasarımcı olarak, kullanıcılar için dijital ürünler oluşturan çoğu şirkette UX araştırmasının nihayet tasarım sürecinin ayrılmaz bir parçası haline gelmesinden memnunum. UX Araştırma Raporu 2022'nin durumunun açıkça gösterdiği gibi, 2020'de araştırmacıların %20'sinden fazlası, paydaşları UX süreçleri sırasında herhangi bir kullanıcı çalışması yürütmeye ikna etmekte zorlandıklarını iddia ederken, 2022'de bu oran yalnızca %3'tü.

Bence kullanıcı çalışmaları için dilenme dönemi sona erdi; ancak önümüzdeki yıllarda, bunların nasıl yürütüleceğine dair uygun eğitim eksikliği nedeniyle yanlış yorumlanmış verilerle yanlış yürütülen birçok araştırma oturumuyla uğraşmak zorunda kalacağız.

Bu sorunla mücadele etmek için, etkili kullanıcı araştırması yaparak size rehberlik edebilecek deneyimli profesyonellerle çalışmak çok önemlidir. Mevcut UX tasarım ve araştırma uygulamalarınızdaki iyileştirme alanlarını belirlemenize yardımcı olabilecek bir UX denetim hizmeti . Uzmanlardan oluşan ekibimiz, kullanıcı deneyiminizi optimize etmenize ve yanlış yürütülen araştırma oturumlarının tuzaklarından kaçınmanıza yardımcı olacak özel öneriler ve çözümler sağlayabilir.

Geçenlerde, Mobil Trendler Konferansı 2023'te bir konuşma yapma zevkini yaşadım, burada bilişsel önyargıların bir ürün yaratmanın UX sürecini nasıl etkilediğini ve nasıl zaman ve para kaybına neden olabileceğini vurguladım. Sunumumdan önemli çıkarımlar için okumaya devam edin.

Bilişsel önyargı nedir ve düşüncemizi nasıl etkiler?

Beynin doğuştan gelen hızlı karar verme yeteneği, belirli bir durumda karar vermede en önemli faktörlerden biri olarak görülebilir. Kısayollar, beyin süreçlerini hızlandırma amacına hizmet eder. Bu, deneyimlerimizi daha hızlı anlamamıza ve birçok günlük karar vermemize yardımcı olur. Bilişsel önyargılar temel olarak sistematik hatalı düşünmenin sonucudur.

Daniel Kahneman ve Amos Tversky gibi ünlü psikologlar, bilişsel önyargı terimlerini ilk önerenler arasındaydı. Bulguları ortak bir sorunu ortaya çıkardı: insanlar rasyonel olarak doğru olmayan yargılarda bulundular ve seçimler yaptılar. Aslında, sosyal psikoloji ve davranışsal ekonomiden artan sayıda bilişsel önyargı ortaya çıkmıştır. Tipik olarak, bilişsel önyargı örnekleri cehaletten veya bilgi eksikliğinden gelir. Veya altta yatan neden, belirli bir durumla ilgili küçük ama önemli bir olgusal unsurun ağırlığı olabilirdi.

UX'teki bilişsel önyargılar nelerdir?

İnsanların bilişsel yüklerini hafifletmek ve bol miktarda bilgiyi hızlı bir şekilde işlemek için oluşturdukları davranış veya düşünce kalıplarıdır. İnsanlar bilişsel önyargıları zihinsel kısayollar olarak kullanırlar ve bu da kararlarını nispeten daha kolay idare etmelerini sağlar. Bununla birlikte, bu önyargılar genellikle kusurlu karar verme ve yanlış yargılara yol açabilir.

UX tasarımındaki bu önyargıları anlamak ve kabul etmek, kullanıcı ihtiyaçlarını ve tercihlerini karşılayan etkili kullanıcı deneyimleri oluşturmak için çok önemlidir. UX tasarımındaki bazı yaygın bilişsel önyargılar, doğrulama önyargısını, önceden var olan inançları doğrulayan bilgileri arama eğilimini ve karşılaşılan ilk bilgi parçasına çok fazla güvenme eğiliminde olan çapalama önyargısını içerir.

UX tasarımcıları, bu önyargıları tanıyarak ve ele alarak, net düşünmeyi ve nesnel karar vermeyi destekleyen ve sonuçta daha olumlu bir kullanıcı deneyimine yol açan arayüzler oluşturabilir. Aşağıda, kullanıcı deneyimindeki bilişsel önyargı örnekleri ve bunlardan kaçınmaya yönelik ipuçları yer almaktadır.

En yaygın bilişsel önyargılar nelerdir?

Bilişsel önyargılar değişebilir ve eğitimimize ve sosyal veya kültürel bağlamımıza bağlı olabilir. Başlangıçta psikolojiye dayanan bilişsel önyargılar, UX araştırma sürecinde sıklıkla gözlemlenir. İşte en yaygın bazı örnekler:

1. Onay Önyargısı

Bilgileri inançlarımızı destekleyecek şekilde yorumlama eğilimindeyiz. Bu, bir kullanıcı çalışması senaryosu oluştururken, araştırmacıların sorularını kullanıcıların yanıtlarını etkileyen hipotezlerini desteklemek için oluşturabilecekleri anlamına gelir. Doğrulama önyargısı, hatalı ve eksik verilere yol açabilir ve bu da araştırma bulgularının geçerliliğini etkileyebilir. Bu önyargıdan kaçınmak için, araştırma sürecinde tarafsız ve açık fikirli kalmak ve ilk varsayımlara meydan okuyabilecek alternatif hipotezleri değerlendirmek önemlidir.

Örnek:

Çoğu kullanıcının satın alma sürecini başarıyla tamamlamadan sepetlerine sık sık ürün eklediği bir e-ticaret hizmeti olduğunu varsayalım. "Ödeme" düğmesinin yeterince görünmeyebileceği varsayımı vardır. Bu nedenle, kullanılabilirlik çalışması senaryosunda bir tasarımcı şu soruyu sormuştur:

Yukarıda sunulan cümlede zaten en az 2 hata fark ettiğinizi varsayıyorum. Doğrulama önyargısıyla lekelenmemiş daha iyi bir alternatife bir göz atalım:

Neden? Soru, satın alma sürecinde kullanıcıyı hemen belirli bir kalıba sokan bir sorun olduğunu öne sürdüğü için; ikincisi, bu, süreçte gerçekte ne olduğunu doğrulamayan kapalı uçlu bir sorudur ve son olarak, soru, varsayımımızın aksine, bir sorunun ipucu olmayabilecek belirli bileşene odaklanır.

Kullanılabilirlik testi senaryosunda bu önyargıyı uygulama riskini nasıl azaltabilirsiniz?

Dolayısıyla, kullanılabilirlik testi senaryosunda bu önyargıyı uygulama riskini azaltmak için şunları yapmalısınız:

1. Kullanıcının uygulama içi deneyimi düşünme ve algılama biçimini çerçeveleyen müstehcen sorular sormaktan kaçının.

2. Kullanıcının evet veya hayır olarak cevaplayabileceği kapalı uçlu sorular sormaktan kaçının. Amaç, sorunun neden oluştuğunu bulmaktır.

3. Hipotezinize dayalı sorular oluşturmayın; Aradığınız sorun, tanımladığınız sorun olmayabilir.

2. Yanlış Uzlaşma Önyargısı

Kendi davranışsal seçimlerimizi ve yargılarımızı görece yaygın görme eğilimi, herkesin bizim gibi düşündüğünü düşünmemize neden olur. Yanlış fikir birliği önyargısı, popülasyonu temsil etmeyen kullanıcılar hakkında varsayımlara yol açabilir. Bu önyargıdan kaçınmak için, UX araştırmacıları, kullanıcıların davranışlarını ve tercihlerini daha kapsamlı bir şekilde anlamak için farklı bir katılımcı örneği elde etmeye çalışmalıdır. Ek olarak, araştırmacılar kendi önyargılarının ve varsayımlarının farkında olmalı ve araştırma süreci boyunca bunlara meydan okumak için aktif olarak çalışmalıdır.

Örnek:

Birkaç yıl önce, müstakbel anneler için çok popüler bir uygulama olan ve halen de öyle olan bir hamilelik takip uygulaması üzerinde çalışıyordum. Bu başarı nedeniyle ekibimiz, çocuklarını bekleyen bir çiftin hamileliği birlikte takip edebilmesi için babalara yönelik bir uygulama oluşturmaya karar verdi.

Kullanıcı çalışmaları ve araştırmaları için fazla paramız olmadığı için şirketimizde insanlar arasında gerilla testi yapmaya karar verdik. Onlara babalar için nasıl bir hamilelik uygulaması hayal edeceklerini sorduk ve çok değerli geri bildirimler topladık.

Potansiyel hedef grubumuz hakkında bazı varsayımlarda bulunduk:

Uygulamanın yayınlanmasından kısa bir süre sonra, ne yazık ki, ürün geliştirme sırasında üzerinde anlaştığımız şeyin gerçekte hiçbir onayı olmadığını fark ettik. Bunu öğrendik:

Yanlış konsensüs yanlılığını önlemek için ne yapmalısınız?

1. “Bütün dünya”ya değil, gerçek hedef kitlenize odaklanın. İnanın bana, uygulamanız geniş bir kitle için tasarlanmış olsa da, yine de belirli ihtiyaçlara ve motivasyonlara sahip belirli gruplara ayrılmıştır.
2. Her zaman kendi kararlarını sorgula! Hepimiz kendi bilgi balonlarımızın içinde yaşıyoruz ve araştırmacının dışarıdan bilgi toplaması gerekiyor.
3. Kullanıcıların ne yaptığına bakın, söyleyeceklerini dinlemeyin. İnsanlar yalan söyler. Araştırmacının varlığından korkmuş olabilirler; başkaları üzerinde bir izlenim bırakmak ve yapmadıkları bir şeyi yapacaklarını beyan etmek isterler. Bu nedenle, fikirlerini dinlemektense alışkanlıklarını sormak ve davranışlarını gözlemlemek daha akıllıca olacaktır.

3. Çerçeveleme Önyargılı düşünce

İnsanlar, olumlu veya olumsuz çağrışımlarla sunulup sunulmadığına bağlı olarak seçeneklere karar verirler. Onlara müstehcen sorular sorarken, çalışma sırasında bir kullanıcıyı suçlamak kolaydır.

Amatör aşçıların lezzetli ve sağlıklı yemek tarifleri aramasına yardımcı olan bir hizmet düşünün. Tasarım ekibi, arama özelliklerinin dikkat dağıtmadan çalışıp çalışmadığını belirlemek istiyor. Tüm kullanılabilirlik oturumlarından sonra, iki farklı şekilde başlatılan bir sonuç var:

Hepimiz bunun aynı veri olduğu konusunda hemfikiriz, ancak nasıl sunulduğu iş kararlarını farklı şekilde etkiliyor. Peki bu tür verileri nasıl sunmalıyız? Bence bu sorunun iyi bir cevabı yok. Bence objektif araştırmacılar olarak hem verileri sunmalıyız hem de ekiple tartışmalıyız. Ekip, bu özelliğin önemini, uygulama maliyetini ve bağlamı doğrulamalıdır - bu bulguları analitik gibi miktar verileriyle doğrulamaya ihtiyaç duyulabilir.

Çerçeveleme önyargısıyla nasıl başa çıkılır?

1. Nitel araştırmalarda birden fazla veri kaynağı kullanma yöntemi olan üçgenleme, konunun bağlamı, ölçeği ve önemi hakkında kapsamlı ve geniş bir anlayış geliştirmeye yardımcı olur.
2. Önem ve önceliğe bağlı olarak bulgularınızı iki şekilde de sunun. Bunu ekibinizle veya diğer araştırmacılarla tartışın.
3. Verilerin nasıl sunulduğuna dikkat edin; paydaşları ve ürünlerini nasıl algıladıklarını büyük ölçüde etkileyebilir.

Aşağıda kısaca açıklamaya karar verdiğim iki yaygın önyargı da vardır.

4. Olumsuzluk Önyargısı

Nötr veya olumlu şeyler yerine daha olumsuz nitelikteki deneyimleri vurgulama eğilimi. Bu, bir kullanıcı ürünü sorunsuz bir şekilde inceledikten sonra, bunu standart bir deneyim olarak kabul edecekleri anlamına gelir. `Araştırmacının çalışmanın olumsuz sonucuna odaklanmasına neden olabilecek olumlu veya hızlı eylemler yerine bazı mücadelelere odaklanmayı tercih ederler. Ayrıca, olumsuzluk yanlılığı, olumsuz yönlere olumlu yönlerden daha fazla ağırlık verilen dengesiz bir kullanıcı deneyimi görüşüne neden olabilir. Hem olumlu hem de olumsuz kullanıcı deneyimlerinin kapsamlı bir şekilde anlaşılması ve daha kapsamlı ve olumlu bir kullanıcı deneyimi oluşturmak için araştırma sürecinde belirlenen tüm sorunlu noktaları veya zorlukları ele alma amacı, bilişsel önyargıların üstesinden gelmek için çok önemlidir.

5. Kullanılabilirlik Önyargısı

Belirli bir konuyu, kavramı, yöntemi veya kararı değerlendirirken belirli bir kişinin aklına gelen anlık örneklere güvenme eğilimi. Bu, karar verildikten sonra, genellikle ayrıntılı olarak araştırılmamış verilere dayandığı anlamına gelir.

Kullanılabilirlik yanlılığı, gerektiğinde konunun dar ve eksik anlaşılmasına yol açabilir ve ilgili bilgiler gözden kaçabilir veya hariç tutulabilir. Bu önyargıdan kaçınmak için, çeşitli kaynaklardan geniş bir yelpazede veri ve bilgi toplamak ve karar verme sırasında açık fikirli ve objektif kalmak önemlidir.

Ürün ve UX ekipleri bilişsel önyargıları neden önemsemeli?

Ürün yaratıcıları olarak, kullanıcıların gerçek ihtiyaçlarını belirlemek, davranışlarını anlamak ve ürün hedefleri ve gereksinimleri oluşturmak için tarafsız veriler getirmek için objektif bir zihniyete sahip olmalıyız. Kanıt olmadan yanlış veriler veya varsayımlar üzerine ürünler oluşturmak, işletmeye ciddi zararlar verebilir.

Bir ürün yaratırken zihinsel kısayolların riskleri nelerdir?

Önyargılı araştırmalara dayalı olarak ürün gereksinimleri oluşturmak bizi şu sonuçlara götürebilir:

1. Gerçek kullanıcı ve iş ihtiyaçlarını temsil etmeyen yanlış sonuçlar
2. Yanlış soruna odaklanmak veya işe yaramaz bir özellik geliştirmek
3. Gerçek pazar veya kullanılabilirlik değerini yansıtmayan konulara öncelik verilmesi
4. Kullanıcılara ve işletmelere herhangi bir fayda sağlamayan özelliklerin uygulanması, sonuçta zaman ve para kaybına neden olacaktır.

UX araştırmasında ve kullanılabilirlik testinde bilişsel önyargının üstesinden nasıl gelinir?

Her şeyden önce , gözlemlerini değiş tokuş edebilmeleri ve tarafsız araştırma sonuçları sunma olasılığını artırabilmeleri için UX Araştırma sürecine birden fazla kişiyi dahil edin. Ancak, tarafsızlık şansınızı artırmak için çeviri oturumunu aşağı yukarı 5 araştırmacı ile yapmanızı öneririm.

İkinci olarak , gözlemlere dayalı olarak kullanıcıların söylediklerinden çok yaptıklarına değer verin ve fikirlerine değil alışkanlıklarına bakın.

Üçüncü olarak , nicelik verilerini tamamlamak için bazı istatistikler kullanın, böylece belirli sonuçlara varmak için bir parça kanıtınız olduğundan emin olabilirsiniz.

Sonunda – araştırmanın amacına odaklanın ve kendi hedefiniz yerine bu hedefi kanıtlayacak ölçütler tanımlayın – bu, çalışmanın amacına odaklanmanızı sağlayacaktır.