克服用户研究中的诸多认知偏差，避免不靠谱的结论

什么是认知偏差？为什么它很重要？

What is cognitive bias and why does it matter?

你可以把认知偏差看作是一组帮助人们理解世界的思维捷径。

它们帮助人们从思考每一个互动或事件的意义的牛角尖中解脱出来，人们得以继续他们的生活。

这对用户体验研究很重要，因为在某些情况下——至少是其中的一些——我们确实想思考每一个互动或事件的意义，而思维捷径会很容易让我们误入歧途。

Following are several cognitive biases that stand out to me as being risky for UX researchers — afterwards, I’ll outline some steps you can take to contain their risks.

以下是几个认知偏差。在我看来，它们是对用户体验研究员有风险的——过后，我将概述一些你们可以用以控制这些风险的步骤。

01 近因效应、可得性偏差和相关偏差

Recency, Availability, and Related Biases

这几种偏差描述了人们对突出事项赋予不成比例的重要程度的方式，即使这些事务并不具有代表性。

近因效应（recency effcet）表明，我们倾向于记住最近的经历并给予其更大的重视。

可得性偏差（availability heuristic）表明，我们依赖最容易想到的信息来做出决策。

峰终定律（peak end rule）表明，我们倾向于根据我们对一段经历感受最强烈的时间点来判断它，而不是感受的平均值。

如果我对十个成功完成任务的用户进行用户测试，最后两个用户完成的很努力，那么近因效应（recency effcet）影响下，我可能会高估最后两个用户的重要性，仅仅因为她们排在最后。

如果我采访了一个特别热情的用户——也可能是特别生气或沮丧的用户，峰终定律 （peak end rule）和可得性偏差（availability heuristic）的影响下，我可能会对他们做出比预定的更多的评论，只是因为他们更令人印象深刻。

02 证实偏差

Confirmation Bias

我们倾向于更重视那些可以证实我们的假设和观点的证据，而轻视那些不支持这些观点的数据，而这会以各种方式影响用户研究。

例如，如果用户界面的小部件（widget）对我来说是完全自然且明显的，我可能倾向于低估人们对用户界面小部件感到困惑的重要性。

03 框架效应

Framing effect

根据框架效应（Framing effect），相同信息的措辞不同我们就会有不同反应。

在某种程度上，如何管理这种偏见是显而易见的：

不要问诱导性问题。

问题是，很难识别语言什么时候存在误导。

一个明显的误导性问题是：

“这个选择不会更好吗？”

而实际应该是：

“你更喜欢哪种选择？”

在一项经典研究中，研究人员向人们展示了两个度假目的地，并表示他们必须二选其一。

选项A的描述平淡无奇：

天气一般，夜生活一般，海滩一般。

选项B则对优缺点都有更强调的描述：

充沛的阳光、绚丽的沙滩和冰冷的海水、强劲的风、毫无夜生活。

研究人员询问一组参与者他们会“取消”哪个假期，而另一组则询问会“偏好”哪个假期。

“取消选项组”在两个选择上基本持平，“偏好选项组”中有67%会选择选项B。

类型没有改变，仅仅替换了修饰词就极大地影响了人们对于目的地的选择。

04 选择偏差

Selection Bias

当面对的一组非随机选择的研究参与者，无论有意或无意，选择偏差都有可能发生。

这一偏差的影响是：某些类型的人或许比其他人更容易被选择。

这导致结果扭曲。

05 锚定偏差

Anchoring Bias

这是一种在做决定时过于依赖第一条信息的倾向，该偏差总是在商业谈判中使用。

例如，如果我想向你推销我的车，我可能会说：

“这是一款相当不错的车型，像这种车况很好的车通常售价在20000美元！”

你可能想给的少一些，但是20000美元这个数字已经在你的脑海里了，并与好的车况这一概念划了等号。

这一谈判目前在某种程度上锚定了这一想法，而这给了我一个真实的优势。

锚定偏差（Anchoring Bias)也会在用户测试中发挥作用。

例如，如果你试图查看一个工作流程是否比另一个更好。

即使第一个版本更加复杂，但是用户可能倾向于更喜欢它，仅仅因为他们先看到并理解了它。

06 聚类错觉

Clustering Illusion

这种偏差指的是，即使没有任何模式（patterns），人们也倾向于总结模式出来。

在处理小样本量时，这可能会是一个特别严重的问题，因为两三个随机的事件可能会被我们认为发现了一个有意义的趋势。

07 移情差异

Empathy gap

人们往往低估了情绪（emotions）对感知（perceptions）、态度（attitudes）和行为（behaviors）的影响程度。

例如，如果你因为最近与一位同事的冲突而生气，在移情差异（Empathy gap）的作用下，你可能会难以与平静和镇定的人相处。

同样的，如果你感到悲伤，即使是一些和工作无关的原因，你可能也会难以接受一个活泼快乐的研究参与者的体验。

08 观察者期望效应

Observer Expectancy Effect

根据观察者期望效应（Observer Expectancy Effect），研究员的偏见会潜意识地影响研究参与者。

例如，你对用户如何与产品进行交互的观点可以巧妙地影响你如何提问以及受访者如何反应。

而困难的是，你可能没有意识到你从一开始就带着偏见。

即使你意识到了，你可能也不知道你是否在传达它。

如何克服用户研究中的认知偏差？

Overcoming Cognitive Bias in User Research

对于任何认知偏差，都存着特定的步骤可以用来防范它的影响。

话虽如此，我认为最好不要沉溺于单独应对每一个偏见。因为偏见太多了，往往会让人有些不知所措。

我们可以遵循以下用户研究最佳实践清单。

这个清单既是高价值的研究指南，也是应对认知偏差的实用且有效的防御工具。

1）开始前制定一个研究计划。

确定你想回答的问题，并决定如何相应地进行研究。

2）当确定你需要聚焦的哪些类别的用户时，结合你的研究目标，仔细考虑如何筛选和招募受访者。

一个主要由大学生组成的小组可能非常适合一款教科书交易APP的调研，但涉及更普遍事物的研究时，很可能出现严重的选择性偏差。

3）预先明确你的假设，这样你就可以了解它们并有意识地找一些对立的东西。

与团队伙伴确定假设并列出，定期回顾以保证将其牢记于心。

4）提前确定结果分析的流程并严格执行。

例如，决定你的团队将使用什么样的证据标准，来确定某件事情是否符合可行动洞察（actionable insight）的标准。

如果你发现特定的回答或行为有2次，你会怎么做？

如果发现有5次呢？

提前思考这类问题往往可以保证你能诚实的理解结果。

5）确保你的样本量足够大。

小样本对某些事情可能有用，但是解释你的成果时还需慎重。

决定多大的规模是合适的并不是想当然的，Nielsen Norman Group在可用性测试方面有一篇很好的文章（https://www.nngroup.com/articles/how-many-test-users/）。

6）检查你的情绪。

你不一定能控制自己的坏情绪，但在面访时要尽量考虑到自己的情绪。

把它写下来，在分析你的发现时，考虑你的情绪是否对其产生了影响。

7）平等地考虑证据，确保不要给符合你的先入之见和假设的数据赋予太多的意义。

要做到这点，一种方法是有意识地“唱反调”。

当你看到支持某种假设的证据时，确保你也在找反驳它的证据。

8）当你准备采访或观察用户时，提前写一个提纲，并注意使用开放式问题时不存在“诱导证人”的情况。

这很难，所以试着跟你的同事寻求问题的反馈，请他们指出可能无意间透露出你的观点的语句。

9）仔细考虑问题的顺序，考虑在每次访谈时替换顺序。

并不是所有问题都需要，主要针对某些可能触发锚定效应（anchoring effect）的问题。

例如，如果你想了解用户在完成一项任务时，是否更偏好某一种，而不是另一种。

10）少说，多听，多观察。

问一个问题，然后“让开路”不要急于用自己的观察或进一步的问题来填补沉默。

11）注意你的肢体语言。

保持扑克脸（不动神色的脸）。保持中立，注意你的言行不会表现出积极或者消极。

显然，这很难，但是事先设定一个脚本真的很有帮助，它会让你专注于保持你的语气和行为没有偏差，而不是思索下一个该问的问题是什么。

最后的话

FINAL WORD

看起来似乎有很多东西要记住。

确实如此。

所以，坚持基本的最佳研究实践。

当你有时间的时候，一次考虑一个认知偏差，而不是一次考虑所有的认知偏差。

为了能发现基于你个人经验或偏见进行阐释的方式，邀请你的同事来观察你的下一次测试会议。

之后与他们交流他们的想法，并讨论你们的阐释是否不同以及哪里不同。

一点点消除这些认识偏差，让你的研究结果尽可能地准确和有见地。

编者按

源自 | medium.com

作者 | Adam Kiryk

原题 | Overcoming Cognitive Bias in User Research

编译 | 张杉

题图 | 源自Pixabay.com

勺海公号原创译文