在產(chǎn)品設(shè)計中,你一定有的3大偏見
編輯導(dǎo)語:用戶在使用產(chǎn)品時,我們經(jīng)常會發(fā)現(xiàn)一些界面提醒或者功能會給我們帶來一些不同的看法或情緒,比如我們看到某個提示,但卻沒有告訴我們正確做法時,我們會有一些抵觸情緒;本文作者分享了關(guān)于產(chǎn)品設(shè)計中的三大偏見,我們一起來了解一下。
在開始之前,講個真實的段子。
我之前公司的一個產(chǎn)品妹子媛媛(化名),顏值能打,但是沒有工作經(jīng)驗,我招進來是打算好好培養(yǎng)成接班人的(雖然后來被我親手開了)。
有一次我們要開一個新產(chǎn)品線,做預(yù)研。我?guī)е鲇脩粞芯亢透偲贩治龅纫幌盗衅脩舳说恼{(diào)研,同時我們運營團隊做偏市場端調(diào)研。由于新產(chǎn)品線的目標(biāo)用戶跟我們已有產(chǎn)品的目標(biāo)用戶高度重合,所以產(chǎn)品這邊的壓力其實是不大的。此為背景。
某個陽光明媚的周一早上。
我問她:“媛媛,前幾天調(diào)差問卷回收情況怎么樣?”
媛媛:“回收率6%左右,其中有15%左右的問卷是都答完了的?!?/p>
我心里一涼。這個回收率這么高? 雖然之前跟她強調(diào)過,針對于 Surveys 做用戶體驗設(shè)計的唯一目的就是提高 Response Rate,但是6%這個數(shù)據(jù)還是出乎我的意料。我之前自己做的歷史數(shù)據(jù)沒有超過3%的。
后來整個調(diào)研結(jié)束后我們做case study,發(fā)現(xiàn)她發(fā)送問卷的手機號庫,是來自于我們產(chǎn)品內(nèi)嵌入的用戶反饋平臺“騰訊兔小巢”。
這里面涉及到三個偏見,她一個都沒有意識到。
一、負(fù)面偏見 Negativity bias
這是本案涉及的第一個偏見,負(fù)面偏見,還有一個名字叫消極偏見;意思是說,人們會對負(fù)面的信息、情緒和體驗印象更深刻。
負(fù)面偏見是寫在我們的基因里的,因為那些能夠威脅我們生命安全的危險信息,我們必須要時刻警惕。
如果用戶能夠正常地使用產(chǎn)品,他們并不會在意這個產(chǎn)品好不好,更不會在“兔小巢”中反饋問題;但是如果產(chǎn)品流程與用戶的預(yù)期(expectation)不符,或者用戶無法簡單地完成任務(wù),那這個負(fù)面的信息會在他們的腦海中持續(xù)很長時間,他們也會因此變得對產(chǎn)品更“挑剔”。
所以“曾經(jīng)在兔小巢中反饋過問題的用戶”對我們的產(chǎn)品是有負(fù)面偏見的。
那我們?nèi)绾螠p少用戶的負(fù)面偏見呢?
遵守設(shè)計準(zhǔn)則(友商已經(jīng)驗證過的流程,蘋果的user interface guidelines,谷歌的design guidance等)。
多與用戶進行語言上的溝通(而非文字上的溝通)和面對面溝通,了解用戶的心智模型(mental model)和預(yù)期(expectations)。需要注意的是,我們無法通過數(shù)據(jù)了解用戶的想法,我們只能通過數(shù)據(jù)了解用戶的行為;想要了解他們是怎么想的,只能混在他們之中。
預(yù)測用戶可能會產(chǎn)生疑慮的點,并且在疑慮產(chǎn)生之前給出解決方案;比如 Apple 官網(wǎng)的這個設(shè)計,是在七彩 iMac 的圖片上方寫的“4月30日接受預(yù)定 | 5月中下旬發(fā)售”;而用戶是看到七彩 iMac 的時候產(chǎn)生的想買的沖動。所以蘋果在你產(chǎn)生“怎么買”這個疑慮之前,就告訴你“現(xiàn)在沒法買,5月才能買”。
如果錯誤無法避免,則錯誤提示要寫的清楚且有用;比如知乎的這個提示違反了“清楚”的原則,“如果你在使用中遇到了問題,可通過「查看幫助」或直接反饋給我們。”可是這個彈窗里哪兒有“查看幫助”???
可用性測試、測試、再測試。
測試是提升可用性的最佳途徑,如果有條件的話盡量找真實用戶的來做可用性測試,而不是產(chǎn)品經(jīng)理自己在那里點點點;原因是,產(chǎn)品經(jīng)理對于整個流程非常熟悉,公司其他人員也對于公司業(yè)務(wù)非常熟悉,所以這些人的心智模型與真實用戶的心智模型是不一樣的,他們對于產(chǎn)品的預(yù)期也跟用戶不一樣。
內(nèi)部人員只能發(fā)現(xiàn)部分問題,作為前期的測試是可以的;但是最后一定要找到真實用戶來參與測試。
二、選擇偏見 Selection Bias
這是媛媛在執(zhí)行問卷調(diào)查中的一個偏見,選擇偏見 ( selection bias )。還有一個名字叫幸存者偏差。
會在兔小巢中主動留言向我們反饋問題的用戶,往往對我們產(chǎn)品有負(fù)面的印象;他們的想法并不能代表我們?nèi)坑脩舻钠毡橄敕?。就好比你找一群綠媒的人讓他們分析臺灣和大陸的軍事實力,他們認(rèn)為臺灣的手槍能打出原子彈,這沒法玩。
只要你有選擇(不選擇的情況,比如所有用戶全都參與進來),則選擇偏見是無法避免的,我們只能最小化其影響:
多個人商量著來,比如在選擇調(diào)查問卷的發(fā)送用戶群體時,湊三個產(chǎn)品經(jīng)理,每個人都說一下自己的意見;雖然人人都有偏見,但是每個人偏見的點可能并不相同(這就是為什么需求評審非常重要的一個原因),所以綜合多個人的意見可以有效地降低選擇偏見,你的偏見可以被別人發(fā)現(xiàn)(雖然你自己很難發(fā)現(xiàn))。
采用正確地隨機方法,從而保證研究對象真的是隨機出來的;比如某汽車加油服務(wù)與100加油站合作,95家在深圳,5家在廣州。那么在做用戶研究的時候,是應(yīng)該隨機選擇95%的深圳用戶+隨機選擇5%的廣州用戶,還是在用戶群里隨機抽取100個用戶呢?
三、調(diào)研回應(yīng)偏見 Survey Response Bias
回應(yīng)偏見是指,參與者大范圍地、主動地選擇不回答、不準(zhǔn)確地回答、甚至是錯誤地回答問題。比如問卷有一道題目是:“你認(rèn)為我們網(wǎng)站的導(dǎo)航是否清晰”,80%的用戶選擇了非常清晰,但是可能他們中一半以上的人連什么是導(dǎo)航都不知道。
但是他們能告訴你,你網(wǎng)站的導(dǎo)航非常清晰。
而你,也天真地認(rèn)為,自己的網(wǎng)站導(dǎo)航設(shè)計得巧奪天工。
調(diào)研回復(fù)偏見主要有三類:
1. 默許偏見 Acquiescence?Bias
默許偏見,簡單地說就是人們在面對問題列表的時候,有選擇同意的傾向。
比如在這個量表中,用戶傾向于選擇 agree (4分) 或者 strongly agree (5分) 選項,從而讓你得到一個正面的用戶調(diào)研結(jié)果。
這也是為什么應(yīng)用市場評分3星的應(yīng)用其實就是差評了。
2. 社會期許誤差 Social Desirability Bias
受訪者為了令人產(chǎn)生正面印象,傾向在調(diào)查中“以不實意愿取代其真實意愿,以符合社會期望”;例如過多申報自己的“良好行為”,或過少申報自己的“壞行為”、或不受歡迎的行為,這種傾向嚴(yán)重影響研究的效度。
你可以看一看你的簡歷,有沒有一些你不愿意寫上去的經(jīng)歷?
這就是社會期許誤差。
比如這個問題:你每天平均使用幾個小時手機?如果這道題是移動端產(chǎn)品經(jīng)理的考試題,或者某手機游戲社群的測試題,則人們可能會傾向于夸大自己使用手機的時長;但如果是初中生入學(xué)測試題,則學(xué)生們可能會傾向于少報自己使用手機的時長。
綜上:
不同背景下,被認(rèn)同的行為 (Desirability) 是不一樣的;在實際操作中,我們要留意,在我們的場景中,哪種行為是被認(rèn)同的。
有一些多報或少報的行為,是刻意的,比如你潤色你簡歷的時候;有一些是非故意的,因為用戶對于自己的認(rèn)知本來就是有偏差的。
其實不只是Surveys,很多量化和質(zhì)化的數(shù)據(jù)都有這個問題,比如訪談中、有腳本的可用性測試(人們會為了完成腳本而付出比日常生活中更多的努力,同時也會更專注)、焦點小組等等,都存在社會期許誤差。
3. 近因效應(yīng) Recency Bias
我們的短期記憶的容量是非常有限的。
近因效應(yīng)描述的是一種認(rèn)知傾向:
- 人們更容易記住最近發(fā)生的事情
- 最近發(fā)生的事情對于人們的影響比較大
所以問卷參與者們更傾向于依據(jù)最近他們對產(chǎn)品的體驗來回答問卷上的問題,而非他們?nèi)康氖褂皿w驗。
四、在偏見下的研究
偏見是無處不在的。有三點建議可供大家參考:
- 問卷調(diào)查 (Surveys) 并不用來評估用戶的客觀行為和表現(xiàn),而是用來評估用戶的主觀想法。
- 正是因為回應(yīng)偏見 (Response Bias) 的存在,所以我們才需要大量的樣本。更大的樣本可以消除更多的無關(guān)變量,從而有更大的概率能夠代表全部的用戶群體。
- 你知道了這些偏見的存在,并不意味著你可以解決這些偏見。承認(rèn)自己有偏見、注意這些偏見的影響并從錯誤中學(xué)習(xí),可以讓你更準(zhǔn)確地評估你的研究發(fā)現(xiàn),從而設(shè)計出更好地產(chǎn)品。
本文由 @詩劍天賦 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自Unsplash,基于CC0協(xié)議
不知道內(nèi)容和“媛媛顏值能打”和“親手被你開了”有什么關(guān)系
你想看顏值么
明明就沒有關(guān)系??
我想看
可以啊,哈哈
我很積極地參與反饋,結(jié)果你跟我說,我是有偏見的用戶,所以不被采納??
哈?
1. 每個人都有偏見;
2. 通過調(diào)研問卷收集上來的數(shù)據(jù)一定是有偏見的,因為你是用survey就默認(rèn)了用戶的literacy是在一個某個等級之上的
3. 用偏見的數(shù)據(jù)也可以用
具體問題具體分析,不同問卷調(diào)研目的肯定是會有不同目標(biāo)人群的,用戶研究是一門很深的學(xué)問,需要多方去驗證,畢竟用戶說的也不一定是他想的,他想的也不一定會那么做。