• Startseite
  • UX Leistungen und Services
  • Über mich
  • Blog
  • Kontakt
Youitive
  • Startseite
  • UX Leistungen und Services
  • Über mich
  • Blog
  • Kontakt

User Research

  • Home
  • Blog
  • User Research
  • 10 typische User Research Biases

10 typische User Research Biases

  • Autor Björn Frieling
  • Kategorien User Research
  • Date 22. März 2020
Ein typischer User Research Bias ist, dass Personen sich anders verhalten, wenn sie sich beobachtet fühlen. Diesen Effekt nennt man Hawthorne - Effekt.

Ein User Research Bias ist eine Verzerrung der Daten aufgrund eines Seiteneffekts. Grob gesagt ist ein Bias ein Fehler in den Daten. Oftmals sind diese systematisch oder auch bedingt durch das Setting der User Research. Diese User Research Biases finden sich in Usability Tests, KANO Fragebögen, A/B Tests und jeder anderen Form der Datenerhebung. Wenn man diese Verzerrungen kennt, lassen sich die Ergebnisse besser und valider interpretieren. Anbei findest du typische Biases und wie diese auf unterschiedliche User Research Methoden in UX wirken.

Hawthorne Effekt

Der Hawthorne Effekt oder auch als Beobachtungseffekt bezeichnet, sagt aus, dass sich das Verhalten von Menschen ändert, sobald dieses beobachtet wird. Menschen handeln unterschiedlich wenn sie wissen, dass sie gerade beobachtet werden. Du kannst das ganz einfach selbst testen. Nimm dein Smartphone und sag einer anderen Person, dass du nun ein Video von ihr machst. Das Verhalten wird sich abrupt ändern. Bedenke also bei jeder Laboruntersuchung, dass das gezeigte Verhalten der Versuchsperson nicht unbedingt seinem normalen Nutzungsverhalten in seinem Nutzungskontext entspricht.

Tipp: Versuche immer eine Atmosphäre zu schaffen, durch die er zumindest zeitweise vergisst, dass er beobachtet wird.

Ein typischer User Research Bias ist, dass Personen sich anders verhalten, wenn sie sich beobachtet fühlen. Diesen Effekt nennt man Hawthorne - Effekt.
Photo by Niv Singer on Unsplash

Soziale Erwünschtheit

Menschen tendieren dazu sozial erwünscht zu antworten. Das bedeutet, dass Teilnehmer zum Beispiel Fragebögen über Ihre Persönlichkeit so beantworten, wie sie gerne gesehen wollen werden. Nicht unbedingt wie sie sind. Dies kann auch dazu führen, dass ein Teilnehmer in einer Untersuchung dein Produkt nicht wirklich kritisiert, weil er dich als Versuchsleiter nicht verletzen will.

Tipp: Führe niemals Untersuchungen selbst an deinem eigenen Produkt aus. Mache deinem Teilnehmer klar, dass er dich nicht verletzen kann. Bei Fragebögen mache deutlich, dass seine Antworten anonymisiert werden und diese nachher auf gar keinen Fall mehr zugeordnet werden können. Im Zweifel mache die Befragung digital und online.

Um den User Research Bias der sozialen Erwünschtheit zu beseitigen, kann es helfen dem Nutzer Anonymität zuzusichern.
Photo by Chris Yang on Unsplash

Heuristik

Heuristiken sind grobe Faustregeln nach denen Menschen handeln und sich auch erinnern. Unser Gehirn nutzt dies um im allgemeinen Energie und kognitive Kapazitäten zu sparen. Heuristiken verzerren allerdings oft die Erinnerungen.

Verfügbarkeitsheuristik: Der Teil deiner Erinnerung der dir schnell einfällt, verzerrt alle anderen Ereignisse die ähnlich waren.

Repräsentativitätsheuristik: Ein Ereignis wird als Stereotyp herangezogen, weil dieses Ereignis alles andere überschatten. Wobei denkst du bei Terroranschlag? An den 11.09.2001 oder an das Bombenattentat beim Boston Marathon? Aber nicht nur Ereignisse sind so abrufbar. Es gibt starke allgemeine Assoziationen. Denke zum Beispiel an ein Werkzeug, eine Farbe, eine Blume.

War es Hammer oder Schraubenzieher, Rot oder Blau und war die Blume eine Rose oder vielleicht eine Tulpe?

Ankerheuristik: Wenn wir einen mentalen Anker haben (meist eine Zahl), dann werden die Erinnerungen dahingehend verzerrt. Wenn ich dich frage, wie viel dein letzter Restaurantbesuch gekostet hat und du in deinem Kopf hast, dass dieser normalerweise 25,-€ kostet, dann wirst du die Zahl in deinem Kopf an diese 25,-€ automatisch anpassen.

Tipp: Versuche Daten direkt zu erheben und nicht aus der Erinnerung deiner Teilnehmer. Erinnerungen abzufragen führen zwangsläufig zu einem User Research Bias.

Rosenthal Effekt oder Versuchsleitereffekt

Der Rosenthal Effekt trifft immer dann als User Research Bias auf, wenn du selbst deine Studien an deinem Konzept oder Produkt durchführst. Aber auch wenn andere Personen dies machen. Er besagt, dass der Versuchsleiter automatisch auch das Antwortverhalten des Probanden beeinflusst. Am einfachsten ist dies über Sympathie zu erklären. Allerdings wirken auch leitende oder gar Suggestivfragen auf diesen Effekt ein. Versuche daher als Versuchsleiter so wenig Informationen wie möglich zu geben.

Tipp: Bereite dir standardisierte Sätze vor, welche du wie ein Mantra wiederholst. Gib ansonsten keine weiteren Informationen. Dies kannst du deinem Teilnehmer auch vor der Studie so mitteilen, damit er weiß, dass es nicht an ihm liegt. Ein Beispiel: „Bitte sprechen Sie aus, was Sie gerade denken.“

Der Rosenthal - Effekt und der Pygmalion Effekt sind typische User Research Biases. Die beiden Effekte treten vor allem bei qualitativen Studien und Interviews auf. Gerade bei einem Usability Test kommen diese Effekte immer wieder vor.
Photo by You X Ventures on Unsplash

Pygmalion Effekt

Ein ähnlicher User Research Bias zum Rosenthal Effekt ist der Pygmalion Effekt. Dabei wird die Erwartung des Versuchsleiters subtil und implizit auf die Versuchsperson übertragen. Erwartet also der Versuchsleiter, dass der Teilnehmer scheitert, dann führt dies auch eher zum Scheitern. Dieser Effekt lässt sich bei einer Untersuchung mit direktem Kontakt kaum ausschalten. Ähnlich wie beim Rosenthal Effekt sollte der Versuchsleiter so neutral wie möglich auftreten und seine implizite Erwartung korrigieren

Tipp: Wenn du die Möglichkeit hast, dann setze unterschiedliche Versuchsleiter bei den Probanden ein. Achte darauf, dass nicht beide die gleichen impliziten Annahmen über dein Produkt haben.

Halo Effekt

Der Halo – Effekt ist ein recht häufiger, allerdings oft missachteter User Research Bias. Dabei ist ein Ereignis so gut oder schlecht, dass dies das gesamte Urteil über ein Produkt, vielleicht sogar eine Marke beeinflusst. Im Internet tritt dieser Effekt vor allem dann auf, wenn eine Seite sehr langsam lädt. Dieser Umstand kann dazu führen, dass das gesamte Produkt als schlecht empfunden wird. Auch wenn die Seite zum Beispiel nur dem Verkauf des Produkts dient. Noch schlimmer ist es, wenn eine solch langsame Ladezeit dazu führt, dass der Nutzer das Vertrauen in die Seite und somit auch die Firma verliert. Aber auch andere Teile deines Produkts können besonders positiv oder besonders negativ herausstechen. Dies wirkt sich dann auf die Gesamtwertung aus. Bei besonders Positiven Halo – Effekten kann es dann sein, dass du Details übersiehst, die andere Nutzer stören würden.

Tipp: Achte darauf, was Probanden zu dir sagen. Wenn sie immer wieder ein bestimmtes Thema wiederholen, dann handelt es sich hierbei mit hoher Wahrscheinlichkeit um einen Halo – Effekt. Wenn dieser besonders negativ ist, solltest du unbedingt genau daran arbeiten. Bei besonders positivem Halo – Effekt missachte nicht die anderen Ergebnisse.

Ein kleines Detail deines Produkts, kann die gesamte Bewertung beeinflussen. Zum Beispiel eine einzelne Flasche Müll am Traumstrand, kann dein Gesamtbild des Strandes stark stören.
Photo by Scott Van Hoy on Unsplash

Priming

Unser Gehirn kann geprimt werden. Das bedeutet, es nimmt bestimmte Sachen im Voraus an. Es berechnet die Wahrscheinlichkeit eines eintreffenden Ereignisses. Lese zum Beispiel folgende Zahlen laut vor:

1, 2, 3, 4, 5, 8

Hast du bei der 8 kurz gezögert?

Eine andere Form wäre Folgendes, was du an einem Kollegen ausprobieren kannst:

Welche Farbe haben Wolken? Die Farbe von Schnee? Die Farbe von einem Blatt Papier? Welche Farbe haben Zähne? Was trinkt eine Kuh?

Hat dein Kollege mit Milch geantwortet? Zumindest sollte er kurz gezögert haben, wenn er dieses kleine ‚Spielchen‘ noch nicht kennt. Genau das ist Priming. Dein Gehirn legt sich schon im Voraus auf einen Wert fest. Dieser Effekt kann auch bei deinen Studien auftreten. Gerade bei Inkonsistenz in der Usability kannst du diesen Effekt immer wieder beobachten.

Tipp: Achte darauf keine Informationen vorab an deinen Teilnehmer zu geben, damit dieser nicht ausversehen geprimt wird. Falls du vor deinem Produkt den Teilnehmer zu einem Konkurrenzprodukt befragst, achte darauf, dass genügend Zeit zwischen den Wertungen verstreicht, damit dieser nicht mehr geprimt ist.

Wenn du deinem Kollegen Fragen stellst, die er mit 'weiß' beantwortet, dann primst du ihn. Priming ist ein häufiger User Research Bias, der allerdings auch oft übersehen wird.
Photo by Angelina Litvin on Unsplash

Ein weiterer Effekt der Priming ganz anschaulich darstellt, ist der Stroop Effekt. Dieser Effekt zeigt auch wie stark unsere Automatisierung beim Lesen abläuft. Hier kannst du den Stroop Test mal selbst ausprobieren (Englisch).

Reihenfolgeeffekt

Der Reihenfolgeneffekt tritt gehäuft bei A/B – Tests auf. Als User Research Bias lässt sich dieser aber oft einfach vermeiden, in dem du die Reihenfolge umkehrst. Der Effekt kann auftreten, wenn dein Teilnehmer immer erst Produktseite A anschaut und im Anschluss Produktseite B. Durch die erste Produktseite schaffst du eine Referenz, mit der der Teilnehmer die zweie Seite vergleicht. Dies kann zu Effekten führen. Ich empfehle dir einfach die Reihenfolge zu rotieren. Solltest du nicht nur 2 Ausprägungen haben, sondern zum Beispiel 8, dann mach die Anordnung in einem lateinischen Quadrat Sinn. Noch besser ist es, wenn du den Zufall entscheiden lässt.

Tipp: Vermeide Reihenfolge – Effekte durch zufällige Darbietung oder durch ein lateinisches Quadrat bei der Zuordnung der Teilnehmer.

Je nachdem in welcher Reihenfolge du deine Seiten, Patterns etc. präsentierst, kann ein anderes Ergebnis herauskommen. Dies nennt sich Reihenfolgeneffekt.
Photo by Austris Augusts on Unsplash

Lerneffekt

Lerneffekte sind häufig ein User Research Bias. Allerdings kann dieser auch nützlich sein, falls du die Lernfähigkeit (eines des 7 Dialogprinzipien) deines Systems untersuchst. Gerade bei Usability Tests treten diese Lerneffekte immer wieder auf. Das gilt vor allem für einzelne Elemente wie Buttons, Navigationsleisten usw. Der Nutzer ist daran gewohnt, wie diese Elemente funktionieren. Ändere dieses allgemeine Verhalten daher nur mit Bedacht. Für deine Studien bedeutet dies, falls du den Status Quo untersuchen willst, dass du dir neue Teilnehmer suchen musst. Da vorherige Teilnehmer dein System schon ‚gelernt‘ haben könnten.

Je nach Nutzergruppe und nach deinem Produkt solltest du also entscheiden, ob du Teilnehmer gehäuft an deinen Studien teilnehmen lassen willst. Achte zudem darauf, dass deine Teilnehmer im Allgemeinen nicht zu viel an Studien deiner Art teilnehmen, denn auch dabei können Lerneffekte entstehen. Hattest du schon einmal einen Teilnehmer der an einigen Usability Tests teilgenommen hat? Du musst ihn nie erinnern laut zu sprechen, er macht dies schon automatisch. Das ist ein Lerneffekt.

Tipp: Achte bei der Auswahl deiner Probanden darauf, was du untersuchen willst. Gerade bei wiederholter Testung empfiehlt sich oft ein Mix aus vorherigen und neuen Probanden. Achte darauf, was der Nutzer gegebenenfalls an deinem System schon gelernt haben könnte.

Primacy – Recency Effekt

Unser Gedächtnis merkt sich meist die ersten und die letzten Dinge einer Reihenfolge. Die Dinge in der Mitte werden nicht so gut erinnert. Das könnte dir schon einmal bei deinem eigenen Lernverhalten aufgefallen sein, falls du etwas auswendig lernen musstest, zum Beispiel beim Lernen von Vokabeln. Falls nicht empfehle ich dir eine Runde Memory zu spielen. Auch da wirst du genau diesen Effekt bei dir selbst erleben. Das bedeutet aber auch, dass deine Teilnehmer sich vor allem in einer abschließenden Befragung an den ersten und letzten Eindruck deines Produkts erinnern werden. Vorausgesetzt natürlich das kein anderer Effekt wie der Halo – Effekt dazwischen kommt.

Tipp: Wenn dein Teilnehmer sich nicht mehr so genau an die Teile in der Mitte deiner Untersuchung erinnern kann, ist dies kein negatives Zeichen. Denn ihm ist nichts besonders Negatives aufgefallen. Das Gleiche gilt allerdings auch für das Positive. Achte bei einer abschließenden Befragung darauf, dass der Teilnehmer ausreichend Zeit hat, sich an diesen Teil der Untersuchung wirklich zu erinnern. Notfalls beschreibe diesen Teil der Untersuchung ohne weitere Informationen zu geben. Oder führe Ihn falls möglich noch einmal an die entsprechende Stelle. Bei einem Fragebogen nutze online die Funktion der zufälligen Reihenfolge, um diesen Effekt auszugleichen.

Fazit

Jede Studie hat mit User Research Biases zu kämpfen. Wenn du diese kennst, kannst du deine Ergebnisse besser validieren. Zusätzlich hast du die Möglichkeit bei der Versuchsanordnung darauf zu achten, diese zu vermeiden. Des Weiteren ist das Wichtigste an den Ergebnissen immer die Interpretation. Mit dem Wissen über die oben genannten User Research Biases kannst du deine Ergebnisse besser interpretieren und kommst zu besseren Entscheidungen.

Tag:forhappyusers, Methodik, Nutzungskontext, Usability, Usability Test, User Experience, User Research, User Research Methode

  • Teilen:
author avatar
Björn Frieling

Previous post

Validierung in Formularen – 5 Tipps wie du es richtig machst
22. März 2020

Next post

Marktplatz User Research - Ein internes Event
12. April 2020

You may also like

Das Bild zeigt zwei unterschiedliche Kaffeearten. Dies symbolisiert wie ein A/B Test funktioniert.
A/B Tests – Einfach und effizient an wertvolle Daten kommen
14 Juni, 2020
Eine Marketplace User Research ist wir ein Marktplatz oder eine Messe. Die Veruschsteilnehmer suchen sich die Station aus, welche sie interessant finden und machen dort einen Test mit.
Marktplatz User Research – Ein internes Event
12 April, 2020
Das Foto zeigt einen jungen Mann der gerade remote mit seinem Notebook arbeitet.
Asynchroner Remote Usability Test – How to und Tipps
16 Februar, 2020

Search

Kategorien

  • Agile
  • Allgemein
  • Konzepten
  • Nutzungskontextanalyse
  • Strategie
  • User Research

Neuste Artikel

Das Bild zeigt einige Bilder welche auf einem Tisch gelegt wurden. Diese sind wie in dem Gesellschaftsspiel Memory angeordnet. Normalerweise können Menschen sich 7±2 dieser Bilder merken.
Usability Richtlinie: Die 7 ± 2 Regel
25Jul2021

Was ist die 7 ± 2 Regel? Bei der 7 ± 2 Regel spricht man bei User Experience und Usability davon, dass deinem Nutzer nur 7 Items ± 2 gleichzeitig präsentiert werden sollten. Diese Regel findet vor allem häufig Anwendung …

Die Abbildung zeigt einen Standardaufbau der Priorisierungsmatrix mit den 4 Quadranten und deren Beudeutung. Alle Funktionen welche rechts oben sind, sollte höhere priorisiert werden. Links oben und rechts unten werden Funktionen eingetragen, welche dann vielleicht später umgesetzt werden sollten. Funktionen welche links unten stehen, sollte nicht umgesetzt werden.
Priorisierungsmatrix – Im Team UX Entscheidungen treffen
26Jun2021

Eine Priorisierungsmatrix hilft dir und deinem Team UX Entscheidungen für neue Funktionen zu treffen. In agilen Teams ist die Priorisierung meist Aufgabe des Product Owners, allerdings kannst du ihn dabei gut unterstützen. Sollte dein Team nicht konstant von außen priorisiert …

Titelbild zum Thema Dark UX - Es zeigt die dunkle silhoutte eines Mannes
Dark UX und Dark Patterns
23Mai2021

Was ist Dark UX - Definition Unter Dark UX versteht man, das Ausnutzen bestimmter Patterns und Richtlinien, um aktiv die Kunden- und Nutzerentscheidung zu sabotieren. Dabei verwendest du für dein Interaktionsdesign die gleichen Prinzipien, Gesetze, Richtlinien und Inidikatoren wie bei …

UX Online Kurs

Du willst mehr über UX lernen? Dann kannst du über folgenden Link an meinem Online Kurs teilnehmen.

Zum Udemy Kurs

  • AGB
  • Impressum
  • Datenschutzerklärung

+49 176 848 592 65
info@youitive.de

Wir nutzen Cookies um dein Nutzererlebnis zu steigern. Bitte klicke auf 'Akzeptieren' um den vollen Funktionsumfang der Website zu nutzen. Ohne Cookies kann es zu Funktionseinschränkungen (längere Ladezeiten kommen).
Akzeptieren Ablehnen

Weitere Informationen
Datenschutz

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
immer aktiv
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SPEICHERN & AKZEPTIEREN