惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

G
Google Developers Blog
Spread Privacy
Spread Privacy
V
Visual Studio Blog
爱范儿
爱范儿
Apple Machine Learning Research
Apple Machine Learning Research
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
GbyAI
GbyAI
Google DeepMind News
Google DeepMind News
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
J
Java Code Geeks
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Blog — PlanetScale
Blog — PlanetScale
N
Netflix TechBlog - Medium
B
Blog RSS Feed
博客园 - 【当耐特】
有赞技术团队
有赞技术团队
The Register - Security
The Register - Security
Latest news
Latest news
The Cloudflare Blog
Project Zero
Project Zero
月光博客
月光博客
U
Unit 42
Vercel News
Vercel News
Attack and Defense Labs
Attack and Defense Labs
Know Your Adversary
Know Your Adversary
V
Vulnerabilities – Threatpost
F
Full Disclosure
Schneier on Security
Schneier on Security
Google Online Security Blog
Google Online Security Blog
MyScale Blog
MyScale Blog
L
Lohrmann on Cybersecurity
C
CERT Recently Published Vulnerability Notes
博客园 - 叶小钗
腾讯CDC
博客园 - 三生石上(FineUI控件)
T
The Blog of Author Tim Ferriss
D
Darknet – Hacking Tools, Hacker News & Cyber Security
博客园 - Franky
S
Security Affairs
Hacker News: Ask HN
Hacker News: Ask HN
Security Latest
Security Latest
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
MongoDB | Blog
MongoDB | Blog
D
DataBreaches.Net
SecWiki News
SecWiki News
Recorded Future
Recorded Future
NISL@THU
NISL@THU
Hacker News - Newest:
Hacker News - Newest: "LLM"
Cloudbric
Cloudbric

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
克服用户研究中的认知偏差
Kaysen用户研究 · 2024-07-22 · via 人人都是产品经理

用户研究是了解用户需求和优化产品体验的关键步骤,但研究人员的认知偏见可能扭曲研究结果。本文将介绍如何识别和克服这些偏见,以获得更准确、可靠的研究结论。无论你是新手还是经验丰富的研究者,这篇文章都将为你提供宝贵的指导。

想象一下,您刚刚完成了一组新功能的用户测试,并且对测试结果感到十分满意。您发现了一些严重的问题,验证了用户可以完成一项关键任务,了解了人们的工作方式,并且您已准备好与利益相关者分享您的结论。干得好!

嗯,也许吧……研究人员已经发现了 160 多种认知偏见,其中许多都有可能扭曲您的用户研究并导致您得出错误的结论。了解这些偏见并遵循一些最佳实践可以帮助研究人员抵御这些偏见并得出更可靠的结论。

在 5 月底的 UXPA 波士顿 2017 大会上,我参加了Colin MacArthur就这一主题的演讲,题为“最好自己检查一下!处理用户研究中的认知偏差” 。我想分享一下我从那次演讲中学到的一些内容,以及根据我从那时起所读内容提出的一些建议。

一、什么是认知偏差?它为什么重要?

你可以将认知偏见视为一组帮助人们理解世界的思维捷径。它们帮助人们继续生活,而不会陷入思考每一次互动或事件的意义的泥潭。这对用户体验研究很重要,因为在某些情况下,我们确实 想思考每一次互动或事件的意义,至少是其中的一些,而思维捷径很容易让我们误入歧途。

以下是我认为对用户体验研究人员来说有风险的几种认知偏见——之后,我将概述可以采取的一些步骤来控制其风险。

二、新近性、可用性和相关偏见

有几种偏见描述了人们如何赋予突出的事物不成比例的重要性,即使这些事物并不具有代表性。近因效应表明,我们倾向于记住最近的经历并给予其更大的重视;可用性启发法表明,我们根据最容易想到的信息做出决定;峰终定律表明,我们倾向于根据最强烈时刻的感受来判断体验,而不是根据其平均值。

如果我进行用户测试,有 10 位用户成功完成了一项任务,而后面两位用户则遇到了困难,那么新近效应表明,我可能会过分强调最后两位用户的重要性,仅仅因为他们排在最后。如果我采访了一位特别热情(可能是愤怒或沮丧)的用户,那么峰终定律和可用性启发法表明,我可能会更多地提及他们的评论,仅仅因为他们的评论比其他人更令人难忘。

三、确认偏差

我们倾向于更重视那些证实我们假设和信念的证据,而忽略那些不支持这些信念的数据,这会以各种方式影响用户研究。例如,如果某个用户界面小部件对我来说感觉非常自然或显而易见,我可能会低估人们对该小部件感到困惑的重要性。

四、框架效应

根据框架效应,我们对相同信息的反应会因措辞方式的不同而不同。在某种程度上,如何控制这种偏见是显而易见的:不要问诱导性问题。问题是,我们并不总是能轻易识别语言何时具有诱导性。问“这个选择不是更好吗?”显然是诱导性的,但问“你更喜欢哪个选择?”又如何呢?

在一项经典研究中,研究人员向人们展示了两个度假胜地,并要求他们从中选择一个。选项 A 的描述很平淡,天气、夜生活和海滩都很一般。选项 B 的优点更多,缺点也更多:阳光充足、海滩漂亮,但海水很冷、风很大,没有夜生活。

研究人员询问一组参与者他们会“取消”哪个假期,另一组参与者会“更喜欢”哪个假期。被问及会取消哪个假期的人在选择这两个选项时的比例大致相同——但当被问及更喜欢哪个假期时, 67% 的人选择了选项 B。描述没有改变,但仅仅一个词的替换就会极大地影响人们会去哪个目的地。

五、选择偏差

这种情况发生在研究对象不是随机选择的群体时,无论是有意还是无意。其结果是,某些类型的人可能比其他人更有可能被纳入研究范围,从而导致结果出现偏差。

六、锚定偏差

这种倾向在做决定时过于依赖第一条信息,在商业谈判中经常使用。例如,如果我试图向你推销我的车,我可能会说,“这是一款非常不错的车型——车况非常好,通常售价 20,000 美元!”你可能想少付一点,但 20,000 美元这个数字现在浮现在你的脑海中,就像这辆车状况很好一样。现在,谈判以这些想法为基础,这给了我真正的优势。

锚定偏差在用户测试中会发挥作用——例如,如果你想看看一个工作流程是否比另一个更好。即使第一个版本更复杂,用户也可能倾向于喜欢它,因为他们首先看到并弄清楚了它。

七、集群错觉

这种偏见表明,即使没有任何模式,人们也倾向于看到模式,并且在处理小样本时这可能是一个特别严重的问题,因为两三个随机事件可能会让我们认为我们发现了一个有意义的问题。

八、同情心缺失

人们往往低估情绪对感知、态度和行为的影响程度。例如,如果你因为最近与同事发生冲突而生气,同理心缺失表明你可能难以与一个心情平静的人相处。同样,如果你感到悲伤——即使原因与工作无关——你可能不太能接受一个开朗快乐的研究参与者的经历。

九、观察者期望效应

根据观察者期望效应,研究人员的偏见会潜移默化地影响研究参与者。例如,你对用户如何与产品互动的看法会潜移默化地影响你如何提问以及受试者如何回应。这很困难,因为你可能一开始就没有意识到自己有偏见,而且——即使你有——你也可能没有意识到自己是否在传达这种偏见。

十、克服用户研究中的认知偏差

对于任何认知偏见,人们都可以采取一些具体步骤来防止其影响。话虽如此,我认为最好不要纠结于单独应对每一种偏见——偏见太多了,往往会让人有点不知所措。相反,请遵循以下用户研究最佳实践列表。它们通常是有价值的指导方针,它们还将提供针对认知偏见的实用有效防御。

  • 开始之前制定研究计划。了解您要回答的问题,并据此决定如何开展研究。
  • 在决定需要关注哪种类型的用户时,请参考研究目标,仔细考虑如何筛选和招募参与者。主要由大学生组成的群体可能非常适合研究教科书交易应用程序;但在研究更普遍的东西时,这可能会导致严重的选择偏差。
  • 提前明确说明您的假设,以便您了解这些假设,并有意识地寻找相反的假设。与团队中的其他人一起确认您的假设,列出这些假设,并定期回顾这些假设以牢记在心。
  • 提前确定分析结果的流程并坚持执行。例如,确定您的团队将使用什么证据标准来判断某件事是否符合可操作的见解。如果您两次看到某种反应或行为,您会怎么看?如果您看到五次会怎样?提前思考这类事情会让您诚实地理解结果。
  • 确保样本量足够大。小样本量对于某些事情可能有用,但要谨慎解释你的发现。决定什么规模合适并不明显——尼尔森诺曼集团在可用性测试方面有一篇关于此问题的好文章。
  • 检查你的情绪。你不一定能控制你的暴躁情绪,但试着在面试时注意你的感受——写下来,在分析你的发现时,考虑一下你的情绪是否会产生影响。
  • 平等地考虑证据,注意不要对符合你先入之见和假设的数据赋予过多的意义。做到这一点的方法之一是有意识地扮演魔鬼代言人。当你看到支持假设的证据时,一定要寻找反驳它的证据。
  • 编写一个脚本,供您在采访或观察用户时遵循,并注意使用开放式问题,不要“引导证人”。这很难,所以尝试从同事那里获得对您问题的反馈,请他们指出可能无意中透露您的观点的短语。
  • 仔细考虑问题的顺序,并考虑在每次访谈中改变提问顺序。并非所有问题都需要这样做,主要是那些可能引发锚定效应的问题——例如,如果你想了解用户是否更喜欢一种完成任务的方式而不是另一种方式。
  • 少说话,多听多观察。提出问题然后走开。不要急于用自己的观察或其他问题来填补沉默。
  • 注意你的肢体语言。保持一张扑克脸。保持中立,注意不要在言语或行为上做出积极或消极的回应。显然,这可能很难,但有一个脚本确实会有所帮助——它让你不用再考虑下一个问题,让你专注于保持语气和举止不带偏见。

这似乎需要记住很多东西——确实有很多东西需要记住。因此,请坚持基本的最佳做法,当你有时间时,一次思考一个认知偏见,而不是一下子思考所有。为了发现你的解释可能反映你自己的个人经历或偏见的方式,邀请同事观察你的下一次测试。之后与他们交谈,了解他们的想法,并讨论你的解释是否不同以及如何不同。一点一点地消除这些认知偏见——并使你的研究结果尽可能准确和有见地。

翻译:蒋昌盛

原作者:Adam Kiryk

原文链接:https://npr.design/overcoming-cognitive-bias-in-user-research-e4082f4506a

本文由 @蒋昌盛 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务