时间: 2021-07-30 09:27:19 人气: 35 评论: 0
认知偏误是一件很常见的事情，尤其在用户调研中，它的出现更容易误导研究者踏入认知陷阱，将产品与功能越改越错。这时候，准确洞察研究者认知偏误陷阱就显得非常重要了。
认知偏误（Cognitive bias）是一种常见的现象，它是指当我们思考问题或做决策时，大脑**有一些固定的思维倾向。
这个过程多是无意识的，有时也**带来正面作用，如帮助我们在纷繁复杂的环境中节省思考时间，更高效地做出决定。但是在研究中，认知偏误易导致研究结果不准确，降低研究的价值。
我们都希望研究是客观、理性、反映真实情况的，了解常见的认知偏误可以帮助我们在工作中尽量规避它们，得出更准确的结论。
实际上每个人都**有认知偏误，包括研究者和用户。
今天我们就来说说研究者的常见认知偏误，下次有机**再谈谈用户的，敬请期待。
当人们本来就持有某种观点时，对这种观点的感知和注意度**被放大，**选择性地回忆或收集关于它的事例。人们对于自己原本就相信的观点**更容易接受，而把反面观点搁置在一旁。
举个例子：有些人认为女司机不擅长开车，更容易造成事故，所以当新闻中的事故与女司机有关时，他们**觉得“果然如此”。而实际上男司机的事故率比女司机更高。
在用户研究中，当你的预设想法是用户对A设计的满意度比B设计更高时，在研究中你可能**更关注用户提到的A设计的优点、收集更多用户对于A设计的正面评价。当用户表示对A设计满意时，**觉得“果然是这样”。这种偏误**让你遗漏许多其它信息。
虚假一致性偏差是指人们很容易认为其他人跟自己有相同的想法，从而高估这些观点的普遍适用性。
举个例子：有一种冷叫做“你妈觉得你冷”。妈妈感觉到了冬天的寒冷，担心我们也**冷，于是催促我们穿秋裤，但可能年轻人并没觉得冷。此时妈妈的想法就带有虚假一致性偏差。
当年轻人吐槽父母朋友圈转的鸡汤文、养生文无用时，也是一种虚假一致性偏差。
在用户研究中，我们也很容易陷入虚假一致性偏差。
比如，当你认为产品的某个方面比较好或者你对产品的某个方面不满意，可能**倾向于认为这也是许多其他用户的感受，但也许事实并非如此。
在对海外产品做研究时尤其要注意这一点，研究者与用户的巨大文化背景差异可能**导致研究结果的严重失真。
聚类错觉产生的原因是人们倾向于从随机事件中找出某种规律。
举个例子：如果张三连着几次在群里抢红包都抢到最大份，他可能**觉得自己最近“手气特别旺”。这就是一种聚类错觉，人们试图将几次随机的结果联系起来，用某种规律进行解释。
在研究中，聚类错觉容易出现在小样本研究中。
比如，我们在小样本中发现了被访者的某些共性，总结出某些规律，并期望它们在更大的群体中也适用，但这种共性可能只是源于随机，而非事实。
我们应该谨慎对待在小样本研究中的发现，思考它们是否只是随机结果，最好用其它研究方法帮助验证或参考二手资料，避免出现聚类错觉。
培根说过，“知识就是力量”。它怎么**带来诅咒呢？知道的更多难道不好吗？
知识的诅咒是指——人一旦知道了某件事，就没办法想象不知道的样子，也很难体**到不知者的感受。
举个例子：在某次考试之后的课堂上，
在用户研究中，知识的诅咒也**给我们带来许多困扰。
比如，我们对自己的产品很熟悉，就很难想象新手用户是如何使用它的，使用感受如何。我们可能**惊讶地发现，即使在我们看起来操作十分简单的功能，新手用户使用起来也很吃力。
再比如在设计问卷或者访谈脚本时，我们可能**不小心加入一些专业术语而不自知，让用户看得一头雾水。
研究者的有些认知偏误还**直接影响到用户的行为和反应。
选择性偏差是指过程或样本的非随机性导致结论的不准确。
举个例子：假设张三想统计人们的工资水平，他拿着一份个税纳税名单开始了调查，结果发现，所有人的工资都在5000以上。
这个结果当然是不准确的，因为5000是我国的个税起征点，工资**过5000的人才**出现在纳税名单上，张三的研究样本是有选择性偏差的，不能代表总体。
在用户研究中，选择性偏差不仅**出现在样本选择中，还可能**出现在研究设计中。
比如在可用性测试中，我们设计了一系列的任务，研究结果自然就无法包含未选中的任务。而且这些任务也**让用户产生一种心理，既然它是设定好的任务，就一定是可以被完成的，他们也**耐心地、多次尝试去完成任务，以期达成某种结果。
当然我们也不**设置无法完成的任务。但在实际的使用情境中，用户并不知道哪些操作是有结果的，哪些没有，他们的行为和态度可能与可用性测试中不同。
框架效应是指——对于同一个问题，当描述有所不同时，人们给出的选择也**有差异。
举个例子：假如说“XX疾病的存活率达93%”，人们可能**觉得这种疾病没有很严重；但如果说“XX疾病的致死率达7%”，那么人们可能**觉得很严重。
在用户研究中，我们也要避免框架效应带来的影响，不要设置引导性的问题，题目中不要用明显的正面或负面词汇，尽量用中立的语言描述。避免题目的描述干扰到用户的选择，而导致研究结果不准确。
观察者期望效应是指——研究者有时可能**期望出现某种结果，他们无意识地操纵了试验过程，或者错误地解释实验结果，导致研究结果严重歪曲。
一般来说，被观察者几乎无法不受观察行为的影响，当研究是针对人时，被试者**更容易感觉到研究者无意中透露的期望，从而做出相符的反应。
在用户研究中，研究者的表情、肢体语言等都可能**反映出自己所期待的结果，如果用户察觉到了这些，就可能做一些迎合研究者期望的反应。
比如，如果研究者无意中透露出某个新功能是他们团队非常重视、投入巨大、报有很大期待的功能，用户可能**更倾向于对这个功能给出正向的评价，肯定该功能的市场前景。但这也许并非他真实的感觉。
如何避免这些认知偏误呢？这里有一些建议：
1. 研究方案：避免单一的研究方法和单一的样本渠道来源
多种研究方法的结果相互验证，多种样本渠道来源互做补充，帮助我们避免“聚类错觉”和“选择性偏差”，让我们的研究结果更准确。
2. 研究准备期：问卷试填、试访谈、预测试
找其他人进行试研究，帮我们在正式研究开始前发现问卷中是否含有引导性问题、专业术语、歧义用语等不便于用户理解的地方；访谈或测试中是否出现不适当的下意识行为等。避免因“知识的诅咒”、“框架效应”和“观察者期望效应”导致的研究结果不准确。
3. 研究进行时：多人合作研究、二手资料做参考、听取他人意见
多人共同参与研究和分析，有助于避免认知偏误。访谈时，每个研究员追问的点可能有所不同；走查评估时大家对问题的关注点也可能不一样。单个人的研究难免容易陷入“确认偏误”、“虚假一致性偏差”。综合大家的观点，**让研究结果更客观。
如果只能由单人完成研究，可以收集二手资料，阅读前人研究做参考。同时听取来自他人的意见，帮助拓展思路，包括用研同事和产品经理、设计师等非用研同事。
4. 研究结束后：复**研究
研究结束后，反问自己：
彩蛋：最后还有一个认知偏误介绍给大家。
偏见盲点是指——我们都倾向于认为自己比别人更少受到认知偏误的影响。人们都有偏见盲点，更容易发现别人出现的认知偏误而忽略自己存在的认知偏误。
举个例子：如果你看到这篇文章后觉得“这些都是别人容易遇到的，我可比他们客观多了”，那么你可能就陷入了偏见盲点。
（所以，这里要大张旗鼓地求翻牌了：为了证明自己没有陷入偏见盲点，亲爱的读者们，快来点**吧、转发吧、收藏吧！便于以后实时提醒自己哦~）
1. Cognitive bias cheat sheet（https://betterhumans.coach.me/cognitive-bias-cheat-sheet-55a472476b18）
2. 20 cognitive biases that screw up your decisions（https://www.businessinsider.com.au/cognitive-biases-that-affect-decisions-2015-8）
3. 6 common cognitive biases UXers should know（https://medium.muz.li/6-common-cognitive-biases-uxers-should-know-750b8c7af1a8）
4. Cognitive biases in user research（https://blog.optimalworkshop.com/cognitive-biases-user-research）
5. Combating Bias in User Testing（https://blog.fullstory.com/combating-bias-in-user-testing/）
6. Don’t Let Your Brain Deceive You: Avoiding Bias In Your UX Feedback（https://www.smashingmagazine.com/2017/10/avoid-bias-ux-feedback/）
7. Overcoming bias in research and product design（https://medium.theuxblog.com/overcoming-bias-in-research-and-product-design-f35a0d92496d）
8. Overcoming Cognitive Bias in User Research（https://npr.design/overcoming-cognitive-bias-in-user-research-e4082f4506a）
9. User Research Bias: How It Hurts Your App And What You Can Do About It（https://usabilitygeek.com/user-research-bias/）
作者： Sijia，公众号：京东设计中心JDC（ID：JDCdesign）
来源：http://jdc.jd.com/archives/212946
题图来自Unsplash，基于CC0协议
