5 chyb v uživatelském výzkumu, které vedou k zavádějícím výsledkům
← Všechny články Postavte správný produkt

5 chyb v uživatelském výzkumu, které vedou k zavádějícím výsledkům

Týmem FabricLoop  ·  Květen 2026  ·  4 min čtení

Existuje podoba uživatelského výzkumu, která je horší než žádný výzkum: výzkum, který přináší sebejisté, ale chybné závěry. Když tým nedělá žádný výzkum, ví, že jedná na základě předpokladů. Když udělá špatný výzkum, věří, že má důkazy — a přestane hledat.

Pět chyb níže nejsou žádné exotické okrajové případy. Objevují se ve většině produktových týmů téměř neustále a způsobem, který je zevnitř překvapivě těžké poznat.

„Cílem uživatelského výzkumu není potvrdit vaše instinkty. Je to nahradit vaše instinkty důkazy — včetně důkazů, že jste se mýlili.“

Pět chyb

Chyba
Jak to vypadá v praxi
Chyba 1 Dotazování na hypotetické budoucí chování
Tým se ptá: „Používali byste funkci, která by dělala X?“ Uživatelé řeknou ano. Tým ji postaví. Nikdo ji nepoužívá. Lidé jsou ohledně své budoucí podoby optimističtí a špatně odhadují, co skutečně budou dělat. Vždy se ptejte na minulé chování: „Řekněte mi o posledním případu, kdy jste se museli vypořádat s X.“
Chyba 2 Rozhovory s uživateli, kteří už produkt milují
Panely plné náročných uživatelů (power userů) a zastánců přinášejí vlídnou, pozitivní zpětnou vazbu zaměřenou na vylepšení. Neposkytnou ale vhled do toho, proč lidé odešli, proč se nikdy nestali platícími zákazníky nebo co produkt potřebuje, aby oslovil nový segment. Mluvte také s uživateli, kteří odešli, a s lidmi, kteří produkt nepoužívají — je to nepříjemné, ale nezbytné.
Chyba 3 Sugestivní otázky, které potvrzují stávající přesvědčení
„Jak užitečný vám nový dashboard přišel?“ je sugestivní otázka. „Povězte mi o posledním případu, kdy jste dashboard použili“ není. Sugestivní otázky vedou ke zdvořilému souhlasu, ne k poctivému hodnocení. Výzkumníkova citová vazba k hypotéze prosákne do formulace otázky a uživatelé — jako společensky citliví lidé — tento signál následují.
Chyba 4 Zastavit se u „co“ a nezeptat se „proč“
Uživatel řekne: „Chtěl bych nějak filtrovat seznam.“ Výzkumník si zapíše „uživatelé chtějí filtrování“. Ale filtrování je řešení, ne potřeba. Co se uživatel ve skutečnosti snaží udělat, čemu by filtrování pomohlo? Odpověď na „proč“ je místo, kde se skrývá designový vhled — a často odhalí lepší řešení, než jaké uživatel navrhl.
Chyba 5 Zacházení s kvalitativním výzkumem jako s kvantitativním
„Tři z pěti uživatelů řekli, že jim to přišlo matoucí“ není statistika. Je to orientační signál od pěti lidí. Kvalitativní výzkum říká, co a proč; nedokáže říct, kolik. Když ho podáte s číselnou přesností, dáváte zainteresovaným stranám falešnou jistotu a často to vede k optimalizaci špatné věci ve velkém.

Proč jsou tyto chyby tak zakořeněné

Většina chyb ve výzkumu má motiv. Tým už má směr, kterým chce jít — funkci, kterou chce postavit, hypotézu, které věří, zainteresovanou stranu, které chce vyhovět. Výzkum se pak stává rituálem, který legitimizuje už učiněné rozhodnutí, a ne skutečným pokusem ho otestovat.

Řešením není zpřísnit práci výzkumníků izolovaně. Je to oddělit roli „rozhodovat, co se bude stavět“ od role „provádět výzkum, který toto rozhodnutí podkládá“. Když je výzkumník zároveň tím, kdo funkci navrhl, je konfirmační zkreslení (confirmation bias) téměř nevyhnutelné.

Užitečné pravidlo Před každou výzkumnou session si zapište, jaký výsledek by vás přiměl změnit názor. Pokud ho nedokážete pojmenovat, neděláte výzkum — děláte divadlo. Schopnost vyslovit výsledek, který by hypotézu vyvrátil, je rozdíl mezi skutečným zkoumáním a konfirmačním zkreslením s dalšími kroky navíc.
K velikosti vzorku U testování použitelnosti odhalí většinu problémů pět až osm účastníků — klesající výnosy nastupují rychle. U rozhovorů pro objevování problémů obvykle stačí dvanáct až patnáct, aby se dosáhlo saturace. Pro cokoli, co chcete kvantitativně zobecnit na velkou populaci, potřebujete řádný průzkum s reprezentativním vzorkem — ne deset rozhovorů.
Jak FabricLoop podporuje poctivý výzkum Když syrové poznámky z rozhovorů, syntéza a rozhodnutí leží ve stejném vlákně, je těžší nepohodlná zjištění tiše zahodit. Když je důkaz vidět vedle rozhodnutí, tým pozná, zda závěr z toho, co se zjistilo, vyplynul — nebo mu předcházel.

10 poznatků z tohoto článku

  1. Špatný výzkum je horší než žádný — vytváří falešnou jistotu a týmy přestanou hledat dál.
  2. Nikdy se neptejte na hypotetické budoucí chování. Ptejte se místo toho na konkrétní minulé chování.
  3. Panely zastánců přinášejí vlídnou zpětnou vazbu zaměřenou na vylepšení — ne vhled do toho, proč lidé odcházejí nebo se nikdy nestanou zákazníky.
  4. Mluvte s uživateli, kteří odešli, i s těmi, kdo produkt nepoužívají. Jejich zpětná vazba je nepříjemná a nezbytná.
  5. Sugestivní otázky vedou ke zdvořilému souhlasu, ne k poctivému hodnocení. Pečlivě hlídejte formulace.
  6. Když uživatel navrhne řešení („chci filtrování“), vždy se ptejte proč. Odpověď obvykle odhalí lepší řešení.
  7. Kvalitativní výzkum říká, co a proč. Nedokáže říct, kolik. Nepodávejte ho s číselnou přesností.
  8. Většina chyb ve výzkumu má motiv — rozhodnutí už padlo a výzkum slouží k jeho legitimizaci.
  9. Oddělte toho, kdo navrhuje funkce, od toho, kdo vede výzkum, který je hodnotí.
  10. Před každou výzkumnou session si zapište, jaký výsledek by vás přiměl změnit názor. Pokud to nedokážete, neděláte výzkum.