← Όλα τα άρθρα
Δημιουργία του Σωστού Πράγματος
5 Λάθη Έρευνας Χρηστών που Παράγουν Παραπλανητικά Αποτελέσματα
Από την ομάδα FabricLoop · Μάιος 2026 · 4 λεπτά ανάγνωσης
Υπάρχει μια μορφή έρευνας χρηστών που είναι χειρότερη από το να μην κάνετε έρευνα καθόλου: έρευνα που παράγει συμπεράσματα με αυτοπεποίθηση αλλά λανθασμένα. Όταν μια ομάδα δεν κάνει έρευνα, γνωρίζει ότι λειτουργεί με υποθέσεις. Όταν κάνει κακή έρευνα, πιστεύει ότι έχει στοιχεία — και σταματάει να αναζητά περισσότερα.
Τα πέντε λάθη παρακάτω δεν είναι εξωτικές περιπτώσεις. Εμφανίζονται στις περισσότερες ομάδες προϊόντων, τις περισσότερες φορές, με τρόπους που είναι εκπληκτικά δύσκολο να παρατηρήσετε από μέσα.
"Ο στόχος της έρευνας χρηστών δεν είναι να επιβεβαιώσετε τα ένστικτά σας. Είναι να αντικαταστήσετε τα ένστικτά σας με στοιχεία — συμπεριλαμβανομένων στοιχείων ότι κάνατε λάθος."
Τα πέντε λάθη
Λάθος
Πώς φαίνεται στην πράξη
Λάθος 1
Ερώτηση για υποθετική μελλοντική συμπεριφορά
Η ομάδα ρωτά «Θα χρησιμοποιούσατε ένα χαρακτηριστικό που κάνει Χ;» Οι χρήστες λένε ναι. Η ομάδα το χτίζει. Κανείς δεν το χρησιμοποιεί. Οι άνθρωποι είναι αισιόδοξοι για τον μελλοντικό εαυτό τους και κακοί κριτές του τι θα κάνουν πραγματικά. Ρωτάτε πάντα για παρελθοντική συμπεριφορά: «Πείτε μου για την τελευταία φορά που χρειάστηκε να αντιμετωπίσετε το Χ.»
Λάθος 2
Συνέντευξη χρηστών που ήδη αγαπούν το προϊόν
Τα πάνελ έρευνας που αποτελούνται από power users και υποστηρικτές (advocates) παράγουν ζεστό, θετικό feedback με επίκεντρο τη βελτίωση. Δεν παράγουν όμως γνώση για το γιατί έφυγαν οι άνθρωποι, γιατί δεν έγιναν ποτέ πελάτες ή τι χρειάζεται το προϊόν για να φτάσει σε ένα νέο τμήμα. Μιλήστε και με χρήστες που έφυγαν (churned) και με μη χρήστες — το feedback τους είναι δυσάρεστο αλλά απαραίτητο.
Λάθος 3
Καθοδηγητικές ερωτήσεις που επιβεβαιώνουν υπάρχουσες πεποιθήσεις
«Πόσο χρήσιμο βρήκατε τον νέο πίνακα ελέγχου;» είναι καθοδηγητική ερώτηση. Το «Πείτε μου για την τελευταία φορά που χρησιμοποιήσατε τον πίνακα ελέγχου» δεν είναι. Οι καθοδηγητικές ερωτήσεις παράγουν ευγενική συμφωνία, όχι ειλικρινή αξιολόγηση. Η προσήλωση του ερευνητή στην υπόθεση διαρρέει στη διατύπωση της ερώτησης, και οι χρήστες — επειδή διαθέτουν κοινωνική αντίληψη — ακολουθούν το σήμα.
Λάθος 4
Να σταματάτε στο «τι» χωρίς να ρωτάτε «γιατί»
Ένας χρήστης λέει: "Θα ήθελα έναν τρόπο να φιλτράρω τη λίστα." Ο ερευνητής σημειώνει "οι χρήστες θέλουν φιλτράρισμα." Αλλά το φιλτράρισμα είναι μια λύση, όχι μια ανάγκη. Τι προσπαθεί πραγματικά να κάνει ο χρήστης, για το οποίο θα βοηθούσε το φιλτράρισμα; Η απάντηση στο "γιατί" βρίσκεται η γνώση για το design — και συχνά αποκαλύπτει μια καλύτερη λύση από αυτήν που πρότεινε ο χρήστης.
Λάθος 5
Αντιμετώπιση ποιοτικής έρευνας ως ποσοτική
"Τρεις στους πέντε χρήστες είπαν ότι το βρήκαν συγκεχυμένο" δεν αποτελεί στατιστικό στοιχείο. Είναι ένα σήμα κατεύθυνσης από πέντε ανθρώπους. Η ποιοτική έρευνα σας λέει τι και γιατί· δεν μπορεί να σας πει πόσοι. Η παρουσίασή της με αριθμητική ακρίβεια δίνει στους ενδιαφερόμενους ψευδή αυτοπεποίθηση και συχνά οδηγεί στη βελτιστοποίηση του λάθους πράγματος σε κλίμακα.
Γιατί αυτά τα λάθη είναι τόσο επίμονα
Τα περισσότερα λάθη έρευνας έχουν κίνητρο. Η ομάδα έχει ήδη μια κατεύθυνση που θέλει να πάει — ένα χαρακτηριστικό που θέλει να χτίσει, μια υπόθεση που πιστεύει, ένας ενδιαφερόμενος που θέλει να ικανοποιήσει. Η έρευνα γίνεται τελετή για να νομιμοποιήσει μια απόφαση που έχει ήδη παρθεί, όχι μια γνήσια προσπάθεια να τη δοκιμάσει.
Η λύση δεν είναι να γίνουν οι ερευνητές πιο αυστηροί μεμονωμένα. Είναι να διαχωριστεί ο ρόλος του «να αποφασίζεις τι θα χτίσεις» από τον ρόλο του «να τρέχεις την έρευνα που τροφοδοτεί αυτή την απόφαση». Όταν ο ερευνητής είναι και το πρόσωπο που πρότεινε το χαρακτηριστικό, η επιβεβαιωτική μεροληψία (confirmation bias) είναι σχεδόν αναπόφευκτη.
Ένας χρήσιμος κανόνας
Πριν από οποιαδήποτε συνεδρία έρευνας, σημειώστε ποιο αποτέλεσμα θα σας έκανε να αλλάξετε γνώμη. Αν δεν μπορείτε να το ονομάσετε, δεν κάνετε έρευνα — κάνετε θέατρο. Η ικανότητα να δηλώσετε ένα αποτέλεσμα που διαψεύδει είναι η διαφορά μεταξύ της γνήσιας έρευνας και του επιβεβαιωτικής μεροληψίας με επιπλέον βήματα.
Σχετικά με το μέγεθος του δείγματος
Για usability testing, πέντε έως οκτώ συμμετέχοντες αποκαλύπτουν την πλειονότητα των προβλημάτων — τα οφέλη φθίνουν γρήγορα. Για συνεντεύξεις ανακάλυψης προβλημάτων, δώδεκα έως δεκαπέντε είναι συνήθως αρκετά για να φτάσετε στον κορεσμό. Για οτιδήποτε θέλετε να γενικεύσετε ποσοτικά σε μεγάλο πληθυσμό, χρειάζεστε μια σωστή έρευνα με αντιπροσωπευτικό δείγμα — όχι δέκα συνεντεύξεις.
Πώς το FabricLoop υποστηρίζει την ειλικρινή έρευνα
Το να κρατάτε στο ίδιο νήμα τις ακατέργαστες σημειώσεις συνεντεύξεων, τη σύνθεση και τις αποφάσεις δυσκολεύει τη σιωπηρή απόρριψη των άβολων ευρημάτων. Όταν τα στοιχεία είναι ορατά δίπλα στην απόφαση, η ομάδα μπορεί να δει αν το συμπέρασμα προέκυψε από όσα μαθεύτηκαν — ή αν προηγήθηκε αυτών.
10 πράγματα για να πάρετε από αυτό το άρθρο
- Η κακή έρευνα είναι χειρότερη από καμιά έρευνα — παράγει ψευδή αυτοπεποίθηση και εμποδίζει τις ομάδες να ψάξουν περισσότερο.
- Μη ρωτάτε ποτέ για υποθετική μελλοντική συμπεριφορά. Ρωτάτε αντίθετα για συγκεκριμένη παρελθοντική συμπεριφορά.
- Τα πάνελ έρευνας με υποστηρικτές παράγουν ζεστό feedback με επίκεντρο τη βελτίωση — όχι γνώση για το γιατί φεύγουν οι άνθρωποι ή δεν μετατρέπονται ποτέ σε πελάτες.
- Μιλήστε με χρήστες που έφυγαν και με μη χρήστες. Το feedback τους είναι δυσάρεστο αλλά απαραίτητο.
- Οι καθοδηγητικές ερωτήσεις παράγουν ευγενική συμφωνία, όχι ειλικρινή αξιολόγηση. Προσέξτε τη διατύπωσή σας.
- Όταν ένας χρήστης προτείνει μια λύση ("Θέλω φιλτράρισμα"), πάντα ρωτήστε γιατί. Η απάντηση συνήθως αποκαλύπτει μια καλύτερη λύση.
- Η ποιοτική έρευνα σας λέει τι και γιατί. Δεν μπορεί να σας πει πόσοι. Μην την παρουσιάσετε με αριθμητική ακρίβεια.
- Τα περισσότερα λάθη έρευνας είναι με κίνητρο — η απόφαση έχει ήδη παρθεί και η έρευνα χρησιμοποιείται για να τη νομιμοποιήσει.
- Διαχωρίστε το άτομο που προτείνει χαρακτηριστικά από το άτομο που τρέχει την έρευνα που τα αξιολογεί.
- Πριν από οποιαδήποτε συνεδρία έρευνας, σημειώστε ποιο αποτέλεσμα θα σας έκανε να αλλάξετε γνώμη. Αν δεν μπορείτε, δεν κάνετε έρευνα.