← Tutti gli articoli
Costruisci la cosa giusta
5 errori nella user research che producono risultati fuorvianti
Dal team FabricLoop · Maggio 2026 · 4 minuti di lettura
C'è una versione di ricerca utente che è peggiore di non farne affatto: quella che produce conclusioni sicure di sé ma sbagliate. Quando un team non fa ricerca, sa che sta operando sulla base di ipotesi. Quando fa una ricerca scadente, crede di avere prove — e smette di cercare.
I cinque errori sotto non sono casi limite eccezionali. Compaiono nella maggior parte dei team di prodotto, quasi sempre, in modi sorprendentemente difficili da individuare dall'interno.
"L'obiettivo della ricerca utente non è confermare il tuo istinto. È sostituire l'istinto con prove — comprese le prove che ti sbagliavi."
I cinque errori
Errore
Come si presenta in pratica
Errore 1
Chiedere del comportamento futuro ipotetico
Il team chiede "Useresti una funzionalità che fa X?" Gli utenti dicono sì. Il team la costruisce. Nessuno la usa. Le persone sono ottimiste riguardo al proprio io futuro e giudicano male ciò che faranno davvero. Chiedi sempre del comportamento passato: "Raccontami dell'ultima volta in cui hai dovuto affrontare X."
Errore 2
Intervistare utenti che amano già il prodotto
I panel di ricerca composti di power user e sostenitori producono feedback cordiali, positivi e orientati al miglioramento. Ciò che non producono sono insight su perché le persone se ne sono andate, perché non hanno mai fatto l'acquisto o di cosa abbia bisogno il prodotto per raggiungere un nuovo segmento. Parla anche con utenti che se ne sono andati e con i non utenti — il loro feedback è scomodo ma essenziale.
Errore 3
Domande suggestive che confermano le convinzioni preesistenti
"Quanto hai trovato utile la nuova dashboard?" è una domanda suggestiva. "Parlami dell'ultima volta che hai usato la dashboard" non lo è. Le domande suggestive producono consenso di cortesia, non valutazione onesta. L'attaccamento del ricercatore all'ipotesi trapela nel modo in cui formula la domanda, e gli utenti — essendo socialmente consapevoli — seguono il segnale.
Errore 4
Fermarsi al "cosa" senza chiedersi "perché"
Un utente dice: "Vorrei un modo per filtrare l'elenco." Il ricercatore annota "gli utenti vogliono filtrare". Ma il filtro è una soluzione, non un bisogno. Cosa sta cercando di fare davvero l'utente, e in cosa lo aiuterebbe il filtro? La risposta al "perché" è il punto in cui si trova l'insight di design — e spesso rivela una soluzione migliore di quella che l'utente ha proposto.
Errore 5
Trattare la ricerca qualitativa come quantitativa
"Tre su cinque utenti hanno detto che lo trovavano confuso" non è una statistica. È un segnale indicativo di cinque persone. La ricerca qualitativa ti dice cosa e perché; non può dirti quanti. Presentarla con precisione numerica dà agli stakeholder una falsa sicurezza e spesso porta a ottimizzare la cosa sbagliata su larga scala.
Perché questi errori sono così persistenti
La maggior parte degli errori di ricerca ha una motivazione di fondo. Il team ha già una direzione in cui vuole andare — una funzionalità che vuole costruire, un'ipotesi in cui crede, uno stakeholder che vuole soddisfare. La ricerca diventa un rituale per legittimare una decisione che è già stata presa, non un vero tentativo di metterla alla prova.
La soluzione non è rendere i ricercatori più rigorosi isolatamente. È separare il ruolo di "decidere cosa costruire" da "condurre la ricerca da cui quella decisione dipende." Quando il ricercatore è anche la persona che ha proposto la funzionalità, il bias di conferma è quasi inevitabile.
Una norma utile
Prima di qualsiasi sessione di ricerca, scrivi quale risultato ti farebbe cambiare idea. Se non sai indicarlo, non stai facendo ricerca — stai mettendo in scena una recita. La capacità di indicare un risultato che smentirebbe l'ipotesi è ciò che distingue una vera indagine da un bias di conferma con qualche passaggio in più.
Sulla dimensione del campione
Per i test di usabilità, da cinque a otto partecipanti rivelano la maggior parte dei problemi — i rendimenti decrescenti arrivano presto. Per le interviste esplorative sui problemi, di solito bastano dodici-quindici per raggiungere la saturazione. Per qualsiasi cosa tu voglia generalizzare quantitativamente a una popolazione ampia, serve un sondaggio vero e proprio con un campione rappresentativo — non dieci interviste.
Come FabricLoop sostiene una ricerca onesta
Tenere le note grezze delle interviste, la sintesi e le decisioni nello stesso thread rende più difficile scartare in silenzio i risultati scomodi. Quando le prove sono visibili insieme alla decisione, il team può vedere se la conclusione sia derivata da ciò che si è imparato — oppure lo abbia preceduto.
10 spunti da portare a casa da questo articolo
- La ricerca scadente è peggio che nessuna ricerca — produce falsa sicurezza e impedisce ai team di cercare oltre.
- Non chiedere mai del comportamento futuro ipotetico. Chiedi invece di comportamenti passati specifici.
- I panel di ricerca composti da sostenitori producono feedback cordiali e orientati al miglioramento — non insight sul perché le persone se ne vanno o non acquistano mai.
- Parla con gli utenti che se ne sono andati e con i non utenti. Il loro feedback è scomodo ed essenziale.
- Le domande suggestive producono accordo cortese, non valutazione onesta. Fai attenzione a come formuli le domande.
- Quando un utente propone una soluzione ("Voglio poter filtrare"), chiedi sempre perché. La risposta di solito rivela una soluzione migliore.
- La ricerca qualitativa ti dice cosa e perché. Non può dirti quanti. Non presentarla con precisione numerica.
- La maggior parte degli errori di ricerca ha una motivazione di fondo — la decisione è già stata presa e la ricerca viene usata per legittimarla.
- Separa la persona che propone funzionalità da quella che conduce la ricerca che le valuta.
- Prima di qualsiasi sessione di ricerca, scrivi quale risultato ti farebbe cambiare idea. Se non riesci a farlo, non stai facendo ricerca.
