← Alle artikelen Het juiste product bouwen

5 fouten in gebruikersonderzoek die misleidende resultaten opleveren

Door het FabricLoop Team · Mei 2026 · 4 min lezing

Er bestaat een vorm van gebruikersonderzoek die erger is dan helemaal geen onderzoek doen: onderzoek dat stellige maar verkeerde conclusies oplevert. Als een team geen onderzoek doet, weet het dat het op aannames werkt. Als het slecht onderzoek doet, denkt het bewijs te hebben — en stopt het met zoeken.

De vijf fouten hieronder zijn geen exotische uitzonderingen. Ze komen bij de meeste productteams vrijwel altijd voor, op manieren die van binnenuit verrassend moeilijk te herkennen zijn.

"Het doel van gebruikersonderzoek is niet om je onderbuikgevoel te bevestigen. Het is om je onderbuikgevoel te vervangen door bewijs — ook bewijs dat je ongelijk had."

De vijf fouten

Fout

Hoe het er in de praktijk uitziet

Fout 1 Vragen naar hypothetisch toekomstig gedrag

Het team vraagt: "Zou je een functie gebruiken die X deed?" Gebruikers zeggen ja. Het team bouwt het. Niemand gebruikt het. Mensen zijn optimistisch over hun toekomstige zelf en slechte beoordelaars van wat ze straks echt gaan doen. Vraag altijd naar gedrag uit het verleden: "Vertel me over de laatste keer dat je met X te maken had."

Fout 2 Alleen gebruikers interviewen die het product al geweldig vinden

Onderzoekspanels vol powerusers en fans leveren warme, positieve, op verbetering gerichte feedback op. Wat ze niet opleveren, is inzicht in waarom mensen vertrekken, waarom mensen nooit converteren of wat het product nodig heeft om een nieuw segment te bereiken. Praat ook met gebruikers die zijn afgehaakt en met niet-gebruikers — dat voelt ongemakkelijk, maar is essentieel.

Fout 3 Suggestieve vragen die bestaande overtuigingen bevestigen

"Hoe nuttig vond je het nieuwe dashboard?" is een suggestieve vraag. "Vertel me over de laatste keer dat je het dashboard gebruikte" is dat niet. Suggestieve vragen leveren beleefde instemming op, geen eerlijk oordeel. De gehechtheid van de onderzoeker aan de hypothese lekt door in de formulering van de vraag, en gebruikers — die sociaal vaardig zijn — pikken het signaal op.

Fout 4 Blijven steken bij "wat" zonder "waarom" te vragen

Een gebruiker zegt: "Ik zou graag de lijst kunnen filteren." De onderzoeker noteert: "gebruikers willen filteren." Maar filteren is een oplossing, geen behoefte. Wat probeert de gebruiker eigenlijk te doen, waar filteren bij zou helpen? In het antwoord op "waarom" zit het ontwerpinzicht — en vaak levert het een betere oplossing op dan die de gebruiker voorstelde.

Fout 5 Kwalitatief onderzoek als kwantitatief behandelen

"Drie van de vijf gebruikers vonden het verwarrend" is geen statistiek. Het is een richtingaanwijzing van vijf mensen. Kwalitatief onderzoek vertelt je wat en waarom; het kan je niet vertellen hoeveel. Het met numerieke precisie presenteren geeft stakeholders vals vertrouwen en leidt er vaak toe dat je op schaal voor het verkeerde optimaliseert.

Waarom deze fouten zo hardnekkig zijn

De meeste fouten in onderzoek hebben een motief. Het team heeft al een richting in gedachten — een functie die het wil bouwen, een hypothese waarin het gelooft, een stakeholder die het tevreden wil stellen. Onderzoek wordt een ritueel om een al genomen beslissing te legitimeren, in plaats van een echte poging om die te toetsen.

De oplossing is niet om onderzoekers in hun eentje strenger te maken. Het is om de rol van "beslissen wat er wordt gebouwd" te scheiden van "het onderzoek uitvoeren dat die beslissing onderbouwt." Als de onderzoeker ook degene is die de functie voorstelde, is confirmation bias bijna onvermijdelijk.

Een nuttige afspraak Schrijf voor elke onderzoekssessie op welk resultaat je van mening zou doen veranderen. Als je dat niet kunt benoemen, doe je geen onderzoek — je speelt toneel. Het vermogen om een resultaat te noemen dat je hypothese ontkracht, is het verschil tussen echt onderzoek en confirmation bias met extra stappen.

Over steekproefgrootte Bij usabilitytests brengen vijf tot acht deelnemers de meeste problemen aan het licht — het rendement neemt snel af. Bij interviews om problemen te ontdekken zijn twaalf tot vijftien deelnemers meestal genoeg om verzadiging te bereiken. Voor alles wat je kwantitatief wilt generaliseren naar een grote populatie, heb je een goede enquête met een representatieve steekproef nodig — geen tien interviews.

Hoe FabricLoop eerlijk onderzoek ondersteunt Als je ruwe interviewnotities, synthese en beslissingen in dezelfde thread bewaart, is het moeilijker om ongemakkelijke bevindingen stilletjes te laten verdwijnen. Als het bewijs naast de beslissing zichtbaar is, kan het team zien of de conclusie uit het geleerde volgde — of eraan voorafging.

10 dingen om uit dit artikel mee te nemen

Slecht onderzoek is erger dan geen onderzoek — het geeft vals vertrouwen en weerhoudt teams ervan verder te kijken.
Vraag nooit naar hypothetisch toekomstig gedrag. Vraag in plaats daarvan naar specifiek gedrag uit het verleden.
Onderzoekspanels van fans leveren warme, op verbetering gerichte feedback op — geen inzicht in waarom mensen vertrekken of nooit converteren.
Praat met gebruikers die zijn afgehaakt en met niet-gebruikers. Hun feedback is ongemakkelijk en essentieel.
Suggestieve vragen leveren beleefde instemming op, geen eerlijk oordeel. Let goed op je formulering.
Als een gebruiker een oplossing voorstelt ("Ik wil kunnen filteren"), vraag dan altijd waarom. Het antwoord onthult meestal een betere oplossing.
Kwalitatief onderzoek vertelt je wat en waarom. Het kan je niet vertellen hoeveel. Presenteer het niet met numerieke precisie.
De meeste fouten in onderzoek hebben een motief — de beslissing is al genomen en onderzoek wordt gebruikt om die te legitimeren.
Scheid degene die functies voorstelt van degene die het onderzoek uitvoert waarmee ze worden beoordeeld.
Schrijf voor elke onderzoekssessie op welk resultaat je van mening zou doen veranderen. Als je dat niet kunt, doe je geen onderzoek.