web-dev-qa-db-fra.com

Comment éviter au mieux les biais de confirmation lors de l'enquête sur les fonctionnalités?

Mon équipe produit a proposé une nouvelle fonctionnalité pour notre application mobile et j'aimerais avoir un sentiment d'intérêt de l'utilisateur pour la fonctionnalité.

J'ai la possibilité d'exécuter des enquêtes dans l'application auprès de nos utilisateurs existants, mais lorsque vous exécutez une enquête sur "voudriez-vous la fonctionnalité X?" Je soupçonne qu'il existe un fort biais de confirmation ("Bien sûr, j'aimerais un X!") Qui me rend méfiant à l'égard des résultats de l'enquête. Quelle est la manière de cadrer une enquête d'entité différemment ou d'analyser les résultats de manière à atténuer cet effet?

18
SAR622

Au lieu de rechercher une caractéristique particulière, renseignez-vous sur le point douloureux que la caractéristique devrait résoudre.

Une bonne question serait quelque chose comme "Quelle est la pire chose à propos de notre application?" Et puis donnez trois options.

N'oubliez pas que les utilisateurs sont des merdes à propos de bonnes suggestions de solutions, mais personne ne connaît leurs problèmes plus qu'eux.

34
Menachem Pritzker

Vous pouvez toujours essayer de demander à vos utilisateurs de prioriser une liste de 5 ou 6 fonctionnalités - De cette façon, vous ne demandez pas "aimeriez-vous avoir X?" mais "Qu'est-ce qui est le plus important pour vous U, V, W, X, Y ou Z?"

Il y a encore un peu de biais de confirmation, mais vous demandez également à l'utilisateur de troquer une fonctionnalité contre une autre et de réduire ainsi l'effet du biais.

31
Andrew Martin

Une approche que j'ai utilisée dans les enquêtes auparavant est la question ouverte "Si vous pouviez apporter une modification à l'application, que feriez-vous?". Cela ne biaise pas l'utilisateur et a produit des données vraiment utiles sur ses propres préoccupations sans les influencer indûment. Pour un nombre de répondants allant jusqu'à quelques centaines, la charge de travail associée à l'analyse des données est raisonnable. J'ai tendance à analyser en étiquetant et en catégorisant les résultats.

6
Peter