عنوان هایی که دوست داشتم روی این مطلب بذارم این ها بودن اما نهایتا شد "تحقیقات کاربری و نتایج اشتباه"
اگه حینِ صحبت با مشتری « داده های بد » یا اشتباهی بدست بیاریم ، فقط و فقط تقصیرِ خودمون هست. داده های بد نه تنها ممکنه موجبِ برداشتهای منفیِ و نادرست بشن (باور می کنین که ایده تون به درد نمیخوره ولی اصلا اینطور نیست) بلکه از اون خطرنا کتر، موجب برداشتهای مثبتِ نادرست می شن (مثلا متقاعدتون میکنن که در مورد موضوعی حق با شماست و انگار دارین مسیر درستی رو پیش میرین در حالی که اینطور نیست).
گاهی اوقات ما خودمون با سوال های اشتباه باعثِ دریافت داد ههای بد می شیم. حتی اگه تلاش کنیم از الگو های مدرن و تکنیک های مصاحبه هم پیروی کنیم، گفت وگو ممکنه از مسیرِ درست خارج بشه. این اتفاق وقتی می افُته که با هیجان شروع به توضیح دادنِ ایده مون می کنیم یا فقط برای اینکه دلیلی برای ملاقاتمون بیاریم مجبورم یشیم ایده مون رو توضیح بدیم یا اینکه گفت وگو به کل تو یه دنیایِ تخیلی گیر می کنه. همه ی این موارد ممکنه اتفاق بیافُته. اما همین که متوجه وجودشون شدین، می تونین با رَدِ تعریف و تمجیدها، هدایتِ حرفهای خیالی و بررسیِ عمیق ترِ ایده ها، خیلی راحت به مسیرِ اصلیِ گفت وگو برگردین.
یه مورد دیگه ای که من الان درموردش میخوام صحبت کنم دروغگویی ها یا بهتر بگم جواب های نادقیق و نادرست ادم هاست.چندوقتی هست که بین چند گروه می بینم که به دنبال ریسرچ و تحقیق هستن که از متد ها متداولی مثل مصاحبه کاربری(interview) و پرسشنامه و نظر سنجی(survey) استفاده میکنن.ما وقتی به نمونه سوالها نگاه میکنم یمبینم الگوی مناسبی برای اینکار انتخاب نکردن و یجورایی به جواب های احتمالی و تاثیر "دروغگویی و ناصحیح بودن" جواب ها فکر نکردن.
توی اخرین تجربه هایی که داشتم تاثیر این جواب های دروغ مردم رو به شدت توی روند کارم دیدم و فهمیدم یک پترنو الگوی اشتباهی یا غیر حقیقی توی نتایج من وجود داره.اوایل به خودم و متدم شک کردم که شاید من دارم اشتباهی تجزیه و تحلیل میکنم اما وقتی با اشخاص دیگه در میون گذاشتم اونا هم مثل من به جواب ها و البته نوع پرسش من شک کردن. در حین جستجوهام در مورد دروغگو بودن کاربران به کتاب (همه دروغ می گویند : every body lies) رسیدم و با خوندن این کتاب کاملا متوجه شدم که داستان چیه.کمی درموردش هم در متمم خوندم و در انتها بعد از خوندن چندباره کتاب تست مامان اومدم که در مورد این مساله چند چیز رو بهتون بگم.
در مورد کتاب : این کتاب در مورد دروغگویی مردم به هم دیگه نمیگه ولی میگه مردم در دنیای دیجیتال بشدت رفتار متفاوتی دارن.مثلا ممکنه در مورد مشکلشون به دوست یا خانوادشون نگن ولی میرن گوگل می کنن و به اصطلاح به گوگل راستش رو میگن.این کتاب به زبان ساده در مورد بیگ دیتا صحبت می کنه و اگر علاقه مند هستین که چطوری میتونین در مرود داده ها و رفتار ها ی حقیقی چیز یاد بگیرین کتاب مناسبی برای شروع هست.
حتما در مورداین کتاب بعدا می نویسم.:)
ما ادم ها به طور کاملا طبیعی و ناخودآگاه ممکنه ندونیم داریم حقیقت رو پنهون میکنیم.خیلی وقتها هم به طور خودآگاه اینکار رو می کنم و فهمیدن هردوی اینها تقریبا کار سختی هست.ما مردم شاید دروغ نگیم ولی جوری هم جواب نمیدیم که آبرومون بره یا وجه خودمون ور از دست بدیم.اصولا ما دوست داریم اونطوری که باید به نظر برسیم که خوبه .ما از ترس قضاوت ها و سوگیری های اجتماعی ممکنه جواب حقیقی رو نگیم که به این اثر میگن اثر(social desirability bias) .در ضمن خیلی وقتها در مرود استفاده از محصول یا خواسته هایی که از محصولات داریم هم صادق نیستیم ممکنه جوری جواب بدیم که انگار ما مشکلی نداریم. از طرفی بعضی ها هم فکر میکنن چون محصول ما نرم افزاری و کامپیوتری هست پس احتمالا مشکل از خود ادم هست و اونا خنگن نه سیستم برای همین با توجه به اثر سوگیری شناختی (cognitive bias) ممکنه جواب درستی ندن و اونطوری جواب میدن که در تخیلاتش و تفکر می کنن کار درستی هست نه اونی که انجام میدن.
یکم صحبتم پیچیده شد ،بزارین با یه مثال پیش برم: "مثلا شما نمی تونین مستقیما در مورد مسائل حساس و شخصی مثل مساله ها مالی یا جنسی یا حتی در مورد فرهنگ هاشون سوال بپرسین چون قطعا جواب حقیقی رو بهتون نمیدن".
وقتی سراغ کاربران میریم و سوال میپرسیم مهمه که چه سوالی داریم می پرسیم و از همه مهم تر اینه که جوابی که دریافت می کنیم رو درست انالیز کنیم. و بدونیم که ممکنه اونا حقیقت رو نگن و ما باید جواب های اون هارو ببینیم چقدر صحیح هست.چون امکان داره توی هر سوالی جوابهای اشتباهی بهتون بدن.
چند نمونه بگم:
" مثلا من خودم دوست دارم بگم روزی 10 بار باشگاه میرم ،روزی 4 ساعت می خوابم و 20 ساعت مفید از زندگیم استفاده می کنم.من باهات در تماسم و در ادامه باهم صحبت خواهیم کرد.از محصول راضی نیستم ولی میگم دم شما گرم چقدم خوبین شما(البته من اصلا اینطوری نیستم رک میگم چقدر مزخرفه :)) )
یا حتی وقتی از کسی می پرسیمکه قهوه رو تلخ دوست داری یا شیرین ممکنه بگه اره ولی در عمل با شکر میخوره .
توی کتاب تست مامان میگه خیلی از داده هایی که از پرسشنامه و نظرسنجی میاد قابل اعتماد نیستن.
اصطلاح دروغگو بودن آدم ها در اینجا کمی اغراق آمیز هست تا کمی هوشیار تر باشیم.اصل این حرف اینه که چیزی هایی که همون لحظه گفته میشه الزاما حرف درستی نیست و نباید بطور خام و بدون ولیدیت کردن اون داده توی نتایجمون بیاریم و در موردشون تصمیم گیری کنیم.
همونطوری که قبلتر هم گفتم این اتفاق دلیل داره و خیلی وقتها به خاطر همون دلایل جواب ها فیلتر میشن.پس نمی تونیم بگیم ادم ها دروغ میگن بیشتر دارن خودشون رو سانسور می کنن و بطور ناخودآگاه و گاها کاملا آگاهانه داده ها رو فیلتر میکنن.
این نظریه یکم سخت بود ترجمش ولی تهش میگه:رسما چیز هایی که اعلام می کنیم با تفکرات و عقاید واقعیمون تفاوت زیادی داره.همچنین در اغلب موارد گفتار و رفتارمون هم با هم متفاوته که شرایط ،زمان و حتی خود ما که محقق هستیم در این مورد تاثیر گذاریم.
توی کتاب "طراحی اشیای روزمره" هم دن نورمن با اصطلاحی به نام دانش در سر و دانش در دنیای واقعی این مساله ها و چرایی اونا رو مورد بررسی قرار میده.
یا اینکه اعتماد به نفس بیش از حد (Overconfidence) رو (که یک خطای شناختی کاملاً معروف و آشناست) نمی تونیم به سادگی به عنوان مصداقی از دروغ گویی فرض کنیم.
پس بازم میگم بدونین چه سوالی رو از چه کسایی در چه شرایطی می پرسین و مهمتر از همه اینا بدونین که هدفتون از ریسرچ ها چی هست و چه چیزی رو می خواین بدست بیارین.
یادتون باشه که داده مثل سوخت برای یک موتور هست.اگر به موتور یک سوخت نامناسب بدیم قطعا پرفورمنس و کارایی لازم و خوبی از اون موتور بدست نمیاریم و در نهایت محرکه خوبی نداریم و محصول ما هم در نهایت به جای خوبی نمیرسه.حتی بدتر از اون ممکنه تمامی زحمات رو بر باد بده.
خب این قسمت اول از این داستان بود تا از اهمیت بررسی و تفکر در جواب های کاربر ها و ادم ها بیشتر بدونیم در قسمت بعدی هم با چند مثال عملی تر در موردش بحث کنیم.
یکم منابع بخونیم:)
https://digiro.ir/why-do-people-lie/https://www.theguardian.com/books/2017/aug/17/everybody-lies-seth-stephens-davidowitz-review
https://motamem.org/%D9%87%D9%85%D9%87-%D8%AF%D8%B1%D9%88%D8%BA-%D9%85%DB%8C-%DA%AF%D9%88%DB%8C%D9%86%D8%AF/
