Ein kontrolliertes Experiment, das zwei Varianten vergleicht, indem Nutzer*innen zufällig auf diese aufgeteilt werden. Die einzige zuverlässige Methode, um die kausale Wirkung einer bestimmten Änderung auf das Nutzerverhalten zu messen.
Die Praxis, Produkte so zu gestalten, dass sie von möglichst vielen Menschen nutzbar sind, einschließlich Personen mit dauerhaften, vorübergehenden oder situationsbedingten Einschränkungen. Häufig als a11y abgekürzt.
Forschung, die proaktiv zur Untersuchung einer spezifischen Fragestellung konzipiert wird, mit kontrollierter Teilnehmer*innen-Einbindung durch Interviews, Tests oder Surveys. Auch als gerichtete Forschung bezeichnet.
Die systematische Erfassung und Analyse von Nutzerverhaltensdaten aus digitalen Produkten. Zeigt Ihnen, was im großen Maßstab passiert, aber niemals, warum es passiert.
Die Zerlegung dessen, was Nutzer*innen erreichen müssen, in einzelne Schritte, Entscheidungen und Informationsanforderungen. Die Grundlage für die Gestaltung von Interfaces, die zur tatsächlichen Arbeitsweise der Menschen passen.
Die drei grundlegenden Forschungsaktivitäten: Fragen, Beobachten und Testen. Sie kombinieren sich zu allen UX Research Methoden. Ein Framework, das verdeutlicht, dass komplexe Methoden aus einfachen Komponenten bestehen.
Das Phänomen, dass Menschen ihr Verhalten ändern, weil sie wissen, dass sie beobachtet werden. Eine grundlegende Herausforderung bei jeder Forschung, die direkte Beobachtung von Teilnehmer*innen beinhaltet.
Die Tendenz, Informationen so zu suchen, zu interpretieren und zu erinnern, dass sie bestehende Überzeugungen oder Hypothesen bestätigen, während widersprechenden Informationen weniger Aufmerksamkeit geschenkt wird.
Ein Studiendesign, bei dem verschiedene Gruppen von Teilnehmer*innen unterschiedliche Bedingungen testen. Gruppe 1 testet nur Version A, Gruppe 2 nur Version B. Eliminiert Reihenfolgeeffekte, erfordert aber mehr Teilnehmer*innen.
Systematische Abweichung vom wahren Wert in Forschungsergebnissen. Kann nicht eliminiert, nur durch Standardisierung und Bewusstsein kontrolliert werden. Das Ziel ist systematischer Bias (beherrschbar) statt unsystematischer Bias (Chaos).
Eine Forschungsmethode, bei der Teilnehmer*innen Themen in für sie sinnvolle Gruppen ordnen. Dadurch werden ihre mentalen Modelle sichtbar und Entscheidungen zur Informationsarchitektur unterstützt.
Eine Survey-Methode, die aufdeckt, wie Nutzer*innen Abwägungen zwischen Produktattributen treffen, indem realistische Produktkonzepte mit unterschiedlichen Feature- und Preiskombinationen präsentiert werden.
Eine halbstrukturierte Interviewtechnik, die in der natürlichen Umgebung der Nutzer*innen durchgeführt wird und tiefgehende Beobachtung mit situativer Befragung kombiniert. Ideal, um den realen Kontext aufzudecken, der Verhalten prägt.
Eine Technik zur Kontrolle von Reihenfolgeeffekten in Within-Subjects Designs, bei der die Abfolge der Bedingungen über die Teilnehmer*innen hinweg variiert wird. Die Hälfte testet A→B, die andere Hälfte B→A.
Ein strategisches Rahmenkonzept für die Gesamtwahrnehmung, die Kund*innen von einem Unternehmen bilden — geprägt durch jede Interaktion von der ersten Werbeanzeige bis zum letzten Support-Anruf. Übergeordnet zu UX, das nur die Produktebene betrachtet.
Die systematische Untersuchung der Customer Journey mit Methoden wie Journey Mapping, VoC-Programmen und NPS-Tracking. Liefert bereichsübergreifende Erkenntnisse, die über produktfokussierte UX Research hinausgehen.
Eine longitudinale Forschungsmethode, bei der Teilnehmer*innen ihre Erfahrungen über einen längeren Zeitraum protokollieren. Erfasst Feedback im Moment, das Gedächtnislimitierungen überwindet und Muster über die Zeit aufdeckt.
Ein Maß für die Größenordnung eines Befunds: wie groß der Unterschied zwischen Bedingungen ist, nicht nur ob er existiert. Unverzichtbar, um die praktische Bedeutsamkeit jenseits der statistischen Signifikanz zu bestimmen.
Das Phänomen, dass die geäußerten Überzeugungen und Einstellungen von Menschen nicht mit ihrem tatsächlichen Verhalten übereinstimmen. Entscheidend für das Verständnis, warum Beobachtungsdaten bei der Vorhersage von Handlungen oft aussagekräftiger sind als Selbstberichte.
Methoden zur Erfassung emotionaler Reaktionen während der Nutzung von Produkten und Services, von Selbstberichts-Skalen und Facial Coding bis hin zu physiologischen Signalen wie Hautleitfähigkeit und Herzfrequenz.
Ein hierarchisches Modell dessen, was UX formt: Basisqualitäten (QA, Accessibility), pragmatische Qualitäten (Nützlichkeit, Usability) und erlebnisbezogene Qualitäten (Kognition, Affekt, Werte).
Die Scope-Hierarchie von Makro zu Mikro: Customer Experience (CX) → User Experience (UX) → Micro-UX (Szenarien/Ziele, Aufgaben/Schritte). Definiert, worauf der Forschungsfokus gerichtet werden soll.
Untersuchung von Menschen in ihrer natürlichen Umgebung über längere Zeiträume, um Verhaltensweisen, Motivationen und kulturellen Kontext zu verstehen, die Befragungen und Labortests nicht aufdecken können.
Validierungsforschung, die eine konkrete Lösung gegen definierte Kriterien prüft — formativ per UX Test und heuristischer Evaluation während der Entwicklung, summativ per Benchmark und A/B Test nach Fertigstellung.
Eine Forschungsmethode, die misst, wohin und wie lange eine Person auf Elemente auf einem Bildschirm oder in einer Umgebung blickt, unter Verwendung spezialisierter Hardware zur Erfassung von Blickmustern.
Der Prozess des Weitertrainierens eines vortrainierten LLM auf einem spezialisierten Datensatz, um sein Verhalten zu verändern oder die Leistung bei bestimmten Aufgaben zu verbessern. Ein aufwändiger Ansatz für grosse, spezialisierte Anforderungen.
Ein Gruppeninterview-Format, verbreitet in der Marktforschung, bei dem mehrere Teilnehmer*innen gemeinsam ein Thema diskutieren. Nützlich zur Beobachtung sozialer Dynamiken, birgt aber Herausforderungen für individuelle UX Insights.
Forschung, die während der Entwicklung durchgeführt wird, um Probleme zu finden und ein laufendes Design zu verbessern. Ziel ist es, zu formen und zu verfeinern, nicht die finale Qualität zu messen.
Das Grundlagendokument, das Klarheit über Forschungsziele erzwingt, Stakeholder abstimmt und sicherstellt, dass jeder Schritt darauf ausgelegt ist, die Kernfragen zu beantworten. Das wichtigste Einzelwerkzeug gegen unfokussierte Forschung.
Nachverfolgung, wie sich Nutzer*innen durch eine Abfolge von Schritten bewegen und wo sie abspringen. Zeigt Ihnen genau, an welcher Stelle Ihr Prozess Nutzer*innen verliert und wie viele.
Explorative Forschung vor der Lösungsfindung: Interviews, Beobachtungen und Diary Studies decken Pain Points und unerfüllte Bedürfnisse auf, aus denen neue Produkt- und Feature-Ideen entstehen.
Wenn ein KI-Modell plausibel klingende, aber faktisch falsche oder erfundene Informationen generiert. Eine natürliche Konsequenz daraus, wie LLMs wahrscheinlichen Text vorhersagen, statt Wahrheit zu verifizieren.
Eine Expert*innen-basierte Methode, bei der Spezialist*innen eine Benutzeroberfläche anhand etablierter Usability-Prinzipien (Heuristiken) überprüfen, um offensichtliche Probleme ohne Tests mit tatsächlichen Nutzer*innen zu identifizieren.
Die strukturelle Gestaltung von Informationsumgebungen: wie Inhalte organisiert, benannt und verknüpft werden, damit Nutzer*innen finden, was sie suchen, und verstehen, wo sie sich befinden.
Die Interpretation von Analyse und Synthese, direkt verknüpft mit Geschäftszielen und Nutzerbedürfnissen. Die Antwort auf ‚Na und?': was die Muster bedeuten und warum sie relevant sind.
Ein zentrales, durchsuchbares System zur Speicherung und Verknüpfung von Forschungsergebnissen über Studien hinweg, das Teams ermöglicht, auf früherer Arbeit aufzubauen und doppelte Forschung zu vermeiden.
Der Prozentsatz der Personen, die auf eine Rekrutierungseinladung reagieren und tatsächlich anhand der Screening-Kriterien für Ihre Studie qualifiziert sind. Eine niedrige Inzidenzrate bedeutet, dass die meisten Befragten aussortiert werden.
Die drei primären UX Research Methoden, die aus den Bausteinen aufgebaut sind: der UX Test, das User Interview und der Survey. Jede stellt eine unterschiedliche Kombination der Aktivitäten Fragen, Beobachten und Testen dar.
Eine Metrik, die bewusst gewählt wurde, um den Fortschritt in Richtung eines bestimmten Geschäfts- oder Produktziels zu verfolgen. Nicht jede Metrik ist ein KPI, sondern nur diejenigen, die an Entscheidungen geknüpft sind, die Sie tatsächlich treffen werden.
Eine statistische Methode zur Identifikation, welche Faktoren den grössten Einfluss auf ein kritisches Ergebnis haben, wie Kundenzufriedenheit oder Retention. Häufig der Ausgangspunkt für gezielte qualitative Forschung.
Eine qualitative Interviewtechnik, die iterative ‚Warum'-Fragen einsetzt, um die zugrundeliegenden Werte und Motivationen hinter Nutzerpräferenzen und -entscheidungen aufzudecken.
Ein KI-System, das auf grossen Mengen von Text trainiert wurde, um menschenähnliche Sprache vorherzusagen und zu generieren. Am besten als Konzept-Transformationsmaschine zu verstehen, nicht als Wissensdatenbank.
Forschung, die darauf abzielt, Märkte, Wettbewerber und Kundensegmente zu verstehen, um die Geschäftsstrategie zu informieren. Breiter angelegt als UX Research, mit erheblicher methodischer Überschneidung.
Eine Survey-Methode zur zuverlässigen Priorisierung einer langen Liste von Items, bei der Befragten kleine Teilmengen gezeigt werden und sie aus jeder Teilmenge nur das wichtigste und das unwichtigste Item auswählen.
Die Erlebnisqualität einzelner Interface-Momente: ein Button-Klick, eine Fehlermeldung, ein Ladezustand. Kleine Interaktionen, die zusammen die gesamte User Experience prägen.
Ein Forschungsansatz, der bewusst qualitative und quantitative Methoden kombiniert, um ein vollständigeres Bild zu erhalten. Qualitativ erklärt das ‚Warum', quantitativ misst das ‚Wie viel'.
Eine Einzelfragen-Metrik zur Messung der Kundenloyalität: ‚Wie wahrscheinlich ist es, dass Sie dieses Produkt weiterempfehlen?' Weit verbreitet in der Wirtschaft, aber kein direktes Maß für die User Experience.
Das Ausmaß, in dem Forschungsergebnisse unabhängig davon sind, wer die Studie durchführt. Wenn zwei Forschende demselben Protokoll folgen und unterschiedliche Ergebnisse erhalten, liegt ein Objektivitätsproblem vor.
Eine formale Darstellung der Beziehungen zwischen Konzepten in einer Domäne. Geht über eine Taxonomie hinaus, indem definiert wird, wie Kategorien zueinander in Beziehung stehen.
Die Wahrscheinlichkeit, Ihre Daten (oder etwas Extremeres) zu beobachten, wenn es tatsächlich keinen Effekt gäbe. Weit verbreitet, weit verbreitet missverstanden und niemals allein ausreichend für eine Entscheidung.
Daten, die von Nutzer*innen ohne direkte Aufforderung durch Forschende generiert werden: Analytics, A/B Tests, Support-Tickets, Social Listening. Ideal zum Aufdecken unerwarteter Muster und zur Generierung neuer Hypothesen.
Fiktive Charaktere, die erstellt werden, um die Ziele, Verhaltensweisen und Eigenschaften einer realen Nutzergruppe darzustellen. Ein Werkzeug, um bestimmte Nutzertypen während der gesamten Produktentwicklung im Blick zu behalten.
Die geteilte Überzeugung, dass das Team ein sicherer Ort für zwischenmenschliche Risikobereitschaft ist, an dem Mitglieder hinterfragen, widersprechen und Fehler zugeben können, ohne Bestrafung oder Demütigung zu befürchten.
Die Wissenschaft der Messung psychologischer Konstrukte wie Einstellungen, Fähigkeiten und Persönlichkeitseigenschaften durch standardisierte Instrumente. Die Disziplin hinter jedem validierten Fragebogen in der UX-Forschung.
Forschung, die darauf abzielt, das ‚Was' und ‚Warum' durch reichhaltige Geschichten, Beobachtungen und Kontext zu verstehen. Strebt nach Verständnistiefe statt statistischer Messung.
Forschung mit Fokus auf numerischer Messung und dem Ziel, Ergebnisse von einer Stichprobe auf eine breitere Population zu generalisieren. Beantwortet ‚wie viel', ‚wie viele' und ‚wie oft'.
Das Finden und Gewinnen qualifizierter Teilnehmer*innen für eine Forschungsstudie. Der größte einzelne Engpass in der angewandten Forschung, und der, den die meisten Teams unterschätzen.
Veränderungen in der Leistung oder Präferenz von Teilnehmer*innen, die durch die Abfolge verursacht werden, in der sie Bedingungen begegnen, nicht durch die Bedingungen selbst. Werden durch Counterbalancing kontrolliert.
Die Konsistenz einer Forschungsmethode: ob sie bei Wiederholung unter denselben Bedingungen ähnliche Ergebnisse liefert. Betrifft Präzision, nicht Genauigkeit. Eine Methode kann reliabel sein, ohne valide zu sein.
Die Orchestrierung und Optimierung von Menschen, Prozessen und Handwerk, um den Wert und Impact von Forschung im großen Maßstab zu verstärken. Oft als ResearchOps abgekürzt.
Der spezifische Geschäftsbereich, den Sie untersuchen — das Was der Forschung. Abgegrenzt zu den Erlebnisschichten, die die Tiefe des Fokus definieren. Forschungsmethoden lassen sich auf viele Targets anwenden: Produkte, Marketing, interne Prozesse, Geschäftsmodelle.
Eine Technik, die LLM-Antworten verbessert, indem zunächst relevante Informationen aus einer spezifischen Wissensbasis abgerufen werden, um die Ausgabe des Modells zu fundieren.
Der Punkt in der qualitativen Forschung, an dem Sie keine neuen Informationen mehr erhalten oder keine neuen Erkenntnisse mehr von den Teilnehmer*innen gewinnen. Das Signal, dass Sie die wichtigsten Themen wahrscheinlich aufgedeckt haben.
Der Prozess der Bewertung potenzieller Forschungsteilnehmer*innen anhand von Eignungskriterien, bevor sie an einer Studie teilnehmen. Gutes Screening schützt die Datenqualität; schlechtes Screening verschwendet die Zeit aller Beteiligten.
Eine Ein-Fragen-Metrik zur Bewertung des Product-Market Fit, die misst, wie enttäuscht Nutzer*innen wären, wenn sie ein Produkt nicht mehr verwenden könnten.
Die Aufteilung Ihrer Nutzerbasis in distinkte Gruppen basierend auf gemeinsamen Merkmalen, Verhaltensweisen oder Bedürfnissen. Die Grundlage für gezielte Research, personalisierte Erlebnisse und aussagekräftiges Stichprobendesign.
Eine Ein-Item-Bewertungsskala mit 7 Stufen, die nach jeder Aufgabe in einem Usability-Test gestellt wird: ‚Wie einfach oder schwierig war diese Aufgabe?' Schnell, reliabel und hochsensitiv für Aufgabenschwierigkeit.
Die Tendenz von Forschungsteilnehmer*innen, Fragen so zu beantworten, wie sie glauben, dass es positiv aufgenommen wird, anstatt ehrlich zu antworten. Am stärksten bei sensiblen oder selbstbildbezogenen Themen.
Alle Personen, die Ihre Research beeinflussen, davon betroffen sind oder Entscheidungen auf deren Basis treffen. Stakeholder-Management ist kein Overhead, sondern entscheidet darüber, ob Ihre Ergebnisse tatsächlich etwas verändern.
Die Feststellung, dass ein beobachtetes Ergebnis wahrscheinlich nicht allein durch Zufall entstanden ist. Konventionell angezeigt durch einen p-Wert unter 0,05, was einer Wahrscheinlichkeit von weniger als 5 % entspricht, dass das Ergebnis ein Zufallsbefund ist.
Die Anzahl der Teilnehmer*innen in einer Forschungsstudie. Die geeignete Stichprobengröße hängt von den Forschungszielen, der Methodenart (qualitativ vs. quantitativ), der geforderten Präzision und der Anzahl der untersuchten Nutzersegmente ab.
Ein systematischer Fehler, der entsteht, wenn Ihre Forschungsstichprobe nicht die Population repräsentiert, die Sie untersuchen möchten. Die häufigste und am meisten übersehene Bedrohung für die Forschungsvalidität.
Forschung am Ende eines Entwicklungszyklus, um den Erfolg des fertigen Produkts anhand definierter Kriterien zu messen. Das Ziel ist Bewertung, nicht Iteration.
Eine Core Method des skalierten Fragens mit standardisierten Fragen. Ermöglicht Datenerhebung bei größeren Stichproben, opfert dafür aber die Tiefe von Interviews zugunsten von Breite und Standardisierung.
Die Tendenz von KI-Modellen, Nutzer*innen zuzustimmen, ihnen zu sagen, was sie hören wollen, oder es zu vermeiden, deren Annahmen infrage zu stellen, selbst wenn dies hilfreicher oder genauer wäre.
Der Prozess der Zusammenführung von Ergebnissen aus mehreren Datenquellen zu kohärenten Mustern und Themen. Dort, wo rohe Beobachtungen zu Actionable Insights werden.
Ein standardisierter Fragebogen mit 10 Items, der einen Score von 0–100 zur Messung der wahrgenommenen Usability ergibt. Das meistverwendete Instrument der Branche für Usability-Benchmarking.
Eine konsistente, vorhersagbare Verzerrung, die Ergebnisse in eine bekannte Richtung verschiebt. Handhabbar, weil Sie sie in der Interpretation berücksichtigen können, und damit weit besser als zufällige, unsystematische Fehler.
Ein Klassifikationssystem, das Konzepte in Kategorien organisiert. In der Forschung ein vordefiniertes Set von Tags oder Codes zur systematischen Kategorisierung qualitativer Daten.
Eine systematische Methode zur Strukturierung qualitativer Daten durch das Taggen anhand einer Taxonomie von Kategorien, gefolgt von der Analyse der Häufigkeiten und Muster dieser Tags, um über bloße Zusammenfassung hinaus zu echter Erkenntnis zu gelangen.
Eine Research-Technik, bei der Teilnehmer*innen ihre Gedanken, Gefühle und Annahmen verbalisieren, während sie Aufgaben bearbeiten. Das liefert Echtzeit-Einblicke in ihre mentalen Prozesse und Entscheidungsfindung.
Ein Prinzip der Datenorganisation, bei dem jede Spalte eine Variable ist, jede Zeile eine Beobachtung und jede Zelle einen einzelnen Wert enthält. Die Grundlage für effiziente Analyse und Automatisierung.
Eine evaluative Methode zur Validierung der Informationsarchitektur. Nutzer*innen erhalten eine rein textbasierte Version der Seitenstruktur, und es wird gemessen, ob sie für gegebene Aufgaben den richtigen Ort finden.
Die Praxis, mehrere Datenquellen, Methoden oder Perspektiven zu kombinieren, um robustere Forschungsergebnisse zu erzielen. Reduziert die Abhängigkeit von einer einzelnen Quelle und erhöht das Vertrauen in die Schlussfolgerungen.
Zufällige Variation in Forschungsdaten, verursacht durch unvorhersagbare Faktoren wie Stimmung der Teilnehmer*innen, Umgebungsgeräusche oder Tageszeit. Im Gegensatz zum systematischen Fehler gleicht er sich bei ausreichender Stichprobengröße aus.
Laut ISO 9241-11: das Ausmaß, in dem ein Produkt durch bestimmte Benutzer*innen in einem bestimmten Nutzungskontext genutzt werden kann, um bestimmte Ziele effektiv, effizient und zufriedenstellend zu erreichen.
Eine UX-Research-Methode, bei der repräsentative Nutzer*innen versuchen, bestimmte Aufgaben mit einem Produkt zu erledigen, während Beobachter*innen zusehen, zuhören und Notizen machen.
Laut ISO 9241-210: die Wahrnehmungen und Reaktionen einer Person, die aus der Nutzung und/oder der erwarteten Nutzung eines Produkts, Systems oder Dienstleistung resultieren, einschließlich Emotionen, Überzeugungen, Präferenzen und Verhaltensweisen vor, während und nach der Nutzung.
Eine Core Method des strukturierten Fragens, konzipiert für die tiefgehende Erforschung von Nutzerbedürfnissen, Verhaltensweisen und Motivationen. Unterscheidet sich von einem beiläufigen Gespräch durch definierte Ziele, ein Protokoll und einen systematischen Ansatz.
Eine quantitative Research-Methode, die User-Experience-Metriken (Task Success, Bearbeitungszeit, Zufriedenheit) in regelmäßigen Abständen oder im Vergleich zu Wettbewerbern misst, um Fortschritt zu verfolgen und ROI nachzuweisen.
Ein diagnostisches Framework zur Bewertung, wie tief UX Research und Design in einer Organisation verankert sind. Die Stufen reichen von abwesend bis nutzergetrieben.
Die Praxis, User Experience durch standardisierte Instrumente, Verhaltensmetriken und Selbstauskunftsmaße zu quantifizieren. Ermöglicht Benchmarking, Fortschrittsverfolgung und evidenzbasierte Vergleiche.
Die systematische Untersuchung von Nutzer*innen und ihren Interaktionen mit Produkten oder Services, um Designentscheidungen zu informieren. Unterscheidet sich von Marktforschung durch den Fokus auf die spezifische Interaktion, nicht die breitere Marktlandschaft.
Das Durchführen von research-ähnlichen Aktivitäten ohne Substanz und Rigorosität. Workshops und Übungen, die Teams ein produktives Gefühl geben, aber Ergebnisse ohne echten Bezug zu tatsächlichen Nutzerdaten produzieren.
Eine Core Method, die alle drei Building Blocks kombiniert: Testen der Aufgabenerledigung (Effektivität und Effizienz), Beobachten von Verhalten und nonverbalen Signalen sowie Fragen zur Erfahrung stellen. Die umfassendste einzelne Research-Methode.
Ob eine Forschungsmethode misst, was sie zu messen beansprucht. Es geht um Genauigkeit, nicht um Präzision. Eine Methode kann reliabel (konsistent) sein, aber nicht valide (genau), wenn sie konsistent das Falsche misst.
Eine Preisforschungstechnik, die vier Standardfragen zur wahrgenommenen Wertigkeit nutzt, um eine akzeptable Preisspanne und einen optimalen Preispunkt zu identifizieren.
Ein systematisches Programm zur Erfassung, Analyse und Umsetzung von Customer-Feedback über alle Kanäle hinweg. Verwandelt verstreute Beschwerden und Lob in strukturierte organisatorische Intelligenz.
Web Content Accessibility Guidelines: der internationale technische Standard, der definiert, wie Webinhalte für Menschen mit Behinderungen zugänglich gemacht werden. Bietet testbare Erfolgskriterien, organisiert nach Konformitätsstufen (A, AA, AAA).
Ein Studiendesign, bei dem dieselben Teilnehmer*innen alle Bedingungen testen. Jede teilnehmende Person interagiert sowohl mit Version A als auch mit Version B. Statistisch mächtig, erfordert aber Counterbalancing zur Kontrolle von Reihenfolgeeffekten.
Unterstützung bei der Anwendung?
Unser Team hilft Ihnen, effektive UX-Research-Praktiken für Ihr Produkt zu implementieren.