Entdecken Sie in dieser zusammenfassenden Übersicht die tiefgreifenden Auswirkungen und Stärken der UX-Forschung. Erfahren Sie mehr über ihre Auswirkungen und Wirksamkeit und gewinnen Sie Einblicke in diese unverzichtbare Praxis. Das Verständnis der Bedeutung der UX-Forschung ist entscheidend für die Verbesserung der Benutzererfahrung und den geschäftlichen Erfolg.

UX-Forschung: Nutzererkenntnisse für bessere Produkte und Erlebnisse

Um großartige Produkte und Dienstleistungen zu entwickeln, muss man verstehen, was für den Nutzer funktioniert und was nicht. Dieses Verständnis zu erlangen, ist jedoch eine schwierige Aufgabe. Der gesamte Forschungsbereich der UX (User Experience) oder HCI (Human-Computer Interaction) dient im Wesentlichen dazu, dieses Problem zu lösen.

Es gibt zahlreiche Gründe, warum diese Forschung so schwierig ist, darunter die Vielfalt der Umgebungen oder Produkte, mit denen der Nutzer konfrontiert wird, der sich ständig wandelnde Charakter jeder Erfahrung sowie die Tatsache, dass jeder Teilnehmer auf seine ganz eigene Weise reagiert. Bei jeder Interaktion spielt sich eine ganze Menge ab.

Eine gelungene Benutzererfahrung ist für ein Unternehmen natürlich von enormer Bedeutung (und die Faktoren, die dazu führen, sind an sich schon eine Untersuchung wert), weshalb eine Vielzahl von Methoden eingesetzt wird, um herauszufinden, was funktioniert und was nicht.

Im Folgenden werden wir einige der Methoden vorstellen, die traditionell in der User-Experience-Forschung zum Einsatz kommen, und erläutern, wie neue biosensorbasierte Methoden dazu beitragen, dieses Forschungsgebiet zu prägen, indem sie Daten liefern, die oft von entscheidender Bedeutung, für User-Experience-Forscher jedoch bislang unzugänglich waren.

Methoden der UX-Forschung: Daten zur Benutzererfahrung

Bei dem Versuch, die Benutzererfahrung zu verstehen, kommen häufig verschiedene Methoden zum Einsatz, darunter:

Beobachtung – dabei verfolgt ein Forscher das Verhalten und die Handlungen eines Nutzers (z. B. ob der Nutzer bei der Interaktion mit dem Produkt lächelt). Dieser Ansatz kann eine Fülle von Daten liefern, ist jedoch aufwendig in der Erfassung und in hohem Maße subjektiv.
„Think-aloud“-Methode – bei der der Nutzer gebeten wird, seine aktuellen Erfahrungen bei der Interaktion mit dem Produkt zu schildern. Dieser Ansatz soll Einblicke in die emotionale Reaktion des Teilnehmers geben, beeinträchtigt jedoch letztlich den Ablauf der Erfahrung und ist – ebenso wie der Beobachtungsansatz – leicht verzerrbar.
Heuristische Evaluation – eine strukturierte Reihe von Leitfragen, die darauf abzielen, Antworten auf für Designer kritische Problembereiche zu erhalten. Die genaue Vorgehensweise kann je nach verwendeter Methode variieren, das Prinzip bleibt jedoch dasselbe. Diese Methode sorgt für Einheitlichkeit hinsichtlich der von jedem Teilnehmer erwarteten Handlungen oder Antworten. Zwar bietet diese Methode den Vorteil einer klar definierten Struktur, ist aber letztlich subjektiv, da sie auf den expliziten Gedanken der Teilnehmer beruht.
Interviews / Fragebögen – eine Reihe strukturierter oder unstrukturierter Fragen, die entweder während der Erfahrung (und damit unterbrechend) oder im Nachhinein im Rahmen einer Rückblick-Analyse gestellt werden müssen (wodurch Informationen über die aktuelle Erfahrung verloren gehen). Dieser Ansatz kann wichtige qualitative Daten liefern (insbesondere in Bezug auf explizite Erinnerungen an die Benutzererfahrung), ist jedoch leicht anfällig für Verzerrungen, selbst wenn diese unbeabsichtigt sind.
Kennzahlen zur Aufgabenanalyse – Messgrößen für die explizite Aufgabenleistung, beispielsweise wie schnell ein Produkt auf einer Webseite gefunden wird, wie lange die Registrierung für einen Dienst dauert oder wie viele Tastenanschläge zum Herunterladen bestimmter Informationen erforderlich waren [1]. Dies liefert zwar einen objektiven Maßstab für die Effizienz, lässt jedoch die entscheidende emotionale Komponente der Benutzererfahrung außer Acht.

Wie bei vielen Forschungsansätzen ist es in der Regel von Vorteil, über mehr Daten zu verfügen (sofern man weiß, wie man sie nutzt), und es liegt auf der Hand, dass eine Kombination verschiedener Ansätze dazu beitragen kann, ein ganzheitliches Bild der Benutzererfahrung zu erstellen. Viele dieser Messgrößen zielen darauf ab, Einblicke in das emotionale Erlebnis zu gewinnen, da dieses für den Erfolg eines Produkts von entscheidender Bedeutung ist.

Wie John McCarthy und Peter Wright in ihrem Buch „Technology as Experience“ argumentieren: „Jede Beschreibung dessen, was oft als ‚Benutzererfahrung‘ bezeichnet wird, muss die emotionalen, intellektuellen und sinnlichen Aspekte unserer Interaktionen mit Technologie berücksichtigen“ [2]. Jedes erfolgreiche Produkt muss sowohl intuitiv zu bedienen sein als auch Freude bei der Nutzung bereiten.

Zwar war (und ist) der Einsatz der oben genannten Methoden für das Verständnis der Nutzererfahrungen von unschätzbarem Wert, doch bedeutet ihr subjektiver Charakter letztlich, dass bestimmte Aspekte der Erfahrung nicht zuverlässig erfasst werden können.

Moderne Ansätze in der UX-Forschung

Um diese Lücke zu schließen, werden in der modernen UX-Arbeit und -Forschung zunehmend Biosensoren eingesetzt, um Daten zu liefern, die objektiver und konsistenter sind und keine Unterbrechung des Nutzererlebnisses erfordern. Dieser Ansatz nutzt Instrumente, die physiologische Daten erfassen, die dann mit dem Nutzererlebnis in Verbindung gebracht werden können – also mit den emotionalen, kognitiven und aufmerksamkeitsbezogenen Prozessen, die sich sonst nur schwer objektiv erfassen lassen.

Dies ist im Wesentlichen ein passiver Prozess, da die Daten ohne bewusste Mitwirkung des Teilnehmers erfasst werden. Zwar müssen unter Umständen Geräte am Teilnehmer angebracht werden (wie beispielsweise Elektroden an zwei Fingern zur Messung der galvanischen Hautreaktion), doch sind diese Geräte weitgehend unauffällig und nicht-invasiv.

Doch was sind Biosensoren? Allgemein gesagt ist ein Biosensor jedes Gerät, das biologische Aktivitäten misst. Für die UX-Forschung kann dies Folgendes umfassen:

Eye-Tracker zur Messung der Augenbewegungen, die Aufschluss über die Aufmerksamkeit geben
Analyse des Gesichtsausdrucks auf der Grundlage von Videoaufnahmen geäußerter Emotionen
fEMG (Gesichts-Elektromyographie), eine Methode zur Erfassung von Gesichtsmuskelbewegungen, die anschließend mit der Valenz in Verbindung gebracht werden können
GSR (Galvanische Hautreaktion, auch bekannt als elektrodermale Aktivität oder EDA), die physiologische und emotionale Erregung misst
EKG (Elektrokardiographie), das zur Messung der Herzfrequenzaktivität eingesetzt wird. Diese Daten können auch andere Messgrößen liefern, wie beispielsweise die Herzfrequenzvariabilität oder das Intervall zwischen zwei Herzschlägen, die dazu dienen, Informationen über die emotionale Erregung zu liefern
EEG (Elektroenzephalografie), ein Gerät zur Messung der Gehirnaktivität, das unter anderem Aufschluss über Annäherungs- oder Vermeidungsgefühle geben kann

Dieser Ansatz bietet zwar klare methodische Vorteile, wie beispielsweise die Erfassung kontinuierlicher und unverfälschter Messwerte, doch lassen sich die gesammelten Daten auch schnell in umsetzbare Erkenntnisse für Verbesserungen der Benutzererfahrung umsetzen. Im Folgenden werden wir einige Beispiele für Forschungsarbeiten vorstellen, bei denen Biosensoren eingesetzt wurden, um ein besseres und zuverlässigeres Verständnis der Benutzererfahrung zu gewinnen.

Vor kurzem lud Melina Palmer, langjährige Partnerin von iMotions und Expertin für Verhaltensökonomie sowie Gründerin und CEO von The Brainy Business Inc., Dr. Jessica Wilson von iMotions ein, gemeinsam mit ihr eine Folge ihres beliebten Podcasts „The Brainy Business Podcast“ aufzunehmen.

Die beiden sprachen darüber, wie wichtig es ist, Inhalte zu testen, wie iMotions dabei helfen kann, diese Inhalte sowohl im Labor als auch online zu testen, und vor allem über die langlaufenden Online-Studien, an denen die beiden für Melina im Zusammenhang mit ihrer Website und den Werbemaßnahmen für ihr neuestes Buch gearbeitet haben.

Hier anhören

Diese Fortschritte bilden eine entscheidende Grundlage nicht nur für aktuelle Verbesserungen der Benutzererfahrung, sondern auch für das Verständnis der Entwicklung der menschlichen Interaktion mit Technologie. Um die Zukunftsperspektiven zu erkunden und wichtige Entwicklungen zu antizipieren, sollten Sie sich überlegen, was das Jahr 2021 in Bezug auf die menschliche Erfahrung bereithält.

Forschung zur Benutzererfahrung

Eine Studie von Nacke und Lindley [3] stützte sich auf eine Kombination verschiedener Methoden, darunter EEG, EKG, fEMG, GSR und Eye-Tracking. Die Forscher untersuchten, wie die Teilnehmer das Spielgeschehen erlebten, und stellten Zusammenhänge zwischen den erfassten Signalen und anderen (sowohl subjektiven als auch objektiven) Messgrößen des Spielerlebnisses fest. Diese Studie war besonders wertvoll als Proof-of-Concept, da sie die Validität der Messmethoden unter Beweis stellte, die aufschlussreiche, in Echtzeit verfügbare und objektive Daten zur Interaktion liefern.

Eine weitere Studie zur Spielforschung an der University of Sussex nutzte sowohl Beobachtungs- als auch biosensorbasierte Methoden und kommt letztlich zu dem Schluss, dass „die Ergebnisse zeigen, dass beobachtungsbasierte Techniken zwar die meisten Probleme im Zusammenhang mit der Benutzerfreundlichkeit aufdecken können, der biometriebasierte Ansatz es den Forschern jedoch ermöglichte, latente Probleme in Bezug auf die Gefühle, das Eintauchen in das Spiel und das Spielerlebnis der Spieler aufzudecken und bei bestimmten Problemkategorien bis zu 63 % mehr Probleme aufzudecken als durch Beobachtung allein“ [4]. Während sich Beobachtungsmethoden als notwendig erwiesen, ermöglichte die Kombination mit Biosensoren ein neues Verständnisniveau.

Eine Pilotstudie der University of Southern Indiana [5] untersuchte den Einsatz von Biosensoren zur Erfassung objektiver Daten, während Nutzer Geschäfts-Dashboards betrachteten. Die Dashboards müssen so gestaltet sein, dass sie die nützlichsten und relevantesten Informationen so schnell wie möglich vermitteln, ohne den Nutzer kognitiv zu sehr zu belasten, damit die bestmöglichen Entscheidungen getroffen werden können.

Mithilfe von Eye-Tracking, Gesichtsausdrucksanalyse, GSR und EEG (unter Verwendung von iMotions) untersuchte die Studie, wie Aufmerksamkeit und kognitiver Aufwand mithilfe solcher Biosensoren erfasst werden können, und kam schließlich zu dem Schluss, dass „direktere und objektivere Messmethoden für Nutzerreaktionen im Kontext von Business-Dashboards erforderlich sind“.

In einer weiteren Studie wurde mittels Eye-Tracking die Aufmerksamkeit der Nutzer bei der Verwendung eines medizinischen Geräts untersucht [6]. Die Forscher setzten eine Eye-Tracking-Brille und die Software iMotions ein. Sie stellen fest: „Normalerweise stützt sich der Gerätehersteller bei seinen formativen Usability-Tests während der Produktentwicklung auf verbale Selbstauskunftsprotokolle, Interviews und Beobachtungen.“

Der Einsatz von Eye-Tracking „lieferte fünf einzigartige Erkenntnisse und Ergebnisse“, darunter Informationen darüber, wann der Nutzer Schaltflächen übersah, wann Text übersprungen wurde, sowie ein besseres Verständnis der visuellen Ablenkung während der Gerätenutzung. Sie weisen zudem darauf hin, dass der Einsatz von Eye-Tracking schnellere Ergebnisse und detailliertere Erkenntnisse lieferte, ohne dabei die Benutzererfahrung zu beeinträchtigen oder zu beeinflussen.

Forscher haben zudem eine Kombination aus Eye-Tracking, EKG, GSR und Gesichtsausdrucksanalyse genutzt, um Aufmerksamkeit, emotionale Erregung und geäußerte Emotionen miteinander zu verknüpfen und so „emotionale Heatmaps“ auf Webseiten zu erstellen [7]. Diese Heatmaps werden aus den verarbeiteten Signalen gebildet und ergeben eine visuelle Überlagerung, die Aufschluss darüber gibt, wie sich jemand fühlte, als er auf einen bestimmten Punkt des Bildschirms blickte.

Die Forscher erklären: „Dieser triangulierte Ansatz ermöglicht es, die verschiedenen emotionalen und kognitiven Zustände der Nutzer in bestimmten Bereichen einer bestimmten Benutzeroberfläche visuell zu analysieren (z. B. kognitive Belastung in Verbindung mit emotionaler Valenz)“ – ein leistungsstarkes Instrument zum Verständnis der Benutzererfahrung.

Zusammenfassend lässt sich sagen, dass UX-Forscher zunehmend Biosensoren einsetzen, um ihr Verständnis zu vertiefen. Diese Methoden kommen am besten in Kombination mit traditionellen Methoden zum Einsatz, die die Grundlage für das Verständnis bilden, während die Biosensoren die Daten für ein tieferes Verständnis der Benutzererfahrung liefern.

Literaturverzeichnis

[1] Yao, L., Liu, Y., Li, W., Zhou, L., Ge, Y., Chai, J. & Sun, X. (2014). Bewertung der Benutzererfahrung mobiler Anwendungen anhand physiologischer Messungen. In: Engineering Psychology and Cognitive Ergonomics (S. 301–310). Springer International Publishing.

[2] McCarthy, J., & Wright, P. (2007). Technologie als Erfahrung. Cambridge, Mass.: MIT Press.

[3] Nacke, L. & Lindley, G.A. (2008). Flow und Immersion in Ego-Shootern: Messung des Spielerlebnisses. Tagungsband der ACM-Konferenz FuturePlay 2008, Toronto, Kanada.

[4] Mirza-babaei, P., Long, S., Foley, E. (2011). Der Beitrag der Biometrie zur Forschung über Spielnutzer. DiGRA ’11 – Tagungsband der internationalen DiGRA-Konferenz 2011: Think Design Play, Utrecht, Niederlande.

[5] Bacic, D. (2017). Untersuchung der Auswirkungen der Gestaltung von Business-Dashboards auf die Nutzer: Ein Triangulationsansatz unter Verwendung von Eye-Tracking, Gesichtsausdrucksmessung, galvanischer Hautreaktion und EEG-Sensoren. In: AMCIS 2017, Boston, MA.

[6] Koester, T., Brøsted, J. E., Jakobsen, J. J., Malmros, H. P., Andreasen, N. K. (2017). Der Einsatz von Eye-Tracking bei Usability-Tests medizinischer Geräte. Tagungsband des Internationalen Symposiums 2017 zu Human Factors und Ergonomie im Gesundheitswesen.

[7] Georges, V., Courtemanche, F., Senecal, S., Baccino, T., Fredette, M. & Leger, P. M. (2016). UX-Heatmaps: Darstellung der Benutzererfahrung auf visuellen Schnittstellen. In: Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems (S. 4850–4860). ACM.