Voor velen is het leren over cognitieve biases hetzelfde geworden als het begrijpen van productpsychologie. Voor productteams die menselijk gedrag proberen te doorgronden, kunnen deze biases een gevoel van houvast bieden te midden van alle complexiteit. Toch is het kennen van biases slechts de eerste stap, en een ‘bias-focus’ kan je productontwerp zelfs schaden. In dit artikel duiken we in de voor- en nadelen van cognitieve biases, met als doel je te helpen opnieuw na te denken over hoe biases in de praktijk worden toegepast.

Dus, als je je digitale producten naar een hoger niveau wilt tillen en echt wilt begrijpen hoe je kunt ontwerpen voor gedragsverandering, dan is dit artikel voor jou.

Hoe biases de wereld hebben overgenomen

“…het observeren van [visuals zoals de Cognitive Bias Codex] geeft ons het gevoel dat we op het punt staan de complexiteit van menselijk gedrag te begrijpen.”

Biases, gedefinieerd als systematische en bijna universele patronen van afwijking van rationaliteit, worden inmiddels breed erkend als een van de redenen waarom besluitvormingsprocessen misgaan. Met pakkende namen en herkenbare verhalen begonnen biases al snel de grenzen van academische discussies te overstijgen – ze sloegen een brug tussen gedragswetenschappelijk onderzoek en alledaagse ervaringen. Hoewel ze grotendeels voortkomen uit afzonderlijke onderzoeken, vaak getest in laboratoria of beperkte contexten, helpen ze een gedeelde taal en begrip te creëren van psychologische fenomenen en schijnbaar irrationele gedragingen. In sommige gevallen kan een verzameling biases, zoals de Cognitive Bias Codex, ronduit indrukwekkend zijn. In plaats van ons af te vragen wie het heeft gemaakt of of de Codex geldig is*, geeft het simpelweg observeren ervan ons het gevoel dat we de complexiteit van menselijk gedrag bijna in handen hebben.

Naarmate biases aan populariteit hebben gewonnen, hebben ze ook hun weg gevonden naar de toolkit van design- en productteams. Vaak worden ze gebruikt als checklists, richtlijnen voor de gebruikersreis of casestudy’s, waarbij biases structuur zouden moeten bieden in het vaak chaotische landschap van productpsychologie. In veel casestudy’s ontleden ‘bias detectives’ producten om te identificeren welke biases mogelijk een rol spelen of bewust in het design zijn verwerkt – in feite worden ontwerpbeslissingen achteraf als ‘biases’ gelabeld.

“Het kunnen benoemen en herkennen van biases betekent niet automatisch dat je ook hun implicaties in je product begrijpt, of hoe je er bewust mee kunt ontwerpen.”

Hoewel het een leuke oefening kan zijn, is het de vraag hoe waardevol deze checklists en bias detectives werkelijk zijn. Het herkennen van biases staat niet gelijk aan het begrijpen van hun gevolgen in jouw product, of hoe je er effectief mee kunt ontwerpen. Dit brengt het risico met zich mee dat biases willekeurig in productontwerpen worden gegooid zonder grondig inzicht in hun samenhang of contextuele nuances. Laten we een betere aanpak verkennen, te beginnen met een dieper begrip van cognitieve biases.

Is een ‘bias focus’ schadelijk voor je productdesign?

Laten we dieper ingaan om biases beter te begrijpen, hoe je ze níet moet gebruiken en enkele aanbevolen toepassingen. Laten we ontdekken hoe we outside the bias kunnen denken!

1. Biases zijn neigingen in plaats van eigenschappen

Allereerst houdt een ‘bias focus’ geen rekening met het feit dat biases brede neigingen zijn in plaats van vaste gedragskenmerken die mensen hebben. Wat betekent dit? Neem bijvoorbeeld verliesaversie, een bekende bias die suggereert dat het verlies van iets twee keer zo pijnlijk is als het plezier van het verkrijgen van hetzelfde. Dit lijkt een duidelijke aanwijzing dat mensen altijd sterker gemotiveerd zullen zijn om verliezen te vermijden dan om winsten te behalen. Maar… is dat altijd zo? Nope! Er is namelijk maar beperkt bewijs voor verliesaversie en het is zeker geen universeel fenomeen. Zo kan dezelfde persoon zich heel anders gedragen in financiële situaties met hoge inzet dan in alledaagse beslissingen met lage inzet. En omdat individuele verschillen ook een rol spelen, zullen sommige mensen van nature meer verlies-tolerant zijn, terwijl anderen juist sterker verlies-avers zijn. Hetzelfde geldt voor de meeste, zo niet alle biases.

Voor productteams is het nuttig om een stap terug te doen en twee scenario’s te overwegen over hoe verschillende niveaus van begrip van dit principe in de praktijk kunnen uitpakken bij teams die te maken hebben met lage gebruikersbetrokkenheid:

• Scenario A: Het team organiseert een ideatiesessie met cognitieve bias-kaarten en legt zo de basis voor een nieuwe feature.

• Scenario B: Door middel van gebruikersonderzoek zoals interviews, enquêtes en literatuuronderzoek identificeert het team verschillende cognitieve biases binnen een bredere context van gebruikersspecifieke psychologische factoren. Verdere gebruikerstesten en co-creatiesessies sturen vervolgens de ontwikkeling van een nieuwe feature.

Het is hier makkelijk te zien welk scenario waarschijnlijk de beste resultaten oplevert. Zoals Scenario A laat zien, gaat ontwerpen puur op basis van biases uit van een one-size-fits-all benadering. Maar zoals we allemaal weten, is gedrag complex. Verschillende mensen, contexten en situaties vragen om verschillende gedragsinterventies. Het productteam in Scenario B begrijpt dit en voorkomt dat ze te snel conclusies trekken.

“Op zichzelf vertellen biases ons niets over onze gebruikers.”

Hoewel biases waardevolle inzichten kunnen bieden, zouden ze meer als inspiratiebron moeten dienen dan als strikte, generaliseerbare regels. Op zichzelf vertellen ze ons niets over onze gebruikers. En ze zijn geen vervanging voor doordacht gebruikersonderzoek en testen. Test en valideer aannames altijd in diverse, realistische contexten om ervoor te zorgen dat je ontwerpen aansluiten bij je gebruikers.

Aanbevelingen

• Erken dat biases brede neigingen zijn, geen vaste eigenschappen. Onthoud dat dezelfde bias niet universeel van toepassing hoeft te zijn op alle individuen of situaties.

• Leg de koekjesvorm weg. Ontwerpen op basis van biases leidt tot een algemene aanpak, die mogelijk geen recht doet aan de diversiteit en complexiteit van het gedrag van jouw gebruikers.

• Vertrouw op de bevindingen uit je gebruikersonderzoek. Biases kunnen waardevolle inzichten bieden, maar ze zouden natuurlijk moeten ontstaan en niet geforceerd in je onderzoek moeten worden ingebouwd.

2. Biases hebben de neiging de bredere contextuele factoren die gedrag beïnvloeden, over het hoofd te zien.

Over het algemeen worden biases bekeken vanuit het perspectief van het individu – gezien als een gevolg van hun eigen cognitie en besluitvorming. Laten we onderzoeken hoe dit het risico met zich meebrengt dat bredere contextuele factoren, die gedrag ook beïnvloeden, over het hoofd worden gezien.

Denk aan de bekende Marshmallow-studie, waarbij een kind alleen wordt gelaten met een marshmallow en beloofd wordt een tweede te krijgen als het kan wachten met het eten van de eerste totdat de volwassene terugkeert. De spanning loopt op terwijl het kind worstelt met de drang om het verleidelijk snoepje voor zich te eten. Als kinderen meteen de eerste marshmallow zouden eten zonder te wachten op de tweede, zou je dat een present bias kunnen noemen – het prioriteren van onmiddellijke beloningen boven toekomstige, soms zelfs grotere beloningen.

“[De Marshmallow-test] was geen test van zelfbeheersing, maar een test van context.”

Jarenlang werd het vermogen om beloningen uit te stellen in deze test gezien als een kenmerk van individuele zelfbeheersing, waarbij vervolgonderzoek zelfs het vermogen om uitgestelde beloningen te waarderen koppelde aan meer succes in de latere carrière. Een diepere blik liet echter een cruciale bevinding zien – de aanzienlijke invloed van de thuissituatie van het kind. Kinderen uit onstabiele, onvoorspelbare omgevingen, waar beloften niet consequent werden nagekomen, waren minder geneigd te wachten. Als je er niet zeker van kunt zijn dat toekomstige beloften worden nagekomen, neem je wat er nu voor je ligt. Het was dus niet alleen een test van zelfbeheersing, maar ook een test van context.

Een voorbeeld van een productteam dat het contextuele karakter van biases begreep, is het team van Wikipedia. In hun fondsenwervingscampagne maakten ze op een onverwachte manier gebruik van social proof. In plaats van te benadrukken dat de meerderheid van hun lezers doneert, benadrukte hun websitebanner dat slechts 2% dat doet. Dit is contra-intuïtief, aangezien social proof meestal suggereert dat mensen de meerderheid volgen. Veel mensen waren dan ook snel geneigd Wikipedia te bekritiseren voor hun controversiële strategie, denkend dat ze het concept van sociale normen verkeerd hadden begrepen. Echter, het fondsenwervingsteam van Wikipedia handelde niet alleen op hun gevoel; ze hebben hun strategie grondig getest. Ze ontdekten dat deze aanpak in hun context de donatiepercentages aanzienlijk verhoogde.

In productontwerp is het essentieel om niet alleen biases in overweging te nemen, maar ook de bredere sociale en contextuele invloeden op gebruikers te erkennen. Deze voorbeelden illustreren hetzelfde probleem als wanneer productteams een succesvolle feature van een concurrent kopiëren en aannemen dat wat voor anderen werkte, ook voor hen zal werken. Zoals het marshmallow-voorbeeld ons echter leerde, kunnen verschillen in sociale invloeden en contexten tot heel verschillende uitkomsten leiden.

Aanbevelingen

• Begrijp de bredere context. Ontwerpen met alleen focus op biases kan de grotere contextuele factoren uit het oog verliezen.

• Erken zowel individuele als maatschappelijke invloeden. Om effectief te ontwerpen voor gedragsverandering, wees je bewust van zowel persoonlijke neigingen als de bredere sociaal-culturele en situationele factoren die gebruikersbeslissingen beïnvloeden.

• Bekijk producttesten als contextmapping. Zoals Jared Peterson, medeoprichter van Nuance, opmerkt: “Een mislukte nudge betekent gewoon dat je meer te leren hebt over de context.”

3. Biases vereenvoudigen de complexiteit van menselijk gedrag tot een lijst van onsamenhangende tekortkomingen

Lijsten van biases vereenvoudigen menselijk gedrag tot een onsamenhangende verzameling gedragsfouten – afwijkingen van rationaliteit. Stel je voor dat je zo’n lijst gebruikt bij het creëren van een onboarding- of aanmeldproces. In dit scenario moet je beslissen in welke volgorde je een aantal opties presenteert en wil je de resultaten kunnen voorspellen. Kijkend naar je lijst met biases stuit je al snel op een dilemma: kiezen de meeste mensen voor de eerste optie (anchoring of priming)? Of kiezen ze de laatste optie (recency effect)? Of misschien kiezen mensen de optie die ze al kennen (status quo bias), wat tegenovergesteld is aan het kiezen van een nieuwe en andere optie (novelty bias). Wat doe je dan?

“[Lijsten van cognitieve biases zijn] bundels van grotendeels onsamenhangende fenomenen in plaats van een samenhangend kader.”

Dit gedachte-experiment benadrukt een ander groot probleem met biases: deze lijsten zijn bundels van grotendeels onsamenhangende fenomenen in plaats van een samenhangend kader. En zonder kader is het moeilijk om de selectie van interventietechnieken te sturen. In plaats daarvan vind je jezelf een lijst met biases aflopend, een aantal ideeën uitkiezen en kijken welke het beste werken – misschien zelfs jezelf tegenstrijdig volgend in het proces.

Bovendien zijn biases zelden van nature irrationeel. Gezien het enorme aantal beslissingen dat we dagelijks nemen, hebben we cognitieve snelkoppelingen, of heuristieken, ontwikkeld om ons adaptieve besluitvormingsproces te ondersteunen. In plaats van ineffectieve beslissers en slachtoffers van vele gedragsfouten te zijn, hebben we cognitieve hulpmiddelen ontwikkeld die ons goed van pas komen in onvoorspelbare of complexe situaties.

Aanbevelingen

• Ga verder dan bias-checklists. Alleen op deze lijsten vertrouwen kan leiden tot een oppervlakkig begrip van gedrag, wat resulteert in inconsistente of tegenstrijdige ontwerpkeuzes.

• Duik dieper in de drijfveren van gedrag. In plaats van willekeurig te kiezen van een lijst, investeer in het begrijpen van de onderliggende factoren die beslissingen sturen en ontwerp je producten op basis van een samenhangend gedragskader.

• Ontwikkel indien mogelijk een gepersonaliseerd gedragsmodel. Dit kan je ontwerpkeuzes sturen en je begrip van de psychologische aspecten van de gebruikerservaring verrijken.

4.Biases veroorzaken gedrag niet echt, ze beschrijven het alleen maar.

Dit brengt ons bij een laatste belangrijk punt over biases: biases creëren geen inzicht in hoe menselijk gedrag zich in de wereld afspeelt. Biases veroorzaken gedrag niet – ze beschrijven het alleen. Biases zijn eigenlijk slechts labels voor afwijkingen van een bepaald gedragsmodel.

Neem bijvoorbeeld een scenario waarin je gebruikersonderzoeken uitvoert om de gebruikersreis van je fitness-app te analyseren. Je ontdekt dat meerdere gebruikers naar de sportschool gaan om te voorkomen dat ze de voortgangspunten die ze in de app hebben verzameld, verliezen. Het kan verleidelijk zijn om dit gedrag direct toe te schrijven aan bekende biases zoals verliesaversie of het endowment-effect, maar dit leidt slechts tot het toekennen van een bias-label aan het geobserveerde patroon.

Wanneer je producten enkel analyseert of ontwerpt op basis van biases, begrijp je slechts één facet van het onderliggende gedrag en mis je de echte reden achter de acties van mensen. Dergelijke overhaaste conclusies kunnen averechts werken, omdat ze diepere, complexere motivaties verbergen. Je kunt uiteindelijk functies of incentives ontwerpen die niet resoneren met gebruikers of zelfs contraproductief zijn, omdat je het symptoom behandelt en niet de oorzaak.

In the case of the fitness center app, taking the time to study the insights in more detail you might discover completely different explanations. Perhaps the app has features that allow users to see how they rank among friends or within a community, creating a sense of belonging and making recording progress on it rewarding. This taps into Self-Determination Theory, which focuses on individuals' innate psychological needs, standing in stark contrast to a singular bias-focused perspective. Knowing this, you could foster this fundamental need rather than trying to optimize the best way the points are allocated.

Recommendations

• See beyond simple bias labels. While these labels can help describe behavior, they don't uncover the reasons behind such actions.

• Adopt a holistic approach to behavioral design. This will help you sidestep the issues that arise from a too-narrow view of human behavior.

• Root designs in a good process. Ensure your methods include thorough user research, experimentation, and iterative testing to capture genuine user behavior across different scenarios.

How do we use biases in our work?

Yes, we still use cognitive biases in our work sometimes. That’s right, while it is essential to be aware of the limitations of relying heavily on biases, completely sidelining them isn't the solution either. So, how do we use them? Carefully, selectively, and thoughtfully.

"A good design process also helps to lower the risks of misusing biases."

During a behavioral audit, we sometimes spot areas where considering biases can be useful. Perhaps we’re looking into savings behavior and know there is existing literature specifically focused on biases in financial decisions. The key here is to act wisely – verifying if a particular bias is supported by solid research and if it truly applies to the context at hand. A good design process also helps to lower the risks of misusing biases. If we have already developed a good behavior model or behavioral journey map and understand the context, biases are more likely to help rather than distract.

To sum it up, we aren’t advocating for the elimination of biases from your toolkit. Instead, we emphasize a conscious and informed approach to using them appropriately. We hope that this article has helped you think about biases differently, enabling you to make more thoughtful decisions in your product design.

Recognizing and learning about biases can be a great first step in behavioral design. The next step in developing a true understanding of behavior requires an effective process. With this in mind, it might be worth considering what general behavior change framework is used during your product design to inform your decision-making. In other words, what guides your assumptions and ideas when it comes to designing for behavior change? A good framework should provide a clear, contextually relevant roadmap for your product design and development that clarifies when and how to use biases to achieve the desired impact effectively.

That’s the nuance that will set you apart.

If you would like to learn more about how we design products for behavior change, feel free to reach out via contact.

This article was originally published at Nuance Behavior.

References

Collins J. (2022, July 21). We don’t have a hundred biases, we have the wrong model. Works in Progress. https://worksinprogress.co/issue/biases-the-wrong-model

Collins, J. (2019, December 19). The case against loss aversion. Jason Collins blog. https://www.jasoncollins.blog/posts/the-case-against-loss-aversion

Davis, A.M. (2018). Biases in Individual Decision-Making. In K. Donohue, E. Katok, & S. Leider. (Eds.), The handbook of behavioral operations ( pp. 151-192). John Wiley & Sons.

Gigerenzer, G., & Selten, R. (2002). Bounded rationality: The adaptive toolbox. MIT Press.

Kahneman, D., & Tversky, A. (1977). Prospect theory. An analysis of decision making under risk. https://doi.org/10.21236/ada045771

Kidd, C., Palmeri, H., & Aslin, R. N. (2013). Rational snacking: Young children’s decision-making on the marshmallow task is moderated by beliefs about environmental reliability. Cognition, 126(1), 109-114.

Mischel, W., Shoda, Y., & Rodriguez, M. L. (1989). Delay of gratification in children. Science, 244(4907), 933-938.

Mischel, W., Shoda, Y., & Peake, P. K. (1988). The nature of adolescent competencies predicted by preschool delay of gratification. Journal of Personality and Social Psychology, 54(4), 687–696. https://doi.org/10.1037/0022-3514.54.4.687

Smets, K. (2018, July 24). There is more to behavioral economics than biases and fallacies. Behavioral Scientist. https://behavioralscientist.org/there-is-more-to-behavioral-science-than-biases-and-fallacies/