De meeste apps ondersteunen geen gedragsverandering

We lijken de kunst van betrokkenheid in de techwereld te hebben geperfectioneerd, door mensen succesvol mee te slepen in eindeloze contentrabbitholes. Toch hebben zelfs de meest populaire digitale producten nog een weg te gaan als het gaat om echte gedragsverandering in de echte wereld.

Dit geldt vooral voor digitale gezondheid- en zelfverbeteringsapps. Deze categorie gedragsveranderingsapps is al geruime tijd in opkomst, gedreven door een gedeelde missie om gezondere en productievere levens te bevorderen. Vaak ontworpen om gezond gedrag aan te moedigen en ongezond gedrag te ontmoedigen, hebben ze het potentieel om onze gewoontes en ons dagelijks gedrag te veranderen. Toch blijft de vraag: hoe effectief zijn deze apps eigenlijk?

Bij het onderzoeken van de effectiviteit van veel gedragsveranderingsapps zien we enkele grote uitdagingen. Dit artikel belicht deze uitdagingen en hoopt tegelijkertijd ideeën te inspireren om ze te verbeteren..

“Gedragskenmerken er bovenop gestrooid”

Een belangrijk punt van zorg ligt in de fundamentele aspecten van hoe deze apps worden ontwikkeld. Hoewel veel apps gedrag proberen te beïnvloeden, ontbreekt het de meeste aan een stevige basis in gedragswetenschap. Zo blijkt uit onderzoek naar 65 apps die gericht zijn op het verbeteren van fysieke activiteit dat veel apps dezelfde gedragsveranderingstechnieken gebruiken, terwijl andere technieken worden verwaarloosd. En van deze 65 apps waren er slechts 12 ondersteund door een peer-reviewed studie.[1]

Om het nog erger te maken, komt het vaker voor dat apps wat ‘gedragskenmerken er bovenop gestrooid’ hebben in plaats van dat ze van nature op een gedragsfundament zijn gebouwd. Dit gebrek aan wetenschappelijke basis ondermijnt hun potentiële effectiviteit in het stimuleren van de betekenisvolle betrokkenheid die nodig is om blijvende gedragsveranderingen te realiseren.

Betekenisvolle betrokkenheid: verder gaan dan alleen vermaak

Om gebruikers te betrekken en vast te houden, proberen apps vaak de kunst van gewoontenvorming te beheersen: een vaardigheid die het succes van tijdelijke populariteit in de digitale wereld onderscheidt. Kijk bijvoorbeeld hoe bedrijven zoals Meta overdelen tot een integraal onderdeel van de online cultuur hebben gemaakt, hoe Twitter een cultuur van ‘rage-scrolling’ heeft gekoesterd, en hoe TikTok de aantrekkingskracht van impulsief videobrowsen heeft geperfectioneerd.

De gedragsveranderingsapps waar we het over hebben, moeten echter verder gaan dan deze voorbeelden – in het domein van gedragsverandering moeten apps gebruikers activeren, motiveren en ondersteunen, in plaats van ze alleen te ‘betrekken’. Deze producten zijn bedoeld om levens te verrijken en gezond gedrag te stimuleren op het gebied van fitness, mindfulness of zelfs therapie. Hiervoor moeten ze verder gaan dan entertainment en gebruikers in staat stellen op hun pad naar zelfverbetering en persoonlijke doelen. Succes vereist dat mensen buiten hun schermen actie ondernemen in hun leven.

En hier komt de bekende uitdaging: onze hoge ambities leiden niet altijd tot daadwerkelijke gedragsveranderingen. Gemiddeld is de retentiegraad na één maand voor alle gezondheidsapps slechts 4%.[2] Het kopiëren van engagementstrategieën van sociale media zal dit probleem nauwelijks oplossen. De betrokkenheid die sociaalmedia-succes drijft – meestal passief en oppervlakkig – sluit niet goed aan bij de actieve, betekenisvolle betrokkenheid die nodig is voor gedragsverandering. Er is een groot verschil tussen de oppervlakkige, momentane interacties in gedachteloos ‘doom-scrolling’ apps en het diepere, transformatieve proces van gedragsverandering, zoals het opbouwen van een nieuwe trainingsroutine.

Verschillende niveaus van betrokkenheid

Dus hoe kunnen we meer betekenisvolle betrokkenheid bij gedragsveranderingsproducten stimuleren? Allereerst is het nuttig om twee verschillende niveaus van betrokkenheid te onderscheiden.[3] ‘Little e’-betrokkenheid is de interactie met de digitale oplossing zelf, inclusief de functies die gericht zijn op gedragsverandering, en wordt meestal gemeten met traditionele productmetriek. Bijvoorbeeld, voor een app zoals Noom kan dit het aantal inschrijvingen voor het programma zijn, het wekelijks voltooien van taken, of de betrokkenheid bij coachgesprekken. Alleen optimaliseren voor Little e is echter onvoldoende als je een echte impact op gedragsuitkomsten wilt hebben.

Hier komt het tweede, cruciale niveau van betrokkenheid om de hoek kijken: ‘Big E’. Dit vertegenwoordigt het daadwerkelijke gedrag – het doelgedrag in het leven van gebruikers dat het product beoogt te bereiken. Terugkomend op Noom, kan dat bijvoorbeeld het aanpassen van eetgewoonten zijn, en mogelijk de frequentie van lichaamsbeweging om mensen te ondersteunen bij gewichtsverlies op lange termijn. Het is één ding om een app dagelijks te gebruiken; iets anders is dat de app je daadwerkelijk helpt je gedrag duurzaam te veranderen. Little e is belangrijk, maar Big E is het moment waarop betrokkenheid is omgezet in echte gedragsverandering in de echte wereld.

In essentie is Little e de bouwsteen die het bereiken van Big E mogelijk maakt en faciliteert. Het succesvolle ontwerp van een gedragsveranderingsproduct hangt daarom af van het effectief samenbrengen van deze twee vormen van betrokkenheid – ervoor zorgen dat het product niet alleen aantrekkelijk en gebruiksvriendelijk is (Little e), maar ook effectief in het betekenisvol verbeteren van gezondheidsgerelateerd gedrag in de echte wereld (Big E). Het product is slechts het voertuig van verandering, een leveringssysteem voor wat gebruikers werkelijk waarderen. En het is belangrijk om het voertuig niet te verwarren met de bestemming.

Een mismatch tussen theorie en toepassing

Niet veel gedragsveranderingsapps maken gebruik van de meest effectieve technieken om mensen te helpen hun gedrag in de echte wereld te veranderen. Verschillende studies benadrukken deze uitdaging.[4,5] Bijvoorbeeld, de manier waarop de meeste habit-apps zijn ontworpen, sluit vaak niet aan bij de wetenschap van gewoontenvorming. Een analyse van 115 populaire habit-apps liet zien dat functies ter ondersteuning van gewoontenvorming vaak ontbreken.[5] Toch blijven veel van deze apps populair en worden ze veel gepromoot in appstores. Dit wijst op een kloof tussen wat we weten over hoe gewoontes worden gevormd en de praktische toepassing van functies om gewoontenvorming in app-ontwikkeling te ondersteunen.

Hetzelfde geldt voor gedragsveranderingstechnieken. Dezelfde analyse toonde aan dat zelfmonitoring de meest voorkomende gedragsveranderingstechniek in apps is. Ja, je gedrag bijhouden – en idealiter feedback erop krijgen – kan het proces van gedragsverandering ondersteunen, maar alleen bijhouden helpt mensen niet om andere gedragingen in hun dagelijkse routines aan te nemen of ongewenste gedragingen af te leren. Bovendien kan de voortdurende taak van het loggen van gedrag een belasting worden, waardoor gebruikers ontmoedigd raken en de kans op blijvende gedragsverandering afneemt.

Wat meer is, de meeste apps helpen gebruikers niet om gedrag buiten het product aan te nemen, maar creëren juist een afhankelijkheid van het product om het gedrag vol te houden. Je zou kunnen denken: “Geweldig! Ze hebben mijn product nodig!”. Maar uiteindelijk betekent deze afhankelijkheid dat zodra gebruikers om welke reden dan ook stoppen met het gebruik van de app, hun nieuw ‘aangeleerde’ gedragingen ook het risico lopen verloren te gaan.

Een nieuwe methode om de effectiviteit van gedragsveranderingsproducten te beoordelen

Het meten van de effectiviteit van digitale gedragsveranderingsoplossingen, zoals gezondheid- en welzijnsapps, is complex. Hoewel de digitale voetafdrukken van gebruikers inzicht geven in hun digitale gedrag, geven ze niet volledig weer of interacties met het product leiden tot blijvende gedragsverandering in het leven van gebruikers. Gedragsverandering vindt plaats in de echte wereld, niet alleen binnen een digitaal product.

Veranderingen in gedrag en het vormen van gewoontes zijn echter zinvollere succesindicatoren, maar ook moeilijker te kwantificeren. Enquêtes en externe meetinstrumenten kunnen helpen, maar brengen ook nadelen met zich mee, omdat de inspanning voor het bijhouden van gedrag de betrokkenheid kan verminderen – om nog maar te zwijgen van de kans op sociaal wenselijke antwoorden.

Gezien deze uitdagingen is er een dringende behoefte aan een genuanceerder kader om het gedragsveranderingspotentieel van digitale oplossingen in de praktijk te evalueren. Dit kader moet verder gaan dan oppervlakkige metrics en onderzoeken hoe effectief een app gezond gedrag bij gebruikers kan bevorderen en onderhouden. Vanwege de moeilijkheid om gedrag buiten het product te meten, zal zo’n kader zich moeten richten op het proces en beoordelen hoe goed een product gebruikmaakt van bekende gedragsveranderingstechnieken.

Meer informatie

For inquiries about using our method, the Behavior Change Score for your project or to learn more, book a call here or reach out to us at hello@nuancebehavior.com.

We're also excited to share our recently published Behavior Chance Score report – download it here to ensure you don't miss out on our findings.

This article was originally published at Nuance Behavior.

References

1. Bondaronek, P., Alkhaldi, G., Slee, A., Hamilton, F. L., & Murray, E. (2018). Quality of Publicly Available Physical Activity Apps: Review and Content Analysis. JMIR mHealth and uHealth, 6(3), e53.

2. Argyle, M. (2024, March 12). Mobile app user retention benchmarks broken down by industry. Sendbird. https://sendbird.com/blog/app-retention-benchmarks-broken-down-by-industry

3. Cole-Lewis, H., Ezeanochie, N., & Turgiss, J. (2019). Understanding health behavior technology engagement: Pathway to measuring digital behavior change interventions. JMIR formative research, 3(4), e14052.

4. Renfree, I., Harrison, D., Marshall, P., Stawarz, K., & Cox, A. (2016, May). Don't kick the habit: The role of dependency in habit formation apps. In Proceedings of the 2016 CHI conference extended abstracts on human factors in computing systems (pp. 2932-2939).

5. Stawarz, K., Cox, A. L., & Blandford, A. (2015, April). Beyond self-tracking and reminders: designing smartphone apps that support habit formation. In Proceedings of the 33rd annual ACM conference on human factors in computing systems (pp. 2653-2662).