User Research
Definition: User Research (Nutzerforschung; UX-Research) bezeichnet alle systematischen Methoden zur Erforschung der Bedürfnisse, Verhaltensweisen, Motivationen, mentalen Modelle und Nutzungskontexte von Zielgruppen – als empirische Grundlage für nutzerzentrierte Design- und Produktentscheidungen. Research-Dimensionen: Ziel-Dimension: Generative Forschung (auch: Discovery Research; Explorative Forschung): Problem-Entdeckung; Hypothesen-Generierung; Verstehen von Nutzer-Kontext und -Motivationen; Methoden: Interviews; Contextual Inquiry; Diary Studies; Ethnografie; Evaluative Forschung (auch: Validierungs-Research): Lösungs-Bewertung; Prototype-Testing; Usability-Evaluation; Methoden: Usability-Tests; A/B-Tests; SUS; Datentyp-Dimension: Qualitative Forschung («Warum»-Antworten; Tiefenverständnis; kleine Stichproben; nicht-numerisch; Interviews; Contextual Inquiry; Think-Aloud); Quantitative Forschung («Wie viel»/«Wie oft»-Antworten; statistische Repräsentativität; große Stichproben; numerisch; Surveys; Analytics; A/B-Tests); Mixed Methods: Kombination für vollständiges Bild; Verhalten-Dimension: Attitudinal Research (was Nutzer sagen; Selbstauskünfte; Surveys; Interviews); Behavioral Research (was Nutzer tun; beobachtet oder gemessen; Usability-Tests; Analytics; Eye-Tracking); das Grundproblem der Nutzerforschung: «What people say and what people do are very different things» (Henry Ford; oft zitiert in UX-Kontexten); Behavioral Research ist reliablerer Indikator als Attitudinal Research.
Erläuterung
Die wissenschaftliche Fundierung von User Research entstand an der Schnittstelle von angewandter Psychologie, Soziologie und Informatik. Kurt Lewin (University of Berlin; Berlin; danach Iowa State University; Iowa City; IA; «Action Research and Minority Problems», Journal of Social Issues, 1946) entwickelte das Action Research-Modell: Forschen und Handeln als integrierter Zyklus statt Forschung vor dem Handeln; für User Research übersetzt: kontinuierliche Forschung im Design-Prozess statt einmalige Vor-Projekt-Studie. Hugh Beyer (Digital Equipment Corporation; DEC; Maynard; MA) und Karen Holtzblatt (Digital Equipment Corporation; dann InContext Enterprises; Concord; MA; «Contextual Design: Defining Customer-Centered Systems», Morgan Kaufmann, 1998) entwickelten Contextual Inquiry als systematische Feldforschungsmethode: Contextual Inquiry kombiniert Beobachtung (ethnografisch; Nutzer bei Arbeit beobachten) mit Interview (Nachfragen im Kontext der Beobachtung); Master-Apprentice-Modell: Nutzer ist Experte für seine Arbeit; Forscher ist Lernender; vier Designprinzipien: Context (im echten Arbeitsumfeld); Partnership (kollaborative Erkundung); Interpretation (Forscher interpretiert im Dialog); Focus (geführt durch Research-Fragen); DEC nutzte Contextual Inquiry um die Workplace-Design-Probleme bei Unternehmens-Software zu verstehen; Methodik wurde später von IDEO und HCI-Akademie übernommen. Erika Hall (Mule Design; San Francisco; CA; «Just Enough Research», A Book Apart, 2013; zweite Auflage 2019) popularisierte pragmatisches User Research für kleine Teams und Startups: Hall's Kernargument: die häufigsten Design-Fehler entstehen nicht aus zu wenig Technologie sondern aus falschen Annahmen über Nutzer; «Just enough research» bedeutet so viel Forschung wie nötig um die wichtigsten Annahmen zu validieren; Hall definierte vier Research-Typen: Generativ (neue Probleme entdecken); Deskriptiv (existierenden Zustand beschreiben); Evaluativ (Design-Lösungen bewerten); Kausal (Ursache-Wirkung nachweisen). Teresa Torres (Produktberaterin; «Continuous Discovery Habits: Discover Products That Create Customer Value and Business Value», Product Talk Press, 2021) revolutionierte User Research für agile Produktentwicklung durch das Continuous-Discovery-Framework: wöchentliche Nutzer-Gespräche (mindestens 1 Gespräch pro Woche); Opportunity-Solution-Tree als strukturiertes Entscheidungs-Werkzeug; kleine schnelle Tests statt großer Research-Projekte; Research als kontinuierliche Praxis nicht als Projektphase; Torres-Konzept wurde zu einem der meistzitierten Frameworks in modernem Produkt-Management und UX. Judd Antin (Yahoo Research; dann Facebook; Meta; Menlo Park; CA; «Research Debt», UX Collective 2018) beschrieb das «Research Debt»-Problem in Tech-Unternehmen: Teams sammeln zu viele unstrukturierte Research-Insights ohne systematische Verwertung; Insights veralten; Wissen geht verloren wenn Team-Mitglieder das Unternehmen verlassen; Lösung: strukturierte Research-Repositories (Dovetail; Airtable; Notion-Datenbanken) als Single Source of Truth für Research-Erkenntnisse.
Research-Methoden und Durchführung
- Qualitative Forschungsmethoden: Nutzerinterviews (semi-strukturiert; 30–90 Minuten; 5–8 Teilnehmer für Saturierung einfacher Themen; 15–20 für komplexe Segmentierung): Vorbereitung: Forschungsfragen definieren (nicht Interviewfragen); Screening-Kriterien; Leitfaden mit offenen Hauptfragen und Probe-Fragen; Durchführung: neutraler Moderator; Think-Aloud bei Aufgaben; Schweigen aushalten; Dankbarkeit zeigen; Analyse: Transkription (otter.ai; rev.com); Affinity Mapping (Miro; FigJam; Dovetail); JTBD-Extraktion; Contextual Inquiry: Nutzer am Arbeitsplatz beobachten; 2–4 Stunden; Rollenspiel Master-Apprentice; beste Methode für Enterprise-Software und komplexe Workflows; teure Rekrutierung; Field Studies/Ethnografie: Forscher verbringt Tage oder Wochen in natürlichem Nutzungskontext; für Consumer-Produkte mit komplexen sozialen Kontexten; IDEO-Methodik; Diary Studies (Tagebuchstudie): Teilnehmer protokollieren über Wochen Erlebnisse mit Produkt/Service; mobile Diary-Apps (dscout; EthOS); longitudinal; für Produkte mit verzögertem Wert oder über-Zeit-Erfahrungen; Focus Groups: 6–10 Teilnehmer; Moderator; für frühe Ideen-Exploration und Kommunikationsforschung; nicht für Usability-Evaluation (Gruppen-Dynamik verzerrt Einzelmeinungen)
- Quantitative Forschungsmethoden: Online-Surveys (SurveyMonkey; Google Forms; Typeform; Qualtrics): repräsentative Stichproben; n ≥ 100 für erste Trends; n ≥ 400 für 95% Konfidenz; Likert-Skalen (5- oder 7-Punkte); Closed Questions für Statistik; Open Questions für qualitative Ergänzung; Bias-Risiken: Acquiescence-Bias; Recall-Bias; Social-Desirability-Bias; Analytics (Google Analytics 4; Mixpanel; Amplitude; FullStory): Verhaltensdaten aus echter Nutzung; Funnel-Analyse; Retention-Kohorten; Heat-Maps; Session-Replays; kein «Warum» ohne qualitative Ergänzung; A/B-Testing (Optimizely; VWO; LaunchDarkly): statistischer Vergleich zweier Varianten; statistisch signifikant bei n ≥ 500 pro Variante für 20%-Effekte; Frequentist (p-Wert) oder Bayesisch (Posterior-Probability) als statistische Auswertungsansätze; Card Sorting (OptimalWorkshop Optimal Sort; Maze; UserZoom): offenes (Nutzer kategorisieren selbst) vs. geschlossenes (Nutzer sortieren in vorgegebene Kategorien); für Informationsarchitektur-Validierung; Tree Testing (Treejack; OptimalWorkshop): validiert Navigation-Strukturen; Erfolgsrate und Direktheit als Metriken; Benchmark-Studien: große Stichproben (n ≥ 100) für statistisch verlässliche SUS/SUPR-Q-Benchmarks; Vergleich mit Industrie-Normen
- Research-Methoden-Matrix und Methodenwahl: IDEO Human-Centered Design Research Matrix (4 Quadranten): Qualitativ/Attitudinal (Interviews; Focus Groups); Qualitativ/Behavioral (Contextual Inquiry; Ethnografie; Usability-Test mit Think-Aloud); Quantitativ/Attitudinal (Surveys; SUS; NPS); Quantitativ/Behavioral (Analytics; A/B-Tests; Eye-Tracking); Methoden-Wahl-Kriterien: Frage: «Warum» → Qualitativ/Behavioral; Frage: «Wie viele» → Quantitativ; Frage: «Was passiert» → Analytics + Behavioral; Frage: «Was denken» → Attitudinal; Zeit: Wenig Zeit → Guerrilla-Testing (5 Nutzer; 2 Stunden); Viel Zeit → Contextual Inquiry (3+ Wochen); Geld: Wenig Budget → Remote Unmoderiert (Maze; $30/Session); Großes Budget → Labor-Tests; Eye-Tracking; Diamond-Research-Strategie: Discovery-Phase → Qualitativ/Generativ (Interviews; Contextual Inquiry); Validierungs-Phase → Quantitativ/Evaluativ (A/B-Test; SUS) + Qualitativ/Evaluativ (Usability-Test)