前言

总结: 人们总是偏好于能证实他们现有信念的信息，并贬低那些不符合他们信念的信息的价值。在 UX设计过程中，可以通过适当的研究方法来觉察并规避这种证实性偏差。

在浏览你的社交媒体消息时，你是否曾忽略过政治观点与你不同的朋友所发布的文章？然而，你更可能会注意那些与你政治立场相近的人所分享的内容。这是证实性偏差的一个例子——该专有名词由心理学家 Peter Wason 于 1960 年首次提出，指的是让先前的信念影响我们对新信息的感知这一倾向。

定义：证实性偏差是一种认知谬误，当人们完全参照现有的信念或先入为主的观念来寻找或分析信息时，就会发生这种错误。证实性偏差会导致人们舍弃掉与他们现有信念相矛盾的信息，就算该信息是事实也是如此。
用户体验中的证实性偏差 - 图1
如果只偏爱符合自己信念的信息，而忽视其他事实和证据，我们共情和寻找真相的能力就会被破坏。

证实性偏差可以被看作是启动效应的例子——我们先前的信念影响了我们搜索新信息的方式，并扭曲了我们解释信息的方式。这确实是一种低成本的理解世界的方式——毕竟坚持一个假设比否定它并提出另一个假设更容易。

以下是证实性偏差的一些典型表现形式：

人们倾向于忽略那些违背他们现有信念的信息。通常情况下，这是因为我们的自负妨碍了我们进行无偏见的思考。自负会影响我们的判断，让我们对违背自己信念的信息感到不舒服。
人们倾向于寻求能证实他们现有信念的信息。证实性的信息不仅更方便解释，而且这样做还能帮我们为自己的信念赋予合理性，并助长我们在这个话题上的信心。
人们有选择地收集或回忆信息，或以有偏见的方式解释信息时，也会表现出这种偏见。这就像在了解新闻故事时只听一家之言，或以证实先前信念的方式来解释故事。

这种证实性偏差对于富有情绪色彩的问题和根深蒂固的观念影响更大，如宗教、种族、政治、妇女权利或气候变化。

对于从事UX工作的人来说更重要的是，你在对设计或用户的假定上投入得越多，你的证实性偏差就越强。例如，如果你花了几个月的时间来做一个设计，你将很有可能相信那些说设计没有问题的可用性证据，而对任何证明设计有问题的发现持怀疑态度。另一方面，如果你在进行可用性测试之前只花一到两天做了纸质原型，那么你在解释研究结果时就会有较少的偏见。

一、UX研究和设计中的证实性偏差

证实性偏差在UX研究和设计中会产生严重的后果，因为它会通过排除其他选项和否定不同意见来使得从业者的观点被扭曲。认识并克服证实性偏差将有助于改进决策和研究，并最终带来更好的产品和用户体验。

举个例子，假设有这样一个电商网站：虽然该网站流量很可观，而且有很多用户把产品加入购物车里，但销售额却很低。设计师们假设是由于结账按钮设计得不好才导致了业绩低下（先入为主的信念）。所以他们决定收集反馈，并提出下面这个调查问题。

红色的结账按钮很难找到吗？

这个问题存在几个毛病：

对结账按钮的关注使研究偏向于收集有利于设计师预先的假设的证据。即使用户回答表明结账按钮确实很难找到，但这也可能并不是用户在网站上或在结帐过程种遇到的最大问题。
提问的方式偏负面（“很难找到”），会促使参与者思考这个按钮存在的问题（而不是思考这个按钮到底是否有效）。
这种封闭式的、是或否问题没有给用户足够的空间，让他们提供遇到问题时的实际经历，并描述问题的背景信息。

一个更好的、非引导性的问题是：

结账的过程如何？请解释你喜欢或不喜欢这个过程的原因。

这个问题避免了诱导参与者，也没有迎合设计师的证实性偏差。它定位了结账过程可能是问题所在，让参与者可以进行展开说明，并提供情境内的反馈。

总而言之，证实性偏差有很多方式可以影响UX从业者。

会提出存在偏见的问题和（更常见的情况下）设置一个用以确认研究人员假设的测试，而不是来调查其他可能的问题和发现问题的原因。
忽视指向不同方向的证据（比如，在可用性测试中可能存在这个问题）。
将模棱两可的证据解释为有利于研究人员先前的假设或假定的方向。

二、避免UX研究中的证实性偏差的技巧

意识到证实性偏差是避免它的第一步。以下是UX研究员和设计师可以避免证实性偏差的一些方法。

研究，而非验证。UX从业者应该以一种开放的心态进行研究，旨在测试假设和假定而不是验证它们。研究的目的是发现我们事先不知道的东西，而不是证实我们的期望。设计师应该灵活思考，需要迅速认识到自己走错了路，而不是花时间和资源去深入挖掘一个没有前途的设计方案。为了避免这种验证的循环，即设计师总是假设测试会帮他们证实自己已经相信的东西，我们要明白，在所有用户研究的计划阶段都应该首先对测试目标进行全面回顾。

尽快收集数据。如上所述，你在某个设计上投入的时间、资源和情感越少，你在解释用户研究的观察结果时就越不会存在偏差。因此，你越早从目标受众那里获得实证数据，你就越有可能在分析数据和根据发现采取行动时保持相对理性。

提问时注意避免引导性发问。 当UX工作者从用户那里收集反馈时，无论是通过可用性测试、日志研究还是访谈，都要避免问一些引导性的问题。引导性的问题会使得测试参与者产生启动效应，使他们对研究者可能感兴趣的问题更为敏感。

通常当你有一个特定的假设时，要想出完全没有引导性的问题是很困难的（就像上文提到的结帐的例子）。一定要退一步问自己：这个问题是否有可能暗示了参与者应该有什么反应？参与者能从这个问题中猜出我的假设是什么吗？如果答案是肯定的，就应该重新表述问题。参与者也是人，他们总是希望自己是有帮助的，并会在他们所猜测的研究主题上努力思考来取悦主持人。

使用三角测量法。多个数据来源不仅可以提高你的研究的可信度，而且可以避免证实性偏差。让一个研究结果产生扭曲从而符合你的假设是很容易的，但如果数据有几个不同的来源，如用户测试、数据分析、定量研究或客户服务日志，要再扭曲最后的结果就很难了。在上面提到的结账流程的例子中，想象一下，如果设计师在寻求用户反馈之前，在一些数据分析软件中查看了用户使用网站的操作流程。他们可能会发现，大多数退出网站的情况发生在结账流程的后期，即距离用户点击结账按钮已经有一段时间。仅仅这个观察就可以帮他们提出更好的问题。又或者说，用户反馈表明用户在结账过程中没有任何问题，但分析数据清楚地表明用户并没有完成整个结账过程。也就是说，也许研究本身没有问对问题，所以忽略了低交易率背后的真正原因。

让新人员参与研究计划和分析过程。 在可能的情况下，可以请一位没有直接参与你的项目的同事来评议你的研究计划，并听你介绍相关研究结果。通常情况下，一个不了解先前假设的人可以带来一个新的、中立的视角，更容易帮助你识破证实性偏差的影响。

三、为什么证实性偏差很重要

证实性偏差会使人们执着地坚持错误的信念，或对支持其信念的信息给予更多的关注。人们可能对自己的信念过于自信，因为他们也已经积攒了支持这些信念的证据，虽然实际上他们忽略或者无视了许多反驳他们信念的证据。在用户体验中，证实性偏差会影响判断力，影响我们与用户共情的能力，导致研究设计不佳，并造成对反馈结果的误解。通过了解证实性偏差如何影响研究人员的产出和用户的反应，UX从业者可以使用客观的方法收集有实际产出意义的数据，从而制作出设计精良的产品。

结语

参考文献
Hallihan, G. M., & Shu, L. H. (2013). Considering confirmation bias in design and design research. Journal of Integrated Design and Process Science, 17(4), 19-35.
Wason, P. C. (1960). On the failure to eliminate hypotheses in a conceptual task. Quarterly Journal of Experimental Psychology, 12, 129-140.

原文地址：https://www.nngroup.com/articles/confirmation-bias-ux/