Когнитивные
искажения в
отзывах
Пользователи врут. Не специально, а потому что их мозг так устроен. Разбираем, почему «5 звезд» — это часто ложь во спасение, и как на Feedbackly мы превращаем когнитивный шум в чистые данные.
Проблема «Посредника»
Когда пользователь пишет отзыв в публичном поле (Google Maps, Яндекс.Карты), он испытывает социальное давление. На Feedbackly мы создаем закрытый контур, где жесткая критика — это валюта.
Эффект свежести (Recency Bias)
Человек склонен переоценивать события, которые произошли совсем недавно, и недооценивать опыт, накопленный за месяцы использования.
Пример: Клиент пользовался вашим сервисом год идеально, но вчера упал сервер на 10 минут. Его отзыв: «Это свинство, я больше не верю вам».
Эффект завершения (Completion Bias)
Эмоциональный пик в конце взаимодействия с продуктом непропорционально влияет на общую оценку опыта, затирая всё остальное.
Пример: Сложная процедура оформления заказа, но «Благодарим вас» всплывает красиво. Пользователь ставит 5 звезд, потому что финиш был приятным.
Как мы корректируем данные
Мы не удаляем эмоции, но мы их сегментируем. Алгоритмы Feedbackly выделяют контекст, чтобы PM мог увидеть за «1 звездой» реальную проблему UX, а не просто гнев пользователя.
Взвешивание по времени
Мы помечаем отзывы, полученные в первые 24 часа после покупки (период макс. свежести), отдельным тегом [HIGH_RECENCY].
Разделение этапов
Вместо одного общего вопроса «Как вам сервис?», мы запрашиваем фидбек на каждом этапе воронки. Это убирает эффект завершения.
Советы по составлению вопросов
Плохой вопрос рождает красивый, но бесполезный ответ. Используйте эти шаблоны для получения сырых данных.
Ловушка вежливости
«Вам понравился наш новый дизайн?»
Это бинарный вопрос, провоцирующий ложное согласие. Пользователь боится звучать как сноб.
Метод «Критик»
«Что вас бесит в этом интерфейсе прямо сейчас?»
Мы легитимизируем негатив. Пользователь чувствует разрешение быть критичным, что дает вам реальные инсайты.
Метод «Утрата»
«Если бы эта функция исчезла завтра, что бы вы потеряли?»
Вместо абстрактной оценки важности, вы спрашиваете о реальной боли. Это обходит эффект новизны.
Ссылки на исследования
БиблиотекаThe Peak-End Rule (Kahneman)
Детальный разбор того, почему люди помнят только пик и конец опыта, игнорируя длительность.
Social Desirability Bias in Surveys
Исследование N. Lord (1969) о том, как участники экспериментов подстраивают ответы под ожидания исследователя.
Recency Bias in UX Research
Статья UX Collective о методах нивелирования влияния последних событий на общую оценку продукта.