30 個設計師該知道的認知偏誤(中)
接續上一篇的文章,還沒看過的可以點擊 30 個設計師該知道的認知偏誤(上),今天的文章也會介紹 10 個認知偏誤的說明加上相關案例。
認知偏誤(中)目錄:
目錄
11.Foot-in-the-door technique 得寸進尺法/登門檻效應
12.Loss Aversion 損失規避
13.Analysis paralysis 分析癱瘓
14.Choice-Supportive Bias 選擇支持偏誤
15.Authority Bias 權威偏見
16.Von Restorff Effect 雷斯多夫效應
17.Mere-Exposure Effect 單純曝光效應
18.Fluency heuristic 流暢性試探法
19.Variable Rewards 可變獎勵
20.Zero Risk Bias 零風險偏誤
11.Foot-in-the-door technique 得寸進尺法/登門檻效應
得寸進尺法是一種"順從戰術",人們會在同意小請求後,更容易同意較高難度的要求,這是一種策略戰術,也被社會學家稱為"連續漸進"(successive approximations)的一項人類基本特點。
往往這種人都會基於 “自我知覺理論” (self-perception) 的概念,如果你向對方提出小的請求或做出小的行為越多(1.例如曾經是否遇到路上的人問說可以幫我填個問卷嗎?),若自己是出於自由意願並同意的話(2.填問卷),接下來對方會提出跟第一步有關聯性的大請求,也很有可能是主要的目的。(3.接著希望你購買他們的產品),這種漸進式的小過程,往往都會增加成功的機率。
舉免費試用為例,某些平台就是藉由開放免費試用,用漸進、逐步的方式將這產品融入到你的生活當中,Spotify 也會根據你聽了什麼,個人化你獨一無二的歌單和推薦系統,這也是增加你黏著度的一個好方法。此外,試用的體驗時間相對拉長,如果你是頻繁使用的消費者,試用期過後的大請求就是吸引你按下訂閱,當然,在產品有良好的體驗下,往往消費者都會願意買單。
像是有許多捐款網站,會先讓用戶先行選擇捐款的金額,才會進行填入資料或付費的流程,這也是漸進式的小請求,當你完成第一步確認金額後,用戶的心理上已經答應了其中的一個小要求,後續的填單和付款可能會因為你已經心理上同意了這個動作,接續的將表格填完。那也有研究指出,這種方式比傳統直接要你填入資料的效果來得更好,同時也增加了用戶的完單率。
推薦閱讀:
◾Marketing Psychology — The Foot In The Door Technique
◾Harnessing the foot-in-the-door technique
12.Loss Aversion 損失規避
損失規避是指人們面對同樣數量的收益和損失時,認為損失更加令他們難以忍受。損失帶來的負效用為收益正效用的2至2.5倍。損失厭惡反映了人們的風險偏好並不是一致的,當涉及的是收益時,人們表現為風險厭惡;當涉及的是損失時,人們則表現為風險尋求。還有一種情況是短視損失厭惡(英語:myopic loss aversion)。在投資當中,長期收益可能會周期性地被短視損失所打斷,短視的投資者把股票市場視同賭場,過分強調潛在的短期損失。這些投資者可能沒有意識到,通貨膨脹的長期影響可能會遠遠超過短期內股票的漲跌。由於短視的損失厭惡,人們在其長期的資產配置中,可能過於保守。
這張圖有兩個重點
第一:敏感度遞減 (Diminishing sensitivity)
不管是獲利帶來的快樂,還是損失帶來的痛苦,隨著獲利增加,快樂感覺就漸漸減少。損失方面也是如此。
第二:損失規避(Loss Aversion)
價值函數的斜度變化中,負得比正的斜度高。也就是說,在損失下的價值函數比同等的實際價值來的高,人們面對相同價值時,會優先重視損失大於獲利。
以 Netflix 為例,在還沒訂閱之前會看到這個頁面,當中的 “CANCEL AT ANY TIME” ,或是 “JOIN FREE FOR A MONTH”,看到的人會覺得,既然都提供了一個月免費的體驗,為什麼我不用,這樣我不就損失了體驗 Netflix 免費的體驗嗎,大多數人往往會試用看看。損失規避的角度會讓你覺得,你如果不試用看看,就是等同損失了一個月,也就是一個月 Netflix 的錢,其實很多試用的案例都利用這樣的潛在心態。
也有許多電商會潛藏損失規避,像是你可以看到某某某商品時間快到了,你如果不在這段時間購買它所提供的特惠,這就是你的損失,你的心理必須支付 30% 的金額(這金額取決於那個商品折扣多少)。
推薦閱讀:
◾展望理論 Prospect theory (1):價值函數 (Value function)
◾UX Writers and Social Psychologists Should Talk Regularly
◾Cognitive biases: loss aversion
13. Analysis paralysis 分析癱瘓
分析癱瘓指的是個人或團體因為過度分析或是或過度思考而導致行動或決策被癱瘓,無法做出行動或決定。情境可能被視為過於復雜且而可能導致更大的問題,所以無法做出決策。同樣的,一個人可能認為更優越的解決方案只有一步之遙,而陷入無止境的追求,忽略了報酬遞減的概念。
說到分析癱瘓,又跟 Hick’s Law 席克法則息息相關,席克法則講的是:當選項增加時,人們下決定的時間就會增加。利用這個法則,可以測出在多重選擇下,人們需要多少時間才能才能做出決定。
有實驗證明,限制/減少選項的方式可以讓使用者不必過度思考,進而更快地進行決策,也有助於轉換率的提升。但是減少選項有時並不可行,這時你可以試著像下面 TESCO 的案例一樣,將資訊架構重新整理,某些比較細微的選項藏到下一個分支裡,減少使用者觀看過多無效益的分類。
但是分析癱瘓不僅僅是關於選擇的數量,而是關於這些選擇彼此之間的區別。
作者以 Amazon mobile 為例,當您嘗試預訂產品時,Amazon 會向您展示兩個按鈕,一個是“立即預訂”,另一個是“今天預訂”,儘管他盡了最大的努力,他還是無法弄清楚兩者之間的區別! 選擇之間細微差別的問題在於它增加了決策過程的複雜性,需要避免這種情況。
推薦閱讀:
◾A beginner’s guide to — Hick’s Law
◾How To Stop Analysis Paralysis With Design
◾Analysis Paralysis: how to overcome the UX designer’s ultimate block?
14.Choice-Supportive Bias 選擇支持偏誤
選擇支持的偏誤或購買後合理化(post-purchase rationalization)是一種將積極屬性追溯歸因於一個人選擇的選項和/或貶低被放棄的選項的趨勢。它是認知科學的一部分,並且是一旦做出決定就會發生的明顯的認知偏差。例如,如果一個人選擇選項A而不是選項B,則他們可能會忽略或淡化選項A的缺點,而將新的負面缺點放大或歸因於選項B。
選擇支持偏誤可以常常運用在我們選擇品牌上,我們會因為許多原因沒有規則或是過度合理化的支持 Apple,即便 Apple 沒有 Android 的一些好用功能或是比較貴,這也是品牌傳達給大眾很重要的一環,為什麼大眾會都選擇某個品牌?支持背後的原因值得品牌本身去多加思考,也是鼓勵大眾多去嘗試不一樣的產品。
推薦閱讀:
◾HOW THE CHOICE-SUPPORTIVE BIAS CAN INCREASE YOUR CONVERSION RATE
15.Authority Bias 權威偏見
權威偏見是傾向於將更高的準確性歸因於權威人物的觀點,並且受該觀點的影響更大。個人受到這個權威人物的觀點的影響更大,他們認為自己的觀點更加可信,因此更加重視權威人物的觀點。該概念被認為是所謂的社會認知偏差或集體認知偏差之一。人類通常對權威負有根深蒂固的責任,並傾向於在權威人物要求時服從。
你也有曾經買東西的時候,是因為某個人代言或推薦的產品才去下訂單的嗎?又或者是大公司常用的系統流程,許多公司也很喜歡當作參考的標準範例,這就是權威偏見的力量,你會感受到強而有力的連結效應,因為我們想像權威性代表的目標一樣,甚至是超越。
又或者像我前面提到的,我們會去參考一些 “象徵性企業”,他們在業界會有一定程度的權威力量,這股力量會促使我們去學習他們的模式,甚至是崇拜他們,也有些人是將這樣的權威放在夢想的終點。
推薦閱讀:
◾6 Authority Bias Examples That Might Impact Your Decisions
◾Authority Bias: Too Much Obedience Makes You Do Stupid Things
16. Von Restorff Effect 雷斯多夫效應
是指個人對學習材料或所見所聞的資訊,容易記住最特殊的部分的現象。例如:有一些參考書將重要的資料,以不同顏色或特殊的字體標示出來,就是利用雷斯多夫效應來加深讀者的印象。
雷斯多夫效應很常用在價格策略上,你會看到 Zoom 的 Pro 方案是他們所主打的,也用了比較明顯的顏色去強調此 CTA 按鈕,讓他們更與眾不同,也更吸引用戶注意。
常常也會用在產品的買賣策略上,某些產品會被賦予特別的標籤,這些標籤可以有效引導用戶點擊、觀看。
推薦閱讀:
◾The Designer’s Guide to Von Restorff Effect
17. Mere-Exposure Effect 單純曝光效應
單純曝光效應又譯重複曝光效應是一種心理學現象——人們會單純因為自己熟悉某個事物而產生好感。社會心理學中,這一效果也被稱為「熟悉定律」。這一現象所囊括的事物十分廣泛,例如文字,畫作,人像照片,多邊形及聲音等。在人際關係的研究中,一個人在自己的眼前出現的次數越多,自己越容易對其產生偏好和喜愛。
人們對於重複出現在眼前的人事物比較容易產生好感
曝光效應也稱作多看效應,它發揮作用的點取決於第一印象,如果第一印象不好,曝光越多,使用者反而會覺得厭煩。你可以看到有些球賽、演唱會等等都會看到各式各樣的廣告,這就是曝光效應的一種,即使只讓使用者看到那麼一秒,也會加深使用者對產品無形的好感度/討厭度。
通知的曝光
你是不是常常下載很多的應用程式卻很少點開來看,也沒有去刪掉,當應用程式察覺到這件事時,就會發出你可能有興趣的內容或是獎賞給你,希望你可以點擊查看他們的最新內容,這也是一種曝光效應,越來越多次之後,你可能發現這平台的資訊滿有趣或實用,進而增加好感度,也將你變成他們的忠實用戶。
當曝光得夠多次時,我們會對很常看到的元素(按鈕、品牌、顏色)產生一定程度的認知,逐漸累積熟悉感,當熟悉感到達一定程度時,我們會漸漸地喜歡上它們。
推薦閱讀:
◾Mere Exposure Effect: The Psychology Of Familiar UX
◾Mere Exposure Effect — We Always Choose The Familiar One
◾Encourage purchase through the Mere Exposure Effect or the Familiarity Principle
◾心理學「曝光效應」:不只能應用於愛情裡,在商業上也時常使用
18. Fluency heuristic 流暢性試探法
流暢性試探法是一種心理試探法,在這種試探法中,如果一個對像被處理得比另一個對象更流利,更快或更順暢,那麼頭腦就可以推斷出該對象相對於所考慮的問題具有更高的價值。換句話說,傳達的想法越巧妙或優雅,就越有可能認真考慮該想法,無論它是否合乎邏輯。
當出現多個選項時,人們最終會選擇易於處理或快速想到的選項。
像是 Amazon 的案例,用戶知道當他們去亞馬遜購買商品時,系統會推薦他們曾經看過的商品以及跟那些商品有關的連結,人們會透過這個簡易的連結找到相似的產品,提供給用戶快速的體驗,這也讓他們增加留存率,用戶不想去其他地方並重新的瀏覽和洗刷歷史紀錄。
稀缺性的啟發
稀缺性是讓用戶對您的產品做出承諾的強大動力,但它也可能適得其反。許多用戶已經取消了無數零售商的訂閱,這些零售商每天用電子郵件轟炸,宣傳” 僅限 24 小時銷售”之類的東西。不僅使用戶退訂了這些電子郵件,而且失去了用戶對該零售商的信任。提供真正有限的交易 — 或者尋找不同的策略。
推薦閱讀:
◾Think Fast! Using Heuristics To Increase Use Of Your Product
19. Variable Rewards 可變獎勵
當獎勵不可預測時,獎勵似乎更強大,也會促使更多的行為產生。
可變獎勵是鉤子模型 (Hook Model) 的第三階段,有興趣的人可以上網搜尋關於模型的研究,這邊就不贅述,而可變獎勵有分 3 種:
1.Rewards of the tribe 部落的獎勵
人們天生就必須相互依賴才能生存。正因為如此,我們渴望社會聯繫。我們尋求接受、包容和社區意識。
像是 Facebook 等社交媒體,看到部落在行動中的獎勵,尋找“喜歡”和“分享”讓他們感到欽佩、欣賞和重視的人們每天使用這些網站數小時。 或是 Quora 是另一個很好的例子,具有廣泛專業知識的個人將花時間在網站上免費回答問題,因為該網站依賴基於社區的功能,包括讓用戶能夠對答案進行投票贊成或反對。
2.Rewards of the Self 自我的獎勵
我們都享受著自我的成就感,像是從我們的待辦事項列表中完成一個或多個項目,又或者是在經常重複的任務中做得更好,熟練使我們感受到成就感。
像是知名的 Duolingo 學習平台就是利用這種方式,結合代辦事項和任務給用戶,當他們完成時,會獲得自我的獎勵,或許是成就感,又或者是學習新關卡的新鮮感。
3.Rewards of the Hunt 狩獵的獎勵
狩獵是一種原始行為。雖然我們大多數人不再自己獵殺動物,但我們仍然會獵殺有助於我們生存的東西。無論我們是在我們最喜歡的商店尋找特價商品還是討價還價,我們都受到狩獵本能的驅使。
賭場就是一個狩獵獎勵很好的例子,或者是你在購買商品時,特價商品總是會搶先佔據你的眼球,又或者是 Twitter 的每一則貼文,你不知道下一則貼文是什麼,也許你只是隨意看看,但偶爾裡面會有一些對你有用的內容,因此你就會不斷的無限滾動,不斷的尋找下一則。
推薦閱讀:
◾The UX explanation for mobile addiction: Variable Rewards & Incentive Design
◾A Deep Dive on Variable Rewards and How to Use Them
20. Zero Risk Bias 零風險偏誤
零風險偏見與我們對絕對確定性的偏好有關。我們傾向於選擇可以完全消除風險的情況,在 0% 的數字中尋求安慰,而不是實際上可能提供更大風險降低的替代方案。
人們偏好把風險從 5% 降至 0%,而不是從 55% 降至 50%。
像是行為經濟學中的阿萊悖論 (Allais Paradox),實驗當中對100人測試所設計的賭局:
- 賭局A:100%的機會得到100萬元。
- 賭局B:10%的機會得到500萬元,89%的機會得到100萬元,1%的機會什麼也得不到。
實驗結果:絕大多數人選擇 A 而不是 B,從理性的角度來看是非常值得的賭博,但人們被風險的一小部分嚇倒並選擇零風險選項,儘管它是次優選擇。
如果你還不是 Netflix 的會員,你會看到此畫面,裡面的隨時可以取消此訂閱,就是零風險偏誤的最好例子,你可能會忘記你一個月背後要付多少錢,或是你甚至試用完之後忘記取消訂閱等大風險。
推薦閱讀:
◾Why do we seek certainty in risky situations?
◾Is a Zero-Risk Bias Impairing Your Crisis Response?
結語
我是Ayden,目前在軟體產業擔任Product Designer,業餘時間喜歡做side project,擁抱學習,開放的心胸,經常性的思考科技如何改變生活,喜歡彼此分享交流。
覺得內容有幫助的話也可以給小弟拍手鼓勵,我會努力趕出下篇的XD,這次的分享就到這邊,謝謝觀看。