揭开面具——窥探用户的内隐态度
揭开面具——窥探用户的内隐态度-移动阅读二维码

夜深人静,扪心自问:我是不是有心口不一的时候?我是不是说过善意的谎言?恐怕每个人脑海中都浮现出了各式各样的场景。有时我们为了种种目的无法表达自己真实的想法,那坐在桌子对面,对我们的产品畅所欲言的用户,话语中是否也掺杂了掩饰的成分?是否还有我们未曾了解的真实态度?

内隐态度

内隐态度有时才是我们追求的真实答案,它是指个体对事物所持的积极或消极的认知、情感或反应,由不自觉的以往经验或不能归因于以往某一确定经验所引起。内隐态度是相对于外显态度来说的,外显态度主要指个体自我报告的对事物的态度,是在个体意识范围内经过思考进行的表达。二者有什么区别呢?举一个经典的例子,美国学者研究了个体对白人和黑人态度的差异,美国白人自我报告的态度并无差异,也就是对白人和黑人一视同仁,但是内隐态度却出现了不一致的现象,美国白人对黑人显示出了明显的消极态度。更为有趣的是,美国黑人自我报告表现出对黑人更为积极的态度,但是内隐测试结果却显示出对白人的态度更积极。由此可见,外显态度和内隐态度有时是不一致的,个体倾向于做出社会上主流所期待、赞许、认可的行为,每个人都想迎合社会的需求,给他人留下良好的印象。当不合乎社会规范或可能影响自己形象的想法或行为产生时,个体可能就会产生掩饰的行为,甚至有些掩饰是自己都没有意识到的!这种存在于底层的,体现个体最真实、原始的情感的态度,则为内隐态度。

转载自科技中国

用户也是社会人,社会人的规律在用户身上也会有所体现。比如在用户研究工作中,我们时常会做一些竞品对比或者迭代版本之间的比较,用户报名参加测试,在潜意识中就会有“把测验做好”的信念,那什么是“把测验做好”呢?配合调研人员做出他们想要的结果。什么是“想要的结果”呢?我们的产品更好,新的版本更好。用户就会在测试过程中迎合他们认为的我们想要的结果,从而产生偏差。这样我们所得到的用户对各竞品或版本的态度结果就受到了污染,没有获得用户的真实态度。再比如,我们调查用户观看成人节目的情况,面对面的访谈显然不合适,用户往往难以启齿,或干脆作天真状:“没看过啊!”“不想看。”但真的是这样吗?

转载自互联网的一点事

内隐态度的测量

那如何避免这种情况呢?所以我们不妨在调研中尝试使用内隐测验。内隐测验是通过测量概念词和属性词之间的联结紧密性,从而对个体的内隐态度进行间接测量的方法。概念词比如三星&苹果,属性词比如美观&呆板,基本过程是通过计算机呈现概念词和属性词的联合,让被试尽快的按键反应并自动记录反应时。这种联结分为相容和不相容,相容是指这种联结与个体内在态度相一致,比如苹果—美观,因此加工相对容易,反应速度快,反应时短。当连结与个体内隐态度相冲突或联系不紧密时,个体需要进行更多的认知加工,反应速度慢,反应时相对较长。相容与不相容连结反应时差,就可以作为内隐态度的指标,在这种快速反应的条件下,个体很难有意识的控制自己的反应,所获得个体原始情感和态度的体现。

转载自StudyBlue

内隐态度的适用性

内隐态度并不总是与外显态度相分离,对于没有敏感性的主题,自我报告的外显态度测量既准确又便捷。有些主题社会敏感性比较高,个体自我掩饰的概率比较大,那么内隐态度测量也许是一个有用的工具。值得注意的是,虽然内隐态度是个体真实的表达,但是并不一定能够准确预测实际行为,对于需要谨慎考虑的行为,可能外显态度对行为有更好的预测作用。比如用户对于网络上成人资源比较感兴趣,但是考虑到可能会中病毒,就有可能不进行下载行为。再比如用户可能心里仍喜欢苹果手机,但是苹果已经是街机了,拿出来可能无法彰显个性,在购买时也可能选择其他。但不管行为怎样,得知用户内心真实的想法,应该本身就很有价值吧。

尽管如此,由于测量主题的局限性和测量方法的复杂性,内隐测验并不能普遍的用于用户研究领域,目前采用较多的是一些简便的技巧性手段,比如在进行调研之前尽量避免使用户知晓我们的调研目的,这样用户就不会为了这个目的而努力了,或者在访谈之中不时的重复提问关键问题,看用户的回答有无出入。有些用户难以启齿的问题或者自己描述不清的问题可以以他人为主人公询问,例如:“现在有好多人都爱使用苹果手机,你觉得他们为什么这么热衷呢?”这样用户会将自己的想法投射到假象的他人身上,看似描述他人,实则描述自己。除了言语上的技巧外,我们也应善用我们的眼睛来观察,实际的行为常常不会骗人,如我们的百度语音助手进行语音—文字连续上屏的测验中,直接观察用户在使用过程中是否会因文字连续上屏而停止语音输入,那结果一目了然,再辅助以主观感受询问,综合起来能够准确反映用户的感受。用户的内心世界是很丰富的,合理搭配多种手段进行探索,才能挖掘出有价值的钻石。

本文链接:http://www.mobileui.cn/unmasked-implicit-attitude.html
本文标签: , , ,