Stefano Bussolon
Uno dei fini, forse il più importante, dell'architettura dell'informazione è rendere le informazioni facili da trovare. Trovabili, appunto.
Ma se cercando una cosa, ne troviamo molte, cosa possiamo fare?
Generalmente, dobbiamo scegliere.
La scelta di un prodotto o un servizio in un ventaglio di scelte implica, cognitivamente, un processo decisionale.
Immaginate di aver voglia di cioccolata; in casa è finita, dovete andarla a comperare. Preferite un negozio con vasta scelta, o uno con un assortimento più ristretto?
Boatwright and Nunes (2001) mostrano come:
Questo dato metterebbe in discussione l'idea di long tail.
In letteratura vengono identificate tre tipologie di consumatori in base alle strategie decisionali (Chernev 2003):
Attraverso alcuni lavori sperimentali, Chernev (2003) dimostra che:
Secondo il modello di razionalità olimpica (Simon, 1983) la decisione si basa su di un processo additivo ponderato (decisione compensatoria): vengono considerate tutte le alternative su tutte le dimensioni, e la somma viene pesata in base all'importanza relativa di ogni dimensione.
È evidente come un simile processo richieda un carico cognitivo notevole, spesso eccessivo, soprattutto quando la decisione dev'essere presa entro dei ristretti limiti di tempo.
Per ovviare all'impossibilità di adottare una decisione compensatoria dati i limiti cognitivi e temporali, vengono adottate delle strategie non compensatorie, attraverso l'uso di euristiche.
Le euristiche sono metodi che utilizzano principi di riduzione del carico cognitivo e di semplificazione, in quanto devono permettere al decisore di elaborare l'informazione in maniera meno dispendiosa di quanto sarebbe chiesto da un approccio compensatorio di ricerca ottimale.
Le differenti euristiche si basano sugli stessi principi (Shah and Oppenheimer 2008):
Secondo Payne, Bettman, and Johnson (1988) nel processo decisionale possono essere usate numerose strategie. Come abbiamo visto, la più razionale è il processo additivo ponderato. La meno razionale è la scelta casuale.
L'utilità di una strategia è data dall'utilità attesa della scelta operata attraverso quella strategia, meno l'utilità attesa della scelta casuale.
Il costo di una strategia è dato dalle risorse (cognitive) utilizzate, e dal tempo di elaborazione impiegato (di nuovo, meno le risorse ed il tempo impiegato per operare la scelta casuale).
Una volta identificate le dimensioni ed il loro peso, il processo compensatorio costituisce il metodo capace di massimizzare l'utilità della scelta.
Esclusione per caratteristica (elimination by aspects): il decisore pone un livello di soglia per la dimensione più importante, ed elimina le alternative sotto soglia. Poi decide una soglia per la seconda dimensione più importante, elimina le alternative sotto soglia, iterativamente fino a che non arriva alla soluzione scelta.
L'esclusione per caratteristica è facilmente implementabile attraverso l'uso di filtri.
Nell'esempio della macchina fotografica, posso filtrare analogica - digitale, poi reflex - compatta. A questo punto, probabilmente, il range di scelta diventa più trattabile.
Nella majority of confirming dimensions si confrontano 2 alternative su tutte le dimensioni, si elimina l'alternativa perdente, e si ripete il confronto fra la vincente e una nuova alternativa.
Questa euristica - a quanto ne so - raramente viene implementata dalle interfacce, e viene spesso realizzata a mano dagli utenti, che quando trovano un elemento interessante lo aprono in un nuovo tab del browser.
Potrebbe essere implementata permettendo all'utente di salvare fra una lista di preferiti gli elementi che gli paiono più interessanti, e poi permettergli di confrontare i preferiti attraverso un confronto diretto.
Nella satisficing le alternative vengono analizzate ad una ad una. Per ogni alternativa si valuta se, per ogni dimensione, l'alternativa supera un livello di soglia. Se non lo supera viene eliminata e si procede all'analisi dell'alternativa seguente. Il processo termina quando una alternativa supera la soglia in ogni dimensione.
Usiamo la tecnica satisficing quando comperiamo un melone al supemercato: ne prendiamo in mano uno, lo annusiamo; se ci pare buono lo prendiamo, altrimenti ripetiamo l'operazione finché ne troviamo uno che ci soddisfi.
Usiamo l'euristica satisficing anche quando usiamo google: diamo un occhio ai risultati proposti, e clicchiamo sul primo che ci sembra utile.
Nella strategia lessicografica il primo passaggio consiste nel definire l'ordine di importanza delle dimensioni.
Il secondo passaggio consiste nell'ordinare le alternative in base alla dimensione più importante e scegliere la prima.
In caso di pareggio (o di differenza trascurabile) fra due o più alternative, si valuta l'ordine della seconda dimensione più importante.
La strategia lessicografica viene implementata utilizzando la funzione "ordina per"
Somma non ponderata (equal weight): si assume che le dimensioni considerate abbiano la stessa importanza.
Cognitivamente, la somma non ponderata ha il vantaggio che permette di saltare la valutazione di importanza delle dimensioni.
Ciononostante il processo cognitivo di valutare un gran numero di opzioni in base ad una somma non ponderata rimane estremamente oneroso.
La somma non ponderata può essere applicata nella scelta di un numero ristretto di alternative, ad esempio a seguito della majority of confirming dimensions.
L'interfaccia deve assistere l'utente nel processo decisionale. La progettazione dell'interfaccia deve tener conto di queste variabili:
Per la prima tipologia di consumatori (il cliente che ha già deciso e che sa precisamente cosa vuole) spesso il motore di ricerca può essere la soluzione più semplice.
In ogni caso, l'interfaccia deve permettere all'utente di convergere il più velocemente possibile sul prodotto (o sull'oggetto) cercato.
Allo stesso tempo, però, è utile lasciar intendere all'utente che ha scelto fra una vasta gamma di possibilità.
Il cliente B ha una rappresentazione piuttosto chiara delle dimensioni e degli attributi in base a cui scegliere, ma non ha ancora scelto.
Il suo compito è quello di trovare quel sottoinsieme di oggetti che possiede gli attributi desiderati, e circoscrivere la scelta su questi.
Può dunque essere opportuno offrire un'interfaccia che permetta al cliente B di separare i due processi:
Il cliente B può trovarsi a suo agio con una navigazione a faccette o con l'uso di filtri.
L'uso di una navigazione a faccette può essere implementata a patto che (Peter Boersma, 2010):
Rimane necessario permettere altri tipi di navigazione (search, browse); inoltre è necessario gestire gli attributi opzionali
Nel caso dell'utente C, la situazione è più complessa.
Da un lato, è fondamentale l'information scent, per permettergli di intuire lo spazio multidimensionale di scelta
D'altro canto, va aiutato nel processo decisionale, per evitare che l'overload informativo lo porti a rinunciare o ad essere insoddisfatto della sua scelta.
È necessario ricordare che l'utente C deve portare a termine 3 compiti:
La definizione dei criteri di scelta è un processo potenzialmente lungo ed oneroso: imparare significa sapere quali sono i criteri importanti. Per evitare overload cognitivo, possiamo immaginare diversi approcci:
Riassumendo (e semplificando) potremmo immaginare diverse interfacce per diversi tipi di utente:
Possiamo immaginare i profili decisionali sopra descritti come una base per costruire i personaggi?
Creare un personaggio A, che sa già cosa vuole, un personaggio C, che ha bisogno di essere guidato, ed eventualmente un personaggio B, che conosce gli attributi ma non ha ancora scelto.
Boatwright, Peter, and Joseph C Nunes. 2001. Reducing assortment: An attribute-based approach. The Journal of Marketing: 50–63.
Chernev, Alexander. 2003. Product assortment and individual decision processes. Journal of Personality and Social Psychology 85, no. 1: 151–62.
Payne, John W, James R Bettman, and Eric J Johnson. 1988. Adaptive strategy selection in decision making. Journal of Experimental Psychology: Learning, Memory, and Cognition 14, no. 3: 534–52.
Shah, Anuj K, and Daniel M Oppenheimer. 2008. Heuristics made easy: An effort-reduction framework. Psychological bulletin 134, no. 2: 207.