Hoe AI UX-research heeft veranderd

Leestijd: 9 minuten

Inhoudsopgave

• Wat UX-research is en waarom het er toe doet
• Hoe UX-research eruitzag voor AI
• Wat AI heeft veranderd in het onderzoeksproces
• AI als synthesetool: patronen herkennen in grote datahoeveelheden
• Het gevaar van AI-gestuurde UX-research zonder menselijk oordeel
• Wat dit betekent voor MKB-websites met beperkt budget
• Praktische UX-inzichten die elke website verbeteren
• Hoe ik UX-inzichten toepas in Webflow-projecten

Wat UX-research is en waarom het er toe doet

UX-research is het onderzoek naar hoe mensen een website of applicatie gebruiken. Niet hoe ze hem zouden moeten gebruiken, maar hoe ze hem daadwerkelijk gebruiken. Waar klikken ze? Waar haken ze af? Welke informatie zoeken ze en vinden ze die? Wat frustreert ze en wat werkt moeiteloos?

Die inzichten zijn de basis voor goede webdesign-beslissingen. Zonder UX-research bouw je een website op basis van aannames: aannames over wat bezoekers zoeken, hoe ze navigeren en wat hen aanzet tot contact. Met UX-research bouw je op basis van bewijs. En bewijs levert betere resultaten dan aannames.

Voor grote bedrijven met grote budgetten is UX-research al jarenlang onderdeel van elk websiteproject. Voor MKB-bedrijven was het altijd een luxe die je eigenlijk niet kon betalen. AI heeft dat aan het veranderen.

Hoe UX-research eruitzag voor AI

Traditionele UX-research bestaat uit een combinatie van methoden. Gebruikerstests waarbij mensen hardop denken terwijl ze een website gebruiken. Heatmaps die laten zien waar bezoekers klikken en hoe ver ze scrollen. A/B-tests waarbij twee versies van een pagina worden vergeleken. Interviews met representatieve gebruikers. Surveys die kwantitatieve data verzamelen over ervaringen en voorkeuren.

Al die methoden zijn waardevol maar tijdrovend en duur. Een goede gebruikerstest van vijf tot tien deelnemers kost al snel twee tot drie weken en meerdere duizenden euro's als je het goed doet. Voor een MKB-bedrijf met een websitebudget van 3.500 euro is dat niet haalbaar.

Wat AI heeft veranderd in het onderzoeksproces

AI heeft twee dingen veranderd in UX-research. Ten eerste heeft het de analyse van bestaande data versneld en toegankelijker gemaakt. Tools zoals Hotjar en Microsoft Clarity, die al jaren heatmaps en sessie-opnamen aanbieden, hebben AI-functionaliteiten toegevoegd die automatisch patronen herkennen in grote hoeveelheden data. Waar een mens honderden sessie-opnamen door moest kijken om een patroon te zien, vat een AI dat samen in een rapport van vijf minuten.

Ten tweede heeft AI synthetisch gebruikersonderzoek mogelijk gemaakt. Je kunt een AI vragen om de perspectief in te nemen van een specifieke doelgroep en te beschrijven hoe die doelgroep een pagina zou ervaren. Dat is geen vervanging voor echt gebruikersonderzoek, maar het is een snelle en goedkope manier om aannames te toetsen voordat er iets wordt gebouwd.

AI als synthesetool: patronen herkennen in grote datahoeveelheden

De sterkste bijdrage van AI aan UX-research is synthese. Als je al data hebt, klantreviews, supporttickets, enquêteresultaten, sessie-opnamen, helpt AI om daar snel patronen uit te halen. Welke woorden komen het vaakst voor in negatieve reviews? Welke stap in het proces levert de meeste support-vragen op? Welke sectie van de website wordt het minst bekeken?

Die vragen zijn voorheen beantwoord door iemand die uren door data heeft gezeten. Met AI kost het minuten. En de inzichten zijn even waardevol, als de onderliggende data van goede kwaliteit is.

Het gevaar van AI-gestuurde UX-research zonder menselijk oordeel

Het gevaar van AI in UX-research is hetzelfde als het gevaar van AI in andere domeinen: de neiging om de output te vertrouwen zonder het te toetsen aan de werkelijkheid. AI herkent patronen in bestaande data. Maar bestaande data vertelt je wat er is, niet wat er zou moeten zijn.

Als alle bezoekers van jouw website via dezelfde route navigeren, is dat misschien niet omdat dat de beste route is, maar omdat er geen alternatief is dat ze kunnen vinden. AI ziet het patroon, niet de oorzaak. Het oordeel over wat het patroon betekent en wat je ermee moet doen, is altijd van een mens.

Wat dit betekent voor MKB-websites met beperkt budget

Voor MKB-bedrijven met een realistisch websitebudget zijn er nu drie toegankelijke vormen van UX-research die AI mogelijk maakt. Ten eerste: Google Analytics 4 met de AI-gestuurde inzichten die automatisch afwijkingen en patronen in jouw websitedata signaleren. Ten tweede: Hotjar of Microsoft Clarity voor heatmaps en sessie-opnamen, met AI-samenvatting van de bevindingen. Ten derde: synthetisch gebruikersonderzoek via een goed opgezette AI-prompt waarbij je de doelgroep beschrijft en vraagt om de pagina te beoordelen vanuit dat perspectief.

Geen van deze methoden vervangt echt gebruikersonderzoek. Maar ze leveren inzichten die de meeste MKB-websites nu missen en die directe invloed hebben op hoe de site wordt ingericht.

Praktische UX-inzichten die elke website verbeteren

Er zijn een paar UX-inzichten die zo consistent zijn dat ze als vuistregels gelden, ook zonder uitgebreid onderzoek. Bezoekers lezen websites niet, ze scannen. Zorg dat de meest belangrijke informatie bovenaan staat en visueel onderscheidend is. De gemiddelde bezoeker besluit binnen tien seconden of hij blijft of vertrekt. Die tien seconden worden bepaald door de eerste sectie van de homepage. Formulieren met meer dan vijf velden hebben significant meer afhakers. En mobiele bezoekers verlaten een site sneller als de call to action niet makkelijk bereikbaar is met de duim.

Die inzichten zijn niet nieuw. Maar ze worden in de praktijk vaker genegeerd dan toegepast.

Hoe ik UX-inzichten toepas in Webflow-projecten

Bij elk project begin ik met een strategiegesprek waarbij ik de doelgroep, het doel en de gewenste actie van de bezoeker bespreek. Die input bepaalt de sitestructuur, de volgorde van informatie en de plaatsing van call to actions. Dat is geen uitgebreide UX-research, maar het is bewuste structuurkeuze op basis van inzicht in hoe de doelgroep beslissingen neemt.

Na de livegang adviseer ik altijd om Google Analytics en Hotjar in te stellen. Na drie maanden heb je genoeg data om te zien waar bezoekers afhaken en welke paginas het beste presteren. Die data is de basis voor de doorontwikkeling van de site. Zonder die data optimaliseer je op gevoel. Met die data optimaliseer je op bewijs.