Wie die Konsumentenpsychologie das Design von AI-Produkten beeinflusst

• Die Benutzeroberflächen von AI-Produkten sind oft zu komplex, sodass normale Nutzer sie nur schwer verwenden können
  • Der Bedarf an benutzerfreundlichen und intuitiven Oberflächen steigt
• Anwendung von Nutzerpsychologie auf AI: IKEA-Effekt, Paradox of Choice, Bandwagon-Effekt, Endowment Effect und Foot-in-the-Door-Technik

IKEA-Effekt : The IKEA Effect

• Der IKEA-Effekt beschreibt das Phänomen, dass Nutzer den Wert eines Produkts höher einschätzen, wenn sie an seiner Erstellung beteiligt waren
• Das ähnelt der Egg Theory, unterscheidet sich aber davon
  • Egg Theory: Wenn der Prozess zu einfach ist, haben Nutzer nicht das Gefühl, selbst etwas beigetragen zu haben
  • IKEA-Effekt: Weil Nutzer etwas selbst gemacht haben, bewerten sie es als wertvoller
• Implikationen für das Design von AI-Produkten
  • AI-Produkte sollten Personalisierung betonen
  • AI-Assistenten, Chatbots usw., die Nutzer selbst konfigurieren und anpassen können, können eine höhere Zufriedenheit bieten
  • Beispiel: Wenn sich eine E-Mail-Management-AI auf den Stil des Nutzers einstellen lässt, wird sie von ihm als wertvoller wahrgenommen

Paradox of Choice : The Paradox of Choice

• Zu viele Auswahlmöglichkeiten führen zu Unsicherheit, Entscheidungsblockaden und Unzufriedenheit
  • In einer Studie aus dem Jahr 2000 kauften 30 % bei 6 Marmeladensorten, aber nur 3 % bei 24 Sorten
  • Je mehr Optionen es gibt, desto schwerer fällt Nutzern paradoxerweise die Entscheidung
• Probleme bei AI-Produkten
  • Aktuelle AI-Produkte bieten zu viele Optionen und verwirren dadurch die Nutzer
  • Beispiel: Die Model Selection UI von Gemini ist zu komplex und beeinträchtigt die User Experience
  • Es braucht Funktionen, die automatisch das optimale Modell auswählen
• Beispiele für gut gestaltete AI-Produkte
  • Midjourney: ein Prompt, ein Bildmodell, vier Ergebnisse → einfach und intuitiv
  • Granola: AI für Meeting-Zusammenfassungen mit aufgeräumter UI und minimalem Nutzereingriff
• AI sollte die Last für Nutzer verringern und eine intuitive Erfahrung bieten
  • Wichtiger als übermäßig viele Funktionen und Einstellungen ist ein Design, das es Nutzern leicht macht, die gewünschte Aufgabe zu erledigen

Bandwagon-Effekt : The Bandwagon Effect

• Bandwagon-Effekt: das psychologische Phänomen, dass Menschen dem Verhalten anderer folgen
  • Beispiele: TikTok-Tänze, der Trend zu Skinny Jeans, die ALS Ice Bucket Challenge usw.
  • Bei Startups löst das virales Wachstum und Netzwerkeffekte aus
• Probleme von AI-Produkten
  • Die meisten AI-Produkte haben derzeit zu wenige soziale Funktionen, sodass Nutzer sie einzeln erkunden müssen
  • Beispiel: ChatGPT fehlen Netzwerkfunktionen, über die Nutzer Inhalte leicht teilen können
  • Auf TikTok ist das Teilen von ChatGPT-Prompts bereits kulturell verankert, aber es gibt dafür keine offizielle Produktfunktion
• Auch Bildgenerierungsmodelle brauchen Verbesserungen
  • Die Funktion "Explore" von Midjourney zeigt beliebte Bilder, aber es fehlt eine Funktion, um Inhalte zu sehen, die von Freunden oder dem eigenen Netzwerk erstellt wurden
• AI ist derzeit noch im "Single-Player"-Zustand
  • Künftig werden wahrscheinlich mehr netzwerkbasierte Funktionen und Kollaborationsfunktionen hinzukommen
  • Produkte sollten so gestaltet sein, dass Nutzer Informationen leichter teilen und ihre AI-Nutzung in soziale Umgebungen erweitern können

Endowment Effect : The Endowment Effect

• Endowment Effect: das psychologische Phänomen, dass Menschen Dinge, die sie besitzen, höher bewerten als ihren tatsächlichen Wert
  • In einer Studie von 1990, in der Personen zufällig Tassen oder Stifte erhielten und diese anschließend tauschen konnten,
    zeigte sich die Tendenz, den eigenen Besitz höher zu bewerten
• Implikationen für AI-Produkte: die Bedeutung von Personalisierung
  • Je stärker Nutzer selbst Einstellungen vornehmen und eine personalisierte Erfahrung aufbauen, desto größer wird ihre Bindung an das Produkt
  • Beispiel: Wenn eine E-Mail-AI den Stil eines Nutzers lernt, fällt es ihm schwerer, darauf zu verzichten
  • Wenn Granola das Feedback eines Nutzers berücksichtigt und maßgeschneiderte Zusammenfassungen liefert, wird das Produkt als wertvoller empfunden
  • Auch emotionale AI (z. B. NSFW-Chatbots) wird umso schwerer ersetzbar, je tiefer die persönliche Verbindung zum Nutzer wird
• Gutes AI-Design sollte das Gefühl vermitteln: "Dieses Produkt ist nur für mich gemacht"
  • Je mehr AI aus Nutzerdaten lernt und eine personalisierte Erfahrung bietet, desto stärker steigt die Loyalität
  • Um den Endowment Effect zu maximieren, sollten AI-Produkte so gestaltet sein, dass sie immer besser auf den jeweiligen Nutzer optimiert werden

Foot-in-the-Door-Technik : The Foot-in-the-Door Technique

• Foot-in-the-Door-Technik: eine psychologische Strategie, bei der zunächst eine kleine Bitte akzeptiert wird, um anschließend schrittweise größere Bitten durchzusetzen
  • In einer Studie von 1966 stimmten Menschen, die zunächst ein kleines Schild mit der Aufschrift "Drive Carefully" vor ihrem Haus aufgestellt hatten,
    zwei Wochen später auch eher der Bitte zu, ein größeres Werbeschild zu installieren
  • Unternehmen nutzen dies häufig, etwa bei kostenloser Testphase → Wechsel zu bezahltem Abo
• Anwendungsbeispiele bei AI-Produkten
  • Die meisten AI-Services setzen auf Premium-Modelle, um nach einer kostenlosen Testphase zur Zahlung zu bewegen
  • Wenn AI neue Nutzungsgewohnheiten etablieren soll, ist es wirksam, zunächst kleine Funktionen anzubieten und diese schrittweise auszubauen
• Beispiel Legal AI
  • Wenn Legal AI von Anfang an alle Aufgaben automatisiert, kann das in der konservativen Rechtsbranche auf starken Widerstand stoßen
  • Daher sollte sie anfangs bei einfachen Aufgaben wie der Vertragsprüfung helfen
    und erst, wenn Nutzer sich daran gewöhnt haben, auf leistungsfähigere Funktionen wie das Erstellen von Dokumententwürfen ausgeweitet werden
• AI-Produkte sollten Nutzer auf natürliche Weise an leistungsfähigere Funktionen heranführen
  • Anfangs niedrigschwellige Funktionen anbieten → und das Produkt so gestalten, dass Nutzer es nach und nach tiefer nutzen

Abschließende Gedanken: das Problem wachsender Komplexität

• Aktuelle AI-Produkte sind zu komplex
  • Produktteams neigen dazu, sämtliche Funktionen und Möglichkeiten von AI demonstrieren zu wollen
  • Doch zurückhaltendes Design sorgt für eine bessere User Experience
• Die Grenze zwischen Consumer- und Enterprise-Markt verschwimmt
  • Beispiele: Cursor, ElevenLabs, Elicit, GPTZero, Granola, HeyGen, Midjourney, Perplexity, Runway, Suno werden
    gleichzeitig im Consumer- und im Unternehmensmarkt angenommen
  • Dennoch wirken viele AI-Produkte wie Enterprise-Software und es fehlt an consumerfreundlichem Design
• Kernprinzipien des AI-Produktdesigns
  • Nutzer wollen einfache Produkte: Wichtiger als zu viele Auswahlmöglichkeiten ist eine intuitive Erfahrung
  • Funktionen müssen klar erklärt werden: Produkte sollten so gestaltet sein, dass Nutzer leicht verstehen, welche Funktionen ihnen zur Verfügung stehen
  • Nutzer sollten auf natürliche Weise zu erweiterten Funktionen geführt werden: Das Design sollte es ermöglichen, schrittweise leistungsfähigere Funktionen zu nutzen
• Fazit
  • AI-Produkte sollten eine intuitive, nutzerzentrierte Erfahrung bieten
  • Es ist wichtig, Komplexität zu reduzieren, Kernfunktionen hervorzuheben und Produkte so zu gestalten, dass Nutzer sich auf natürliche Weise daran gewöhnen