Kies Kaartsortering, Boomstructuurtesten of Eerste-kliktesten voordat u uw menu opnieuw tekent.

De eigen dataset van Optimal Workshop, afkomstig van miljoenen boomtesttaken, registreert 70% van de taken is succesvol na een correcte eerste klik en 24% na een incorrecte klik.Het eerste label dat iemand kiest, bepaalt grotendeels de uitkomst. Wat dat getal je echter niet vertelt, is welk onderzoek je moet uitvoeren. Teams sorteren kaarten terwijl ze al een menu hebben en alleen twijfelen aan de formulering, ze testen een boomstructuur waarvan de woordenschat nooit is gecontroleerd, en vervolgens discussiëren ze over resultaten die de vraag nooit zullen beantwoorden. Deze handleiding is bedoeld voor UX-leads, productmanagers en CRO-teams met een navigatieprobleem en een vast onderzoeksbudget. Aan het einde van deze handleiding kun je een navigatiebeslissing koppelen aan een van de drie methoden, de omvang van het onderzoek bepalen, een drempelwaarde vaststellen voordat je gegevens verzamelt en aangeven wat het resultaat niet kan bewijzen.

De drie methoden beantwoorden drie verschillende vragen.

Kaartsortering is een generatieve methode. Je geeft mensen je contentitems en laat ze de groepen groeperen en benoemen. Het laat je zien hoe je publiek het domein indeelt en welke woorden ze gebruiken. Het kan je niet vertellen of een bepaald menu werkt, omdat er geen menu in het onderzoek voorkomt.

Het testen van een hiërarchie is een evaluatieve methode. Je reduceert een voorgestelde hiërarchie tot alleen tekstuele labels, geeft mensen een taak en kijkt waar ze naartoe gaan. Het laat je zien of een structuur vindbaar is en welke tak mensen opslokt. Zoals NN/g opmerkt, verwijdert de tekstuele instelling bewust plaatsing, kleur en afbeeldingen, waardoor de kwaliteit van labels en structuren wordt geïsoleerd.

De test van de eerste klik is beperkter. Eén scherm, één taak, één geregistreerde klik. Het laat je in één oogopslag zien of het invoerveld correct is, maar zegt niets over wat er twee niveaus dieper gebeurt.

Het uitvoeren van de verkeerde vraag is een veelvoorkomende fout. "Niemand kan het retourbeleid vinden" is geen vraag die je kunt beantwoorden met een kaartsorteeropdracht. "We weten niet of 'Oplossingen' iets betekent voor kopers" is geen vraag die je kunt beantwoorden met een boomtest – een boomtest meet immers alleen je gok.

Criteriatabel: kies op basis van de beslissing, niet op basis van het gereedschap waarvoor u een licentie hebt.

De beslissingsregels

• Geen structuur, of een structuur waar niemand in gelooft. Begin met de kaartensorteeropdracht: open als je woordenschat wilt, gesloten als het hoogste niveau vaststaat en alleen de plaatsing ter discussie staat.
• Twee kandidaat-structuren en een vergadering die maar geen einde lijkt te kennen. De boomtest is de enige van de drie die een structureel argument met een getal beslecht.
• Er komt verkeer aan, maar de volgende klik is verkeerd. Test het scherm eerst met een eerste klik. Herbouw de architectuur niet om één label te repareren.
• Uit de analyses blijkt al waar mensen afhaken. Sla de ontdekking over. Test de lekkende tak met een boomstructuurtest en test vervolgens met een eerste klik het vervangende label.
• Nieuwe markt of taal. Een kaartsorteeropdracht in die taal met de deelnemers van die markt. Een vertaald menu is een ongetest menu.

Steekproefgroottes en drempelwaarden die u in een beoordeling kunt verdedigen

Voor het sorteren van kaarten testten Tullis en Wood 168 gebruikers en analyseerden ze willekeurige subsets. De correlatie met het resultaat van de volledige steekproef was 0.75 bij 5 gebruikers, 0.90 bij 15, 0.93 bij 20, 0.95 bij 30 en 0.98 bij 60. Nielsen interpreteert dit als volgt: bij 15 gebruikers is stoppen comfortabel, bij 30 gebruikers is het geschikt voor goed gefinancierde projecten. De regel van vijf gebruikers uit gebruikstests is niet overdraagbaar – een generatieve methode heeft voldoende mensen nodig om het patroon te stabiliseren.

Voor het testen van de beslissingsbomen adviseert NN/g 50 of meer deelnemers per boom voor een zinvolle vergelijking tussen de bomen. De drempelwaarden zijn gebaseerd op de classificaties van Albert en Tullis, verzameld in 98 studies: minder dan 40% slecht, 41-60% redelijk, 61-80% goed, 80-90% zeer goed en meer dan 90% uitstekend. Spreek de drempelwaarden af ​​voordat u de gegevens bekijkt. Cruciale taken – afrekenen, terugbetalingen, afspraken maken – moeten een score van 90% halen; een taak voor het bekijken van promotionele producten kan met 70% worden geaccepteerd.

Lees directheid in samenhang met succes, nooit in plaats ervan. Hoog succes met lage directheid betekent dat mensen via een omweg binnenkomen: het label klopt niet, ook al blijft de structuur overeind. Dat patroon is het meest bruikbare signaal dat een boomtest oplevert.

Uitgewerkt voorbeeld

Een online apotheek met een hoofdcategorie "Gezondheid" en daaronder een ondersteunend artikel. De cijfers zijn indicatief en geen klantgegevens.

1. Boomtest, 60 deelnemers, 8 taken. "Ontdek of uw recept wordt vergoed." Succespercentage 58%, directheid 22% — redelijk op de labels, en het verschil in directheid zit hem in het etiket.
2. Lees de tabel met de eerste klik. 41% naar "Gezondheid", 33% naar "Ondersteuning", 18% naar "Account": drie plausibele categorieën betekenen dat de categoriegrens niet in het hoofd van de gebruikers zit.
3. Gesloten kaartensorteeropdracht, 20 deelnemersGebruikmakend van de artikeltitels en het bestaande hoofdniveau. Als de behandelde onderwerpen over drie groepen verspreid zijn, is het hoofdniveau onjuist, niet de formulering.
4. Herschrijf en test opnieuw. Nieuwe boomstructuur, dezelfde 8 taken, 60 nieuwe deelnemers. Doelstelling: succespercentage boven de 80% en directheid boven de 60%.
5. Test het nieuwe label met de eerste klik. Op de echte pagina vóór verzending. De testboom had geen zichtbare geur; op de live pagina wel.

[INTERNE GEGEVENS NODIG: vervang deze illustratieve reeks door een geanonimiseerde Switas-boomtest voor/na, inclusief succes- en directheidscijfers en het aantal taken.]

Etiketten in het Turks, en waarom het regionale geval geen cosmetisch probleem is.

Twee factoren maken het testen van etiketten in het Turks en diverse aangrenzende talen lastiger, en beide zijn van belang voor iedereen die in de regio verkoopt, en niet alleen vanuit de regio.

Ten eerste is het Turks een agglutinerende taal: betekenis wordt als achtervoegsel aan een stam toegevoegd, dus een categorie die in het Engels uit twee korte woorden bestaat, is in het Turks vaak één lang woord. Menu's die in het Engels passen, lopen uit, en teams lossen dit op door ze in te korten – en dat is precies de variabele die een boomtest meet. Test labels op de lengte die ze daadwerkelijk zullen weergeven.

Ten tweede heeft het Turks vier I-tekens: met een puntje. İ (U+0130) en i (U+0069), puntloos I (U+0049) en ı (U+0131). Volgens de Turkse regels, kleine letter i kaarten naar İ, Niet IDus hoofdletterongevoelige matching die voor het Engels is geschreven, werkt niet — een zoekopdracht naar "iptal" zal geen resultaat opleveren voor een opgeslagen "IPTAL". Als sitezoekopdrachten, filterchips of breadcrumbs een locale-naïeve hoofdletterconversie ondergaan, krijgen gebruikers een lege resultatenset voor een term die wel bestaat. Sluit dat uit voordat je het label de schuld geeft.

Er is ook een compliance-voordeel. WCAG 2.2 Succescriterium 2.4.6, Kopteksten en labels, is niveau AA en vereist dat kopteksten en labels het onderwerp of doel beschrijven. Een label dat slechts 40% van de tijd succesvol is getest, is niet alleen een conversieprobleem; het is ook bewijs dat de conformiteitsclaim niet wordt gedekt.

Wat deze cijfers niet bewijzen

Het meest geciteerde cijfer is 87% taaksucces na een correcte eerste klik tegenover 46% na een incorrecte, afkomstig uit het onderzoek van Bailey en Wolfson uit 2006-2009. Wees hier voorzichtig mee: de veel grotere dataset van Optimal Workshop zelf geeft 70% en 24% voor dezelfde vergelijking. Dezelfde richting, maar wezenlijk verschillende waarden – en beide zijn correlaties gemeten binnen het instrument, geen bewijs dat een kliktest het gedrag op de website voorspelt.

Wat dat betreft voerden Sauro, Schiavone, Du en Lewis in 2023 een onderzoek uit met 130 deelnemers, waarbij ze de eerste klikken op statische afbeeldingen vergeleken met die op live websites: het gedrag was vergelijkbaar, met een gemiddeld absoluut verschil van ongeveer 6% in de verschillende hotspots. Ze gaven ook aan dat ze het succes van de daaropvolgende taken niet hadden gemeten en dat responsieve lay-outs en hovermenu's wel degelijk tot verschillen leidden. De eerlijke bewering is dat kliktests reproduceren waar mensen klikken, niet dat ze voorspellen of mensen de taak voltooien.

Tree testing kent een belangrijk aandachtspunt. Kuric, Demcak en Krajcovic vergeleken drie varianten van tree testing met hoogwaardige prototypes van dezelfde architectuur bij 180 deelnemers en 1,800 taken. De varianten kwamen niet met elkaar overeen; de variant waarbij de boom zichtbaar was, volgde het gedrag van het prototype het meest nauwkeurig, en de backtracking-statistieken verschilden aanzienlijk. Als uw tool de boom anders weergeeft dan de boom waar een benchmark vandaan komt, is de benchmark niet overdraagbaar.

Waar dit misgaat

• Websites die dominant zijn in zoekopdrachten. Als de meeste sessies in het zoekveld starten, optimaliseer je een pad dat weinig mensen gebruiken. Controleer eerst het aandeel sessies dat met een zoekopdracht begint.
• Gepersonaliseerde navigatie. Bij het testen van een menustructuur wordt uitgegaan van één vaste hiërarchie. Als het menu per segment verschilt, test je een fictieve situatie.
• Zeer kleine populaties. Zakelijke klanten en klinische doelgroepen kunnen vaak geen 50 gekwalificeerde deelnemers leveren. Rapporteer aantallen in plaats van percentages en vermeld dit expliciet.
• Geen van de drie toetsen meet het tekstbegrip. Ze evalueren de vondst, niet het begrip ervan zodra de vondst is gedaan. Daarvoor is gebruiksvriendelijkheidstests nodig.
• Geen van deze gegevens meet de omzet. Een oplossing voor navigatieproblemen is een hypothese voor een experiment, geen bewezen oplossing. Stuur het product pas na een test uit.

Veelgestelde vragen

Kan ik een kaartsorteertest en een boomtest uitvoeren met dezelfde deelnemers?

Niet in dezelfde sessie. Sorteren leert mensen jouw model kennen, waardoor ze vervolgens dingen ontdekken die een nieuwe bezoeker niet zou zien. Rekruteer aparte groepen, of laat er een paar weken tussen zitten.

Hoeveel deelnemers heb ik nodig voor een kaartensorteeropdracht?

Bij een waarde van 15 behaal je een correlatie van 0.90 met een volledige steekproef in de data van Tullis en Wood, en bij 30 een correlatie van 0.95. Onder de 15 is het patroon instabiel. Boven de 30 levert het weinig extra voordeel op.

Zijn 50 deelnemers echt nodig voor een boomtest?

Voor een kwantitatieve vergelijking tussen twee bomen, ja — dat is de aanbeveling van NN/g. Voor een enkele boom, waarbij je alleen de duidelijk gebroken takken wilt vinden, zullen 20 tot 30 bomen de ergste gevallen aan het licht brengen, maar rapporteer aantallen in plaats van percentages.

Wat wordt beschouwd als een voldoende slagingspercentage?

Beslis van tevoren. Gebruik de Albert- en Tullis-categorieën als standaard: boven de 80% is zeer goed, 61-80% is goed, onder de 40% is slecht. Verhoog de lat naar 90% voor taken die verband houden met geld, medicatie of een wettelijk recht.

Het succes is groot, maar de directheid laat te wensen over. Wat moet ik verbeteren?

Het label, niet de structuur. Mensen komen na wat verkennen op de juiste plek terecht, wat betekent dat de categorie wel degelijk in hun model bestaat, maar dat jouw formulering dat niet aangeeft. Herschrijf het label en test dezelfde taken opnieuw.

Maakt een AI-tool de behoefte aan deelnemers overbodig?

Niet voor deze methoden. Ze meten wat een specifieke populatie gelooft en doet; een schatting van een model over die populatie is een hypothese, geen data. Gebruik modellen om taken sneller op te stellen en open vragen sneller te groeperen.

Volgende stap

Als er een navigatieargument is dat de analyse niet kan oplossen, is de goedkoopste oplossing een boomstructuurtest op beide kandidaatstructuren met vooraf overeengekomen drempelwaarden. Schrijf de taken, stel de grenzen in en voer de test uit — of laat ons het uitvoeren en overhandigen u de gerangschikte lijst met gebroken takken.

Bronnen

• Jakob Nielsen, Kaartsortering: hoeveel gebruikers moeten we testen?, Nielsen Norman Group, 2004
• Tom Tullis en Larry Wood, Hoeveel gebruikers zijn er nodig voor een kaartsorteeronderzoek?, UPA 2004
• Page Laubheimer, Boomtesten deel 2: De resultaten interpreteren, Nielsen Norman Group, 19 januari 2024
• Samhita Tankala, Kaartsortering versus boomtesten, Nielsen Norman Group, 23 februari 2024
• Nielsen Norman Group, Tree Testing: Evaluatie van menulabels en categorieën
• Optimal Workshop, Correcte eerste klikken leiden tot 3x hogere taaksuccesratio, 13 april 2015
• Jeff Sauro, Will Schiavone, David Du en Jim Lewis, Voorspellen kliktests het aantal klikken op een live website?, MeasuringU, 21 maart 2023
• Eduard Kuric, Peter Demcak en Matus Krajcovic, Validatie van informatiearchitectuur: Cross-methodologische vergelijking van varianten van boomtesten en prototypegebruikerstesten, Information and Software Technology 183, juli 2025
• W3C, Succescriterium 2.4.6 begrijpen: Kopteksten en labels, WCAG 2.2
• Tex Texin, Internationalisering van het Turks: De Turkse letter I met en zonder puntje