Zwei Teilnehmende können dieselbe Aufgabe abschließen und völlig unterschiedliche Erfahrungen schildern. Die eine Person findet den Weg sofort; die andere kommt erst nach einigem Hin und Her ans Ziel und fragt sich am Ende noch, ob die Zahlung überhaupt geklappt hat. Die Single Ease Question, meist kurz SEQ genannt, erfasst direkt nach dem Versuch, wie leicht oder schwer eine Aufgabe empfunden wurde.
Sie nutzt eine 7-stufige Skala, typischerweise von 1 für „sehr schwer“ bis 7 für „sehr leicht“. Damit misst sie die wahrgenommene Leichtigkeit auf Aufgabenebene – im Unterschied zur System Usability Scale, die ein System als Ganzes bewertet.
Fragen, solange der Eindruck noch frisch ist
Stellen Sie die Frage direkt nach jedem ausgewählten Aufgabenversuch – auch nach nicht erfolgreichen –, noch bevor eine längere Diskussion die Erinnerung an das Erlebnis überlagert. MeasuringUs Überblick zur Entwicklung der SEQ erklärt den wissenschaftlichen Hintergrund der Methode und wie sich ihre Formulierung über die Zeit verändert hat.
Bleiben Sie durchgehend bei einer bewährten Version und dokumentieren Sie den Wortlaut, die Bezeichnungen der Skalenendpunkte sowie die Ausrichtung der Skala. Eine bewährte aktuelle Formulierung fragt danach, wie leicht oder schwer es war, die Aufgabe zu erledigen. Halten Sie eventuelle Nachfragen getrennt von der Bewertung, damit Teilnehmende ihre Antwort erklären können, ohne dazu verleitet zu werden, sie noch einmal zu ändern.
In einer Beispielstudie zur Terminbuchung könnte jemand eine schlechte Bewertung abgeben, obwohl der gewünschte Termin erfolgreich gebucht wurde. Die Erklärung dazu könnte zeigen, dass unklar blieb, ob die Buchung wirklich bestätigt war. Der Wert verrät, dass sich der Ablauf mühsam angefühlt hat; die begleitenden Beobachtungen helfen dabei, den Grund dafür zu finden.
Den Wert zusammen mit dem beobachteten Verhalten betrachten
Die SEQ misst das subjektive Empfinden, nicht die tatsächliche Richtigkeit. Jemand, der versehentlich den falschen Termin bucht, kann den Prozess trotzdem als leicht empfinden – während jemand, der alles richtig macht, ihn vielleicht als anstrengend wahrnimmt. Betrachten Sie die Antworten daher immer gemeinsam mit der Erfolgsquote, Fehlern und Beobachtungen, statt sich nur auf einen einzelnen Wert zu verlassen.
Gerade Widersprüche sind oft besonders aufschlussreich. Wenn Teilnehmende hohe Werte für die Leichtigkeit vergeben, aber wiederholt die falsche Option wählen, lässt das Design eine Fehlinterpretation womöglich plausibel wirken. Schließen sie die Aufgabe zwar erfolgreich ab, bewerten sie aber schlecht, verlangt der Weg ihnen vielleicht Mühe ab, die in einer reinen Erfolgsquote unsichtbar bleibt.
Eine Bewertung allein verrät nicht, welcher Bildschirm oder welche Interaktion das Problem verursacht hat. Diese Erklärung lässt sich erst aus den Beobachtungen der Session oder gezielten Folgeuntersuchungen ableiten.
Durchschnittswerte interpretieren, ohne künstliche Hürden zu erfinden
Geben Sie den Mittelwert immer zusammen mit der Anzahl der Antworten und einem passenden Maß für die statistische Unsicherheit an. Behalten Sie die Verteilung im Blick, wenn es sinnvoll ist: Ein mittlerer Durchschnittswert kann für ein durchweg durchschnittliches Erlebnis stehen – oder aber dafür, dass sich die Meinungen zwischen „sehr leicht“ und „sehr schwer“ gespalten haben.
MeasuringUs Leitfaden zur Interpretation ordnet Werte anhand von Vergleichsdaten und beschreibenden Labels ein. Solche Benchmarks liefern Kontext, doch wie passend der Vergleich ist, hängt immer von der jeweiligen Aufgabe und Studie ab. Es gibt keinen universellen Wert, der jedem Produkt Usability bescheinigt – und ein Mittelwert auf einer 7-stufigen Skala sollte nicht einfach in einen Prozentsatz zufriedener Nutzender umgedeutet werden.
Wiederholte Messungen nutzen, um Veränderungen zu prüfen
Wenn Sie ein überarbeitetes Design testen, sollten Aufgabe, Skala und Rekrutierungsansatz gut vergleichbar bleiben, um das Ergebnis sinnvoll interpretieren zu können. Bearbeitet die zweite Gruppe eine leichtere Aufgabe oder kennt das Produkt bereits, lässt sich ein besserer Wert möglicherweise gar nicht auf die Überarbeitung zurückführen.
Bedenken Sie innerhalb derselben Studie auch, dass mehrere Bewertungen von ein und derselben Person zusammenhängende Beobachtungen sind. Eine Analyse über verschiedene Aufgaben oder Versionen hinweg muss das Studiendesign berücksichtigen. Ein aussagekräftiger Bericht verbindet das numerische Ergebnis mit den tatsächlichen Veränderungen im Verhalten der Teilnehmenden – und liefert dem Team damit gute Gründe, einer Verbesserung über die reine Verschiebung des Durchschnitts hinaus zu vertrauen.