Evidence-based design decisions

Evidence-based design betekent dat je ontwerpkeuzes niet alleen baseert op intuïtie, maar op data, feedback en analyse uit je ontwerpproces. In plaats van te zeggen "ik denk dat dit werkt", kun je wijzen naar bewijs dat je beslissing ondersteunt.

Wat is evidence-based design?

Bij evidence-based design onderbouw je je keuzes met concrete gegevens. Dit maakt je ontwerp sterker en je argumentatie overtuigender — zowel voor jezelf als voor stakeholders.

Intuïtie-gebaseerd	Evidence-based
"Ik denk dat gebruikers dit prettiger vinden"	"Uit de usability test blijkt dat gebruikers 40% sneller door de flow komen"
"Dit voelt als de beste optie"	"A/B testing toont aan dat variant B 25% meer conversie oplevert"
"Andere apps doen het ook zo"	"User research wijst uit dat onze doelgroep een andere verwachting heeft"

Bronnen van bewijs

Evidence kan uit verschillende bronnen komen, afhankelijk van de fase van je project:

Kwantitatieve bronnen

Bron	Wat het oplevert
A/B testing	Directe vergelijking tussen twee varianten op basis van meetbare resultaten
Analytics	Gebruiksdata: clicks, tijd op pagina, drop-off punten
Performance metrics	Laadtijden, error rates, conversiepercentages
Surveys (gesloten vragen)	Schaalbare data over gebruikersvoorkeuren
Model evaluatie	Accuracy, precision, recall en andere metrics

Kwalitatieve bronnen

Bron	Wat het oplevert
Usability tests	Observaties van hoe gebruikers met je ontwerp omgaan
User interviews	Diep inzicht in behoeften, frustraties en context
Think-aloud protocollen	Real-time inzicht in het denkproces van gebruikers
Expert reviews	Feedback van domein- of UX-experts
Feedback sessies	Reacties van stakeholders en eindgebruikers

Literatuur en best practices

Bron	Wat het oplevert
Wetenschappelijke papers	Onderbouwde inzichten uit onderzoek
Design patterns	Bewezen oplossingen voor veelvoorkomende problemen
Heuristieken	Richtlijnen gebaseerd op jarenlange ervaring (bijv. Nielsen's heuristieken)
Case studies	Lessen uit vergelijkbare projecten

Evidence verzamelen in de praktijk

Prototype testing

Wanneer je twee versies van een interactief prototype test, kun je meten:

Taakvoltooing: Hoeveel procent van de gebruikers voltooit de taak?
Tijd: Hoe lang duurt het om een taak af te ronden?
Fouten: Hoeveel fouten maken gebruikers onderweg?
Tevredenheid: Hoe waarderen gebruikers de ervaring (bijv. SUS-score)?

!!! tip "Voorbeeld" Je test twee versies van een checkout-flow. Versie A heeft 3 stappen, versie B heeft 5 stappen maar met meer uitleg. Uit de test blijkt dat gebruikers versie B in 45 seconden afronden met 0 fouten, terwijl versie A 60 seconden kost met gemiddeld 1.2 fouten. Dit is bewijs om te kiezen voor versie B.

A/B testing

Bij A/B testing toon je verschillende varianten aan verschillende gebruikers en meet je de resultaten:

Variant A: Blauwe knop met tekst "Verstuur"
Variant B: Groene knop met tekst "Bevestig bestelling"

Resultaat na 1000 gebruikers per variant:
- Variant A: 12% conversie
- Variant B: 18% conversie

→ Bewijs om variant B te implementeren

User research

Verzamel quotes en observaties die je keuzes ondersteunen:

Observatie	Ontwerpbeslissing
"5 van de 6 gebruikers zochten de zoekbalk rechtsboven"	Zoekbalk rechtsboven plaatsen
"Gebruikers uitten frustratie over het ontbreken van feedback na versturen"	Bevestigingsmelding toevoegen
"Niemand begreep wat 'Initialiseer proces' betekende"	Tekst aanpassen naar 'Start'

Evidence documenteren

Het is niet genoeg om evidence te verzamelen — je moet het ook vastleggen zodat je er later naar kunt verwijzen.

Design Decision Record

Onderdeel	Beschrijving
Beslissing	Wat heb je besloten?
Context	Wat was de situatie of het probleem?
Opties	Welke alternatieven heb je overwogen?
Evidence	Welk bewijs ondersteunt de keuze?
Gevolgen	Wat zijn de verwachte effecten?

Voorbeeld

## Beslissing: Checkout flow met 5 stappen

**Context:** Gebruikers haakten af tijdens het afrekenen.

**Opties overwogen:**
1. 3-staps flow (compact)
2. 5-staps flow (meer uitleg per stap)
3. Single-page checkout

**Evidence:**
- Usability test (n=12): 5-staps flow had 0% drop-off vs. 25% bij 3-staps
- Gemiddelde doorlooptijd: 45s (5-staps) vs. 60s (3-staps)
- Gebruikersfeedback: "Dit voelt overzichtelijker"

**Gevolgen:**
- Meer stappen, maar lagere frictie
- Makkelijker om later stappen toe te voegen (bijv. upsell)

Evidence gebruiken in communicatie

Naar stakeholders

In plaats van:

"Ik denk dat we de navigatie moeten aanpassen."

Zeg:

"Uit onze usability tests blijkt dat 4 van de 5 gebruikers de hoofdnavigatie niet vonden. We raden aan om de navigatie prominenter te maken."

In documentatie

Niet	Wel
"De knopkleur is groen omdat dat beter past"	"De knopkleur is groen omdat uit A/B testing bleek dat dit 15% meer clicks oplevert"
"We kozen voor een simpel model"	"We kozen voor logistic regression omdat dit vergelijkbare accuracy gaf (89% vs 91%) met 10x snellere inference"

Evidence-based design in AI-projecten

Bij AI-projecten is evidence-based design extra belangrijk omdat stakeholders vaak hoge verwachtingen hebben die niet altijd realistisch zijn.

Vormen van evidence

Fase	Evidence
Probleemdefinitie	User research, interviews, data-analyse
Modelkeuze	Benchmark resultaten, vergelijking met baselines
Evaluatie	Metrics (accuracy, F1, etc.), A/B tests, user testing
Deployment	Monitoring data, gebruikersfeedback, model drift analyse

Voorbeeld: Modelkeuze onderbouwen

## Beslissing: Random Forest voor churn-voorspelling

**Evidence:**
| Model | Accuracy | F1-score | Trainingstijd | Interpreteerbaarheid |
|-------|----------|----------|---------------|----------------------|
| Logistic Regression | 0.82 | 0.71 | 2s | Hoog |
| Random Forest | 0.88 | 0.79 | 15s | Middel |
| Neural Network | 0.89 | 0.80 | 120s | Laag |

**Conclusie:** Random Forest biedt de beste balans tussen performance 
en interpreteerbaarheid. Het kleine verschil met Neural Network 
rechtvaardigt niet de extra complexiteit en lagere uitlegbaarheid.

Valkuilen

Valkuil	Oplossing
Te kleine steekproef	Wees voorzichtig met conclusies uit tests met <5 gebruikers
Confirmation bias	Zoek ook naar evidence die je hypothese weerspreekt
Verouderde data	Zorg dat je evidence recent en relevant is
Verkeerde metrics	Meet wat ertoe doet, niet wat makkelijk te meten is
Geen baseline	Zonder vergelijkingspunt is verbetering niet aan te tonen

!!! note "Evidence is niet het hele verhaal" Evidence-based design vervangt niet je vakmanschap en creativiteit. Het ondersteunt je keuzes, maar soms moet je ook durven experimenteren met iets nieuws dat nog niet bewezen is. Documenteer dan je rationale en plan hoe je het gaat valideren.