Katalog
method#Produkt#Analyse#Software‑Engineering

Diary Study

Langfristige qualitative Forschungsmethode, bei der Teilnehmende Tagebucheinträge über Erlebnisse, Kontext und Gefühle verfassen.

Diary Studies sind eine longitudinale Nutzforschungsmethode, bei der Teilnehmende über einen definierten Zeitraum tägliche oder ereignisbasierte Einträge zu Erfahrungen, Kontext und Gefühlen führen.
Etabliert
Mittel

Klassifikation

  • Mittel
  • Geschäftlich
  • Design
  • Fortgeschritten

Technischer Kontext

Survey- und Tagebuch-Tools (z. B. dscout, Typeform)Analyse- und Kodierungswerkzeuge (z. B. NVivo, Atlas.ti)Kommunikationsplattformen für Check-ins (z. B. Slack, Teams)

Prinzipien & Ziele

Fokus auf natürliche Nutzungskontexte statt LaborbedingungenKlare Instruktionen und niedrigschwellige Teilnahme für bessere RetentionSicherung von Datenschutz und Transparenz gegenüber Teilnehmenden
Erkundung
Domäne, Team

Use Cases & Szenarien

Kompromisse

  • Niedrige Beteiligung reduziert Aussagekraft
  • Datenschutzverletzungen bei unzureichender Anonymisierung
  • Fehlinterpretation von Kontext ohne Nachfragen
  • Kurz und konsistent: kurze Vorlagen erhöhen Teilnahmebereitschaft
  • Regelmäßige Check-ins zur Klärung offener Einträge
  • Kombination von Tagebuch und gezielten Interviews zur Validierung

I/O & Ressourcen

  • Rekrutierungsunterlagen und Screening-Fragebogen
  • Tagebuch-Template (digital oder analog)
  • Ethik- und Datenschutzdokumente
  • Rohdaten: Tages- oder Ereigniseinträge
  • Synthetisierte Insights und Pattern-Mapping
  • Empfehlungsdokument für Produktentscheidungen

Beschreibung

Diary Studies sind eine longitudinale Nutzforschungsmethode, bei der Teilnehmende über einen definierten Zeitraum tägliche oder ereignisbasierte Einträge zu Erfahrungen, Kontext und Gefühlen führen. Sie ermöglichen tiefere Einblicke in den Nutzungsalltag, Gewohnheiten und Probleme über die Zeit. Ergebnisse unterstützen produktbezogene Hypothesenbildung und priorisierte Maßnahmen.

  • Erfasst zeitliche Abläufe und kontextuelle Details, die in Interviews fehlen
  • Gute Grundlage für Hypothesenbildung und Priorisierung von Produktentscheidungen
  • Ermöglicht Einsichten zu seltenen oder episodischen Ereignissen

  • Teilnehmer-Bias und unvollständige Einträge möglich
  • Hoher Aufwand für Rekrutierung und langfristige Betreuung
  • Analyse ist zeitaufwändig und qualitativ anspruchsvoll

  • Teilnehmer-Retention-Rate

    Prozentualer Anteil der Teilnehmenden, die den gesamten Beobachtungszeitraum abgeschlossen haben.

  • Durchschnittliche Eintragsfrequenz

    Anzahl der Einträge pro Teilnehmer und Zeitraum als Indikator für Engagement.

  • Kontextuelle Detailtiefe

    Qualitative Bewertung der Anreicherung durch Kontextinformationen in den Einträgen.

Mobile-Banking Fallstudie

Nutzer protokollierten drei Wochen Transaktionen und Probleme; Daten führten zu Anpassungen im Onboarding.

Enterprise-Helpdesk-Verbesserung

Mitarbeitende dokumentierten wiederkehrende Pain Points; Resultat war eine priorisierte Ticket-Workflow-Änderung.

Smart-Home-Interaktionsstudie

Diary-Einträge deckten Nutzungskontexte auf, die automatisierte Szenen unterstützten.

1

Ziele und Forschungsfragen festlegen

2

Rekrutierungsstrategie entwickeln und Teilnehmer rekrutieren

3

Tagebuch-Template erstellen und testen

4

Teilnehmende onboarden und Studienzeitraum durchführen

5

Daten kodieren, analysieren und Erkenntnisse synthetisieren

⚠️ Technische Schulden & Engpässe

  • Unstrukturierte Datenspeicherung erschwert spätere Analysen
  • Fehlende Kodierungs-Standards verlangsamt Wiederverwendung
  • Keine Template-Vorlagen führen zu wiederholter Arbeit
Teilnehmer-RekrutierungDatenanalyse-AufwandTeilnehmer-Belastung
  • Tagebücher als Ersatz für repräsentative Umfragen interpretieren
  • Teilnehmer ohne ausreichende Instruktion alleine lassen
  • Unstrukturierte Einträge ohne Validierungsinterviews auswerten
  • Zu kurze Studienzeit liefert keine longitudinalen Einsichten
  • Selektive Stichprobe verzerrt die Ergebnisse
  • Unklare Fragen führen zu uneinheitlichen Daten
Qualitative Analyse und KodierungTeilnehmerrekrutierung und EthikkenntnisDatenschutz und Datenmanagement
Erfassung longitudinaler VerhaltensmusterHohe ökologische Validität durch AlltagskontextNachvollziehbarkeit und Reproduzierbarkeit der Einträge
  • Rechtliche Vorgaben zum Datenschutz müssen eingehalten werden
  • Begrenzte Skalierbarkeit bei kleinen Budgets
  • Ergebnisinterpretation benötigt Kontextwissen