NOVA Blog: 20. Februar 2020

Bei einem Card Sorting lassen wir die Nutzer selbst einmal die verschiedenen Produkte eines Online-Shops, die Themen auf einer Informationswebseite oder auch die Funktionen eines Bordcomputers in Kategorien einteilen. Das kann auf unterschiedliche Weise geschehen. Wir können ein quantifizierendes (meist online durchgeführtes) von einem qualitativen Card Sorting und geschlossenes, offenes und hybrides Card Sorting voneinander unterscheiden.

Ein quantifizierendes Card Sorting ist meist in einem ersten Schritt die richtige Wahl, um mithilfe von circa 100 Nutzern im Rahmen einer Online-Befragung ganz grundsätzlich zu verstehen, nach welchen unterschiedlichen mentalen Modellen bzw. Sortierlogiken Nutzer die Produkte/Inhalte kategorisieren. Zusätzlich ist es möglich, die verschiedenen Sortierlogiken zu quantifizieren: Welches mentale Modell kommt wie häufig vor? Aber auch: Welche Produkte werden wie häufig gemeinsam sortiert? Als Tool nutzen wir hierbei übrigens Optimal Workshop, um das Online Card Sorting zu programmieren.

Bei einem quantifizierenden Card Sorting kommt es häufig zu vielen Aha-Momenten. Es entsteht aber auch das ein oder andere Fragezeichen, warum auf die eine oder andere Weise sortiert wird. Insbesondere wird es kniffelig, wenn einzelne Produkte von der Hälfte der Nutzer in Kategorie A und von der anderen Hälfte in Kategorie B einsortiert werden. –Oder wenn grundsätzlich verschiedene mentale Modelle bzw. Sortierlogiken aufgedeckt werden. Welche ist nun die bessere? Kommen Nutzer, die nach Logik B sortieren, auch mit Logik A zurecht und andersherum?

Grundsätzlich ist es möglich bei einem Card Sorting bereits Kategorien vorzugeben. Man spricht dann von einem geschlossenen Card Sorting. Sinnvoll kann ein solches Vorgehen sein, wenn Kategorien aus bestimmten Gründen schon so gut wie gesetzt sind und es lediglich darum geht, ob die Kategorien im Rahmen des mentalen Modells der Nutzer auch wirklich trennscharf voneinander sind oder bestimmte Inhalte in verschiedene Kategorien passen und es dadurch zu Verwirrungen kommen könnte.

In den meisten Fällen empfiehlt es sich aber dem Nutzer erst einmal alle Freiheiten zu geben. In einem offenen Card Sorting werden keine Kategorien vorgegeben. Der Nutzer sortiert komplett nach seinem eigenen mentalen Modell und benennt die einzelnen Kategorien.

Bei einem hybriden Card Sorting sind bereits ein paar Kategorien vorgegeben, der Nutzer kann jedoch eigene ergänzen. Ein solches Card Sorting kann im Einzelfall sinnvoll sein, wenn z. B. die Kategorien bereits so gut wie gesetzt sind, aber Sie dennoch offen für neue Impulse der Nutzer sind. Aus unserer Erfahrung nutzen jedoch nur wenige Nutzer bei einem hybriden Card Sorting tatsächlich die Möglichkeit, eigene Kategorien zu bilden, sodass es sich meist wirklich nur um einzelne Impulse handelt!

Oft werden wir gefragt, mit wie vielen Karten (Inhalten) maximal getestet werden sollte. Das kommt darauf an, ob es sich um Bildkarten (die z. B. das jeweilige Produkt zeigen) oder reine Textkarten handelt. Bei Bildkarten haben wir die Erfahrung gemacht, dass nicht mehr als 20 Karten im Rahmen einer Online-Befragung sortiert werden sollten. Bei Textkarten sollten nicht viel mehr als 60 Karten verwendet werden.

In der Regel: ja! Schließlich basiert die Struktur aus dem Card Sorting auf dem mentalen Modell des Nutzers. Aber natürlich gibt es hier auch noch eine Methode, um wirklich sicher zu gehen und skeptische Stakeholder zu überzeugen – und dafür muss die neue Struktur auch noch gar nicht aufwendig programmiert werden!

Wir haben Card Sorting und Tree Testing Studien bereits für ganz verschiedene Services durchgeführt: Für Informationsportale, Online-Shops, Kategorisierung von Fotoprodukten, Bordcomputern im Auto oder auch für die Menüstruktur von Heizungscontrollern, und sogar für klassisches Category Management im lokalen Einzelhandel.

Vor ein paar Jahren haben wir einen Case gemeinsam mit idealo erarbeitet. Mithilfe von Card Sorting und anschließendem Tree Testing konnte die Anzahl der Kategorien auf Ebene 2 der Navigation von 481 auf 59 reduziert werden. Als Folge wurde die Struktur um 11%-Punkte übersichtlicher bewertet als die alte Struktur. Die Zeit zur Aufgabenlösung hat sich um 12 Sekunden reduziert und die Erfolgsrate konnte um 17% gesteigert werden.