Beschikbaarheidsbias Model

Herken de valkuil

Wat je beschrijft is precies de beschikbaarheidsheuristiek in actie: twee levendige, enthousiaste gesprekken wegen zwaarder dan honderd stille gebruikers die het niet vragen. De stem van de aanwezige klant overstemt de afwezige meerderheid.

Stap 1: Maak het anoniem en kwantificeerbaar

Zet de exportfunctie op een neutrale enquête onder een representatieve steekproef (minimaal 100 gebruikers, niet alleen je meest vocale klanten). Vraag niet "wil je dit?" maar meet gebruiksfrequentie: wie exporteert nu al via een omweg (bijv. screenshots of copy-paste)? Dat is een betere voorspeller dan een wens.

Stap 2: Voeg een proces-checklist toe

Munger's remedie is geen bewustzijn, maar procedure. Stel een vaste regel in: elke roadmap-aanvraag vereist minstens drie onafhankelijke bronnen – bijv. data-analyse, supporttickets, en een enquête. Eén levendig gesprek telt niet als bron.

Stap 3: Test de kosten van negeren

Vraag: wat is de kans dat gebruikers weglopen zonder deze functie? Als die kans laag is, is het een nice-to-have, geen roadmap-item. Schat die kans op basis van churn-data, niet op basis van hoe makkelijk je je die twee klanten kunt herinneren.

Conclusie: Vertrouw niet op je geheugen, vertrouw op je meetlat.

Herken de valkuil van beschikbaarheid

Drie gevallen in één maand voelt als een golfbreker, maar je brein weegt die gevallen zwaarder omdat ze vers en levendig zijn. De vraag is niet “hoeveel gevallen zien we”, maar “hoeveel gevallen zouden we normaal verwachten”.

Stap 1: Maak de basislijn expliciet

• Vraag je af: wat was de incidentie vóór deze maand? Over welk aantal operaties en welke periode?
• Bereken het betrouwbaarheidsinterval: bij zeldzame complicaties (bv. 0,1%) is drie op 300 operaties nog steeds binnen de normale spreiding.
• Gebruik een runchart of statistische procescontrole, niet je gevoel.

Stap 2: Controleer op selectieve registratie

• Zijn deze drie gevallen echt identiek, of deel je ze in omdat ze “complicatie” heten?
• Heeft iemand actiever gezocht naar deze complicatie na het eerste geval? Dat verhoogt de detectie, niet de incidentie.

Stap 3: Pas Munger’s proces-oplossing toe

Zet een checklist op: vóór protocolwijziging moet je een vast aantal maanden data verzamelen, met vooraf vastgestelde criteria. Anders beslis je op basis van wat het makkelijkst herinnerbaar is, niet op wat waar is.

De regel is simpel: als je het niet op papier kunt verdedigen, verdedig je een herinnering, geen patroon.

Wacht tot je minstens zes tot twaalf maanden data hebt, of tot de statistiek significant is. Drie gevallen is een anekdote, geen epidemie.

Ga van anekdote naar cijfers via een checklist

Je vermoeden klopt: twee levendige verhalen wegen zwaarder dan honderd stille succesgevallen. Dat is precies de availability-misweighing tendency. Los het op met proces, niet met "we moeten objectiever denken".

Stap 1: Maak de dataset expliciet

• Vraag HR of het personeelssysteem de afgelopen vijf jaar alle interne promoties kan uittrekken: aantal, functie, afdeling, doorlooptijd.
• Tel ook de externe aanstellingen op vergelijkbare niveaus mee als controlegroep.

Stap 2: Definieer "succes" vooraf

• Bepaal criteria vóórdat je naar cijfers kijkt: behaalde targets, beoordeling na 12 maanden, verloop binnen 2 jaar.
• Zonder deze definitie blijf je sturen op wat je toevallig hoort.

Stap 3: Presenteer de verhouding, niet de verhalen

• Zet het succespercentage naast het faalpercentage, uitgesplitst per jaar en afdeling.
• Vraag het team: "Hoeveel succesvolle promoties herinner je je?" – dat maakt het gebrek aan beschikbaarheid zichtbaar.

Advies

Breng de cijfers als harde basis in het overleg, maar erken de twee verhalen als signalen. Check of er een gemeenschappelijke oorzaak is (bijv. slechte onboarding) zonder het hele beleid op twee gevallen te baseren.