O Lado Sombrio do Design Digital: O Desafio do Cancelamento da Amazon Prime
Analisando como padrões obscuros complicam o processo de cancelamento do Amazon Prime.
― 7 min ler
Índice
Padrões Escuros são truques usados no design digital que conseguem enganar os usuários enquanto eles estão navegando em sites e apps. Esses padrões podem dificultar a compreensão das escolhas que os usuários têm, levando-os a tomar decisões que talvez não sejam as melhores para eles. Nos últimos anos, pesquisadores têm investigado esses padrões, e embora tenham avançado na identificação deles, a maioria dos estudos se concentrou em imagens estáticas ou em casos isolados, em vez de olhar para toda a experiência do usuário ao longo do tempo.
Neste artigo, vamos analisar um caso específico envolvendo o processo de cancelamento do Amazon Prime, conhecido como "Iliad Flow". Esse caso mostra como os padrões escuros funcionam juntos durante a experiência do usuário. Também vamos apresentar uma nova forma de analisar esses padrões ao longo do tempo e discutir como eles podem impactar os usuários.
O Que São Padrões Escuros?
Padrões escuros podem ter várias formas, desde botões enganosos até caminhos de navegação complicados que confundem os usuários. Eles costumam limitar a agência do usuário, dificultando a compreensão do que estão concordando ou como cancelar um serviço. Estudos diferentes destacaram vários tipos de padrões escuros e como eles podem manipular o comportamento do usuário em áreas como e-commerce, jogos online e redes sociais.
Mais recentemente, legisladores e reguladores começaram a agir contra essas práticas enganosas. Novas leis foram introduzidas em lugares como a União Europeia e Califórnia para ajudar a proteger os usuários dessas táticas prejudiciais. Essas leis visam aumentar a transparência nos ambientes online, dando mais controle aos usuários sobre suas decisões.
O Caso do "Iliad Flow" do Amazon Prime
Uma recente queixa legal contra a Amazon pela Comissão Federal de Comércio (FTC) foca nos desafios que os usuários enfrentam ao tentar cancelar sua assinatura do Amazon Prime. A queixa detalha como a Amazon criou um processo de cancelamento complicado e frustrante para os usuários. Críticos apontaram que o processo está cheio de padrões escuros projetados para confundir os usuários e dificultar que eles consigam cancelar.
O "Iliad Flow" destaca maneiras específicas que a Amazon usa padrões escuros. Os usuários podem entrar nesse fluxo de várias maneiras, como procurando opções de cancelamento ou navegando pelas configurações da conta. No entanto, cada método tem seus próprios desafios, e os usuários frequentemente se sentem perdidos ou desviados, tornando difícil completar o cancelamento.
Identificando Padrões Escuros no "Iliad Flow"
Ao analisar o "Iliad Flow", os pesquisadores descobriram que a Amazon usa múltiplos padrões escuros para impedir que os usuários cancelem suas assinaturas facilmente. Por exemplo, uma vez que os usuários entram no processo de cancelamento, eles precisam passar por duas ou mais páginas onde encontram opções confusas e linguagem enganosa.
Durante o processo de cancelamento, a Amazon lembra os usuários sobre os benefícios que eles vão perder, o que adiciona uma camada emocional à experiência. Essa tática visa fazer os usuários reconsiderarem a decisão de cancelar. Infelizmente, muitos usuários desistem e se encontram presos em um loop de tentativas de cancelar o serviço, mas sem conseguir.
Complexidade dos Padrões Escuros
O "Iliad Flow" representa uma teia complexa de padrões escuros que trabalham juntos para frustrar os usuários. Por exemplo, um usuário pode ser desviado enquanto tenta encontrar o link de cancelamento, só para enfrentar obstáculos adicionais assim que realmente entra no processo de cancelamento. Cada página é cuidadosamente projetada para manter os usuários engajados, mas, no fim, torna mais difícil alcançar o objetivo.
Ao resumir os diferentes padrões escuros em ação, podemos ver as maneiras intrincadas como eles interagem. Padrões escuros de alto nível, como Obstrução e Interferência de Interface, são utilizados de forma proeminente. Além disso, existem muitos tipos de nível inferior que complicam ainda mais a experiência do usuário.
Conclusões da Análise
A pesquisa sobre o "Iliad Flow" identificou vários padrões escuros específicos em ação. Esses incluem:
- Ação Forçada: Usuários sentem pressão para tomar uma decisão rapidamente.
- Interferência na Interface: Elementos de design confusos distraem os usuários de seu objetivo principal.
- Obstrução: O processo é intencionalmente complicado para atrasar os usuários.
- Desvio: Usuários são levados para longe de suas ações pretendidas.
- Sneaking: Usuários não têm consciência de passos ou condições adicionais que complicam suas decisões.
- Confirmshaming: Usuários se sentem culpados por escolher cancelar ou optar por sair.
Esses padrões não são isolados; eles costumam ocorrer em grupos. Por exemplo, os usuários podem enfrentar uma combinação de Obstrução e Interferência de Interface enquanto navegam entre as telas, dificultando o cancelamento bem-sucedido de sua assinatura.
Análise Temporal de Padrões Escuros
Para entender melhor como os padrões escuros influenciam os usuários ao longo do tempo, os pesquisadores propõem um método chamado Análise Temporal de Padrões Escuros (TADP). Esse método se concentraria em estudar como vários padrões escuros interagem na jornada do usuário, em vez de apenas analisá-los isoladamente.
A metodologia TADP incluiria várias etapas principais:
Identificação: Reconhecer quais padrões escuros estão em uso e como eles são combinados ou sequenciados. Isso requer observar os padrões nas interfaces de usuário e entender seus efeitos no comportamento dos usuários.
Análise de Elementos de UI: Examinar quais elementos específicos da UI contribuem para os padrões escuros e como eles interagem para criar uma experiência confusa para os usuários.
Análise de Interação: Investigar como diferentes padrões escuros funcionam juntos e se a presença deles amplifica a confusão ou frustração do usuário.
Usando essa metodologia, os pesquisadores podem esclarecer como os padrões escuros afetam os usuários ao longo do tempo e como podem ser melhorados.
O Futuro da Pesquisa sobre Padrões Escuros
Ainda há muito a ser feito quando se trata de estudar padrões escuros. Embora algum progresso tenha sido feito na identificação e definição desses padrões, ainda há necessidade de metodologias que possam analisar os efeitos cumulativos dos padrões escuros nos usuários ao longo do tempo.
A interação entre detecção automatizada e avaliação especializada é uma área essencial para futuras pesquisas. Ferramentas automatizadas podem ajudar a identificar padrões escuros em grande escala, enquanto especialistas humanos podem oferecer insights sobre as nuances que as máquinas podem perder. Juntas, essas abordagens podem melhorar nossa compreensão de como os padrões escuros operam e seu impacto na experiência do usuário.
Em conclusão, o estudo dos padrões escuros está se tornando mais relevante à medida que os sistemas digitais evoluem. Ao analisar como esses padrões existem e interagem ao longo do tempo, especialmente em jornadas complexas de usuários como o "Iliad Flow" da Amazon Prime, podemos trabalhar para criar experiências online melhores e mais transparentes. Compreender e abordar padrões escuros não só beneficiará os usuários, mas também promoverá um ambiente digital mais saudável.
Título: Temporal Analysis of Dark Patterns: A Case Study of a User's Odyssey to Conquer Prime Membership Cancellation through the "Iliad Flow"
Resumo: Dark patterns are ubiquitous in digital systems, impacting users throughout their journeys on many popular apps and websites. While substantial efforts from the research community in the last five years have led to consolidated taxonomies of dark patterns, including an emerging ontology, most applications of these descriptors have been focused on analysis of static images or as isolated pattern types. In this paper, we present a case study of Amazon Prime's "Iliad Flow" to illustrate the interplay of dark patterns across a user journey, grounded in insights from a US Federal Trade Commission complaint against the company. We use this case study to lay the groundwork for a methodology of Temporal Analysis of Dark Patterns (TADP), including considerations for characterization of individual dark patterns across a user journey, combinatorial effects of multiple dark patterns types, and implications for expert detection and automated detection.
Autores: Colin M. Gray, Thomas Mildner, Nataliia Bielova
Última atualização: 2023-09-18 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2309.09635
Fonte PDF: https://arxiv.org/pdf/2309.09635
Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.
Ligações de referência
- https://www.acm.org/publications/taps/whitelist-of-latex-packages
- https://dl.acm.org/ccs.cfm
- https://www.acm.org/diversity-inclusion/words-matter
- https://www.deceptive.design/
- https://web.archive.org/web/20160828223043/darkpatterns.org/journey
- https://web.archive.org/web/20160828223043/darkpatterns.org/journey_map