Mở đầu — vì sao bài này quan trọng
Hầu hết các phương pháp nghiên cứu UX mà bạn đã học đến giờ đều bắt đầu bằng một giả định ngầm: rằng người dùng có "quy trình", có "nhu cầu", có "mô hình tư duy" tồn tại sẵn trong đầu họ, và việc của chúng ta là moi những thứ đó ra bằng phỏng vấn, khảo sát, hay test. Ethnomethodology và Conversation Analysis (CA) lật ngược lại giả định này một cách triệt để. Chúng nói rằng: trật tự xã hội, ý nghĩa của một hành động, và cả "quy trình làm việc" không nằm sẵn trong đầu ai cả — chúng được tạo ra tại chỗ (produced in situ), từng khoảnh khắc, thông qua cách con người thực sự phối hợp với nhau trong tương tác.
Vì sao điều này quan trọng với một UX Researcher nâng cao? Bởi vì có một khoảng cách khổng lồ giữa cái người ta nói họ làm (trong phỏng vấn) và cái người ta thực sự làm (trong công việc). Một nhân viên ngân hàng sẽ mô tả quy trình mở tài khoản của họ theo sơ đồ 8 bước gọn gàng khi bạn phỏng vấn. Nhưng khi bạn ngồi cạnh và quan sát, bạn thấy họ liên tục "chữa cháy": bỏ qua bước, gọi điện hỏi đồng nghiệp, viết ghi chú lên giấy nhớ, diễn giải lại lời khách hàng. Chính những "công việc vô hình" (invisible work) và những cách xử lý tại chỗ đó mới là nơi sản phẩm của bạn thất bại hay thành công. Ethnomethodology và CA cho bạn một lăng kính để nhìn thấy chính xác điều này — thứ mà không một phương pháp nào khác trong khóa học làm được ở cấp độ vi mô như vậy.
Khái niệm cốt lõi
Ethnomethodology là gì
Ethnomethodology được Harold Garfinkel đặt nền móng vào những năm 1960. Tên gọi tách ra thành: ethno- (con người, thành viên của một nhóm) + method (phương pháp) + -ology (nghiên cứu). Nghĩa đen: nghiên cứu các phương pháp mà chính người trong cuộc dùng để làm cho hoạt động thường ngày trở nên có nghĩa và có trật tự.
Điểm mấu chốt cần nắm: Garfinkel không quan tâm nhà nghiên cứu áp đặt lý thuyết gì lên hành vi. Ông quan tâm tới members' methods — phương pháp của chính thành viên. Con người bình thường liên tục làm một việc phi thường: họ biến những tình huống mơ hồ, hỗn loạn thành thứ "rõ ràng, hiển nhiên, ai cũng hiểu". Ethnomethodology hỏi: bằng cách nào họ làm được điều đó?
Ba khái niệm nền tảng bạn phải nhớ:
- Accountability (tính khả giải trình): Mọi hành động đều được thực hiện theo cách mà người khác có thể "đọc được" nó là gì. Khi bạn xếp hàng ở quầy, tư thế đứng của bạn đã "thông báo" cho người tới sau rằng bạn đang xếp hàng. Hành động tự nó giải thích chính nó.
- Indexicality (tính chỉ dẫn theo ngữ cảnh): Ý nghĩa của mọi phát ngôn phụ thuộc hoàn toàn vào ngữ cảnh. "Cái này" chỉ có nghĩa khi bạn biết người nói đang chỉ vào đâu. Không có ý nghĩa nào tách rời khỏi tình huống cụ thể.
- Reflexivity (tính phản thân): Hành động vừa tạo ra ngữ cảnh, vừa được ngữ cảnh đó định hình. Việc bạn nói "xin chào" tạo ra tình huống chào hỏi, và tình huống chào hỏi đó lại làm cho "xin chào" của bạn có nghĩa.
Conversation Analysis là gì
Conversation Analysis (CA), do Harvey Sacks, Emanuel Schegloff và Gail Jefferson phát triển từ ethnomethodology, là công cụ phân tích cực kỳ chi tiết cách con người tổ chức tương tác qua lời nói. CA giả định rằng hội thoại không hề hỗn loạn — nó có cấu trúc chặt chẽ mà người tham gia tự vận hành.
Các khái niệm CA quan trọng cho UX:
- Turn-taking (luân phiên lượt lời): Con người biết chính xác khi nào tới lượt mình nói, hầu như không chồng chéo. Có một "hệ thống" ngầm điều phối việc này.
- Adjacency pairs (cặp kề): Một số phát ngôn đi thành cặp — hỏi/đáp, chào/chào lại, mời/nhận-hoặc-từ-chối. Khi bạn hỏi mà không được đáp, sự im lặng đó có nghĩa (thường là từ chối, ngại ngùng).
- Repair (sửa chữa): Khi hiểu lầm xảy ra, con người có cơ chế sửa lỗi tinh vi ("ý anh là...?", "à không, tôi nói là..."). Cách người dùng "repair" khi lạc lối trong giao diện chính là dữ liệu vàng.
- Preference organization (tổ chức ưu tiên): Từ chối thường được "gói" trong ngần ngừ, giải thích, xin lỗi ("ừm... thật ra thì... để tôi xem đã"). Sự trì hoãn báo hiệu một câu trả lời tiêu cực đang tới.
Vì sao UX cần chúng: mối quan hệ với các phương pháp khác
Bạn có thể tự hỏi: cái này khác gì với ethnography (Bài 16) hay contextual inquiry (Bài 14)? Khác biệt nằm ở độ phóng đại. Ethnography mô tả văn hóa và bối cảnh rộng. CA thì zoom vào từng phần mười giây của một cuộc trao đổi — độ dừng 0,4 giây, một tiếng "ờ", một cái ngắt lời. Nếu ethnography là ống nhòm thì CA là kính hiển vi. Trong UX hiện đại, CA đặc biệt mạnh khi phân tích: giao diện hội thoại (chatbot, voice assistant), tương tác con người–con người quanh sản phẩm (nhân viên tư vấn dùng phần mềm trước mặt khách), và các đoạn usability test được ghi âm chi tiết.
Tình huống thực tế
Ví dụ 1 — MoMo và "công việc vô hình" của nhân viên cửa hàng tạp hóa
Một ví dụ giả định hợp lý theo bối cảnh Việt Nam. Giả sử đội nghiên cứu của một ví điện tử như MoMo muốn hiểu vì sao chức năng "thanh toán bằng mã QR tại quầy" có tỉ lệ hoàn tất thấp ở các cửa hàng tạp hóa nhỏ. Nếu chỉ phỏng vấn, chủ tiệm sẽ nói "dễ mà, khách quét mã là xong". Nhưng nhóm áp dụng lăng kính ethnomethodology, ngồi quan sát và ghi âm 20 giao dịch thật ở ba tiệm tạp hóa quận Bình Thạnh.
Diễn giải: Khi phân tích theo CA, họ phát hiện một "adjacency pair" bị lỗi. Khách quét xong hỏi "Được chưa chị?" — đây là nửa đầu của cặp hỏi/đáp, khách đang chờ xác nhận. Nhưng màn hình điện thoại của chủ tiệm nằm úp dưới quầy, tiếng "ting" báo có tiền lại bị lấn át bởi ồn ào. Chủ tiệm im lặng 3–4 giây (một khoảng lặng "có nghĩa"), rồi cả hai cùng lúng túng: khách rút điện thoại ra kiểm tra lại, chủ tiệm với tay lấy máy, đôi khi khách quét lại lần hai và bị trừ tiền hai lần. "Công việc vô hình" ở đây là việc chủ tiệm phải liên tục chứng minh cho khách thấy giao dịch đã xong — một hành động accountability mà sản phẩm chưa hỗ trợ.
Bài học rút ra: Vấn đề không phải luồng thanh toán "khó" mà là sản phẩm không tạo ra được tín hiệu xác nhận đủ mạnh để hai con người phối hợp với nhau. Giải pháp không phải thêm bước, mà là một âm thanh/màn hình xác nhận to, rõ, cho cả hai bên cùng "đọc được" — trả lại nửa sau của adjacency pair.
Ví dụ 2 — Chatbot chăm sóc khách hàng của một ngân hàng số
Một ngân hàng số ở Đông Nam Á (giả định kiểu như Timo hoặc TNEX) triển khai chatbot hỗ trợ. Chỉ số hài lòng thấp dù chatbot trả lời "đúng" thông tin. Đội UX ghi lại 150 đoạn chat và phân tích theo CA thay vì chỉ đếm "giải quyết được/không".
Diễn giải: CA phơi bày vấn đề repair và turn-taking. Khi khách gõ "thẻ tôi bị khóa" rồi ngập ngừng gõ tiếp "à mà là thẻ phụ", chatbot đã "cướp lượt" — nó trả lời ngay câu đầu về thẻ chính trước khi khách sửa lại. Trong hội thoại người–người, ta cho nhau khoảng dừng để tự sửa (self-repair). Chatbot phá vỡ turn-taking tự nhiên, khiến khách cảm thấy "nó không nghe mình". Ngoài ra, khi chatbot không hiểu, nó lặp lại y nguyên câu hỏi cũ — trong khi con người sẽ "other-initiated repair" bằng cách hỏi cụ thể hơn ("ý anh là thẻ ATM hay thẻ tín dụng?").
Bài học rút ra: Chất lượng chatbot không đo bằng "trả lời đúng" mà bằng việc nó có tôn trọng cấu trúc tương tác của con người không — cho phép sửa lỗi, chờ lượt, và khởi tạo repair thông minh. Đội đã thêm độ trễ nhỏ và cơ chế hỏi làm rõ, điểm hài lòng tăng rõ rệt.
Ví dụ 3 — Breaching experiment nhẹ trong quy trình onboarding app học tập
Một nền tảng học trực tuyến nghi ngờ rằng người dùng mới "hiểu ngầm" quá nhiều thứ mà thiết kế đang phụ thuộc vào. Nhóm nghiên cứu áp dụng tinh thần breaching: họ cố tình đưa cho 8 người dùng mới một phiên bản onboarding bỏ đi mọi gợi ý ngầm — không có nút "Bước tiếp theo" nổi bật, không có breadcrumb, không có văn bản trấn an.
Diễn giải: Quan sát cho thấy người dùng lập tức áp dụng "members' methods" của riêng họ để tạo lại trật tự: họ tìm góc trên phải để thoát, họ vuốt màn hình như thói quen từ app khác, họ nói to "chắc là bấm cái này" (accountability — họ tự giải trình hành động của mình cho chính họ và cho người quan sát). Những giả định ngầm mà thiết kế viên tưởng là "hiển nhiên" hóa ra không hề hiển nhiên với một nửa số người.
Bài học rút ra: Bằng cách chủ động phá vỡ trật tự quen thuộc, nhóm nhìn thấy chính xác những "quy tắc ngầm" mà giao diện đang âm thầm dựa vào. Đây là cách dùng tư duy ethnomethodology để kiểm tra tính vững chắc của một luồng, thay vì chỉ hỏi "bạn có thấy dễ dùng không".
Hướng dẫn từng bước
Dưới đây là quy trình áp dụng CA/ethnomethodology cho một nghiên cứu UX cụ thể.
- Xác định "địa điểm tương tác" (interactional site). Chọn nơi có sự phối hợp thực sự diễn ra: quầy giao dịch, cuộc gọi hỗ trợ, đoạn chat, phiên usability test, hoặc hai người dùng chung một màn hình. CA cần tương tác, không phải ý kiến.
- Thu dữ liệu tự nhiên, ghi lại nguyên trạng. Ưu tiên ghi âm/ghi hình tình huống thật (naturally occurring data) thay vì dàn dựng. Bạn cần đủ chi tiết để nghe được cả khoảng lặng và tiếng "ờ". Nhớ xin consent rõ ràng (liên hệ Bài 47 về đạo đức).
- Chép lại chi tiết (transcription). Đây là bước tốn công nhất. Với CA nghiêm ngặt, người ta dùng ký hiệu Jefferson: ghi cả độ dài khoảng lặng (0.4), chỗ ngắt lời (dấu [ ]), lên/xuống giọng, kéo dài âm (dàiii). Với UX thực dụng, bạn có thể dùng bản rút gọn nhưng nhất định phải giữ lại khoảng lặng và trình tự lượt lời.
- Phân tích trình tự (sequential analysis). Đừng phân tích từng câu độc lập. Hỏi: phát ngôn này là phản ứng với cái gì trước đó, và nó tạo điều kiện gì cho cái sau? Tìm các adjacency pairs, chỗ turn-taking trục trặc, và mọi lần repair.
- Truy tìm "members' methods". Với mỗi khoảnh khắc mượt mà hoặc trục trặc, hỏi: người trong cuộc đang dùng phương pháp gì để làm cho tình huống có nghĩa? Họ dựa vào tín hiệu nào? Sản phẩm hỗ trợ hay cản trở phương pháp đó?
- Quy chiếu về thiết kế. Chuyển phát hiện thành ngôn ngữ hành động: chỗ nào sản phẩm phá vỡ turn-taking? Chỗ nào thiếu tín hiệu accountability? Chỗ nào người dùng phải "repair" quá nhiều? Đó là danh sách vấn đề thiết kế của bạn.
Lỗi thường gặp & mẹo
- Lỗi: áp lý thuyết của mình lên dữ liệu. Đây là điều Garfinkel ghét nhất. Đừng vào với giả thuyết "chắc họ thấy khó vì X". Hãy để cấu trúc tự lộ ra từ chính hành vi. Mẹo: mỗi lần định kết luận, tự hỏi "người trong cuộc có coi đây là vấn đề không, hay chỉ mình tôi thấy vậy?".
- Lỗi: bỏ qua khoảng lặng và những chi tiết "nhỏ". Với người mới, khoảng dừng 2 giây có vẻ vô nghĩa. Nhưng trong CA, im lặng sau một câu hỏi thường báo hiệu từ chối, bối rối, hoặc mất phương hướng. Mẹo: coi mọi khoảng lặng là dữ liệu, không phải "khoảng trống".
- Lỗi: nhầm CA với transcript summary. Tóm tắt "khách hỏi, bot trả lời" là vô dụng. Giá trị nằm ở cách và trình tự. Mẹo: luôn phân tích ít nhất hai lượt lời liền kề, không bao giờ một câu đơn lẻ.
- Lỗi: đòi mẫu lớn. CA/ethnomethodology là định tính vi mô. Năm đoạn hội thoại phân tích sâu giá trị hơn 500 đoạn đọc lướt. Mẹo: đi sâu, không đi rộng.
- Mẹo tổng quát: Kết hợp CA với biểu đồ tuần tự (sequence) khi trình bày cho stakeholder — con người dễ tin dữ liệu này hơn khi thấy đúng câu chữ thật của người dùng.
Bài tập thực hành
- Săn adjacency pair trong sản phẩm. Chọn một sản phẩm bạn dùng có yếu tố hội thoại (chatbot, tổng đài, form nhiều bước). Thực hiện 3 tương tác thật và ghi âm/chép lại. Đánh dấu mọi cặp kề (hỏi/đáp, yêu cầu/xác nhận). Có cặp nào bị "treo" — bạn hành động mà sản phẩm không phản hồi rõ ràng không?
- Phân tích một khoảng lặng. Từ dữ liệu trên, tìm một chỗ bạn hoặc hệ thống ngập ngừng hơn 2 giây. Viết một đoạn ngắn lý giải: khoảng lặng đó có nghĩa gì? Nó báo hiệu vấn đề thiết kế nào?
- Breaching thu nhỏ. Nhờ một người bạn thực hiện một tác vụ quen thuộc (đặt Grab, chuyển khoản) nhưng bạn cố tình không đưa gợi ý nào và quan sát. Ghi lại các "members' methods" họ tự dùng để tìm đường. Ba giả định ngầm nào của sản phẩm vừa bị phơi bày?
Tóm tắt
Ethnomethodology (Garfinkel) nghiên cứu cách chính con người tạo ra trật tự và ý nghĩa cho hoạt động thường ngày, qua ba nguyên lý accountability, indexicality và reflexivity. Conversation Analysis là công cụ vi mô phân tích cấu trúc tương tác — turn-taking, adjacency pairs, repair, preference organization. Với UX Researcher nâng cao, hai lăng kính này cho phép bạn nhìn thấy khoảng cách giữa điều người ta nói và điều họ thực sự làm, phát hiện "công việc vô hình", và đánh giá chất lượng của mọi giao diện có tính hội thoại. Nguyên tắc vàng: đừng áp lý thuyết của bạn — hãy để trật tự lộ ra từ chính hành vi thật của người dùng, ở cấp độ từng lượt lời, từng khoảng lặng. Đi sâu thay vì đi rộng, và luôn quy chiếu mọi phát hiện về một quyết định thiết kế cụ thể.