用户体验度量
2017-01-06 21:38:23 0 举报AI智能生成
用户体验度量笔记
作者其他创作
大纲/内容
2可用性研究
参与者
抽样方法
系统抽样
隔10个人抽一个
随机抽样
分层抽样
30%男性70%女性
方便抽样
愿意参加的就来参加
样本大小（取决于目标与误差）
目标
找到明显的大问题
小样本
找到剩余的细节问题
大样本
误差
置信区间随样本增大上下限逐渐接近
组内与组间设计
组内设计
也叫重复试验设计。比较这个参与者的不同数据。不必大样本，要考虑“传递效应”：练习、疲劳。
组间设计
比较不同参与者之间的结果，如新手与专家。需要大样本。
混合设计
如测试男女在几次测试过程中完成某任务方式上是否有差异。同时包括组间（性别）和组内（随时间分布三次测试）
平衡
顺序效应
用户通过学习提高完成绩效。可以打乱人物顺序
有的任务必须存在这样的自然顺序，平衡是不恰当的
自变量与因变量
数据类型
称名数据nominal
简单无序的组或者类别，如苹果香蕉。
顺序数据ordinal
有序的组或类别，如高、中、低。等级之间距离是无意义的。
等距数据interval
没有绝对零点的连续数据，值之间的差异是有意义的。如可用性量表（SUS）的分数。
比率数据ratio
与前者相似，具有绝对零点
度量与数据
描述统计
集中趋势
平均数
中位数Median
众数Mode
变异性测量
全距range（极差）
最小值与最大值的距离
方差variance
标准差standard deviation
置信区间
比较均值
两个样本
独立样本
组间
配对样本
组内：一个用户使用了A和B产品时间对比
样本数量要一致
多个样本
单因素方差分析ANOVA
P值：犯错的概率
非参数检验
卡方检验
分析称名数据和顺序数据，二项式（成功或失败）
图形化数据
条形图、折线图、散点图、饼图、堆积条形图
建议：展示置信区间、误差线
折线图与条形图：如果连线之间的点没有任何意义，如1/2任务，折更适合使用条形图。
6自我报告式度量
自我报告数据
Likert量表和语义差异量表
一般使用五级或七级量表
SUS系统可用性量表
7行为和生理度量
言语行为
非言语行为
表情
快乐、愤怒、悲伤、惊奇、惊恐、厌恶和中性
8合并和比较度量
百分比
z标准化
适用于一组数据和另一组比较
1.引言
可用性与用户体验区别
可用性关注用户使用产品成功完成某项任务的能力
用户体验强调用户与产品之间所有交互以及对交互结果的想法
可用性度量特点
可观察
可度量
代表用户体验某些方面
地域分布活跃
3规划可用性研究
研究目标
形成式
迭代性测试，发现分析问题，在进行设计修改
有无重大可用性问题使用户难以完成目标或效率低下
有哪些优点和缺点
用户常犯错误有哪些
总结式
评估产品与目标结合地程度
是否满足了可用性要求
与竞争对手相比如何
与上一版相比是否有所改进
用户目标
绩效
满意度
选择正确度量
卡片分类
将信息条目放入已经定义好的类别中
迷失度
用户完成任务所需的步骤数
自我报告式
回忆，提问。满意度。
评估方法
小样本实验室
关注基于问题的度量
大样本实验室（大于12人）
定量和定性采集
大样本在线测试
用于微小设计改变和影响
4绩效度量
任务成功
结束状态要明确
任务时间
错误
效率
易学性
5基于问题的度量
出声思维法
关注表情、语调、用户没有说的在做的事情
在操作过程中说出他们的即时想法
严重性等级评估
参加者数量
三个人发现66%的问题
五个人发现83%的问题
0 条评论
下一页
