7用户体验度量.pptxVIP

第6章 用户体验度量 哈尔滨工业大学 王妍 对于体验的强度，Holman提出了一种有效的分析法。他把产品的角色按照情感的关联性划分为不同的种类。情感强度和我们与产品关系的亲疏相关。以下步骤的展开，我们与产品的关系也随之递进： 1.3.体验产品：来源、密集度和体验方向 本章要点 6.1 操作绩效 6.1.4 效率 （efficiency） 6.1.5 易学性 （learnability） 6.1.1 任务成功 （task success） 6.1. 2 任务时间 （time-on-task） 6.1.3 错误 （errors） 5种基本的绩效度量类型： 6.1.1任务成功 任务成功（task success）可能是使用最广的绩效度量。它测量的是用户能在多大程度能有效地完成一系列既定的任务。 测量任务成功的方法 1、二分式成功（binary success） 2、成功等级（levels of success）。 二分式成功是测量任务成功的最为简单和常用的方法。参加者要么成功完成了任务，要么没有成功。这与大学里的“通过/未通过”的课程是一个类型。当产品的成功取决于用户完成某一个或某一组任务时，用二分式成功是合适的。接近成功不管用，唯一重要的是用户能成功地完成他们的任务。 二分式成功 用户每操作一个任务，都应给予一个“成功”或“失败”的得分。通常这些得分以1（表示成功）或0（表示失败）的形式出现。有了数字得分，你可以很容易地计算出操作的平均值及其需要的统计值。除了给出均值以外，最好也包括置信区间，使之作为二分式数据的一部分。 （1）如何收集和测量二分式成功 图6-1 样例图：如何组织二分式成功数据。置信区间是在基于二项式分布而 算得的。 按任务来分析和呈现二分式成功率，这是最常见的方法，这包括简单呈现成功完成每个任务的参加者百分数。当你想比较任务之间的成功率时，这种方法最为有用。通过查看特定问题以确定需要什么样的改进来解决这些问题，你可以在后续进行更为详尽的分析。如果你有兴趣了解不同任务之间是否存在显著性的差异，你将需要进行t检验或方差分析（ANOVA）。 （2）如何分析和呈现二分式数据 图6-2 样例图：如何呈现每个任务的二分式成功数据。误差线表示的是95%置信区间（基于二项式分布） 例如，在图6-2中，任务1的平均二分式成功率是67%，但是平均值有95%的几率会落在39%和95%之间（如置信区间所表示的）。 如果在可用性研究中你有相当多的测试参加者（至少是12个，理想情况下超过20个），把二分式成功数据呈现为频次分布是比较有用的（图6-3）。对于以视觉化方式表示二分式任务成功数据中的差异来说，这种方法比较方便。 例如，在图6-3中，有6个参加者在初始网站的评估中成功完成了61%到70%的任务，1个参加者完成率小于50%，2个参加者完成率在81%到90%之间。在重新设计后的网站评估中，有6个参加者的成功率在91%及以上，没有参加者的成功率低于61%。图6-3几乎没有重叠地表示出了两个任务成功率，与仅仅报告两个平均值相比，这是一种更能表示设计迭代之间是否有提高的方法。 图6-3 二分式成功率的频次分布，源于对某网站的初始版本和重新设计后的版本而进行的可用性测试 二分成功率本质上属于比例数据：成功完成既定任务的参加者比例。计算置信区间最合适的方法是用二项式置信区间：wald方法和exact方法。其中校正后的wald方法可产生较好的结果。 Jeff Sauro在其网站上提供了一个非常有用的计算器，可以用它来确定二分式成功的置信区间：/wald.htm。 （3）计算二分式成功数据的置信区间 当任务成功的数据存在一些合理的灰度地带时，可以对成功程度进行等级划分就很有用。参加者会从部分完成某项任务中获得某些值。可以把它想象成为完成家庭作业可以获得部分学分一样，即：如果你能展示了你的工作，即便存在一些错误的回答，你也能获得一些学分。  成功等级 基于参加者完成某任务的程度而设定的任务成功在3到6个等级数量之间是比较典型的做法。更为常用的方法是采用3个等级，即1=完成任务，0.5=部分完成任务，0=失败。是否需要帮助？3等级扩展为6个等级。 （1）如何收集和测量成功等级 成功等级也可以根据用户的体验进行评定。通常我们会发现，有些任务完成起来没有任何困难，而其他有些任务完成起来总一直会有一些或小或大的问题。区分这些不同体验是重要的。一种4点赋分的方式可以用于对每个任务进行成功等级的确定： 1=没有问题。 2=小问题。 3=大问题。 4=失败/放弃。 当使用这种赋分系统时，要记住这些数据是顺序数据，这一点比较重要。所以不应该报告一个平均得分，而是对每个完成等级都可以把数据呈现为频次分布。 （1）如何收集和测量成