可用性研究(十种正确的可用性度量方法)
现在大家在做产品、谈需求、讲体验时,都说不能拍脑门儿要用说数据说话。好,那问题来了,针对不同的问题我们要什么样子的数据来说话呢?这确实需要我们好好思考,下文将通过一些小栗子为大家做一个简单的梳理。
用户体验是可以通过可用性度量的(插播一段广告哈~~关于可用性度量的问题,大家可以参考我的另一篇文章用户体验测量的工具:可用性度量),那么在为可用性研究选择度量时,我们需要考虑很多方面的问题,包括研究目标和用户目标、现有收集和分析数据的方法技术、预算以及交付结果的时间。因为每一个可用性研究都有其特有的属性,所以我们无法为每一个类型的可用性研究精确指定可用性度量。
但是有以下十种主要的可用性类型,并针对每种类型提出了与度量相关建议。
1.完成一次业务
许多可用性研究旨在使业务进行得尽可能顺畅。这些业务的形式很可能是用户完成一次交易、注册、买入/卖出股票等。一次业务通常有清晰界定的开始和结束。例如在打车软件上,一次业务可以开始于用户点击叫车,结束于达到目的地并支付成功。
也许你关注的第一个可用性度量是任务成功(标记每一个任务是成功还是失败),然而每一个任务都需要一个清楚可定义的结束状态。 在产品里加入度量(某个业务的流失率等)是非常有用的,通过了解用户是在那个环节流失的,你就能将注意力集中在业务流程中问题最严重的步骤上。
2.比较产品
与竞争和上一版本的产品相比,你的产品表现如何?了解这一信息是非常重要的,通过比较你百思特网能了解你产品的优缺点,以及这一版本与上一版本是否有进步。但是在选择度量方法要基于自身产品,有的产品是效率为王,而有的产品是用户体验为王。
推荐三种以下可用性度量来获得整体可用性问题。
第一,建议关注任务成功的问题,能够正确完成一个任务对于绝大多数产品来说是至关重要的。
第二,建议关注效率问题,效率可以是完成任务的时间、页面的浏览数量、按钮的点击率或者进行某种操作的步骤数。通过了解效率,你可以对此产品使用起来的难易程度有一个很好的认识。
第三,建议关于满意度问题,满意度对用户有多种选择的(目前同质化产品现象严重)产品是最有意义的。
最后,比较不同的产品的可用性最佳方式之一是通过组合和比较式的可用性度量。这能让我们对不同产品的可用性有一个清晰全面你的了解。
3.评估同一产品的频繁使用
许多产品是被频繁使用或较为频繁使用的。这样的产品包括微信、电子邮箱以及消费电子商品(微波炉、智能电视等),而简单和高效就能为了评估这种频繁或较为频繁使用产品的关键。
建议推荐使用任务时间对其进行可用性度量,测量完成一系列关键任务所需要的时间可以表示完成这些任务所需的努力。对于绝大数产品来说,完成任务时间越短越好。但是由于有些任务本身就复杂,因此比较参加者完成任务的时间与该业务专家完成任务的时间对比,也是很重要的。另外,比如说是完成任务的步骤数,也许完成每一步的时间很短,但是为了完成一个任务需要做出的相应决策会变得很多。
易学性度量评估表示的是达到最高效率需要多少时间和努力。易学性可以采用以上所建议的各种效率度量形式表现出来。
4.评估导航和(或)信息架构
许多产品可用性研究关注改进产品的导航和(或)信息架构,目的确保用户可以快速和轻易地找到他们需要的内容,轻松地在产品模块间进行切换,清楚自己当前所处信息架构中的位置以及那些可以到达或者不可达到的地方,这部分研究工作一般都是在线框图或中高保真的原型中体现,因为导航和信息机制及信息架构对于产品设计的重要性不言而喻。So,几乎在任何设计工作开展前都必须要完整这部分工作。
评估导航的最佳可用性度量之一就是任务成功。让参加者完成一系列寻找某些关键信息的任务(类似寻宝游戏),你就能了解产品的导航和信息架构设计是否百思特网合适,所给的任务必须设计产品的各个部分。一种评价导航和信息架构的效率可用性度量:它关注的是用户完成一个任务所用的实际步数与完成该任务所需要的最小步数进行比较。
卡片分类也是一种了解用户如何组织信息的特别有效的方法。有一种卡片分类法叫闭环分类法。举栗说明:就是让参加者将信息条目放入以定义好的类别中。从闭环分类研究中演化出的一种有用的可用性度量,是:被放进正确类别中的信息条目占总条目数的占比。这种可用性度量反应的产品信息架构设计是否直观。
5.提高知晓度
不是所有的设计都是为了让其更好用或者效率更高,某些设计的改进是为了增加用户对某些内容或功能个知晓百思特网度。这种改进除了对在线广告来说是必要的,对其那些功能重要但是使用率很低的产品也是同样的重要的。为什么产品有的部分功能和内容没有被注意或使用,这可以有很多原因,包括视觉设计、标记或位置等。
首先,建议监测用户与产品中我们所关注的那些元素的交互次数,但是这种做法无法全面的了解,因为用户有可能注意到了我们所关注的元素,但是却没有去点击或者与其发生某种形式的交互。而相反的情况倒是不太可能发生:没有注意到,却发生了交互。这些数据能够帮助确认知晓度,但是却无法证明缺少知晓度。
对于这方面的度量建议有条件的可以邀请用户做眼动实验,当然不具备这个条件我们也可以采用记忆法。举栗说明:你可以给参加者展示多个不同的元素,其中只有一个是在他们在之前看到过的,然后让他们选择哪一个是他们在完成任务时看到过的。如果他们在任务中注意到了这个元素,他们的记得的可能性会大于猜测。当然,这种方法不一定有多可靠,因为每个人的记忆是不同,不过至少能为你提供一定的数据支持。