如何在交互服务设计中恰当运用定量用户研究方法？
你是否需要有关产品用户体验的数字数据，但不确定从哪里开始？本文UXD将介绍一些最流行的量化研究类型：
定量可用性测试（基准测试）
网络分析（或应用分析）
A/B测试或多变量测试
卡片分类
树型测试
调查或问卷
聚类定性评论
可取性研究
眼动追踪测试
这些方法中的每一种都会产生有价值的定量数据，但在收集的数据类型以及所需的资源和工作量方面差异很大。我们列出了这些方法最常见的示例，并估算了每种方法的成本和难度。
01
| 定量可用性测试/基准测试
Quantitative usability testing / Benchmarking
用途：
随时间跟踪可用性
与竞争对手比较
成本： 中
采集难度： 中
分析难度： 中
方法类型： 行为（人们做什么）
使用环境： 基于任务
虽然不经常使用，但定量可用性测试（有时称为可用性基准测试）很像定性可用性测试，它要求用户使用产品执行实际任务。两者之间的主要区别在于，定性可用性测试优先考虑观察，例如识别可用性问题，而量化可用性测试侧重于收集任务完成时间或是否成功等指标。
一旦收集了具有相对较大样本量（大约35名参与者或更多）的指标，就可以使用它们来跟踪产品可用性随时间的进展，或将其与竞争对手产品的可用性进行比较。
你选择的可用性测试类型（现场、远程主持或远程无主持）将影响成本，并且很难与此方法相关联。由于定量和定性可用性研究的目标不同， 因此测试的结构和使用的任务也不同。
02
| 网络分析/应用分析
Network Analysis / Application analysis
用途：
-检测问题或确定问题的优先级
-监控性能
成本： 低
采集难度： 低
分析难度： 高
方法类型： 行为（人们做什么）
使用环境： 直播
分析数据描述了人们对你的实时产品所做的事情——他们去了哪里、点击了什么、使用了什么功能、他们来自哪里以及他们决定离开网站或应用程序的页面。此信息可以支持各种用户体验研究，特别是它可以帮助监控产品中各种内容、UI或功能的性能，并确定哪些不起作用。
03
| A/B测试/多变量测试
A/B testing / Multivariate testing
用途： 比较两种设计方案
成本： 低
采集难度： 低
分析难度： 低
方法类型： 行为（人们做什么）
使用环境： 直播
除了可以使用分析指标来监控产品的性能，还可以创建实验来检测不同的UI设计如何更改这些指标。
在A/B测试中，团队为同一个UI创建两个不同的实时版本，然后将每个版本展示给不同的用户，用来查看哪个版本的性能最佳。例如创建同一个号召性用语按钮标签的两个版本Get Pricing和Learn More。然后，可以跟踪按钮在两个版本中收到的点击次数。 多变量测试类似，但它涉及一次测试多个设计元素，例如，测试可能涉及不同的按钮标签、排版和页面上的位置。
这两个基于分析的实验都非常适合在同一设计的不同变体中做出决定——并且可以结束团队关于哪个版本更好的争论。
这种方法的一个主要缺点是它经常被滥用。一些团队未能按应有的时间运行测试，并基于少量的风险做出冒险决定。
04
| 卡片分类
Card sorting
用途： 确定信息架构标签和结构
成本： 低
采集难度： 低
分析难度： 中
方法类型： 态度（人们所说的）
使用环境： 不使用产品
在卡片分类研究中，参与者被给予内容项目（有时字面写在索引卡上）并要求以对他们有意义的方式对这些项目进行分组和标记。该测试可以使用实体卡片亲自进行，也可以使用OptimalSort等卡片分类平台远程进行。
这种方法使你有机会进入用户对信息空间的心理模型。他们使用什么术语？他们如何在逻辑上将这些概念组合在一起？对创建类似分组的参与者百分比进行定量分析可以帮助确定大多数用户可以理解分类方法。
05
| 树型测试
Tree Testing
用途： 评估信息架构层次结构
成本： 低
采集难度： 低
分析难度： 中
方法类型： 行为（人们做什么）
使用环境： 基于任务，不使用产品
在树型测试中，参与者尝试仅使用你的类别结构来完成任务。它本质上是一种评估信息架构的方法，与UI的所有其他方面隔离开来。
假设你的产品是一个宠物用品网站，这就是你的顶级层次结构。
树型测试结果的定量分析将显示人们是否能够在信息层次结构中找到该项目的正确路径。有多少参与者选择了错误的类别？此方法可用于确定IA结构、标签和布局是否符合人们的期望。
06
| 调查和问卷
Surveys and Questionnaires
用途： 收集有关你的用户、他们的态度和行为的信息
成本： 低
采集难度： 低
分析难度： 低
方法类型： 态度（人们所说的）
使用环境： 任何
调查是一种灵活的用户研究工具。你可以在各种情况下管理它们——作为实时网站上的简短拦截调查、电子邮件或可用性测试之后，它们可以生成定量和定性数据的组合——评分、多项选择题中每个选项的答案比例，以及开放式回答，你甚至可以将调查的定性回复转化为数字数据。
你可以创建自己的自定义调查，也可以使用许多已建立的可用问卷之一，例如，系统可用性量表或净推荐值。这些问卷之一的优点是可以经常将结果与行业或竞争对手的分数进行比较，从而了解你的表现。即使创建了自己的自定义问卷，仍然可以随着时间的推移跟踪平均分数，监控产品改进。
07
| 聚类定性数据
Cluster qualitative data
用途： 识别定性数据中的重要主题
成本： 低
采集难度： 中
分析难度： 中
方法类型： 态度（人们所说的）
使用环境： 任何
这种技术与其说是一种数据收集方法，不如说是一种定性数据的分析方法。它涉及根据共同主题对定性研究，例如，日记研究、调查、焦点小组或访谈中的观察结果进行分组，如果有很多观察结果，则可以计算提及特定主题时的实例数。
例如，假设你进行了一项日记研究，要求参与者在一周的日常生活中每次使用你的产品时进行报告，目的是了解他们在什么情况下使用你的产品。你可以计算人们在工作中、在家中或在旅途中使用该产品的情况。
它可以帮助你识别特定主题或情况的普遍性或频率，这种方法是从大量定性信息中挖掘数值数据的好方法，但它可能非常耗时。
08
| 可取性研究
Study of desirability
用途： 识别与你的产品或品牌相关的属性
成本： 低
采集难度： 低
分析难度： 低
方法类型： 态度（人们所说的）
使用环境： 基于任务
定量需求研究试图量化和衡量产品的某些质量，例如审美吸引力。这些研究可以根据你的研究问题进行定制，参与者会接触你的产品（通过向他们展示静止图像或要求他们使用实时产品或原型），然后通过从描述性词语列表中选择选项来描述设计。随着代表你测试人口的样本量，趋势开始出现。例如，可能有84%的受访者将设计描述为“新鲜”。
09
| 眼动追踪测试
Eye tracking tests
用途： 确定哪些UI元素会分散注意力、可查找或可发现
成本： 高
采集难度： 高
分析难度： 高
方法类型： 行为（人们做什么）
使用环境： 基于任务
眼球追踪研究需要特殊设备来跟踪用户在界面上移动时的眼睛。当许多参与者（30人或更多）在同一个界面上执行相同的任务时，趋势开始出现，你可以可靠地判断页面的哪些元素会吸引人们的注意力。眼动追踪可以帮助你确定需要强调或淡化哪些界面和内容元素，以使用户能够达到他们的目标。
进行眼动追踪研究的一个主要障碍是需要大量培训才能使用的高度专业化、昂贵且有些不稳定的设备。
SELECTION
-选择方法
#研究问题
在尝试确定使用哪种量化方法时，请先提出研究问题。需要了解什么？其中一些方法最适合非常普遍的研究问题。例如：
我们的产品可用性如何随时间变化？
与竞争对手相比，我们的表现如何？
我们的哪些问题影响最大？我们应该如何优先考虑？
对于这些类型的问题，可能需要使用量化可用性测试、网络分析或调查。
当想回答更具体的问题 时，其他方法也很有效。例如：
我们的大多数用户如何看待我们的视觉设计？
我们应该为仪表板使用这两种设计方案中的哪一种？
对于这些研究问题，可能需要使用A/B测试、卡片分类、树型测试或眼动追踪。
#考虑成本
在研究问题之后，选择方法的第二大影响因素是成本。根据实施研究的方式，这些方法的成本会有很大差异。你使用的工具、拥有的参与者数量以及研究人员花费的时间都会影响最终成本。更复杂的是，许多团队的研究预算大相径庭。同样，这里的成本估算是相对的。
预算较低的团队将依赖数字方法——远程可用性测试、OptimalSort等在线卡片分类平台、A/B测试以及网络或应用程序分析。根据经验，面对面的方法（例如面对面的可用性测试、面对面的卡片分类）往往更昂贵，因为它们需要研究人员花费更多的时间。此外，他们可能需要旅行和设备租赁。眼动追踪是这里列出的最昂贵的方法，并且应该只被具有大量预算和需要使用它的研究问题的团队使用。
更多知识干货以及其他海外留学的资讯可以关注UXD交互工业产品设计分享或者添加小助手，还可获取讲座直播哦~
|福利大放送 | WELFARE
对于设计初学者，完成从0开始创作几乎是不可能的，就像学习过程中书读百遍其义自见一样。有了大量的积累，才能在脑海里建立素材库，这些素材库能帮助同学们完成最初的设计想法积累，基于这样的基础再进行个性化的创作，最终才能做出高质量的作品集。全球院校最新作品集免费拿！添加小助手即可获取：
UXD交互工业产品设计学院是尤克斯国际旗下的一家专注于交互、服务、工业、产品设计专业的顶级设计学院。除了一对一设计课、基础技能课程、小组课题、设计评图、联合教学外，我们提供不定主题的公开课和内部小组课，教学计划课程由三大部分组成，包括基础软件技能教学、设计理论系统讲座、申请必备知识解析等。
本文版权归UXD尤克斯所有
部分图片来自于网络
如有侵权请与我们联系
