用户调研之可用性测试名单筛选实践

可用性测试是用户调研常用的定性研究方法之一，筛选出可靠的、有样本代表性的调研名单，是决定可用性测试质量的第一步。样本代表性往往不能纯粹按照年龄、性别、地区这些常见指标来筛选，在资源有限的条件下，有时候还需要手工处理原始数据。

导读目录：

Chapter1 调研背景

Chapter2 样本选取

Chapter3 手工处理原始数据：罕见的Numbers使用技巧

Chapter4 调研的成本估算

Chapter1 调研背景

需要进行调研的项目是一个内部销售管理系统，大约有A、B、C、L等4种岗位角色在使用，其中A、B、C为主力用户，L为leader管理层。近期，我们在策划一些改版的工作，并且已有初步的页面构思方案，希望深入了解真实用户的想法，例如在销售服务客户方面的期望、页面功能的使用效率、色彩方面的偏好等，初拟进行一次定性的用户调研——可用性测试。

选择可用性测试的原因是，我们已经有初步的原型页面方案，需要真实用户来进行试用产品，确保需求能满足用户所需的，功能逻辑符合用户预期的，风格是用户喜爱的，力求降低后期开发迭代成本。

Chapter2 样本选取

在统计学概念中，总体表示研究对象的全部，样本是总体的一部分，样本选取的过程又叫抽样。在进行研究时，研究总体往往是不现实的，举个例子，抽血化验时，总不能把人全身的血液抽干来进行研究吧？所以，我们在进行用户研究也是同理，只选取有限的用户样本，再去推测总体用户的情况。（才不会告诉你们是经费问题。。。）

1.样本代表性

筛选出可靠的、有样本代表性的调研名单，是决定可用性测试质量的第一步，把样本按照年龄、性别、地区、岗位进行筛选，只是比较基本的做法，并不能完全确定这个样本代表了广大真实的用户。举个例子，1男1女，分别是不同的年龄阶段，来自不同的地区，就能代表他们是某彩妆APP的真实用户了吗？可能他们只是傀儡刷单的账户而已。

回到我们本身的内部销售管理系统调研，我们选取了“用户使用行为特征”作为样本代表性的依据，核心指标是“登录频次”和“核心功能使用频次”，大胆假设我们的用户是这4个类别，把用户做一个聚类分析：

（1）活跃忠诚：经常登录和使用系统的一批人

（2）不够吸引：经常登录看看，但是没怎么使用核心功能，这些东西对他们来说没什么吸引力

（3）几乎流失：在早期一段时间内登录和使用核心功能，但是最近“销声匿迹”了

（4）管理角色：特别为leader角色设计的功能，例如统筹部门的销售情况等功能

2.样本个数

对于可用性测试样本个数的问题，可用性测试专家Jakob Nielsen早已经给我们一个明确的答案：5个被试用户就能发现75%的问题。在实际操作中，我们往往会邀请10名用户，尽可能发现更全面的问题。（经费在燃烧。。。）

在本次调研中，我们共邀请了10名用户，并通过有效的参考数据进行对比，最终确定样本的比例如下：

活跃忠诚：不够吸引：几乎流失：管理角色=4：2：2：2，侧重活跃忠诚的用户；

男：女=1：1；

30岁及以下：31-40岁：41岁及以上=3:5:2，其中，30-40岁为主力用户；

至于地区分布，由于经费的原因，仅考虑进行研究地点的就近城市，毕竟也要考虑用户是否愿意出远门不是？

Chapter3 手工处理原始数据：罕见的Numbers使用技巧

1.原始数据导出

在资源有限的条件下，我们有时候还需要手工处理原始数据，我们好不容易用“下次请你吃饭”的套路忽悠开发GG拿到了一份后台用户数据表，里面包括一些性别、年龄、地区、角色等信息，如下图所示：

这份表真是太原始了，例如出生日期都没转换为年龄段格式，看不出这个用户到底是处于哪个年龄段区间，毕竟套路了开发GG一次，再找他做转换就逃不掉一顿饭了，只能自己动手了。转换这个年龄段还需要先进行一下数学计算，例如我们要找41岁以上的用户，今年是2018年，即代表他出生日期必须是在1977之前，稳一点，我们把1月1日也加上，避免出现“伦家还没有41，伦家是1977年12月31日生日”的扯皮情况，用完了一整张草稿纸后，我们得到了几个计算年龄段的公式：

41岁及以上：出生日期≤19770101

31-40岁：19770101＜出生日期＜19871231

30岁及以下：出生日期≥19871231

Perfect，多年寒窗苦读的数学这一刻派上了用场，数（ti）学（yu）老师深感欣慰。

2.使用Numbers对原始数据进行处理

得到公式之后，下一步就要借助工具把符合条件的用户筛选出来了，作为热爱Mac的射鸡师，没点Numbers技能怎么行。在Numbers中对数据进行筛选，是十分直白简单的方式。以筛选41岁及以上的用户为例，我们选中任意有数据的单元格后，依次点击“排序与过滤”＞“过滤”＞“添加过滤条件”，并且选中“出生日期”所在“列D”。

然后，在弹出来的浮窗中选择“数字”＞“小于等于”条件。

最后，在小于等于条件下的输入框，输入“19770101”点击回车键即可执行列D的筛选，得到41岁及以上的用户列表。

Numbers的过滤条件很直白，多尝试几次即可，我们再来介绍一个复合条件的筛选例子：筛选出广东省地区的用户。回到原始列表，我们发现，需要对列C进行处理，使得列C的文本是包含广东省的地市。具体做法是依次点击“排序与过滤”＞“过滤”＞“添加过滤条件”＞“文本”＞“包含”，在“文本包含”下方输入“珠海”等广东省的地级市，再点击下方的“或...”，重复“文本”＞“包含”＞“输入文本包含”的条件即可。

Chapter4 调研的成本估算

调研成本，是进行用户调研不可忽视的影响因素，在向老板进行汇报的时候就要清楚明白预算的程度。调研的成本一般包括差旅费、住宿费、调研奖品和现场的用品等。省内的差旅费一般是计算其中最远的两个地级市之间的来回高铁费用+市内打车费用，这样预算会比较充分。

---

更多我的原创精彩的文章推荐（读完多点赞哦）

精品（超过700赞）：干货：让你全方位学习成为一名交互设计师（1.6万字诚意之作）

交互设计系列：后台全局搜索交互设计案例

Sketch教程：最快30秒，几招用Sketch绘制饼图的方法