DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
可用性測試的原則:在於合理的權衡取捨
編輯:關於網頁技巧     

對於可用性測試,業內流傳著一些廣為認同的原則。它們神聖得如同自然科學中的定律,彷彿我們唯有言聽計從、俯首稱臣,才能踐行出「好的可用性測試」。然而,即便是科學,其重要特徵之一也是「可證偽性」——任何理論的正確性都建立在特定前提之上。真理再往前一步,往往就滑向了謬誤。

可用性測試的原則同樣如此。它需要根據目的、資源與環境的不同而靈活把握、權衡取捨,而非一味恪守某一條或某幾條原則。這,或許正是可用性從業人員經驗價值的體現。

一、任務設置:精細 VS 寬泛

任務設置過於精細,一般並不被提倡。理由很直白:如果任務精細到一步一步「引導」用戶操作,就極不符合現實使用情境——平日裡並沒有人在旁邊替用戶指點每一步;而且過度控制操作步驟,也剝奪了用戶在真實使用中的靈活性。

那麼,任務只能寬泛而不能細化嗎?這要依研究目的而定。若產品處於設計初期,我們關注的是一些宏觀問題(如網站整體架構、導航與分類是否合理、頁面邏輯關係),此時就需要用寬泛而有彈性的任務來排查宏觀層面的問題。若產品設計已相當完善,開始進入細節迭代,則需設置相對具體的任務來定位特定的細節問題(如對某個命名的理解、按鈕的使用、鏈接的點擊、表單的填寫)。按照《Don't make me think》的觀點:普通用戶使用互聯網產品時往往滿足於「能用就行」,不會刻意尋求最佳用法,只會掃描而非細讀。因此,如果完全寬泛地設置任務,雖更貼合實際情況,卻很可能讓用戶直接跳過你想考察的細節。

在實際工作中,受時間與資源限制,往往無法對同一產品從設計初期到上線前後進行多次測試。很可能一次測試中既要關注宏觀問題,又要兼顧細節。此時,就需要與產品經理、交互設計師反覆溝通,確認測試的主要目的,並透過對任務精細程度的權衡,讓次要目的也盡量得到滿足。

不過,即便是考察細節的任務,也要盡量避免「直接指導操作」式的措辭,讓任務與真實情境保持足夠接近。例如,想考察豆瓣讀書頁面的【想要】按鈕能否被看到、是否具備可點擊感,下面兩種表述可作對比:

A. 請找到您喜歡的那本書,並在該頁面點擊【想要】。(×)

B. 請找到您喜歡的那本書,並在該頁面對它做個標記。(√)

二、任務數量:多 VS 少

任務數量的多少,既與測試考察範圍有關,也與任務的精細程度相關。考察全站與只考察某個頁面、某條操作流程,所需任務數量自然不同;在相同範圍下,任務設置得越精細,所需數量也越多。

Lindgaard 與 Chattratichart(2007)的研究發現,任務數量與可用性問題的發現比例存在顯著相關(r=0.82,p<0.01)。那麼,為了盡可能多地發現問題,是否就該盡量多地設置任務?

這時必須考慮任務過多帶來的弊端:學習效應與疲勞效應,越靠後的任務越容易受影響。心理學實驗常用順序平衡來抵消這種干擾,但可用性測試中的場景與任務存在特定的先後次序,並不適合順序平衡。基於經驗,我們通常通過控制任務數量來把關:正式測試環節最多不超過 1 小時,加上前後的歡迎語、訪談、問答等,全程控制在 1.5 小時以內。

此外,任務數量還會間接影響到所需的參與者人數。

三、用戶人數:5 個足夠 VS 5 個不夠

Nielsen 的研究發現,5 名用戶即可發現 80% 以上的可用性問題,這一結論廣受推崇,被稱為「魔法數字 5」。其依據是每名用戶平均能發現 30% 的問題,且假設所有問題被發現的概率相等。然而,當任務數量偏多、精細程度與難度參差不齊時,這個前提未必成立。

Lindgaard 與 Chattratichart(2007)的研究發現,測試用戶數量與可用性問題的發現比例並不存在顯著相關。這一結論似乎又在支持我們用少量用戶測試即可。

其實,在用戶招募階段,比數量更需要重視的是用戶的代表性。能否招募到有代表性的用戶,直接決定測試的成敗。例如測試一款醫療軟件,若能招募到醫護人員與患者,5 名用戶或許就足夠;但若只招募到醫學實習生,就必須超過 5 人以上(即便如此,也未必能推論到整個用戶群)。

可見,招募人數與任務數量、精細程度、用戶代表性都息息相關。參考 Tom Tullis(2009)的研究及個人經驗:當測試範圍限定在一定區間(20 個任務以內或 30 個網頁以內),且招募到代表性很強的用戶時,5 人足矣;若存在差異明顯的亞群體,則爭取每個亞群組約 5 名代表性用戶(目標用戶的特徵與分類本應在用戶調研階段就已解決);一次測試最多不超過 12 人。

四、用戶表現:行為 VS 言語

在可用性測試中強調關注用戶的操作行為,是毋庸置疑的。原因在於:

1. 用戶的行為指標更明確、具體、客觀,易於觀察和記錄。

2. 若把關注點完全放在操作行為上,就無需與用戶進行多餘的(指導語之外的)語言交流。這類似心理學研究規範——統一指導語,控制一切無關變量(包括主試的語言、體態表情),以減少對研究過程的干擾。

3. 即便直接詢問用戶,也極可能得到錯誤答案。30 年前 Richard Nisbett 與 Timothy Wilson 的實驗,以及近年 Peter Johansson 發表在《Science》上的研究,都證實了某些情況下人們無法清楚解釋自己行為背後的真正原因。此外,用戶還可能揣摩主試的偏好,回答他們認為主試期待的答案。

因此,有必要強調:可用性測試的關注重點永遠是用戶的操作行為,並盡量減少無關變量的干擾。但有人把這一原則推向極端,認為只有觀察操作行為才有意義,其他信息一概無需關注,甚至輕率地懷疑用戶的話都不可信。

可用性測試的主要目的固然是發現問題,但也需要了解問題背後的原因,而僅靠觀察行為往往無法揭示全部成因。此時,我們希望用戶採用「出聲思維法」——即專注於表達自己如何與產品交互的意識流。若測試氛圍平等、自然、融洽,用戶又樂於表達,就會在操作的同時說出他們想做什麼、打算怎麼做、背後原因是什麼。此時,不僅是操作行為,連用戶表達出的想法、原因,以及言語中透出的疑惑、失望、不滿、驚訝、猶豫等情緒,同樣值得關注。但有些用戶較為內向,不善主動表達,這就需要主試與之簡單交流,引導他說出背後的原因(注意:是引導他表達,而非引導他說出你期待的答案)。

所以,實際測試中應以關注用戶行為為主,適量、適時地詢問交流同樣必要。這個「度」該如何把握?

1. 僅在用戶出現猶豫、驚訝,或任務失敗(過程節點上自然出現短暫中斷/停頓)時,才進行簡單詢問。

2. 採用一般疑問句式,複述用戶剛才的行為表現(具體而客觀):「你剛才沒有……,是嗎?」——雖未直接問「為什麼」,卻暗示了希望聽到進一步解釋。

3. 若用戶沒有主動說出原因,可以「順便」問一句「為什麼?」,或通過身體前傾、目光注視等非語言方式傳遞你希望聽到更多的信號。若用戶迅速而堅定地說出原因,則該理由可信度較高;若用戶猶豫、難以言明,就不要再追問。

除了語言、情緒與行為,還有一種特殊情況需要聽懂用戶「沒有說的」語言。例如,我們預計網站某二級導航標籤與一級標籤存在分類邏輯上的不合理;但測試中,用戶相關的導航操作進行得很流暢,且一言未發。這通常表明用戶認為這些理所當然、不影響操作——此時你就要聽懂這份「沉默」。若你粗暴地打斷用戶並追問「你覺得這兩個導航標籤如何?」,就變成了誘導性提問。

總結本部分的實踐要點:

1. 用戶的操作行為永遠是可用性測試的重點。

2. 鼓勵用戶採用「出聲思維法」。

3. 適時、少量地向用戶提問,禁止對同一問題反覆追問「為什麼」。

4. 用真正的「傾聽」維持與用戶的交流,而非靠過多的話語。

5. 以開放、不預設立場的態度,去觀察並傾聽用戶「沒有說的」語言。

在可用性測試中考慮原則時,務必理解它的適用條件,以及它與其他原則間的相互影響,並結合本次研究的目的、資源與環境綜合權衡,盡可能形成最優方案。受限於篇幅,先總結至此,其餘幾方面的原則將於下篇繼續探討。

五、發現問題:真的 VS 假的

判斷問題的真假,乍看並不困難。多數或全部參與者都遇到的問題,毫無疑問是明顯的可用性問題。有人會建議按發現該問題的人數比例來判斷:比例高是真問題,比例低是假問題。前半句尚可接受,後半句則有待商榷。

可用性測試雖是相對嚴謹的用戶研究方法,但其對無關變量的控制嚴格程度與真正的心理學實驗仍有差距;心理學實驗通常要求每組至少 30 名參與者,得出的數量比例才具備推論至一般的意義。而可用性測試一般僅 8 人左右(儘管招募到的參與者在「質」上頗具代表性),卻無法把測試中出現的所有數量比例簡單推論至一般。8 人中 1 人發現某問題,並不代表現實中遭遇該問題的真實用戶僅佔 12.5%,更不代表這不是一個真實或嚴重的可用性問題。

判斷問題真假,除了看出現的次數比例,還有一個很重要的考量點:用戶「錯誤行為」背後的認知/思考方式是否合乎邏輯?

這裡借用諾曼《設計心理學》中的理論:概念模型——系統表象——心理模型。概念模型可理解為設計人員對產品的設計思想;系統表象即產品呈現出的交互界面;心理模型則是用戶依據既往經驗對如何操作產品的設想。從這個角度看,可用性問題正是「概念模型、系統表象、心理模型」三者之間的不吻合或矛盾。

通過分析用戶行為背後的認知是否合乎邏輯來判斷問題真假,主要體現在以下幾點:

1.「概念模型、系統表象」的不一致

設計人員突然發現,界面的交互形式竟完全沒有反映出他最初的设计思想!

2.「系統表象、心理模型」的不一致

(1)用戶的思維方式受同類既有產品的影響並內化接受,而新產品的「系統表象」與既有同類產品並不一致。

(2)用戶在日常經驗中形成了許多並不科學的通俗理解方式(如通俗物理學、通俗心理學),而設計人員並未意識到用戶正以這種「自認正確」的錯誤方式理解和使用產品。

若發現的問題屬於以上情形,那麼即使只有一名參與者遇到,它也非常可能是一個真正的可用性問題。

例如:讓用戶登錄購彩網站,查看自己上次的購彩結果。大多數用戶點擊【個人中心】查看,有 2 名用戶先點擊【開獎公告】,發現只有開獎號碼、沒有購彩結果後,才轉而點擊【個人中心】。僅 2 人出現了輕微偏差,且很快找到了正確頁面,看似不足為慮。

但若深究其行為背後的邏輯,並結合其他用戶的反饋(「我上次買的號碼沒直接顯示出來?」「這裡看不到開獎號碼啊?」),便可判斷用戶的心理模型與產品的系統表象不一致。用戶希望能同時對照開獎號碼與自己購買的號碼便捷核對,而網站卻把兩部分割裂在不同頁面。因此,這 2 名用戶遇到的問題,應當作為真正的可用性問題來對待。

六、研究方法:定性 VS 定量

可用性測試,常被視為定性研究方法,也有人說它是定量研究方法。究竟孰是孰非?

個人認為,可用性測試實質上兼具定與定量兩種方法的特點,究竟哪一種成分更多,取決於你的使用目的與細節操作。

定量研究基於對一定數量樣本的測量,以將結論推廣至總體。它不僅強調樣本代表性,還對樣本數量有具體要求,並會考慮抽樣誤差、置信度與置信區間等度量;過程中也非常注重對自變量的操控與對無關變量的控制。

定性研究則重視對主觀意義的理解(如背後隱藏的原因),採用解釋建構的方法,例如訪談法。

日常工作中以「形成式可用性」測試為主,它雖略偏向定性研究,但在允許範圍內,我個人仍盡可能遵循定量研究的方法來實施。這樣既能保證整個測試過程的嚴謹性,又能提升結論的客觀程度(近幾個世紀以來,量化研究一直是科學研究的主要範式,原因正在於此)。具體做法如下:

1. 任務設置上:由於參與者可能分屬差異較大的亞群體,無法要求完成完全相同的任務。但一定會設置大部分基本的公共任務,再針對不同亞群體設置少量特殊任務。後期統計分析時,公共任務可做量化統計與橫向比較。

2. 測試過程中:關注參與者完成任務時的相關行為,並用數字記錄(以 0、0.5、1 分別表示失敗、幫助/提示下成功、成功)。主試盡量減少言語與體態干擾,僅在必要時進行適當交流。

3. 報告呈現:對任務完成情況(效率、完成率)做統計呈現,比較不同任務、不同亞群體的完成情況,並按量化指標為所有可用性問題排序;或比較迭代前後獨特問題的頻次是否減少,以及高嚴重等級中問題數量的變化。

4. 測試過後,我們通常還會收集用戶自我報告式的數據,作為「感知可用性」的總體反映。

(1)推薦使用系統可用性量表(SUS),因為研究顯示 SUS 在少量樣本時即可產生較為一致的評分。

(2)為減少用戶填寫量表時的反應心向,不要求填寫任何個人信息,且主試最好暫時迴避。

(3)只統計所有參與者 SUS 量表總分的平均值,切勿再拆分比較亞群體間的差異,因為再高信效度的量表,樣本量極小時也會變得很不可靠。

七、問題優先級:單指標 VS 多指標

除了在測試過程中,最終報告也必須體現量化、客觀的特點。例如,報告中發現的可用性問題列表,我也會以量化方式排列其優先級。

這樣做的好處在於:其一,發現的問題本就有輕重之分;其二,產品與設計人員的精力和資源終究有限,必須幫他們梳理出最亟需整改的問題。站在對方角度著想,他們才能更「友好地」接納我們的報告。

問題列表的排序,涉及採用單指標還是多指標、以及指標分為幾級的問題。

單就量化的客觀性而言,「出現頻率」指標最客觀、最易量化,其餘三個指標都需分析人員的主觀判斷。

就指標的代表意義而言,「嚴重程度」「出現頻率」與用戶體驗最相關,也與用研人員的職責最貼合;另兩個指標或更多是產品人員的職責。

就指標的價值而言,多指標綜合顯然勝過單一指標。

基於上述考量,實際工作中我會選擇「嚴重程度」與「出現頻率」兩個指標的綜合,作為可用性問題的優先級指標。「嚴重程度」分為 3 級而非 5 級(分析人員主觀判斷時,3 級指標的誤差率低於 5 級);「出現頻率」採用具體計算數值,而非 4 級分類。兩指標合併時採用 1:1 權重,具體公式為:

問題優先級=嚴重程度的級別+出現頻率的具體值×3

八、報告呈現:優點 VS 問題 VS 建議

當設計人員辛辛苦苦做出的產品,卻被你報告中羅列的種種問題批得一文不值時,即便理智上認可你的成果,情感上也很難接受。因此,報告中哪怕只列出的一條最重要優點,也會讓設計人員感到欣慰,感受到你中立的態度,從而提升對報告的接納度。列優點還有另一重好處:測試中被參與者多次自發提及的優點,確實為用戶帶來了某種驚喜;在報告中再次強調,可以避免在後續迭代中把這些優點丟失掉。

問題的列舉固然是報告的重要部分,但切勿羅列清單後便草草了事,因為:

1. 某些問題之間彼此關聯,而報告中的問題列表卻割裂了這些聯繫。

2. 設計人員無法全程旁聽/觀察測試過程,對報告中純文字描述的問題缺乏感性認識。

3. 只提問題卻不給方案,就不是「建設性地提問」。

因此,我們需要在報告後半部分針對重要問題提出解決方案。其目的並非強迫設計人員採納,而是:(1)把相關問題聯繫起來看;(2)加深閱讀者對問題的感性認識與成因理解;(3)讓報告思路更清晰完整;(4)我們自己也能從中習得一些交互設計與產品知識。

總之,可用性測試說起來既簡單又複雜。簡單,是因為無論如何實施,終究能發現一些問題;複雜,則在於問題發現的質量、重要性、對測試的利用效率,以及對設計人員的幫助程度,可能天差地別。一次成功的可用性測試,體現在從前期策劃、測試過程到後期報告的整個流程是否遵循了這些原則,並在那些難以兩全的原則面前做到了合理的權衡取捨。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved