起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識十個常見的可用性度量誤區
關于可用性度量的問題，業內人士對此在看法上也存在著很多誤區。這些誤區可能來自于對度量方法缺少體驗緣故。也許這些誤區是來源于負面的體驗（如來自營銷領域的某些專家對你的樣本容量指手畫腳，吹毛求疵）或其他的可用性專家抱怨的度量有多么的麻煩，多么浪費資金。
歸根結底，這些誤區是從哪里冒出來的無足輕重，重要的是要將事實與虛構區分開來。我們圍繞可用性度量的問題列出了十個最常見的誤區，對應著舉了一些例子來一一解釋。
誤區1：度量數據收集耗時長
最好的情況是，可用性度量可以加速設計過程，在最壞的情況是，它至少不會應影響總體產品的交付時間。度量作為產品正常迭代時可用性評估過程的一部分來說，數據收集是迅速而簡易的。項目團隊成員可能會錯誤地認為，全面的調查需要一個啟動過程，你要連續兩周在實驗室進行測試，收集用于可用性度量基本數據。
事實上，有一些非常簡單的可用性度量數據可以在你日常測試的過程中收集到。在每一個可用性測試開始或結束時多問幾個額外的問題不會耗費多少時間的?？梢宰寘⑴c者可以快速回答一些關鍵問題，當作是問卷里典型的背景問題或后續活動的一部分就可以了。
也可以在參與者每個任務完成后或全部任務結束后，讓他們評估一下這個測試的任務過程是否可以輕松完成，滿意度如何等。如果你很容易找到一個大群目標用戶或有很多在線登陸用戶，那么你可以發送一個寫著幾個關鍵問題，也許有一些截圖電子郵件給他們。在一天之內收集數百名用戶調研資料也是有可能的。一些數據甚至可以在沒有涉及用戶參與的情況下快速收集到。
例如，你可以輕松而快速地獲得每個新迭代設計的具體問題的出現頻率和嚴重程度。收集這些度量數據所總共也需要不了幾周的時間，有時甚至幾天就可以完成。更有甚者，只要額外幾小時甚至幾分鐘的時間就足夠了。
誤區2：可用性度量耗費財力
有些人認為，獲得可靠的可用性數據的唯一方法是外包給市場研究的調研公司或可用性咨詢公司，讓他們來做。雖然這在某些情況下可能是有用的，但是需要的價錢恐怕也是不菲的。其實很多可靠的度量數據的獲得根本花不了多少錢。對于產品各種可用性問題出現的頻率和嚴重程度等這些有價值的度量數據，在日常測試的過程中完全可以收集到，這有些令人難以置信，是吧。
你也可以通過發送短郵件來調查別的員工或一組目標用戶來，以此收集大量的定量數據。同時，網站上的一些很棒的分析工具都是免費的。雖然金錢在某些情況下可以對數據收集有所助力，但對于想獲得一些重要的度量數據來說，這種做法完全沒必要。
誤區3：在著眼于微小的優化時，可用性度量不起作用
當一些項目團隊成員只對一些很小的改進感興趣的時候，他們可能會質疑這種度量是否真的有效。他們可能會說，最好是將目光聚焦在產品微小的改進上，而不必去擔心度量數據的問題。他們可能沒有任何額外的時間和預算來收集任何可用性度量數據。他們也許會說，度量過程在快速迭代設計過程中沒有立足之地。其實，對可用性問題的分析是一種顯而易見又非常有價值的問題解決方案。
例如，對可用性問題的嚴重程度和頻率以及它們為什么會出現進行研究，是對資源的集中利用，這在設計過程中的一個十分明智做法。這種方法可以節省項目耗費的時間和金錢。在前人研究的基礎上，你可以很容易地獲得需要的可用性數據，這可以幫你回答一些關鍵的可用性問題?？梢哉f，無論項目大小，可用性度量都適用。
誤區4：可用性度量沒法幫助我們理解內在原因
有些人認為度量沒法幫助我們了解可用性問題的根本原因所在。他們（錯誤地）認為，度量結果只是強調這個問題有多么嚴重而已。但如果他們只專注于成功率或完成時間的數據，就會很容易明白為什么一些人可能有這種看法了。
其實，度量數據能夠告訴你的有關的可用性問題的根本原因，要比你想象的多得多。你可以通過逐字分析評論來揭示問題的根源和使用用戶的數量。你能找出用戶在系統使用的哪個地方遇到了問題，而且度量數據不僅能告訴你哪里出問題了，甚至能說明問題出現的原因所在。源自于數據的編碼和分析方法的支持，豐富的可用性數據，可以幫助你揭示很多可用性問題產生的根本原因。
誤區5：可用性數據噪聲太多了
對可用性度量最大的一個批評是，數據里充滿了太多的“噪聲”干擾：太多的變量，讓人不清楚到底發生了什么事情。一個經典的“噪聲”數據例子就是，在一個自動化的可用性研究中測量任務完成時間。但是在這期間，參與者會出去喝杯咖啡，或者更糟糕的是，周末回家休息。雖然情況這可能發生，但它不應該阻止你收集任務時間數據或任何其他類型的可用性數據。有一些簡單的做法，可以減少甚至消除數據中的噪聲。清理后的可用性數據，一些極端數值將不會被用于分析中。
同時，對于一些具體的度量數據，可以通過仔細選擇來以減少噪聲數據的干擾。定義良好的程序可以用來確保在評價任務或可用性問題時保持適當水平上的一致性。許多標準的可用性問卷調查已經被許多學者廣泛驗證。這個做法的底線就是，通過認真思考和一些簡單的技巧的使用，可顯著降低很多可用性數據中的噪聲干擾，營造一幅關于用戶的行為和態度的清晰畫面。
誤區6：你只能相信自己的直覺
很多可用性的決策需要“全身心的投入”才能做出來。項目團隊里總有人會說，“這個決定只是憑感覺做出來的！”度量的美妙之處有很多，其中之一就在于在工作中數據的獲得是需要耗費大量精力，從可用性的決策中猜測得來的。一些設計選擇存在很多詬病，但它們實際上可能影響很多用戶。有時候，看似正確的設計方案反而是違反直覺的。
例如，一個設計團隊應該確保網頁上所有的信息都呈現在頁面上，從而消除了滾動頁面的需求。然而，可用性數據（也許是任務完成時間的形式數據）可以顯示更長的任務完成時間，因為在各種視覺元素之間沒有足夠的空白空間可供利用。直覺固然重要，但數據是更有說服力。
誤區7：度量不適用于新產品
有些人在評價一個新產品羞于使用度量方法。他們可能會說，既然沒對比的問題點，度量就是毫無意義的。我們認為恰恰相反。當評估一個新產品的時候，建立一套基準度量標準比在未來的設計迭代中進行度量比較更重要。這是準確把握設計是否真的提高改善了的唯一方法。此外，建立新產品的目標度量指標也很有用。產品發布之前，至少要滿足圍繞任務成功，滿意度、效率等這些方面建立基本的可用性度量指標。
誤區8：對于特殊類型的問題的處理，我們無法度量
有些人相信，不存在任何與他們創建的特定產品或項目相關的度量指標。無論項目目標是什么，至少一對度量指標與項目的商業目標是直接相關的。例如，有些人說他們唯一感興趣的用戶的情緒反應和不實際的工作表現。在這種情況下，幾種行之有效的測量情緒反應方法是可用的。在其他情況下，可能有人只關注意識。那么有一種很簡單的測量意識方法，即使沒有眼動跟蹤設備。
有些人說，他們只對用戶更微妙的反應感興趣，例如他們的沮喪水平。還有不需要詢問用戶就可以測量應力水平的方式。在我們的可用性研究的幾年中，我們也遇到一個企業或用戶的目標，在某種程度上是不可測量的。你可能要在你如何收集數據上做出一些創新，但是它總是能夠度量出來的。
誤區9：管理人員不理解或者不認可度量數據
雖然有一些管理者認為可用性只是提供設計或產品的定性反饋數據，但是大多數經理還是看到了測量的價值所在。據我們的經驗，高水平的管理人員不僅理解可用性度量的內容，同事也非常認可和欣賞非常感激。他們可以講度量與聯系起來。
度量為團??隊、產品和設計過程提供可靠的保證。度量數據可以用來計算投資回報率。大多數管理者喜歡度量數據，并且可用性度量是一種他們能夠快速掌握的方法?？捎眯远攘繑祿梢猿晒Φ貙⒐芾碚叩淖⒁饬D移過來。
例如，在線檢測過程中存在一個問題是一回事，但如果說52%的用戶在網上找到頁面后都無法成功購買產品，這就是一個完全不同的事情了。
誤區10：小樣本中難以收集到可靠的數據
一個廣泛認可的理念是，收集任何可靠的可用性度量數據都需要一個大樣本量的支持。很多人認為，你需要至少30個參與者參與測試，才可以開始考慮可用性數據收集的問題。雖然有一個更大的樣本大小確實有助于增加信心，但是十個八個的參與者組成的小樣本量也是有意義的。
我們將告訴你在作出任何結論的時候，考慮到樣本容量大小的影響，如何來計算的置信區間。同時，我們將告訴你如何確定需要進行可用性測試的樣本容量。這本書中的大部分例子都基于小樣本量（少于20人）完成的。
相當小的樣本量進行度量分析的做法不僅是可行的，而且更是十分常見的！
本文由江南大學設計學院研究生劉兆峰翻譯，作者：Tom Tullis和Bill Alibert
轉自：http://daichuanqing.com/index.php/archives/5633
- 目前還沒評論，等你發揮！
