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
榮耀標識注意了！這2種卡片分類方式也可以做定量分析
作者詳細介紹了開放式卡片分析和封閉式卡片分析的定量分析方法。
在進行信息架構的決策時，通常會用到一種用研方法-——卡片分類（card-storing）。
這種方式在《用戶體驗度量》（Tom Tullis著）中提到了這種分類方式的定量分析方法。
卡片分類有兩種方式：
- 開放式卡片分類：只給參與者提供用于分類的卡片，參與者需要自己來定義這些卡片所屬的組別。
- 封閉式卡片分類：給參與者提供既提供卡片和也提供組別名稱。
一、開放式卡片分類
開放式卡片分類是最常見的，其中一種研究開放式分類的方法是：卡片分類距離矩陣——就是把所有卡片兩兩之間的“感知距離”組成矩陣，分析卡片間距離的矩陣。
舉例：假設要對十種水果進行信息架構（蘋果、桔子、草莓、香蕉、桃子、李子、西紅柿、梨、葡萄、櫻桃）。給每一位參與者這十種水果的卡片，讓用戶把十種水果進行分組，并讓參與者說明它們分組的標準及每個組的大概組名。
比如某位用戶按形狀和大小，把大且圓的水果分在一組，里面包含蘋果、桔子、桃、西紅柿。
之后，根據用戶的分類結果，研究人員制作距離矩陣。
如果將某一對水果放在同一組，它們之間的距離就是0。
如果用戶將某一對水果放在不同組中，它們之間距離就是1。
因為自己和自己不需要距離感知，所以在相同的水果距離上打了x標示，這樣就按對角線將矩陣分為上下兩部分，它們是一模一樣的，桔子和草莓的距離和草莓與桔子的距離是同一個距離，所以只需要填寫一種就可以。
之后總結出所有參與者的總體矩陣。例如這次用戶調研一種有20位參與者參加，那總體距離矩陣，理論上每兩種水果的距離結果會在0-20之間，所有參與者都把它們分在一組得分為20，所有參與者都不把它們放一起得分為0。圖表如下圖所示：
用層級聚類分析卡片分類得到的數據：層級聚類的目的是建立一個距離感知的樹狀圖，研究中被參與者視為最相似的卡片會被放在相似的支節中。如下圖，是上面圖表的聚類后的結果。
層級卡片分類的關鍵是要看任何一對卡片結合在一起的點在哪里。
比如桃子和桔子的結合點、櫻桃和葡萄的結合點就比較靠前，紅色點是結合點（如下圖）。
在樹狀圖底部有一條距離參照尺，它被分為20份（根據之前最小得分可能為0，最大得分可能為20）結合點是根據矩陣圖得出的數據生成的。
比如：
桃子和桔子的距離是2，對應刻度尺上2的位置；櫻桃和葡萄的距離為3，對應刻度尺上3的位置；而蘋果和桔子、桃子的節點在4.5左右。
這是因為：蘋果與桔子的距離為5，蘋果與桃子的距離為4，蘋果與他們兩者的平均距離為（4+5）/2=4.5
這種連結方式為群平均連結法（Group Average）
聚類分析中可以采用不同的算法以確定連結生成的方式，很多支持層級聚類分析的商業軟件都會讓你選擇使用哪種方法進行分析。群平均連結法是比較常用的一種。
層級聚類分析在卡片分類分析中之所以如此受用，是因為從層級距離的結果中可以直觀的看到自己應該如何分組架構這些卡片（信息架構）。
一種方式就是對樹狀圖進行垂直“切分”，之后就可以直觀看到一共創建了多少個組。
如下圖，如果在距離值為10的地方，設置垂直線，這條垂直線與四條水平線交叉在一起，也就形成了四個組。分別是：
（組1）香蕉
（組2）西紅柿
（組3）李子、櫻桃、葡萄、草莓
（組4）梨、桃子、桔子、蘋果
但如果我把垂直線放置在距離尺7的位置，就與水平線切分出了6條，也就分為了6個組。
如果把垂直線放置在距離尺13的位置，就與3條水平線切分，也就分成了3個組。
所以是在多大的感知距離分組，沒有一定之規，根據卡片多少和你覺得大概分為幾組合適決定的。也可以設置多個垂直線，生成幾種不同的分組方式，之后在用封閉式卡片分類分析哪種更適合。
二、封閉式卡片分類
在封閉式卡片中，研究人員不光要給用戶提供卡片，還要提供這些卡片進行分組的組名。
一般做完開放式卡片分類后，可以緊跟著做一個或多個封閉式分類，這樣可以驗證之前開放式卡片分類得出的結果。
比如通過開放式分類，研究者對54項元素做了開放式分類，從中獲得了六種不同的架構這些元素的方式，每中架構方式的分組數從三個到九個不等。之后，通過六個平行的封閉式卡片分類研究來檢測這六種架構方式哪種更科學。
下圖研究的是這六種架構方式中的一種，在這種架構中一共分三組?，F在讓用戶對這一分組進行封閉式卡片分類，把其中的10張分別放到三組中的某一組中。
最后一欄是最大比例，也就是占比最多一組的比率。方便直觀的看到結果。
想看到的情況，應該像卡片10一樣，有92%的參與者把它分到了C組，這是一個非常有把握的分類結果；而像卡片4就比較不確定，有48%的參與者把它放在A組，而37%的用戶把它放在C組，用戶在給這張卡片分組時，出現了嚴重的“分歧”。
而最后的平均數72.9%是最大比率的平均數，它被用來衡量某種架構分組方式是否行之有效。
比如這中分組方式的平均值是72.9%，另一種分組方式的平均值是53%，那就說明這種分組方式更行之有效。
但前提是它們需要包含相同數目的組，但如果一種分組方式有3組，另一個有8個組，就不能簡單的用平均數比較了。
對于封閉式卡片，也可以用層級聚類法進行分析，分析的方法和開放式卡片分類一樣。這樣一來，就能直觀地了解在封閉式卡片分類中呈現給用戶的信息是否行之有效了。
本文由 @cating 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基于CC0協議
很清楚！