卡片分類法的具體應用:以郵輪App項目為例
01
首先介紹一下這個項目的背景:這是我之前工作過的一家OTA公司自己的郵輪子公司發起的項目,這個郵輪子公司有多艘自己的郵輪,大家知道,郵輪航行在大海上,是沒有移動網絡信號的,而郵輪專用Wi-Fi價格非常昂貴,所以這個郵輪子公司需要一款App,這款App與普通App之間的最大區別是:
1. 只能在郵輪上連接郵輪免費Wi-Fi后使用
2. 免費Wi-Fi是局域網環境,不能與因特網互聯互通
對于這款App的基本要求是:
1. 能夠讓參加郵輪旅行的乘客方便地查看和預訂郵輪服務
2. 及時獲取最新資訊,聯系郵輪服務方
3. 能夠讓參加郵輪旅行的同行的親友間方便聯絡,因為成員經常會參與不同項目
4. 所有乘客間的交友需求
5. 乘客個人行程管理
“九層之臺,起于壘土”,信息架構對于一個App來說,如同地基梁柱之于建筑,骨骼之于動物,是最重要的入口和信息分組,信息架構邏輯關系不清晰,就如同骨骼錯位,也就無法有效調動肌肉和皮膚來執行更多精細動作。
所以接到類似項目后,不能急于馬上開始具體的功能頁面設計,而是要留出充裕的時間來敲定信息架構,合理的符合用戶心理預期的信息架構是保證App可用性、易用性的基礎。
信息架構的確定,需要使用多種方法共同完成,卡片式分類只是敲定最終的架構的有效手段之一,CFS分析、用戶訪談、競品分析等其他調研結果也是重要的參考指標。
根據用戶調研得出的用戶需求如下:
游輪上基本的信息溝通流向示意圖如下:
如果以使用App的用戶為參照,信息流向如下圖所示:
可見App是有效溝通郵輪運營方和乘客之間的有效途徑,乘客不僅可以從郵輪運營方獲取即時的信息,還可以用App與運營方有效溝通,反饋信息和結果。
根據其他前期調研結果分析得出的初步架構和功能點如下圖:
但這個信息架構是設計者自己根據定性分析推導出的,沒有量化數據支撐的,未經驗證的初步結果,它有一些問題需要得到解答:
1.?好友列表、船上所有用戶列表是跟聊天消息列表放在一起還是分開 撥打艙房電話是否要單獨分開?
2.?今日活動推薦作為郵輪體驗的組成部分,是否需要獨立出來?
3.?系統設置需要和個人信息、個人消費記錄、我的行程這些版塊放在一起嗎?
這只是幾個比較簡單的問題,是設計者對于自己推導出的信息架構的自問,同時這些問題也是無法回避的,設計者如果不能用現有分析結果來清楚解釋這些問題,這個信息架構就是不牢固的。
02
這個初步的信息架構急需量化的調研結果來進行論證,而卡片式分類作為量化手段的一種,能夠提供非常精確、顆粒度非常細的數據結果。
為了能夠獲取最全面、最精確的結果,需要做好開始前的準備工作,如同我們前文講到過的,首先卡片分類的目標和目的非常明確,然后邀請了符合要求的被調研對象:
參與對象主要分為兩類:已經有郵輪乘坐經驗的和還沒有體驗過郵輪服務的,這兩種對象對調研都非常重要,因為已乘坐過郵輪有過體驗的用戶能夠提供每種功能重要性以及優先級的評價,而沒有乘坐過的對象因為沒有先入為主的影響,對于分組命名、功能命名能夠感覺更敏銳,發現更多隱藏問題。
然后預定有大會議桌和白板的會議室,白板方便解釋項目發起原因,調研目標、命名解釋等一系列問題,同時大會議桌保證了每個被調研對象的操作不受場地的局限和干擾。
03
確定了卡片分類法的調研場地的被調研對象,接下來就開始正式的調研了。首先根據被調研人數準備好相應的卡片份數,每張卡片正面標明板塊名稱,最好標上數字編號:
卡片正面標明板塊名稱然后召集被調研對象,現場大致講解一下項目背景和要求,然后要求被調研者按自己的想法把卡片分組,每組按自己的理解起一個分類名。(我這里使用的是開放式卡片分類法)
用戶開始卡片分類
對用戶不理解的板塊名稱進行解釋,詢問用戶的想法和推理過程。
對用戶解釋卡片名稱定義
最后調研結束后,請被調研對象離開場地,然后組織者開始拍照+整理卡片分組,并分別對每個被調研對象的卡片標注。
對卡片進行整理歸檔
整理結束后,還可以對被調研對象進行一對一訪談,了解他們對每個功能點和卡片分類的想法并記錄,這些材料后期都會成為推導出合理信息架構的非常有用定性參考材料。
被調研對象1
被調研對象2
被調研對象3
被調研對象4
被調研對象5
被調研對象6
被調研對象7
通過這種一對一的事后復盤和意見整理以及推理過程記錄,可以得到很多附加的有用信息,因為卡片分類整理結果只是一個固定的結果,被調研對象在整理卡片時,心理模型可能和最終結果并不完全一致,如果不進行這種追蹤記錄,可能就會錯失很多有用的輔助信息。這些信息最后都可以作為定性分析的有用素材。但因為一千個讀者心中有一千個哈姆雷特,組織者想要從所有這些不同的分組結果中總結出普遍的規律,這時候就需要量化方式了。
如何從卡片分組中總結出共性
最后我們把卡片分組結果進行模塊分組百分比分析,找出最佳的分類名:
然后把分組結果輸入Optimalworkshop查看分析結果,可以省卻復雜的推理過程。
完全一致方法:
最優合并方法:
版塊相似度矩陣分析
最后即可根據所有以上定性和定量的分析結果,綜合得出最優的信息架構,并在實際應用中取得了非常好的效果,具體推理過程就從略了,因為這篇文章只是探討怎樣把卡片分類應用于實際項目,而不是項目業務背景分析:
最終的信息架構
綜上,卡片式分類是整理信息架構、確定多個功能分組和多個內容邏輯關系的非常有效的一種工具,“工欲善其事,必先利其器”,使用好了這個工具,可以起到事半功倍的效果,希望大家能夠在實際項目中用好這個工具。
本文由 @德升 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
請教一下,版塊相似度矩陣分析是用什么軟件分析呀
這大概是攜程的天海郵輪吧 ??