用户研究——数据分析的主要类型

用户体验 everyinch 682℃ 0评论

依据数据分析中需要计算的复杂程度,我们把常规数据分析分为描述性分析、简单统计分析和复杂统计分析。

1. 描述性分析

可用性研究数据的描述性分析主要是对一些主观性信息例如用户的评价、错误等信息进行归类和汇总,并通汇总得到具有不同重要程度的相关结果。

描述性分析方法主要应用在以下情况:

启发式评估或认知走查法中获得的界面可用性问题描述和汇总。由于启发式评估和认知走查法都是专家评估法,获得的结果主要是每个界面上的各种可用性问题清单或列表。这一类数据的分析一般都采用描述性分析方法。

比如某启发式评估的数据分析结果可能如下:

界面编号:登录界面

违反的可用性问题:

1.界面中的X X图标设计违反了一致性原则。

2。用户不理解系统对用户操作提供的反馈。

3.……

问卷调查法中对于用户的开放式问题回答的汇总。如在问卷调查法一节中所述,调查中的问题可以包括封闭式问题和开放式问题。而开放式问题大多数都是对用户的主观感受或评价进行调查。

比如在某个有关手机的用户调查中的开放式问题:“请您谈谈对该款手机的外观设计有哪些建议?”那么该题目问卷数据的分析结果可能如下:

(1)颜色方面

a)颜色太单一,应该使颜色更加丰富化。

b)按键颜色应该保持统一。

  1. c) ……

(2)造型方面

a)该手机的线条应该更加流线型。

b)该手机的下半部应该更加窄。

  1. c) ……

(3)……

焦点小组访谈中的问题结果汇总。由于焦点小组参加较少,而且焦点小组访谈中绝大多数问题都是有关用户对产品的需求和体验。这一类数据也只适合于描述性析。

2. 简单统计分析

简单统计分析主要是指我们可以,对获得的一些绩效指标进行基本的统计描述。这类分析主要是对获得的数据通过计算如频次、百分比、算术平均数、标准差、方差、加权平均数等指标来获取所有用户测试结果的分布情况。

频次或百分比是简单统计分析中应用最为广泛的指标。我们经常需要汇总出用户需求或感受在不同类别上的次数,从而大致获得大多数用户对于某个产品设计问题的态度是怎样的。

除了频次分析之外,在简单统计分析中,最主要用到的。指标有两类:

一类是表现所有用户数据的集中趋势的指标。主要包括算术平均数、中位数和众数。其中算术平均数由于其计算方法简单,在实际应用中范围最广。比如,我们如果对两款手机产品采用相同的操作任务均测试了3 0名用户,假定第一款产品所有用户的操作时间的算术平均数要大于第二款产品,那么这可以大致反映出来对于同样一个操作任务(如发短信)用户操作第二款产品要比第一款产品更加快。

另一类是表现所有用户数据的离散趋势的指标。主要括方差和标准差。离散趋势指标主要反映所有用户之间的数据差异性程度。还是上面那个例子,假定两款手机产品,相同的操作任务下,均测试了30名用户。通过计算算术平均数发现两组用户的操作时间的算术平均数相等。那么是否就可以说明这两款手机在这个操作任务下的可用性水平没有差异呢?其实未必,因为很有可能第一款产品下所有30名用户的操作时间都非常接近,而第二款产品中所有30名用户的操作时间差异很大。那么此时说明两款手机的可用性水平上还是存在差异,可能通过进一步的分析我们会得到这样的结论:第一款产品比较大众化,不管哪类用户都适合使用;而第二款产品比较个性化,对某些类型的用户来说非常适合,而对另外一些类型的用户可能就很难使用。

简单数据统计分析方法主要应用在以下情况:

问卷调查研究中对于封闭式问题的结果汇总。

比如,问卷调查中某封闭式问题为:

请你选择最喜欢的手机款式:A.直板  B.翻盖  C.滑盖  D.触摸屏  E.其他

该数据分析的结果可能是:

用户总数: 200人

选择A的人数:66人

选择B的人数:40人

选择C的人数:30人

选择D的人数:64人

绩效测试中对用户的操作指标进行的一般分析。

比如,某手机绩效测试中要求用户用A、B两款不同手机输入同一段文字,那么分析的结果可能如下:

手机A:输入平均时间为13秒,标准差为2秒;

手机B:输入平均时间为20秒,标准差为5秒。

3. 高级统计分析

高级统计分析主要是指对绩效指标通过更为复杂的统计计算来对参加测试的用户所代表的总体在使用产品过程中的情况进行统计推论分析。比如我们可以采用方差分析来对用户操作两款产品的操作时间进行比较,根据方差分析结果的显著性可以得出结论究竟两款产品在操作时间上是否存在差别。

对于本书读者来说,我们生这里主要对两个关键术语进行解释:

统计推论。所谓统计推论就是根据测试或调查的结果对用户总体分布的情况进行推断的过程。由于在进行产品可用性研究或测试时,我们希望准确了解整个目标用户群体的情况,而并不是仅仅反映来参加测试的用户情况。

差异的显著性水平。有很多从事产品设计的专业人员对于产品可用性研究报告中有时会出现的差异显著性水平这个概念感到很疑惑。但是如果具有一定的统计学知识背景就能得到很好理解。还是举上面提到的例子,问卷调查中,被调查的200名用户对于最喜欢手机的造型的选择结果是:选择直板的用户有66人,选择触摸屏的有64人。从频次分析结果上看,选择直板的用户要比选择触摸屏的用户多2人,那么我们是否就可以直接下这样的结论“用户更加偏好直板手机”呢?答案显然是否定的,因为就像我们刚才提到的,我们下的这个结论是一个充计推论性的,虽然在这200名用户中选择直板的用户比选择浊摸屏的用户多了2人,但是这种差异可能是偶然因素所造成的,我们再重新找200名用户,可能这2个人的差异就看不到厂。因此,究竟是不是喜欢直板的用户要多于喜欢触摸屏的用户,就需要通过检验差异的显著性水平来确认。

下表只是针对前面提到的不同数据类型适合采用的统计方法进行了归纳

数据分析 统计程序。
称名数据 频率、列联表、卡方检验
顺序数据 频率、列联表、卡方检验、 Wilcoxon符号等级检验、Spearman等级相关
等距数据 有描述统计、t检验、方差分析、相关分析,回归分析
等比数据 所有描述统计(包括几何平均数)、t检验、方差分析、相关分析、回归分析


转载请注明:陈童的博客 » 用户研究——数据分析的主要类型

喜欢 (6)
发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

无觅相关文章插件,快速提升流量