原作者：Carlos Rosemberg
原文链接：
https://www.toptal.com/designers/usability/turning-usability-testing-data-into-action
译者：Zoe Ren
对于用户体验设计师而言，收集、整理和理解可用性调研过程中产生的数据变成一个日益重要的技能。
一场可用性测试会告诉设计师们目标用户是否真正愿意使用你的产品。它可以帮助揭示用户界面设计中的一些问题，了解产品是否可以帮助用户成功完成某项任务，产品是否使用了一些令人费解的语言等。典型来说，一场可用性测试会包含大量的准备和分析过程，而且被视为最重要的调研技巧之一。它能够同时提供定性和定量的数据，从而可以指导产品团队产出更好的解决方案。
然而，执行一场可用性测试并不是一个简单的事情。为了发现可用性问题，研究者和设计师们经常需要处理很多不完整，不精确，甚至是令人困惑的数据。通常一场包含5-10个参与者的可用性测试可能会引出超过60个问题。因此整个分析过程可能会变得异常复杂和痛苦。
当尝试解决一些可用性问题时，一个可能的风险是在没有完全理解问题的时候就尝试去在错误的方向找出解决方案。这样就会导致最后给出的方案并不能真正解决的问题甚至毫不相干。这可能和很多因素有关，包括决策疲劳和不同的认知偏见。
如何将可用性测试数据转化成可执行的解决方案？
为了解决以上提到的障碍，我们需要一些有效的方法来处理我们的测试数据，从而保证为我们找到的问题提供最有效的解决方案。
让我们先来分享一些源于“创新思维过程”的一些理论。最有力的一个理论是由英国设计协会提出的“双钻理论”，它提倡一种发散和收敛的思维方式。它是一个清楚定义，集成和提出解决方案的设计过程。
双钻设计是一种非常有效的处理可用性问题并提出解决方案的设计模型。将这个模型应用到可用性测试中可分为以下四步：
（1）收集数据
（2）将问题设定优先级
（3）产出解决方案
（4）将解决方案设定优先级
让我们来详细介绍一下如何将以上每个步骤应用于实践中：
注意：我们需要一些基本的数学知识。不过不用担心，不会很复杂，并且在本文的最后，你会发现有一个电子表格可以帮助你自动化处理这些计算。如果你发现还是不适用，也有一些可视化的方法来帮助你。
步骤一： 在可用性研究中收集数据
从你的研究问题开始，第一步就是要收集可用性测试中的数据，为接下来的产出想法的过程做准备。这一步的关键是要清楚地组织好数据的结构，以避免混乱。大部分情况下，做到以下几点就足够了：
- 有一个问题识别系统
- 记录在哪里发生（截屏，模块，UI控件，流程等）
- 知道用户正在进行哪项任务
为这个问题提供一个准确的描述
一个普遍用来组织可用性问题的做法，源于 Lewis and Sauro《 Quantifying the User Experience》一书中，是按照以下表格去呈现数据，每一个问题为一行，参与者放在最后几列：
步骤二：将问题设定优先级由于资源有限，为了优化分析结果，将现有问题设定优先级是非常必要的。典型来说，不同的可用性问题严重程度不一样，一般由以下的一些因素影响：
任务的重要性（对于商业需求和用户任务完成度的影响）
- 问题出现的频率（在不同的测试者中同样问题发生的次数）
问题的影响（多大程度上影响了用户完成某项任务）
为了设定优先级，我们需要遵循以下步骤：
第一步：为每项任务设定重要级打分（可以按照1-5等线性打分，或者按照斐波那契数列打分）
第二步：为每项任务的影响力打分（如，5分代表该项问题阻止用户顺利完成任务，3-4分代表该问题会导致失望或者延迟，2分代表对于任务的完成度有轻微影响，1分表示这是用户的一项建议）
第三步：计算出每个问题在不同用户中发生频率的百分比
第四步：最后通过计算以上三个参数的乘积来计算每个问题的重要程度。
步骤三：产出解决方案
通常，没有产出解决方案和建议的可用性测试是不完整的。有的时候解决方案是显然易见的，比如纠正一个界面元素的位置。可是当解决方案不太明显或者有很多可能的解决方案的时候就有点难办了。哪个解决方案更好？哪个更可行？测试一项方案的代价是否很高？在这个时候，传统的单凭个人主观建议的方式是远远不够的。<br /> 为了减少做出差的设计方案的风险，我们需要一个有效的抉择过程。我们仍然会利用一个‘发散收敛’的思维方式去帮助这个过程，步骤如下：<br /> 1. 召集不同的团队成员，如设计师，开发者等，去为每一个问题设想出多个可能的解决方案；<br /> 2. 重新整理解决方案，使得方案变得具体一些，不要让它太过抽象。比如，与其说“避免使用汉堡菜单”，最好陈述为“使用一个水平导航树状菜单”<br /> 3. 标记出方案对应的其他问题。有的时候一个好的方案可能会同时解决其他很多问题。<br />
步骤四：为解决方案排列优先级
受ROI（ the _return on investment_投资回报率）概念的启发，我们有以下几个步骤：
- 计算每个方案的有效性。方案针对的待解决的问题越严重，则该方案的有效性越高。
- 推敲方案的复杂性（开发这个方案需要哪些资源？使用的方式是否符合标准？商业/用户需求是否清晰？换句话说，付出和不确定性越多，方案就越复杂。将这个转化成一个定量的数值，比如斐波那契数列（1，2，3，5，8等）如果是团队在做这件事情，可以试试planning poker ）
- 计算这个解决方案的ROI。ROI=有效性/复杂程度
结语
以上的方法尤其适用于以下的一些团队：
- 研究范围比较大的团队，这种方式可以帮助团队成员更聚焦真正重要的问题，通过减少信息过载、分析瘫痪和决策疲劳，节省时间和资源
- 端对端的工作流会使得最后的解决方案和真正的问题保持一致
可以使用一些线上工具合作执行这个过程
理解这个方案的局限性也很重要。比如，在排列优先级的时候，测试用户在试用产品时候的积极反馈和细节操作行为没有被囊括进去，这只聚焦在可用性问题上。我们建议要另行记录这些数据，并在研究过程中根据需要对研究结果进行补充和平衡。
与你分享我眼中的世界
若有收获，就点个赞吧
0 人点赞
