你也是半個心理學(xué)家

我之前反復(fù)提過，我們體驗設(shè)計現(xiàn)在的主流研究方法大部分從社會學(xué)或者心理學(xué)里移植而來，而可用性測試就直接脫胎于認(rèn)知心理學(xué)的看家研究方法“實驗法”。假如有讀者小時候上幼兒園的職業(yè)理想曾經(jīng)是“做實驗、當(dāng)科學(xué)家”，那么恭喜你，當(dāng)設(shè)計師會做可用性測試，某種程度上也算是部分實現(xiàn)了你當(dāng)年的心愿。先給自己一點鼓勵。

可用性測試方法

認(rèn)知心理學(xué)的基本思路是把人的心理活動理解成一套像精密機(jī)械一樣的信息加工系統(tǒng)，里面的各個零件可以拆開來各自研究的：比如人的注意力、記憶，或者某種感受。它有許多的研究內(nèi)容都是很微觀的概念和現(xiàn)象，這些（短期）現(xiàn)象發(fā)生得非常快、并且在自然環(huán)境下受各種因素影響干擾，很難測量。因此為了在現(xiàn)象或概念間建立有力的因果關(guān)系，認(rèn)知心理學(xué)作為橫跨社科和自然科學(xué)兩個領(lǐng)域的一門學(xué)科，向自然科學(xué)取經(jīng)從而發(fā)展出了很成熟的控制實驗技術(shù)（包括咱們比較常見的眼動儀實驗）。這個方法后來輻射到了各個其他社會學(xué)科中，又誕生了“實地實驗”（field experiments，自然實驗/社會實驗）的說法，其思路很像我們今天經(jīng)常做的 AB test。

還是拿我們上篇文章的“可愛小貓論”作案例，假設(shè)你是一個很有才華的心理學(xué)家，發(fā)現(xiàn)小貓可愛程度會影響人的身心健康，養(yǎng)越可愛的貓越有利于身心健康。你要如何證明這一點？

首先我們需要確定這個現(xiàn)象普遍廣泛存在，而不是僅僅存在在你這個貓奴身上的個例，因此一定需要通過定量的方法做驗證。

其次，在現(xiàn)實生活中能對人的身心健康產(chǎn)生影響的東西太多了，比如這個月老板老給你穿小鞋，導(dǎo)致你身心受到了巨大打擊；下個月你苦練搏擊，身心健康又增長不少，那么如何從這么多因素中抽離出貓咪對你的影響，而過濾職場/鍛煉/飲食等其他因素的影響？

最后，也許養(yǎng)貓和身心健康是有關(guān)系，但其實是身心健康較弱的人更不愿意養(yǎng)貓，而非反過來——如何能準(zhǔn)確探究這兩個因素的關(guān)系？

答案是在實驗室環(huán)境下嚴(yán)格地控制變量，通過對實驗環(huán)境和環(huán)節(jié)的科學(xué)設(shè)置、對被試者情況的篩選和抽樣來確保得到精準(zhǔn)的結(jié)果。比如你可以假設(shè)被試對貓的喜愛程度、貓的可愛度都可能影響實驗結(jié)果，所以你可以被試分成 4 個單元小組：不可愛的貓配不喜歡貓的人、可愛的貓配不喜歡貓的人、不可愛的貓配喜歡貓的人、可愛的貓配喜歡貓的人。

在測量了人的初始身心健康程度后，讓他們與貓呆 3 小時，然后再次測量人的身心健康程度。此外還需要配備一個對照組，這個組的人只能看 3 小時動畫片——這就是一個很簡單的小實驗。

由此可以看出控制實驗法和其他的研究方法相比，完全脫離了情境，所以實驗室內(nèi)的結(jié)果是否可以推廣到實際生活中去，是需要打一個大大的問號的，但正因為如此，實驗法也為驗證因果關(guān)系創(chuàng)造了可能性。這一點也就是我之前在不要從“交互設(shè)計定理”入門交互設(shè)計中強(qiáng)調(diào)的。

說回到咱們的可用性測試，根據(jù)《人因?qū)W手冊》的說法，可用性測試在 80 年代初被提出后馬上在 80～90 年代風(fēng)行于業(yè)界，影響了施樂（Xerox）、蘋果、IBM 等一代明星公司的產(chǎn)品評估流程。在可用性測試引進(jìn)之初從業(yè)者仍然比較嚴(yán)格地遵守控制實驗的方法，對測試的環(huán)節(jié)設(shè)計、環(huán)境設(shè)置要求十分嚴(yán)格，是一種主要用于評估/對比設(shè)計方案的、定量的、脫離情景的手段。舉個例子，為了得到比較嚴(yán)謹(jǐn)?shù)慕Y(jié)果，可用性測試應(yīng)該：

做預(yù)測試：在設(shè)計完實驗流程后需要先找一些被試，看看控制變量的手段是否有效

考慮組內(nèi)實驗還是組間實驗：比如是找同一個用戶測試 3 組設(shè)計圖，還是 3 個不同的用戶每人測試 1 組設(shè)計圖

考慮實驗順序：假如找同一個用戶測試 3 組設(shè)計圖，那么先看哪個、后看哪個

……

此外，各個公司會為了可用性測試搭建專門的、昂貴的可用性實驗室。在實驗室環(huán)境下對用戶發(fā)布任務(wù)、進(jìn)行測試，主要是為了規(guī)避噪音、燈光、外來人員打斷等干擾因素對實驗結(jié)果的影響。比如下圖就是一個典型的可用性測試實驗室。

發(fā)展與“5 個就夠了”

90 年代后隨著可用性測試相關(guān)的應(yīng)用和研究快速發(fā)展，可用性測試的概念也從驗證性研究逐漸擴(kuò)展到形成性的、探索性研究。對可用性測試的要求也遠(yuǎn)遠(yuǎn)沒 80 年代那么高了，到今天據(jù)我所知很多廠的用戶研究部門把可用性測試?yán)斫獾睾軐挿海灰陀脩粲薪佑|、只要設(shè)置了任務(wù)，都可以勉強(qiáng)講是“可用性測試”。這樣做測試不再需要嚴(yán)格的實驗室環(huán)境與變量控制技術(shù)，反而更加偏向?qū)嵉卣{(diào)研，讓用戶在自己熟悉的環(huán)境中完成任務(wù)。造成這個發(fā)展的原因其實有很多。

首先，軟件開發(fā)模式變了。70～80 年代盛行的瀑布流式開發(fā)，要求軟件的設(shè)計開發(fā)者一次性完全完成一個環(huán)節(jié)后，再邁入下一個環(huán)節(jié)。比如你做設(shè)計時，需要提前想好未來需要應(yīng)對的所有場景，一次把幾千張設(shè)計圖全部交付開發(fā)，開發(fā)開始寫所有的頁面，寫完了這幾千張圖再上市。這種開發(fā)模式在 90 年代被敏捷開發(fā)或迭代開發(fā)逐漸替代，這要求設(shè)計者出一版能用的先做出來，根據(jù)用戶反饋再迭代之前的想法。因此，設(shè)計師對于快速定位設(shè)計問題的訴求大大提升，而可用性測試作為一種有用戶參與的評估方式（可能是唯一一種），可以滿足這種訴求。

其次，從調(diào)研目的的角度上來講，我們作為設(shè)計者說到底和科學(xué)家做的事兒是不同的。對于科學(xué)家來講研究概念之間的相互關(guān)系是有意義的，其最終的目的是形成一個具有解釋力的學(xué)說。但對于設(shè)計師來說我們需要選出更優(yōu)的設(shè)計，但并不關(guān)心究竟是哪個變量導(dǎo)致了設(shè)計最優(yōu)、變量之間相互的關(guān)系。比如你可能做了兩個稿子，A 稿紅色按鈕放右邊、B 稿橙色按鈕放左邊，最終用戶覺得 B 稿好，你的研究就結(jié)束了；而心理學(xué)家需要去思考到底是位置、顏色，還是別的什么因素影響了用戶的什么體驗，最終導(dǎo)致用戶的決策。

對控制變量的嚴(yán)格要求，最終導(dǎo)致做一場嚴(yán)格的控制實驗成本超高，除去復(fù)雜的控制變量帶來的成本以外，為了讓整個實驗可以使用統(tǒng)計學(xué)分析，一般會要求每個單元小組的樣本量大于 30——做學(xué)術(shù)也許可以不那么考慮成本，但企業(yè)總是會思考投入產(chǎn)出比。

比如 90 年代軟件業(yè)界就曾經(jīng)把當(dāng)時出現(xiàn)的專家啟發(fā)式評估、認(rèn)知走查這些無需用戶參與、專家進(jìn)行即可的方法當(dāng)成可用性測試的廉價替代品。雖然后來被證實沒有方法可以替代用戶評估——專家走查出來的問題往往不是真實用戶遇到的問題，而往往是一些無傷大雅的小細(xì)節(jié)。

最后，90 年代尼爾森寫了一篇關(guān)于可用性測試樣本量的文章，極大地鼓舞了用可用性測試做探索性研究、尋找可用性問題的做法。這篇文章我最開從《用戶體驗度量》里讀到，我把這個理論叫“5 個就夠了”論。

尼爾森將此前為一些產(chǎn)品做的可用性測試與專家評估結(jié)果整理了一下，用一個泊松模型來預(yù)測參與可用性測試的用戶數(shù)或參與評估的專家數(shù)與最后找到的可用性問題的比例之間的關(guān)系，最終“發(fā)現(xiàn) 5 個用戶就能發(fā)現(xiàn) 83%的問題”。下面這張圖能看出來假如拆分了可用性測試和專家評估，那么可用性測試需要的人數(shù)稍微多一些，5 個用戶大約能發(fā)現(xiàn) 70%的問題。

現(xiàn)在看來尼爾森這個模建得說不上多么精細(xì)。注意這個圖里的因變量是百分比，“1”代表“所有被發(fā)現(xiàn)的問題”，而不代表“本系統(tǒng)所有可能存在的問題”，所以尼爾森這個結(jié)論正確的解讀方式是，假設(shè)他們測試了 20 個用戶最終發(fā)現(xiàn)了 10 個問題，那么 5 個用戶就能發(fā)現(xiàn)其中 8 個問題。

這種問題的重疊很有可能是因為對用戶的不當(dāng)抽樣帶來的。比如我們現(xiàn)在很多系統(tǒng)存在不同的用戶角色與用戶場景，用戶個體的技能水平也有差異，因此不同用戶組的關(guān)注點、問題點可能都是不一樣的，很可能這一組用戶找不到另外一組的問題，這一點在《用戶體驗度量》也有所說明。

后來尼爾森在他公司的網(wǎng)站上對“5 個就夠了”論做出了補(bǔ)充，當(dāng)前版本的可用性測試結(jié)合了設(shè)計迭代的動作，更偏向定性的、個案研究的思路。按他現(xiàn)在的話來講，可用性測試這個事情應(yīng)該多次多輪的進(jìn)行：首先選取 5 個人可用性測試-然后馬上對設(shè)計進(jìn)行修改和迭代-再找另外 5 個人重復(fù)進(jìn)行可用性測試，看看他們有沒有新的觀點，如此多輪往復(fù)，最終打磨出一版好設(shè)計。

對尼爾森這套想法感興趣的看這里： https://www.nngroup.com/videos

怎么做更好

我們總結(jié)一下：假如你不太熟悉可用性測試的發(fā)展脈絡(luò)，那可能會對這個東西有點犯迷糊：一會要設(shè)置任務(wù)，一會要發(fā)問卷，一會又要觀察用戶的動作；一會 5 個就夠了，一會又要多找?guī)讉€人。簡單來講：

假如你做可用性測試是為了發(fā)現(xiàn)問題，5 個人夠了。雖然要設(shè)置任務(wù)但不需要太嚴(yán)謹(jǐn)，以快取勝；假如你做可用性測試是為了對比方案/評估方案的優(yōu)劣程度，5 個人不夠。嚴(yán)格來說每個組至少 30 人，但我們畢竟不做學(xué)術(shù)，少一點也勉強(qiáng)可接受。雖然今天已經(jīng)基本不做嚴(yán)格的實驗設(shè)計，但應(yīng)該盡量減少對用戶的言語干擾、指導(dǎo)，讓用戶自由體驗產(chǎn)品。

最后關(guān)于樣本量的事情我再多說兩句。雖然調(diào)研的用戶數(shù)量是一個困擾大部分設(shè)計師的問題，但根據(jù)我個人的經(jīng)驗來看，可用性測試是“多做比少做好，但做了一定比不做好”的一件事。對上線前的飛機(jī)稿來說，即使你只找 1 個用戶看了你的設(shè)計，甚至你只找同事看了一眼你的設(shè)計，都會比你閉門造車要更好。不要懼怕做體驗調(diào)研，也不要認(rèn)為非要花多大代價才算在做體驗調(diào)研。

歡迎關(guān)注作者微信公眾號：「白話說交互」