01消除偏

在开展用研工作时,处处都有可能造成用户偏见。例如,我们都知道应该避免提诱导性问题(就像律师应避免向证人提诱导性问题一样),或是暗示被测者青睐某个方案。但偏见可能仍会以许多微妙的方式渗透到你的研究中。

Examples:

  • 1.你用纸笔所记录的也许并不是被测者的真实表达;
  • 2.当被测者表现出特定行为时,你给予“很好!”或“对!”这样的反馈;
  • 3.被测者在某次测试中的表现就会受到他在之前测试中所获得经验的影响。

心理学家一直在努力解决实验设计问题,而用户研究员也需要掌握一些开展用户测试的基础技巧。

想了解更多,请阅读Philip Hodgson关于控制实验者效应的文章,或者你想更进阶,请参阅Julian Meltzoff所著《Critical Thinking About Research: Psychology and Related Fields 》。

02勿使用专家走查作为唯一的数据来源

专家走查是查找产品可用性问题的好方法。我们甚至创建了一份包含247项条目的清单来指导专家走查的开展。但是,专家走查不应作为唯一的数据来源。心理学研究的结果常常能够印证专家走查的局限性。例如,在预测选举结果时,政治家的意见不比掷硬币来的准,而职业品酒师也不能区别出自己闻到的是红葡萄酒还是白葡萄酒。为什么会这样?大多数司机都认为自己是好司机,大多数专家也认为自己技高一筹。这就使他们陷入了一种自以为是而虚假的安全感中。所以,我们虽然要不竭余力地运用专业知识来判断设计方案,但最后一定要用真实的测试数据来进行验证

03 & 04不可不知的定律

在用户研究中,我们很难得出什么定律,但心理学研究帮助我们印证了两个非常常见的问题,我们可以借此来预测用户行为。

第一个定律关于介面中的选项数量。当你看到一个被选项充斥的犹如菜单一样的介面时,你可以利用希克定律(以心理学家William Edmund Hick命名)。用户决策所花费的时间会随着选项数量的增加而增加——用户可选择的越多,他们进行决策并成功的时间就越长。

第二个定律则关于控件的大小和位置。根据费茨法则(以心理学家Paul M Fitts的名字命名),移动到目标所需的时间取决于目标的距离和大小。这在web介面以及移动端都适用。在实践中,费茨法则并不仅仅意味着你应该把按钮做大,你还应该增加可点击区域大小。

05用户有意为之?

我们总倾向于认为自己的决定是经过思考得出的,所以我们非常乐于把被测者的行为看作是他们有意而为之的,但实际上,人们有很多行为都是无意识的。

四十年前,心理学家理Richard Nisbett和Timothy Wilson进行了一项测试(我个人认为这项测试非常经典)。

Experiment:
研究人员在商店外摆放了一张标志牌,上面写着“消费者评估调查:哪个质量最好?”桌子摆放了四双女士长袜,从左至右分别标记为A,B,C和D。绝大多数人(40%)选择了D,只有12%的人更最喜A。

你也许猜到了,这是四双相同的袜子。大多数人更喜欢D的原因仅仅是一种位置效应:研究人员知道人们会对桌面右侧的选项表现出明显的偏好(另一项心理学发现)。但是,当被询问为什么喜欢他们所选择的长袜时,人们竟会明确说出某些特性,比如出众的手感、材料成分或弹性。更出人意料的是,当被询问自己的决策是否可能受到袜子顺序的影响时,大家都持否定态度(除了一位知道位置效应的学生)——人们都为自己无意识的选择“编造”了合理的理由。

许多其它的心理学研究也得出了这个结论,在了解这些研究之前,你可以先阅读Timothy D Wilson所写的《Strangers to Ourselves: Discovering the Adaptive Unconscious》

这意味着用户访谈也不应该作为你唯一的数据来源。优秀的用户研究人员不会只提问,他们还在观察,因为人们说的并不总与所做的一致。

06你真的知道眼动仪的作用吗?

眼动追踪是一项引人注目的技术,让用户研究人员们感觉自己像一个科学家。眼动追踪在验证十分细致的设计问题(例,表单标签应该位于表单字段的左侧还是上方)上并不能带来太多帮助。

眼动追踪技术至少存在两个问题,它们在心理学领域已流传多年,但对用户研究者来说仍比较陌生。首先它追踪视线聚焦于何处,而你的注意力并不一定集中在这里。是的,这两个概念并不等同。当我在冰箱中找不到果酱时,我的妻子将此称为“男性模式冰箱失明”,即使我正盯着它。我们看到的并不总是与我们所关注的事物相关联。

第二个问题是,我们的浏览方式取决于我们的任务是什么。俄罗斯心理学家Alfred Yarbus早在1967年就首先提到了这一点。下图显示了一个人用同一张照片完成七项不同任务时的七种不同的视线路径。将任务3(被测者试图估计图片中人物的年龄)中的视线路径与任务6(被测者试图记住图片中对象的位置)进行比较,你会发现不能简单凭借视线路径来断定用户在关注什么。

这些心理学发现帮助你更懂用户
这些心理学发现帮助你更懂用户

关于这点我要推荐的一本书是Aga Bojko所著《Eye Tracking the User Experience》。虽然作者在书中没有对Yarbus的研究进行探讨,但她对于眼动追踪的作用条件给出了合理的说明。

07当执行任务时,我们会进入单线程模式

在前一节中我们提到,心理学研究已表明,我们所注视的与我们注意力聚焦的可能不是同一件事物。这里还有一个相关但却相反的结论:当我们专注于一项任务时,会忽略关注范围之外的其它事物。在继续阅读之前,你可以先看一下心理学家Daniel Simons发布于YouTube上的选择性关注测试(https://www.youtube.com/watch?v=vJG698U2Mvo&feature=youtu.be)

这种效应被称为“非注意盲视”,它导致人们在执行特定任务时会忽视介面中的某些元素。由于注意力的分散或是注意任务的繁重,占用了我们较多的认知资源,所以我们对背景刺激的觉察概率会减小。

这项结论对用户研究有巨大的影响。例如,在设置可用性测试实验时,不要先让参与者浏览介面,这一点非常重要。如果用户在执行某项任务时忽视了某些元素,我们需要将其作为测试的结论之一。让用户在执行任务之前预知某些特性和功能,意味着你将无法发现人们会错过什么。

08用户的记忆是不可信的

大多数人认为人的记忆机制如同摄像机——我们的大脑对往事做了记录,记忆力好的人很容易回忆起这些记录,而记忆力差的人则很难回忆起来。

而事实上,我们的记忆是片面、常常出错的。心理学家Elizabeth Loftus用她“Lost in the mall”的研究证明了这一点——当人们被问及过去的行为时,很可能会给出一些“虚构”的数据:人们信以为真但实际从未发生过的事。人们会编造一些成分来把自己的故事讲完整。在进行用户访谈时,这点几乎是不可避免的,这也是我们应当在访谈中始终结合观察法的原因。

09勿用定量方法来分析定性数据

很多人都知道如何处理定量数据。给出几列数字,我们都知道如何运用已有函数来计算平均值和标准差。这适用于总结性的可用性测试数据——例如我们有任务完成时间和完成率等数据。但是分析可用性测试中的定性问题需要采用不同的方法。因为定性研究数据难以量化。例如,你不能说,某种体验的“平均水平”是怎样的,这其中的“平均问题“是什么。

定性研究的价值在于得出深刻的洞察,而不是对整个群体进行预测。

Tips:
  • 1.格物致知。反复听录音,读记录;
  • 2.梳理发现。从重要发现开始,强调故事、行为、痛点、需求和目标。 (用户研究人员经常在这一步使用便签)
  • 3.寻找模式。从最有见地或不寻常的发现开始,将在不同被测者身上找到的类似发现集中起来。
  • 4.得出见解。深入挖掘你的用户群体。好的见地往往符合直觉但不易察觉。

10分析定量数据时避免P值操纵

这部分就比较深奥了。

许多用户研究人员并不知道如何正确地做统计。测试背景千差万别,但我的忠告是不要为了得出预期的结果而随心所欲地处理数据。

例如,假设你执行一项线上可用性测试,比较两种不同的Web原型,每个原型测试100个用户,在测试结束时你让被测者填写一份系统可用性量表(SUS)。

正确的分析方法是,着眼全局,计算每个被测者独立的SUS分数,然后在原型A与原型B之间做比较。

错误的分析方法是,先在不同问题之间进行统计比较,而不是用SUS系统评分。例如,对使用原型A的100人进行统计,问题1和问题2的统计得分可能有很大差异。SUS有10个问题,所以你会为了发掘某个突出的问题而有意或无意地尝试操纵数据,直至p值小于0.05,并隐藏其他“不显著”的结果,从而扭曲真相。

欢迎探讨

如果我遗漏了某些对于用户研究员来说非常重要的心理学发现,欢迎在评论区勇敢做自己!

End

封面作者:Bjrn berg

原文地址:USERFOCUS

译文地址:51UXC(公众号)

译者:51UXC 翻译社