用户体验度量

目录

译者序

致谢

作者介绍

第1章　导论1　1.1　简介1

1.2　本书的组织结构1

1.3　如何使用本书2

1.3.1　应该使用何种检验2

1.3.2　我需要多大的样本量5

1.3.3　你不必手动计算6

1.4　本章要点7

1.5　本章思考题7

1.6　参考资料8

第2章　量化用户研究9

2.1　什么是用户研究9

2.2　用户研究的数据9

2.3　可用性测试10

2.3.1　样本量10

2.3.2　代表性和随机性10

2.3.3　数据收集12

2.3.4　任务完成率12

2.3.5　可用性问题13

2.3.6　任务时间14

2.3.7　出错数14

2.3.8　满意度评分14

2.3.9　复合分数14

2.4　A/B测试15

2.5　调查数据15

2.5.1　等级量表15

2.5.2　净推荐值16

2.5.3　评论和开放性数据16

2.6　需求收集16

2.7　本章要点17

2.8　参考资料17

第3章　我们的估算到底有多准确19

3.1　简介19

3.1.1　置信区间=误差幅度的两倍19

3.1.2　置信区间提供了精确度和位置20

3.1.3　置信区间的三个组成部分20

3.2　完成率的置信区间20

3.2.1　置信区间的历史21

3.2.2　Wald区间：对于小样本来说就太不靠谱了21

3.2.3　精确置信区间22

3.2.4　Wald校正区间：增加两个成功与两个失败22

3.2.5　完成率的最佳点估计24

3.2.6　遭遇可用性问题的置信区间26

3.3　等级量表和其他连续性数据的置信区间26

3.3.1　任务时长数据的置信区间29

3.3.2　任务时长均值还是任务时长中位数30

3.3.3　几何均值30

3.3.4　大样本任务时长的置信区间32

3.3.5　围绕中位数的置信区间33

3.4　本章要点34

3.5　本章思考题35

3.6　参考资料36

第4章　我们达到或超过目标了吗38

4.1　简介38

4.2　单侧检验和双侧检验40

4.3　完成率与基准的比对41

4.3.1　小样本检验42

4.3.2　大样本检验44

4.4　满意度分数与基准的比对46

4.5　任务时间和基准的比对50

4.6　本章要点54

4.7　本章思考题54

4.8　参考资料57

第5章　不同设计之间有统计学差异吗59

5.1　简介59

5.2　比较两个平均值（等级量表和反应时）59

5.2.1　被试内设计比较——配对t检验60

5.2.2　比较任务时长62

5.2.3　组间比较（双样本t检验）64

5.2.4　t检验的假设68

5.3　比较完成率、转换率以及A/B测试69

5.3.1　组间比较69

5.3.2　组内比较78

5.4　本章要点86

5.5　本章思考题88

5.6　参考资料94

第一部分：总结性研究95

第6章　我们需要多大的样本量

6.1　简介95

6.1.1　我们为何要关注95

6.1.2　可用性研究的类型至关重要96

6.1.3　总结性可用性测试样本量预估的基本原则96

6.2　预估数值97

6.3　比较数值104

6.4　如何控制变异性109

6.5　二项置信区间样本量的估计110

6.5.1　大样本的二项样本量估计110

6.5.2　小样本的二项样本量估计112

6.5.3　与基准比例相比较的样本量115

6.6　卡方检验的样本量预估（独立比例）117

6.7　MCNEMAR精确检验的样本预估（配对比例）120

6.8　本章要点123

6.9　本章思考题124

6.10　参考资料130

第二部分：形成性研究131

第7章　我们需要多大的样本量

7.1　简介131

7.2　使用发现问题的概率模型来估计形成性用户研究的样本量131

7.2.1　著名方程：P（x≥1）=1-（1-p）n131

7.2.2　从1-（1-p）n中推导出样本量估计方程133

7.2.3　使用表格计划形成性用户研究样本量135

7.3　二项概率模型的假设136

7.4　模型的附加应用137

7.4.1　估计多重问题或其他事件的复合p值137

7.4.2　校正小样本p的复合估计值138

7.4.3　估计可发现的问题数和未被发现的问题数143

7.5　影响p值的是什么144

7.6　什么是合理的目标问题发现率145

7.7　调解“神奇的数字5”和“8还不够”147

7.7.1　一段历史：20世纪80年代147

7.7.2　又一段历史：20世纪90年代148

7.7.3　“神奇的数字5”的起源149

7.7.4　“8还不够”：一个调解方法151

7.8　更多关于二项概率公式和其小样本校正155

7.8.1　二项概率公式的起源155

7.8.2　紧缩校正是如何起作用的156

7.9　针对问题发现的其他统计模型159

7.9.1　对问题发现使用二项式模型的批评159

7.9.2　扩展的二项式模型160

7.9.3　Capture recapture模型161

7.9.4　在计划形成性用户研究时为什么不用其他模型161

7.10　本章要点165

7.11　本章思考题166

7.12　参考资料168

第8章　标准化的可用性问卷171

8.1　简介171

8.1.1　什么是标准化的问卷171

8.1.2　标准化可用性问卷的优点171

8.1.3　什么样的标准化可用性问卷是有用的172

8.1.4　标准化问卷的质量评估：信度、效度和灵敏度173

8.1.5　问卷的步距数174

8.2　整体评估问卷174

8.2.1　QUIS(用户交互满意度问卷)175

8.2.2　SUMI（软件可用性测试问卷）176

8.2.3　PSSUQ178

8.2.4　SUS(软件可用性问卷)182

8.2.5　可用性整体评估问卷的实验比较194

8.3　任务评估问卷197

8.3.1　场景后问卷197

8.3.2　单项难易度问卷198

8.3.3　主观脑力负荷问题198

8.3.4　期望评级199

8.3.5　可用性等级评估201

8.3.6　任务评估问卷的实验比较203

8.4　网站感知可用性的评估问卷205

8.4.1　网站分析和测量问卷206

8.4.2　标准通用的百分等级问卷207

8.4.3　其他评估网站的问卷209

8.5　其他有趣的问卷210

8.5.1　计算机系统可用性问卷210

8.5.2　有用性、满意度、易用性211

8.5.3　用户经验的可用性度量211

8.5.4　享受性质量212

8.5.5　美国消费者满意度指标213

8.5.6　净推荐值213

8.5.7　福雷斯特客户体验指数215

8.5.8　技术接受模型215

8.6　本章要点216

8.7　本章思考题217

8.8　参考资料220

第9章　测量和统计的六大持久论战224

9.1　介绍224

9.2　对多点量表数据进行平均合理吗225

9.2.1　一方观点225

9.2.2　另一方观点226

9.2.3　我们的推荐228

9.3　需要测试至少30名用户吗229

9.3.1　一方观点229

9.3.2　另一方观点230

9.3.3　我们的推荐231

9.4　所有的实验都要进行双侧检验吗231

9.4.1　一方观点231

9.4.2　另一方观点232

9.4.3　我们的推荐233

9.5　当p>0.05时，我们能拒绝原假设吗233

9.5.1　一方观点233

9.5.2　另一方观点234

9.5.3　我们的推荐235

9.6　能将各种可用性度量指标合并到一个分数中吗236

9.6.1　一方观点236

9.6.2　另一方观点238

9.6.3　我们的推荐239

9.7　假使你需要进行多次检验该怎么办239

9.7.1　一方观点239

9.7.2　另一方观点241

9.7.3　我们的推荐241

9.8　本章要点245

9.9　本章思考题246

9.10　参考资料249

第10章　总结251

10.1　简介251

10.2　更多信息251

10.3　好运254

10.4　本章要点254

10.5　参考资料254

附录A　基础统计概念速成255

Amazon五星级畅销书，资深用户体验专家、统计分析师、心理学专家10余年工作经验结晶，着眼于用户体验设计人员工作中所遇到的疑难问题，推荐最佳解决方案 从科学的量化视角给从业者以思考，注重实战，每个知识点都辅之以设计精巧的案例，包含大量操作技巧和最佳实践 本书是使用统计学解决用户研究中常见问题的指南。它包含了你每天都要面对的常见问题，例如：当前的产品是否比竞争者的产品更易用？我们能确信70%的用户在第一次尝试时就完成任务吗？用户在网站上购买商品需要花费多长时间？本书详细阐述如何选择统计检验方法，以及在应用这些方法时如何为统计理论和最佳实践提供基础。本书聚焦于可应用于实际用户研究项目的方法，是作者实际工作经验、调查研究，以及对最新的统计学、心理学、人因工程学的文献资料研读的结晶。它不只是对传统统计学的复述，而是为当今从业者提供了全新和切题的解读。为各种项目中可用性测试的统计问题提供操作指南，包括使用六西格玛的项目向从业者展示选择哪种检验方法，其适用的原因以及应用中的最佳实践，并为分析数据提供易于使用的Excel公式和网页形式的计算器向从业者推荐使用通俗易懂的语言与相关人员沟通结论的一些方法【作者简介】 Jeff Sauro是一名接受过6 sigma培训的统计分析师，也是Measuring Usability公司的主要创始人。15年来，他一直为诸如PayPal、Walmart、Autodesk和Kelley Blue Book这类公司进行可用性项目和统计分析，也曾在Oracle、Intuit和General Electric等公司工作。 Jeff发表过超过15篇同行评审的研究文章，他也是《Journal of Usability Studies》的编辑委员。另外，Jeff也是人机交互（Computer Human Interaction，CHI）和可用性专家协会大会（Usability Professionals Associations，UPA）的常任演讲者和讲师。 Jeff在斯坦福大学获得了设计和技术专业的硕士学位，期间主要研习统计概念。在斯坦福大学之前，他在锡拉丘兹大学获得了信息管理与技术专业以及电视广播电影专业的双学士学位。如今Jeff和他的妻子以及3个孩子生活在丹佛。 James R.（Jim）Lewis博士是一名资深的人因工程师（1981年起在IBM工作），现今主要从事语音应用的设计和评估，他也是《Practical Speech User Interface Design》一书的作者。他是认证的人因专家，获得了实验心理学（语言心理学）的博士学位和工程心理学硕士学位，另外也是音乐理论和作曲专业的音乐硕士。Jim是国际公认的可用性测试和测量方面的专家。他（受邀）撰写了《Handbook of Human Factors and Ergonomics》第3版和第4版的可用性测试章节，并在各种专家会议上演讲关于可用性测试和度量指标的内容。 Jim是IBM大师级的发明家，拥有77项美国专利局颁发的专利。他最近在《International Journal of Human-Computer Interaction》和《Journal of Usability Studies》的编辑委员会工作，同时也在老龄化与技术增强研究与交互中心（Center for Research and Education on Aging and Technology Enhancement，CREATE）的科学咨询委员会工作。他也是可用性专家协会（Usability Professionals Association，UPA）、人因和工效学会（Human Factors and Ergonomics Society，HFES）、心理科学协会（Association for Psychological Science，APS）和美国心理协会（American Psychological Association，APA）的会员。另外，Jim还是跆拳道黑带5级和美国跆拳道协会(American Taekwondo Association，ATA)的认证导师。