用户体验至上的时代,只有真正把握用户的需求而不被伪需求所迷惑,才能真正的做好”以用户为中心“。本文分享了用心理学和社会学的方法论作为用户研究展示的画布的方式,并对过程中的关键步骤进行了总结,与大家分享。
一、我的观察
在我为数不多的职业经验中,我发现在项目实施之前或进行中建立一个用户体验研究是十分困难的。
造成这种困难的原因有两点:一方面是企业和利益相关者对用户体验研究的来龙去脉缺乏了解,另一方面一些用户体验设计师对构建用户体验研究操作方法的不了解。而我就属于那些没有社会科学背景,但希望在用户体验研究领域利用知识和能力不断发展的用户体验设计师之一。不仅仅是在实践中编写一份访谈或问卷,而是在心理学和社会学中以最真实、最完整的方式进行应用。但是,由于缺乏一种可以持续依赖的结构化方法,因此应用起来可能会变得很复杂,因为心理/社会学很难理论化(假设存在系统性的用户体验应用模型)
让获得心理/社会学方法论的途径民主化
因此,我的项目是在小范围内提出一种以用户为中心的设计中应用的心理/社会方法的结构和一个“即用型”画布,支持用户研究从最初的假设到数据支持的角色的形式化。注意,我们不是以画布的展示为最终目标。
目标
从项目的角度来看,这个画布应允许三项基本操作:做出正确的用户假设并促进其验证,提出正确的设计问题,最后配上与前两点一致的KPI产品/服务。
从用户检索的角度来看,这个画布应该允许我们选择合适的变量来研究目标用户,使他们有效地交互,最重要的是构造变量之间的交互。从心理学和社会学的应用方法到以用户为中心的设计,这幅画布提供了一种非常简单直接的方法。
简而言之,此画布应该用于制定用户-产品等式,如果用户数据不拒绝它包含的假设,该公式将被证明是公平的。
二、理想的交付物
潜在的交付物可能包括以下几种:
- 推翻或保留的假想用户;
- 调研的抽样标准;
- 拥有社会性数据完整的用户画像,包括但不限于行为与观点,动机和目标等;
- 产品或服务的 KPI;
- 向投资商或利益相关者阐述的综合的方法论。
展望
在深入探讨这一问题之前,应该指出的是,此画布是UX研究的一种方法论框架。这幅画布首个版本的产生背景是由于一次研讨会上,我们过于武断的定义了目标用户导致了重大的失误。我目前也在与相关领域的专家一起完善该画布,我希望这个画布可以快速用于公司的实际项目中,但我还没有机会实践整个方法论。
三、画布
简而言之
此画布的使用分为几个阶段:
- 通过列出观察到的或假定的区别特征来描述最终用户(调用的独立变量的形式:IVi);
- 通过计划或实际特征(引起的自变量形式:IVp)描述产品/服务或产品/服务概念;
- 预测在真实或实验条件下可测量的用户行为和/或观点的观察或预期发生(以因变量的形式:DV);
- 通过潜在动机,目标,社会机制……假设或由用户自己报告(以因果推断的形式:CI)来解释每种行为或观点;
- 从每种行为或意见中提取产品/服务设计问题(P);
- 链接这些不同的变量以形式化关于用户的假设;
- 从IVI/IVP和DV进行定量调查;
- 将IVI/IVP和DV交叉,并对收集到的数据进行统计分析,揭示趋势;
- 从IVI/IVP和DV准备定性调查;
- 推翻或维持对这些相关性(CI)给出的假设性解释(如果它们与用户自己给出的理由都存在);
- 从维持或推翻IVI/IVP和DV之间的假设相关性,以及从维持或推翻对这些相关性的假设性解释,维持或推翻对用户的假设。
用例
本文中的插图是以我的毕业设计为例的;说的是一家初创公司的主营业务为:为其用户提供了从不同的网络中调回和管理其个人数据的可能性。在这个项目中,作为一个团队,我们已经从定量和定性的研究中正式确定了一个人物角色,但是我们很有兴趣依赖用户画像来构建我们的方法论。
四、描述
谁,哪里,什么时候,为了什么?
通过列出观察到的或假设的特征来描述最终用户(以调用的独立变量的形式:IVi)
描述最终用户意味着首先要列出其独特的特征。首先是社会学方面的:如果这些变量被认为是相关的,我们可以依赖INSEE定期更新的鞋码跟来定义一个年龄范围或收入水平。正如你所理解的,我是一个用户体验的人,我认为在人物角色的实现中,社会学的侧面是很重要的。这些变量可能不允许我们通过社会决定因素来为行为或观点辩护,但至少它们可以帮助我们将目标锁定在一个带有具体限定词的小组上。应该指出的是,虽然这些变量有时是可测量的,因此可能被视为定量变量,但在本练习中,我们宁愿将它们视为定性变量,因为我们不需要测量它们的条件。因此,与其记录用户的年龄(真实的或假设的),我们更愿意在既定的年龄范围内对用户进行分类。我们的目标不是给变量一个度量单位。
除了社会学的轮廓,这部分的画布可以收集任何信息固有的主题,对被研究的人。任何分类都可以作为一种可变的模式:例如,我们可以将一个“不确定的”用户配置文件和另一个“确定的”用户配置文件想象成同一个“买家配置文件”变量的两种模式。
类型:自变量
格式:定性
根据计划或实际特征描述产品/服务或产品/服务概念(以自变量的形式引起:IVp)
可以通过将产品作为主题来进行相同的练习,或者更确切地说,因为我们在设计、产品或服务的概念之前处于领先地位。在这里使用自变量可以让我们开始为未来的实验研究建立可能的框架。变量将是用来研究主题的第一个参数。
类型:自变量
格式:定性
五、预测
做/想什么?
预测真实或实验环境下可测量的用户行为与意见的观察或预期发生(以因变量的形式:DV)
在这里,我们将记录用于衡量用户对产品/服务或使用产品/服务时行为或观点的发生或未发生的变量。有必要坚持这种发生或不发生的可测量性:实际上,目标不仅在于判断某种行为或观点是否出现,而且还要确定衡量其出现的关键。这将是一个机会,可以指定在实地调查以及以后的用户测试期间要使用的变量。这些变量的可测量性质还揭示了对项目至关重要的第一个IPP,它将在项目投入生产后衡量其有效性。与之前使用的变量不同,它们必须包含一个度量单位:在页面上花费的时间(以秒为单位),到达目标信息的点击次数,
为了收集我们分析所需的数据,有必要在“实验室”的实验条件下进行研究。
类型:因变量
格式:定量
预测用户的行为和意见
六、解释
为什么?怎么样?
用潜在的动机、目标、“社会机制”(social mechanism)…或者由用户自己做报告「以“因果推论”(casual inference)的形式:CI」来解释每一个行为或观点
迄今为止,我们仅指出或假定了一种因果关系,即用户或产品的一个可描述特性(自变量)和一个行为或观点事件(因变量)之间的因果关系。在这部分,应该解释这种因果关系,也就是他的功能。这种关系的解释是已知的:自变量的模态是被研究事件的起因。为解释这种关系,我们观察或假定用户所受的动机、个人特性、目标、环境影响或潜在的社会机制。这就是为什么社会机制的研究在我们的用户画像的定义中,我们不会排除该主题的社会性特征。
从每个行为或观点中提取产品/服务设计问题(P)
描述产品或产品概念允许提取一个或多个设计问题。这些问题以待解决的问题的形式出现:
“怎样才能允许被试者用IVp来完成它的目标?”
解释产品/服务设计
七、假设和问题
将这些不同的变量链接起来,从而来建立用户假设
要从画布中提取一个假设,一旦它被填充并通过假设关系链接变量,我们可以简单地从第一列到第三列将后者作为一个句子阅读,遵循这些关系的思路:
“因为[CI],所以将产生[DV]对于某一主题对象[IVi]的产品特性[IVp]。”
在继续之前
我们假设用户和产品的特性(IVi和IVp)是导致产品行为(DV)的原因,因为用户受到某种事物(CI)的激励。现在是时候用实地调查来检验这个假设了。如果以下两个条件成立,假设将被保留:
- 用户特性和行为的发生之间确实存在联系。在这个研究模型中,这个环节以统计相关的形式出现。
- 用户自己对此链接的解释与该假设相对应。
第一个条件将通过定量调查加以验证。第二个条件,这就是用户体验研究之美,将通过一项定性调查加以验证。如果第二个条件未得到验证,则必须拒绝初始假设,以便重新定义,包括用户反馈。
八、定量调查
准备一份来自IVi/IVp和DV的定量调查
一旦提出假设,我们就可以开始起草研究方案进行验证。画布的优点是它已经固定了要研究的变量及其模式。提醒一下,我们有与用户配置文件相关的自变量;这些自变量可用于筛选人员样本。在一项量化调查中,自变量的使用方式与社会学的方法是相同,因此从表面上看,在一份问卷中:一个变量,一个问题(除非变量模式代表一个分数或指数)
这样可以避免验证过程中的任何麻烦。
变量的另一种类型是因变量。这些都应该是几个问题的主题。与实践假设相对应的事实问题,必须加倍或平衡,才能将回答作为可操作的数据接受。对意见的假设与相对应的意见问题必须成倍增加,以探索一个概念、思想或想象的尽可能广泛的范围。
通过将 IVi / IVp 和DV与收集到的数据进行统计分析来揭示趋势
一旦通过问卷调查收集了一部分数据,就该对数据进行处理以得出结论。目的是在自变量(通过对社会学问题的回答得到实现)和因变量(通过对事实或观点问题的回答得到实现)之间的数据交叉引用。如果因变量和/或独立变量是定量的(因此是可测量的),也可以比较它们之间的答案列表以揭示可能的相关性。
每一类平均数允许研究独立定性变量对定量的因变量的影响
九、定性调查
从IVi / IVp和DV准备定性调查
在质量调查中,独立变量除有助于细分外,有时还可以帮助确定研究范围:它们越是区分,范围就越小,有时从宏观到微观(但是必须根据开始摘要选择范围,不能系统地)。
因变量将能够为设计维护指南提供基础。
目的是在比问卷调查更直接的环境中探索用户的假设做法和意见的问题,以了解动机,技术或社会限制因素以及这些做法和意见的来源 。
以用户给出的理由,维持或推翻对这些相关性(CI)的假设解释
借助具有交叉和相关分析的定量数据,以及来自访谈的定性数据,我们现在可以客观地保留或拒绝从画布中提取的假设。 为此,我们注意到两个起始条件的准确性:
- 在用户特征和行为发生之间确实存在联系。
- 用户自己对此链接的解释与该假设相对应。
十、结束研究
维持或推翻IVi / IVp和DV之间的假设相关性,或者维持或推翻绝对这些相关性的假设解释,可以维持或推翻有关用户的假设。
表格填写
表格填写画布内容的细节
统计操作和建议的分析
DataTALKS(数易创研)是专业的市场研究与数据采集机构
数易创研 | 策略型专项市场研究
数据说™ | 敏捷调研服务+自助调研平台
有礼科技 | 移动端在线样本平台
扫描或识别二维码
获取数易创研服务简介 | 案例 | 报价