用户体验度量（纪念版）

Thomas S.（Tom）Tullis是富达投资公司（Fidelity Investments）User Insight的高级副总裁。他1993年加入富达，对该公司用户体验（User Experience）部门的发展起了重要作用，该部门的设备包括一个技术发展水平（state，of-the，art）可用性实验室。在加入富达公司之前，Tom曾在佳能信息系统（Canon Information Systems）、麦道（McDonnell Douglas）、优利系统公司（Unisys Corporation）和贝尔实验室（Bell Laboratories）任职。他和富达的可用性团队曾被多家媒体专题报道过，包括《新闻周刊》（Newsweek）、《Business 2.0》、《Money》《波士顿环球报》（The Boston Globe）、《华尔街日报》（...

(展开全部)

Thomas S.（Tom）Tullis是富达投资公司（Fidelity Investments）User Insight的高级副总裁。他1993年加入富达，对该公司用户体验（User Experience）部门的发展起了重要作用，该部门的设备包括一个技术发展水平（state，of-the，art）可用性实验室。在加入富达公司之前，Tom曾在佳能信息系统（Canon Information Systems）、麦道（McDonnell Douglas）、优利系统公司（Unisys Corporation）和贝尔实验室（Bell Laboratories）任职。他和富达的可用性团队曾被多家媒体专题报道过，包括《新闻周刊》（Newsweek）、《Business 2.0》、《Money》《波士顿环球报》（The Boston Globe）、《华尔街日报》（The Wall Street Journal）和《纽约时报》（The New York Times）。Tullis在莱斯大学（Rice University）获得学士学位、在新墨西哥州立大学获得实验心理学硕士学位，以及在莱斯大学获得工程心理学博士学位。他有30多年的人机界面研究方面的经验，在诸多技术期刊上发表了50多篇文章，他曾在美国和国际会议上作特邀报告。Tom还拥有8项美国专利，他也是Bentley学院信息设计中的人因学课程（Human Factors in Information Design Program）的教师。

William（Bill）Albert目前是富达投资用户体验部门的负责人。在加入富达之前，他是Lycos公司的高级用户界面研究员，也曾是剑桥基础研究（Cambridge Basic Research）的博士后研究人员。在过去几十年里，作为他研究的一部分，Bill几乎使用了所有类型的可用性度量。他发表了20多篇文章，曾在多个行业会议和学术会议上报告他的研究。因为他在人因学和空间认知（spatial cognition）领域内的研究，Albert获得了加利福尼亚大学（theUniversity of California）和日本政府所授予的奖项。他获得了华盛顿大学的学士学位和硕士学位，获得了波士顿大学的博士学位。

第 1 章 引言 / 1
1．1 什么是用户体验 / 4
1．2 什么是用户体验度量 / 6
1．3 用户体验度量的价值 / 8
1．4 适用于每个人的度量方法 / 9
1．5 用户体验度量的新技术 / 10
· · · · · · (更多)

第 1 章 引言 / 1
1．1 什么是用户体验 / 4
1．2 什么是用户体验度量 / 6
1．3 用户体验度量的价值 / 8
1．4 适用于每个人的度量方法 / 9
1．5 用户体验度量的新技术 / 10
1．6 十个关于用户体验度量的常见误解 / 11
误解 1 ：度量需要花太多的时间而难以收集 / 11
误解 2 ：用户体验度量要花费太多的钱 / 12
误解 3 ：当集中在细小的改进上时，用户体验度量是没有用的 / 12
误解 4 ：用户体验度量对我们理解原因没有帮助 / 12
误解 5 ：用户体验数据的噪声太多 / 13
误解 6 ：只能相信自己的直觉 / 13
误解 7 ：度量不适用于新产品 / 13
误解 8 ：没有度量适用于我们正在处理的问题 / 14
误解 9 ：度量不被管理层所理解或赞赏 / 14
误解 10 ：用小样本很难收集到可靠的数据 / 14
第 2 章 背景知识 / 16
2．1 自变量和因变量 / 16
2．2 数据类型 / 17
2．2．1 称名数据 / 17
2．2．2 顺序数据 / 18
2．2．3 等距数据 / 18
2．2．4 比率数据 / 19
2．3 描述性统计 / 20
2．3．1 集中趋势的测量 / 20
2．3．2 变异性的测量 / 22
2．3．3 置信区间 / 23
2．3．4 通过误差线来呈现置信区间 / 25
2．4 比较平均数 / 27
2．4．1 独立样本 / 27
2．4．2 配对样本 / 29
2．4．3 比较两个以上的样本 / 30
2．5 变量之间的关系 / 32
2．6 非参数检验 / 33
2．7 用图形化的方式呈现数据 / 35
2．7．1 柱形图或条形图 / 36
2．7．2 折线图 / 38
2．7．3 散点图 / 40
2．7．4 饼图或圆环图 / 41
2．7．5 堆积条形图 / 43
2．8 总结 / 44
第 3 章 规划 / 45
3．1 研究目标 / 45
3．1．1 形成式可用性 / 46
3．1．2 总结式可用性 / 46
3．2 用户目标 / 47
3．2．1 绩效 / 47
3．2．2 满意度 / 48
3．3 选择正确的度量：10种可用性研究 / 48
3．3．1 完成一个业务 / 50
3．3．2 比较产品 / 50
3．3．3 评估同一种产品的使用效率 / 51
3．3．4 评估导航和 / 或信息架构 / 51
3．3．5 提高知晓度 / 52
3．3．6 问题发现 / 53
3．3．7 使应急产品的可用性最大化 / 53
3．3．8 创造整体的正向用户体验 / 54
3．3．9 评估微小改动的影响 / 55
3．3．10 比较替代性的设计方案 / 55
3．4 评估方法 / 56
3．4．1 传统（引导式）的可用性测试 / 56
3．4．2 在线（非引导式）可用性测试 / 57
3．4．3 在线调查 / 60
3．5 其他研究细节 / 61
3．5．1 预算和时间表 / 61
3．5．2 参与者 / 62
3．5．3 数据收集 / 64
3．5．4 数据整理 / 64
3．6 总结 / 65
第 4 章 绩效度量 / 67
4．1 任务成功 / 69
4．1．1 二分式成功 / 70
4．1．2 成功等级 / 75
4．1．3 任务成功测量中存在的问题 / 78
4．2 任务时间 / 79
4．2．1 测量任务时间的重要性 / 80
4．2．2 如何收集和测量任务时间 / 80
4．2．3 分析和呈现任务时间数据 / 83
4．2．4 使用时间数据时需要考虑的问题 / 87
4．3 错误 / 89
4．3．1 何时测量错误 / 89
4．3．2 什么构成了错误 / 90
4．3．3 收集和测量错误 / 90
4．3．4 分析和呈现错误 / 91
4．3．5 使用错误度量时需要考虑的问题 / 93
4．4 效率 / 93
4．4．1 收集和测量效率 / 94
4．4．2 分析和呈现效率数据 / 95
4．4．3 结合任务成功和任务时间的效率 / 98
4．5 易学性 / 100
4．5．1 收集和测量易学性数据 / 101
4．5．2 分析和报告易学性数据 / 102
4．5．3 测量易学性时需要考虑的问题 / 104
4．6 总结 / 104
第 5 章 基于问题的度量 / 106
5．1 什么是可用性问题 / 107
5．2 如何发现可用性问题 / 108
5．2．1 面对面研究 / 110
5．2．2 自动化研究 / / 110
5．3 严重性评估 / 110
5．3．1 基于用户体验的严重性评估 / 111
5．3．2 综合多种因素的严重性评估 / 112
5．3．3 严重性等级评估系统的应用 / 113
5．3．4 严重性等级评估系统的忠告 / 114
5．4 分析和报告“可用性问题相关的度量” / 115
5．4．1 独特问题的频次 / 115
5．4．2 每个参与者遇到的问题数量 / 117
5．4．3 参与者人次 / 118
5．4．4 问题归类 / 119
5．4．5 按任务区分问题 / 119
5．5 可用性问题发现中的一致性 / 120
5．6 可用性问题发现中的偏差 / 123
5．7 参与者数量 / 125
5．7．1 五个参与者足够 / 125
5．7．2 五个参与者不够 / 127
5．7．3 我们的建议 / 129
5．8 总结 / 129
第 6 章 自我报告度量 / 131
6．1 自我报告数据的重要性 / 132
6．2 评分量表 / 132
6．2．1 Likert 量表 / 133
6．2．2 语义差异量表 / 134
6．2．3 什么时候收集自我报告数据 / 134
6．2．4 如何收集自我报告数据 / 135
6．2．5 自我报告数据收集中的偏差 / 135
6．2．6 评分量表的一般指导原则 / 136
6．2．7 分析评分量表数据 / 137
6．3 任务后评分 / 141
6．3．1 易用性 / 141
6．3．2 情景后问卷（ASQ） / 141
6．3．3 期望测量 / 142
6．3．4 任务后自我报告度量的比较 / 143
6．4 测试后评分 / 147
6．4．1 合并单个任务的评分 / 147
6．4．2 系统可用性量表 / 148
6．4．3 计算机系统可用性问卷 / 150
6．4．4 用户界面满意度问卷 / 152
6．4．5 有效性、满意度和易用性的问卷 / 153
6．4．6 产品反应卡 / 154
6．4．7 测试后自我报告度量的比较 / 155
6．4．8 净推荐值 / 157
6．5 用SUS比较设计 / 158
6．6 在线服务 / 159
6．6．1 网站分析和测量问卷 / 159
6．6．2 美国客户满意度指数 / 161
6．6．3 OpinionLab / 164
6．6．4 在线网站调查的问题 / 166
6．7 其他类型的自我报告度量 / 166
6．7．1 评估特定的属性 / 166
6．7．2 具体元素的评估 / 169
6．7．3 开放式问题 / 171
6．7．4 知晓度和理解 / 172
6．7．5 知晓度和有用性差距 / 173
6．8 总结 / 174
第 7 章 行为和生理度量 / 176
7．1 自发言语表情的观察与编码 / 176
7．2 眼动追踪 / 178
7．2．1 如何进行眼动追踪 / 178
7．2．2 眼动数据的可视化 / 180
7．2．3 兴趣区 / 183
7．2．4 常用眼动度量指标 / 186
7．2．5 眼动分析技巧 / 188
7．2．6 瞳孔反应 / 189
7．3 情感度量 / 190
7．3．1 Affffectiva 公司和 Q 传感器 / 191
7．3．2 蓝色泡沫实验室和 Emovision / 193
7．3．3 Seren 公司和 Emotlv / 195
7．4 紧张和其他生理指标 / 197
7．4．1 心率变异性 / 197
7．4．2 心率变异性和皮肤电研究 / 198
7．4．3 其他测量手段 / 199
7． 5 总结 / 201
第 8 章 合并和比较度量 / 203
8．1 单一可用性分数 / 203
8．1．1 根据预定目标合并度量 / 204
8．1．2 根据百分比合并度量 / 205
8．1．3 根据 z 分数合并数据 / 211
8．1．4 使用单一可用性度量（SUM） / 213
8．2 可用性记分卡 / 215
8．3 与目标和专家绩效比较 / 219
8．3．1 与目标比较 / 219
8．3．2 与专家绩效比较 / 222
8．4 总结 / 223
第 9 章 专题 / 225
9．1 实时动态网站数据 / 225
9．1．1 基本的网站分析 / 226
9．1．2 点击率 / 229
9．1．3 弃用率 / 230
9．1．4 A/B 研究 / 231
9．2 卡片分类数据 / 234
9．2．1 开放式卡片分类数据的分析 / 235
9．2．2 封闭式卡片分类数据的分析 / 241
9．2．3 树测试 / 244
9．3 可及性数据 / 246
9．4 投资回报率数据 / 249
9．5 总结 / 254
第 10 章 案例研究 / 255
10．1 净推荐与良好用户体验的价值 / 255
10．1．1 方法 / 256
10．1．2 结果 / 257
10．1．3 在界面设计中对投入进行优先级设置 / 258
10．1．4 讨论 / 260
10．1．5 总结 / 261
参考文献 / 262
作者简介 / 262
10．2 度量指纹采集的反馈效果 / 263
10．2．1 方法 / 263
10．2．2 讨论 / 271
10．2．3 总结 / 273
致谢 / 273
参考文献 / 273
作者简介 / 274
10．3 Web体验管理系统的再设计 / 274
10．3．1 测试迭代 / 275
10．3．2 数据收集 / 276
10．3．3 工作流程 / 277
10．3．4 结果 / 281
10．3．5 结论 / 283
参考文献 / 283
作者简介 / 283
10．4 使用度量来改善大学招生简章网站 / 284
10．4．1 样例 1 ：可用性测试后决定行动 / 285
10．4．2 样例 2 ：网站追踪数据 / 288
10．4．3 样例 3 ：人物角色迭代的定位测量 / 290
10．4．4 总结 / 291
致谢 / 292
参考文献 / 292
作者简介 / 292
10．5 利用生物测量技术测量可用性 / 293
10．5．1 背景 / 293
10．5．2 方法 / 294
10．5．3 生物测量学的发现 / 295
10．5．4 定性结果 / 297
10．5．5 总结及给从业人员的建议 / 298
致谢 / 299
参考文献 / / 299
作者简介 / 300
第 11 章 通向成功的 10 个关键点 / 301
11．1 让数据活起来 / 301
11．2 主动去度量 / 303
11．3 度量比想的便宜 / 304
11．4 早计划 / 305
11．5 给产品确定基线 / 306
11．6 挖掘数据 / 307
11．7 讲商业语言 / 308
11．8 呈现置信程度 / 308
11．9 不要误用度量 / 309
11．10 简化报告 / 310
参考文献 / 312
· · · · · · (收起)