案例研究

    前面的文章中介绍了三种用户体验量化方法。通过这篇文章，我们将通过案例来一起研究以行为为中心的量化方法的使用。案例需要借助以体验为中心的量化方法来得到以行为为中心的量化表达式，并将其与以体验为中心的量化结果进行比较。具体情况如下：

    首先，通过认知实验来获得行为交互过程中的时间与步骤。我们选择了小范围样本取样的方法，有24人参与了该实验，年龄分布在22～27岁之间。任务是通过两款外观相似、键盘布局相似以及档次相同的手机分别完成照片拍摄并将照片以彩信形式发送的任务。在拍照的过程中，操作者在统一的平台下完成，以尽量减少环境因素以及其他外界因素对操作过程的影响。并通过录像的方式记录操作者的操作步骤以及操作时间。其次，在每次任务完成后操作者及时回答满意度、情绪反应、审美反应问卷，从而及时记录整个过程中操作者的主观体验感受。最后，在数据的处理过程中，时间和步骤是通过对录像的分析得到的；主观体验程度是通过对满意度、情绪反应以及审美反应综合计算的结果。如表1所示：

表1 体验程度计算

    而在行为过程中所获取的P、T数据如表2所示：

表2 以行为为中心量化方法的实验数据

    最后，需要构建体验程度与步骤、时间的函数关系Sti =f(P,T) =E。通过对实验整体数据的分析得知，当每个步骤的操作时间越少，带给用户的感觉越好，其有助于提高用户的体验程度；反之对用户的体验程度形成负面影响。因此，我们在建立模型时考虑P与T间以P/T的形式影响体验程度。而每个人的体验标准不同，在实验数据中，部分被试的操作时间、步骤和体验程度呈现了明显的跳跃，因此我们需要确定一个标准值对所有数据进行平衡。行为层中还有一个重要的元素，那就是信息接收频率，即操作频率，而操作频率上的差异给每个人带来了不同的体验评测标准。据此，我们通过对总步骤、总时间以及频率的综合考虑，最终确定以129/211作为标准值。并通过以129/211为底P/T的对数来对所有数据进行平衡。我们假设体验程度、步骤以及时间之间的函数关系为:Sti=log0.63(P/T)[a(P/T)2+b(P/T)+c]。按照此推断，用实验数据中的前15组数据进行二次曲面拟合后所得公式为：

Sti= log0.63(P/T)[165 (P/T)2-109P/T+25.4] （1）

    其视觉化的表现如图1所示。

图1 以行为为中心的量化结果示意图

将实验中后9组P、T数据带到拟合公式中进行计算得到结果为Sti，与以体验为中心的量化方法中所得到的数据E进行对比，如表3所示：

表3 以行为为中心量化方法的实验数据

    对比分析Sti与E，它们间的平均差值为1.72，Sti与E间形成的差值比为8.6%。而结合P、T，以及P/T分析，Sti数据趋势更加贴切的描述了操作者的体验趋势。由此可见，从主观角度出发的以体验为中心的量化结果与从客观出发的以行为为中心的量化结果间还是存在一定的差异。而只有结合三种量化方法，充分考虑到主客观因素所带来的量化上的差异，这样的用户体验的量化才是比较准确的。

    （注：此案例为量化方法研究初期所完成的，存在一定的不足，后期研究已经有所改进，有机会再与大家进行分享。研究思路方面还希望能够给大家一些参考。）

结束语

    本系列的文章提出了三种用户体验的量化方法，以手机体验为案例来研究以行为为中心的量化方法。最终获得用户体验程度、体验步骤和体验时间的表达式为：

    Sti= log0.63(P/T)[165 (P/T)2-109P/T+25.4]

    该表达式表明：以行为为中心的量化是从客观出发来计算体验程度。同时通过案例中数据的对比分析，表明主客观因素对用户体验的影响有着显著的区别。因此，为得到更满意的用户体验量化，必须综合考虑三种方法的运用。下一步我们将以本文的研究为基础，采用更多的样本来验证其他两种方法，并综合三种方法继续研究用户体验的量化问题。

建议继续学习：

1. 十个最容易犯的用户体验错误及规避方案    (阅读：78165)
2. 产品细节、用户体验和学习的态度    (阅读：3301)
3. Facebook的用户体验评判规则    (阅读：2500)
4. Google 用户体验指标衡量方案：HEART    (阅读：2429)
5. 用户体验到底是个什么玩意儿    (阅读：2391)
6. 用户体验的泡沫    (阅读：2225)
7. 从用户体验出发的性能指标分析-TTI    (阅读：2207)
8. iOS 8/Android/WP 系统设置的用户体验对比    (阅读：2211)
9. Think Different - 从苹果的用户体验说JavaEye的用户体验    (阅读：2186)
10. 记录用户体验细节    (阅读：2106)