用戶體驗度量：收集、分析與呈現（第3版）（全彩）

第 1 章　引言 / 1
1.1　什麽是用戶體驗 / 4
1.2　什麽是用戶體驗度量 / 8
1.3　用戶體驗度量的價值 / 10
1.4　人人都能學會的用戶體驗度量方法 / 11
1.5　用戶體驗度量的新技術 / 12
1.6　十個關於用戶體驗度量的常見誤解 / 13
誤解 1 ：度量數據需要花太多的時間收集 / 13
誤解 2 ：用戶體驗度量要花費太多的錢 / 13
誤解 3 ：當集中在細小的改進上時，用戶體驗度量是沒有用的 / 14
誤解 4 ：用戶體驗度量無助於我們理解問題發生的原因 / 14
誤解 5 ：用戶體驗度量的數據噪聲太多 / 14
誤解 6 ：直覺就夠用，不必度量 / 15
誤解 7 ：度量不適用於新產品 / 15
誤解 8 ：沒有度量適用於我們正在處理的問題 / 15
誤解 9 ：度量不被管理層所理解或贊賞 / 16
誤解 10 ：用小樣本很難收集到可靠的數據 / 16
第 2 章　背景知識 / 17
2.1　自變量和因變量 / 18
2.2　數據類型 / 18
2.2.1　稱名數據 / 18
2.2.2　順序數據 / 19
2.2.3　等距數據 / 20
2.2.4　比率數據 / 21
2.3　描述性統計 / 22
2.3.1　集中趨勢的度量 / 22
2.3.2　變異性的度量 / 24
2.3.3　置信區間 / 25
2.3.4　通過誤差線來展示置信區間 / 27
2.4　比較平均值 / 29
2.4.1　獨立樣本 / 29
2.4.2　配對樣本 / 31
2.4.3　比較兩個以上的樣本 / 32
2.5　變量之間的關系 / 34
2.6　非參數檢驗 / 35
2.7　數據圖形化 / 37
2.7.1　柱狀圖或條形圖 / 38
2.7.2　折線圖 / 40
2.7.3　散點圖 / 42
2.7.4　餅圖或圓環圖 / 44
2.7.5　堆積條形圖 / 45
2.8　總結 / 46
第 3 章　規劃 / 48
3.1　用戶體驗研究的目標 / 48
3.1.1　形成性研究 / 49
3.1.2　總結性研究 / 49
3.2　用戶體驗目標 / 50
3.2.1 用戶績效 / 51
3.2.2　用戶偏好 / 51
3.2.3 用戶情感 / 51
3.3　商業目標 / 52
3.4　選擇合適的用戶體驗度量指標 / 53
3.4.1　完成一個任務 / 54
3.4.2 比較產品 / 55
3.4.3 評估同一產品的使用頻率 / 55
3.4.4 評估導航和 / 或信息架構 / 56
3.4.5 提高產品知曉度 / 57
3.4.6 問題發現 / 58
3.4.7 使緊要產品的可用性最大化 / 58
3.4.8 創造整體正向的用戶體驗 / 59
3.4.9 評估產品微小改動的影響 / 60
3.4.10 不同設計方案的比較 / 60
3.5　用戶體驗研究的方法與工具 / 61
3.5.1　傳統（引導式）的可用性測試 ：實驗室測試 / 61
3.5.2　非引導式的可用性測試 ：在線測試 / 62
3.5.3　在線調查 / 63
3.5.4 信息架構工具 / 64
3.5.5　點擊和鼠標工具 / 65
3.6　其他研究細節 / 65
3.6.1 預算和時間表 / 65
3.6.2　參與者 / 67
3.6.3　數據收集 / 68
3.6.4　數據整理 / 69
3.7　總結 / 70
第 4 章　績效度量 / 71
4.1　任務成功 / 73
4.1.1　二分式成功 / 74
4.1.2　任務成功等級 / 78
4.1.3　任務成功度量中存在的問題 / 81
4.2　任務時間 / 82
4.2.1　度量任務時間的重要性 / 83
4.2.2　任務時間的收集和度量 / 83
4.2.3　分析和呈現任務時間數據 / 86
4.2.4　分析任務時間數據時需要考慮的問題 / 90
4.3　錯誤 / 92
4.3.1　何時度量錯誤 / 93
4.3.2　什麽造成錯誤 / 93
4.3.3　收集和度量錯誤 / 94
4.3.4　分析和呈現錯誤數據 / 95
4.3.5　錯誤度量時需要考慮的問題 / 98
4.4　效率 / 99
4.4.1　收集和度量效率 / 99
4.4.2　分析和呈現效率數據 / 100
4.4.3　合並任務成功和任務時間的效率 / 102
4.5　易學性 / 105
4.5.1　收集和度量易學性 / 106
4.5.2　分析和呈現易學性數據 / 106
4.5.3　度量易學性的關鍵問題 / 108
4.6　總結 / 109
第5 章　自我報告度量 / 111
5.1　自我報告數據的重要性 / 112
5.2　評分量表 / 112
5.2.1　李克特量表 / 113
5.2.2　語義差異量表 / 114
5.2.3　什麽時候收集自我報告數據 / 115
5.2.4　如何收集自我報告數據 / 115
5.2.5　自我報告數據收集中的偏差 / 116
5.2.6　評分量表的一般指導原則 / 116
5.2.7　分析評分量表數據 / 118
5.3　任務後評分 / 122
5.3.1　易用性 / 122
5.3.2　事後調查問捲 / 122
5.3.3　期望度量 / 123
5.3.4　任務後自我報告度量的比較 / 124
5.4　總體用戶體驗評分 / 127
5.4.1　系統可用性量表 / 127
5.4.2　電腦系統可用性問捲 / 130
5.4.3　產品反應卡 / 132
5.4.4　用戶體驗問捲 / 133
5.4.5 AttrakDiff / 136
5.4.6　凈推薦值 / 137
5.4.7　用戶體驗自我報告度量的其他工具 / 139
5.4.8　總體自我報告度量的比較 / 140
5.5　用SUS對設計進行比較 / 142
5.6　在線調查 / 143
5.6.1　網站分析和度量問捲 / 143
5.6.2　美國客戶滿意度指數 / 144
5.6.3 OpinionLab / 145
5.6.4　在線調查需要註意的問題 / 145
5.7　其他類型的自我報告度量 / 146
5.7.1　評估屬性優先級 / 146
5.7.2　評估特定屬性 / 147
5.7.3　評估具體部分 / 149
5.7.4　開放式問題 / 150
5.7.5　知曉度和理解 / 152
5.7.6　知曉度 - 有用性差距 / 154
5.8　總結 / 155
第 6 章　可用性問題度量 / 156
6.1　什麽是可用性問題 / 156
6.2　如何發現可用性問題 / 158
6.2.1　在一對一研究中使用出聲思維 / 161
6.2.2　在自動化研究中使用文本評論 / 162
6.2.3 使用網站分析 / 162
6.2.4 使用眼動追蹤 / 163
6.3　嚴重性等級評估 / 163
6.3.1　基於用戶體驗的嚴重性等級評估 / 164
6.3.2　綜合多種因素的嚴重性等級評估 / 165
6.3.3　嚴重性等級評估系統的應用 / 167
6.3.4　嚴重性等級評估系統的應用註意事項 / 167
6.4　分析和呈現可用性問題度量 / 168
6.4.1　獨特可用性問題的發生頻率 / 169
6.4.2　每名參與者遇到的可用性問題數量 / 170
6.4.3　遇到可用性問題的參與者數量 / 171
6.4.4　將可用性問題分類 / 171
6.4.5　按任務分析可用性問題 / 172
6.5　可用性問題發現中的共識 / 173
6.6　可用性問題發現中的偏差 / 174
6.7　參與者數量 / 176
6.7.1　五名參與者足夠 / 176
6.7.2　五名參與者不夠 / 177
6.7.3　怎麽辦 / 178
6.7.4　我們的建議 / 179
6.8　總結 / 179
第 7 章　眼動追蹤 / 181
7.1　如何進行眼動追蹤 / 182
7.2　移動眼動追蹤 / 184
7.2.1　度量瞬讀性 / 184
7.2.2　在具體情景中理解移動用戶 / 185
7.2.3　移動眼動追蹤技術 / 186
7.2.4　眼鏡式眼動追蹤 / 187
7.2.5　支架式眼動追蹤 / 187
7.2.6　軟件式眼動追蹤 / 188
7.3　眼動數據的可視化 / 189
7.4　興趣區 / 191
7.5　常用眼動度量指標 / 193
7.5.1　停留時間 / 193
7.5.2　註視點數量 / 193
7.5.3　註視時間 / 193
7.5.4　瀏覽順序 / 193
7.5.5　首次註視所需要的時間 / 194
7.5.6　重訪次數 / 194
7.5.7　命中率 / 194
7.6　眼動數據分析技巧 / 195
7.7　瞳孔反應 / 196
7.8　總結 / 196
第 8 章　情感度量 / 198
8.1　定義用戶情感體驗 / 199
8.2　度量情感的方法 / 201
8.3　通過語言表達度量情感 / 204
8.4　自我報告 / 206
8.5　面部表情分析 / 210
8.6　皮膚電反應 / 213
8.7　案例分析：生物識別技術的價值 / 215
8.8　總結 / 218
第 9 章　合並和比較度量 / 220
9.1　單一的用戶體驗分數 / 220
9.1.1　根據預定目標合並度量 / 221
9.1.2　根據百分比合並度量 / 222
9.1.3　根據 z 分數合並數據 / 229
9.1.4　使用單一用戶體驗度量 / 232
9.2　用戶體驗記分卡和用戶體驗框架 / 233
9.2.1　用戶體驗記分卡 / 234
9.2.2　用戶體驗框架 / 238
9.3　分別與目標績效和專家績效比較 / 239
9.3.1　與目標績效比較 / 239
9.3.2　與專家績效比較 / 241
9.4　總結/243
第 10 章　專題 / 244
10.1　網站分析 / 244
10.1.1　基本的網站分析 / 245
10.1.2　點擊率 / 248
10.1.3　棄用率 / 250
10.1.4 A/B 測試 / 251
10.2　卡片分類 / 252
10.2.1　開放式卡片分類數據的分析 / 253
10.2.2　封閉式卡片分類數據的分析 / 259
10.3　樹形測試 / 263
10.4　首次點擊測試 / 266
10.5　可及性度量 / 269
10.6　投資收益的度量 / 272
10.7　總結 / 276
第 11 章　案例研究 / 278
11.1　在 Netflix 電視用戶界面中思考的快與慢 / 278
11.1.1　背景 / 278
11.1.2　方法 / 279
11.1.3　結果 / 281
11.1.4　討論 / 283
11.1.5　影響 / 284
11.2　參與/競爭/勝出（PCW）框架：評估市場上的產品與特徵 / 286
11.2.1　簡介 / 286
11.2.2　提出客觀標準 / 287
11.2.3　功能分析 / 288
11.2.4 PCW（總結性）可用性測試 / 291
11.3　企業用戶體驗案例研究：發現“用戶體驗-收益鏈” / 293
11.3.1　度量指標的識別與選擇 / 294
11.3.2　方法 / 296
11.3.3　分析 / 300
11.3.4　結果 / 300
11.3.5　結論 / 303
11.4　四個醫療保健網站的競爭性用戶體驗基準測試 / 303
11.4.1　方法 / 304
11.4.2　結果 / 306
11.4.3 總結和建議 / 311
11.5　縮小補充營養援助計劃（SNAP）鴻溝 / 313
11.5.1　實地調查 / 314
11.5.2　每周檢視 / 315
11.5.3　申請問題 / 316
11.5.4　調查 / 318
11.5.5　測試原型 / 320
11.5.6　成功的度量指標 / 321
11.5.7　組織 / 321
第 12 章　通向成功的 10 個關鍵點 / 323
12.1　讓數據活起來 / 323
12.2　主動去度量 / 325
12.3　度量比想的便宜 / 326
12.4　早計劃 / 327
12.5　給產品確定用戶體驗基線 / 327
12.6　挖掘數據 / 328
12.7　講商業語言 / 329
12.8　呈現置信區間 / 330
12.9　不要誤用度量 / 331
12.10　簡化報告 / 332
參考文獻 / 335