可用性测试：任务评估模型与计量方式

2017-07-24 09:38:00

在可用性测试中，如何去评估测试的场景或流程呢？应该包含哪些维度？每个维度要如何测量？怎样在不同的任务间做横向对比？本文作者将与你分享，enjoy~

公司的产品最近发布了一个版本，上线了比较多的新功能，所以需要针对这些新功能做一轮可用性测试。

可用性测试算是用研的一个入门级技能，即使是从业年限不多的我也已经做过多次，基本的方法和流程都比较熟悉了。但是之前做过的可用性测试有个缺陷：没有建立一个严谨、科学的任务评估模型。在可用性测试中，如何去评估测试的场景或流程呢？应该包含哪些维度？每个维度要如何测量？怎样在不同的任务间做横向对比？

在这次可用性测试的规划阶段，我花了些时间查阅资料，考虑合适的评估模型和方法。下面介绍最终使用的评估模型，抛砖引玉，如有更好的经验方法希望不吝赐教。

评估模型

ISO9241中对“可用性”的定义是：特定用户在特定的使用场景中，为了达到特定目标而使用某产品时，所感受到的有效性、效率和满意度。

也就是说，在定义好了用户、场景和目标的前提下，可用性包含了下面三个维度：

有效性（Effectiveness）：用户完成特定目标的正确和完整程度。
效率（Efficiency）：用户完成特定目标的效率，与消耗的资源（如时间）成反比。
满意度（Satisfaction）：用户使用产品时感受到的主观满意程度。

良好的可用性必须能够同时满足有效性、效率和满意度三个条件；但是这三个维度也有层次之分，一般来说，有效性问题>效率问题>满意度问题。

在可用性测试中，仅仅了解每个功能的可用性水平还不够。即使两个功能的可用性水平一样，若一个是产品的基本功能、一个是价值不大的边缘功能，我们还是需要优先去优化价值更高的功能。也就是说，在评估一个任务时，除了可用性之外我们还需要考虑功能本身的价值。尤其是在上线了新功能，或者我们对待测功能的价值还不太确信的时候。

功能的价值可以简单分为两部分：用户价值和商业价值。尽管有时候需要在商业价值和用户价值之间权衡，但是作为一个体验导向的产品，还是应该将用户价值放在第一位。在用户价值之上，若能够满足商业价值，则是更令人满意的结果。

所以，在可用性测试中，可以用下面这个模型来对测试的任务进行评估：

测量方法

在上述模型中，有效性、效率、满意度都是常见的评估维度，有一些经验方法可以参考；用户价值也可以通过用户评价获得。而商业价值则需要根据产品的实际情况进行评估，并且这一般是既有的知识，不需要在可用性测试过程中收集这个数据。因此在可用性测试中我们需要收集的数据就只包含四个维度：有效性、效率、满意度和用户价值。

有效性

可以用任务的完成情况来评估有效性，这个数据通过观察用户的操作过程即可获得。

任务完成情况的测量主要参考NNG的建议，将每个用户的操作结果标记为失败、部分完成或全部完成。

（1）失败

如果用户认为自己完成不了而放弃了任务，或者超过了限定时间仍然无法完成任务，则标记为失败。

需要对每个任务都设置一个限定时间。要求对功能非常熟悉的人（相关的产品、设计师都可以）按照任务提示进行操作，记录完成操作所需的时间，称为熟练用时。如果想要提高熟练用时的测量准确度，可以多找几个熟手操作然后取其用时平均值。任务的限定时间根据熟练用时确定，一般是熟练用时的3-10倍，但是最高也不要超过10分钟（没有用户会有耐心花10分钟完成一个任务，如果真的需要这么久，说明任务设计得太复杂了）。可以根据任务的难度确定倍数，如果任务对于小白用户来说确实很有难度，那么可以适当延长任务限时；如果任务很简单，或者其中包含一些输入的操作，那么可以适当减少任务限时（因为打字往往比较费时，而且对功能熟悉的人打字未必比用户快）。

（2）部分完成

用户只完成了一部分的任务，没有完成任务卡上的所有要求。比如，你希望用户创建一个日程并邀请小王加入，用户成功创建了日程但是却不知道如何（或者忘了）邀请小王，这就是部分完成。之所以要区分“部分完成”这个类别，是因为它跟100%完成有差距，但是又不能与失败混为一谈。

（3）完成

这个很容易理解，就是在限定时间内完成了任务卡上的所有要求。

最后，我们需要根据这些数据计算每个任务的成功率。NNG的建议算法是：任务成功率=(完全完成的用户数+部分完成的用户数*0.5)/用户总数，即完全完成率+部分完成率的一半。

除了用完成、部分完成和失败来评价任务完成情况外，还可以考虑另一种方式：顺利完成、遇到障碍后完成、失败。这是我之前使用的计分方式。这种方式下，以上所述的部分完成会被归于失败的类别（但如果用户犯的是无伤大雅的错误，比如输入错误，可以视为完成）。而成功完成的用户会被细分为顺利完成的和遇到障碍后完成的。之所以这样区分是因为这两种情况揭示了不同的可用水平——能让用户轻松地完成的功能可以说是相当易用的。

效率

效率可以用时间测量，对用户的操作过程计时。

可以从用户拿到任务卡开始计时，在用户宣布自己已经完成、或者限定时间到了的时候即结束计时。不要等到用户读完任务卡、开始操作时才计时，因为有的用户习惯读完再操作，有的却喜欢一边读一边做。也不要在看到用户完成了就结束计时，而要等用户自己认为他已经完成了，因为用户有时候会在做完操作之后去检查自己的操作是否成功了，这也应该算作任务用时的一部分。

计时不需要太精确。手动计时存在几秒钟的误差都算是正常的，而且用户在操作过程中多说了句话、或者应用响应速度慢了些，这些都会影响任务的完成时间（并且很多影响因素跟可用性并没有关系）。所以计时只要精确到秒就好了，提高记录的精确度也没有意义。

在计算每个任务的效率水平的时候，可以用用户的平均用时除以熟练用时所得的倍数表示（数值越大表示效率越低）。这是为了便于任务间的横向比较，因为不同任务的复杂度不同，A任务平均用时1分钟、B任务平均用时4分钟，也不能说明A的操作效率比B高。通过平均用时/熟练用时的比值，可以知道新手与熟手之间的差距，从而了解因为系统的可用性及学习成本给用户带来的操作时间损耗。

满意度

满意度涉及到用户的主观评价，因此需要通过用户自评量表来收集。

这里参考的是Jakob Nielsen使用的一个单题项七点量表，并根据需要对题目进行了修正：

用户价值

用户价值是指用户感知到的功能价值，也需要通过用户的评价获得。

因为我们做的是一款办公软件，所以通过询问功能对工作的帮助来了解用户价值：

满意度和用户价值都需要用户评分，因此用户在完成每个任务之后都会拿到同样的两个题目，要求对该任务做出评价。我会把不同任务的题目打印在同一张纸上，这样用户在评价时可以参考自己对前面的任务的评价来调整分数。

任务横向对比

用有效性、效率、满意度、用户价值四个维度对任务进行评价后，我们可以根据这些数据对不同的任务做横向对比，可以通过类似下方这样的折线图对比不同任务的情况。

比如从上面这个示例图中，我们可以看到任务2的可用性水平是比较低的（有效性水平低、完成时间长、用户满意度低），但是它的用户价值处于相对较高的水平；而任务3的用户价值最高，可用性水平居中。

有效性、效率和满意度都是用来评估可用性水平的。如果根据这三个数值计算出可用性水平，直接用可用性去做横向对比，是否更方便呢？前文提到在可用性中，有效性问题>效率问题>满意度问题，所以在计算可用性水平时它们应该有不同的权重；并且由于度量方式的不同，它们的量纲有较大差异（从上图可以看出），需要做标准化处理。

因此，我们需要对有效性、效率、满意度分别做标准化处理，然后按照5:3:2的权重计分（或者其他权重，按需调整）：

可用性水平=Z(有效性)0.5-Z(效率)0.3+Z(满意度)*0.2