如何量化用戶體驗(yàn)對(duì)有效提高產(chǎn)品的使用質(zhì)量至關(guān)重要。本書(shū)詳盡地介紹了如何有效且可靠地收集、分析和呈現(xiàn)典型的用戶體驗(yàn)度量數(shù)據(jù)：操作績(jī)效（正確率等）、用戶體驗(yàn)問(wèn)題（頻率和嚴(yán)重程度）、自我報(bào)告式的滿意度及生理/行為數(shù)據(jù)（眼動(dòng)追蹤等）。同時(shí)對(duì)“綜合性量化度量數(shù)據(jù)”等問(wèn)題進(jìn)行了專門介紹，而且結(jié)合案例等形式對(duì)當(dāng)前與用戶體驗(yàn)相關(guān)的新內(nèi)容（如用戶體驗(yàn)對(duì)NPS的影響）進(jìn)行了說(shuō)明。本書(shū)內(nèi)容翔實(shí)，是一本值得用戶體驗(yàn)從業(yè)人員研讀的指導(dǎo)性書(shū)籍，同時(shí)也可以作為相關(guān)課程的參考教材。
Thomas S. (Tom) Tullis 是 富 達(dá) 投 資 公 司（Fidelity Investments）用戶體驗(yàn)研究部門（User Experience Research）的高級(jí)副總裁，同時(shí)也是本特利大學(xué)信息設(shè)計(jì)學(xué)院人因工程方向的兼職教授。他 1993 年加入富達(dá)用戶體驗(yàn)，對(duì)該公司用戶體驗(yàn)部門的發(fā)展起了重要作用，該部門的設(shè)備包括一個(gè)技術(shù)發(fā)展水平（state-of-the-art）可用性研究實(shí)驗(yàn)室。在加入富達(dá)投資公司之前，Tom 曾在佳能信息系統(tǒng)（Canon Information Systems）、麥道（ McDonnell Douglas）、優(yōu)利系統(tǒng)公司（Unisys Corporation）和貝爾實(shí)驗(yàn)室（Bell Laboratories）任職。他和富達(dá)的可用性研究團(tuán)隊(duì)曾被多家出版物專題介紹過(guò)，包括《新聞周刊》（Newsweek）、Business 2.0、Money、《波士頓環(huán)球報(bào)》（The Boston Globe）、《華爾街日?qǐng)?bào)》（The Wall Street Journal）和《紐約時(shí)報(bào)》（The New York Times）。Tuillis 在萊斯大學(xué)獲得學(xué)士學(xué)位、在新墨西哥州立大學(xué)獲得實(shí)驗(yàn)心理學(xué)碩士學(xué)位以及在萊斯大學(xué)獲得工程心理學(xué)博士學(xué)位。他有 35 年以上的人機(jī)界面研究方面的經(jīng)驗(yàn)，在諸多技術(shù)期刊上發(fā)表了 50 多篇文章，他曾在國(guó)內(nèi)和國(guó)際會(huì)議上做特邀報(bào)告。同時(shí)，Tom 擁有8 項(xiàng)美國(guó)專利。合作完成（與 Bill Albert 和 Donna Tedesco 合著）的 Beyond the Usability Lab: Conducting Large-Scale Online User Experience Studies 在2010 年由 Elsevier/Morgan Kauffman 出版。Tullis 是 2011 年用戶體驗(yàn)行業(yè)協(xié)會(huì)（User Experience Professional Association，UXPA）終身成就獎(jiǎng)的獲得者，2013 年被 SIGCHI（ACM 人機(jī)交互特別興趣組）遴選為人機(jī)交互學(xué)會(huì)會(huì)士（CHI Academy）。可通過(guò) @TomTullis 關(guān)注 Tom。William (Bill) Albert 目前是本特利大學(xué)設(shè)計(jì)和可用性研究中心的執(zhí)行總監(jiān)（Executive Director），也是本特利大學(xué)信息設(shè)計(jì)學(xué)院人因工程方向的兼職教授。在加入本特利大學(xué)之前，他是富達(dá)投資公司用戶體驗(yàn)部的總監(jiān)，Lycos 公司的高級(jí)用戶界面研究員，也曾是 Nissan Cambridge Basic Research的博士后研究人員。Albert 曾在 30 多個(gè)國(guó)內(nèi)和國(guó)際會(huì)議上發(fā)表和報(bào)告過(guò)他的研究。2010 年，合作完成（與 Tom Tullis 和 Donna Tedesco 合著）的 Beyond the Usability Lab: Conducting Large-Scale Online User Experience Studies， 并 由 Elsevier/Morgan Kauffman 出版。他是 Journal of Usability Studies 的共同主編（co-Editor in Chief）。因?yàn)樗谌艘驅(qū)W和空間認(rèn)知（spatial cognition）領(lǐng)域內(nèi)的研究，Albert 獲得了加州大學(xué)圣塔芭芭拉分校和日本政府所授予的獎(jiǎng)項(xiàng)。他從華盛頓大學(xué)獲得學(xué)士和碩士學(xué)位（地理信息系統(tǒng)），在波士頓大學(xué)（地理—空間認(rèn)知）獲得博士學(xué)位。他在 Nissan Cambridge Basic Research 完成了博士后研究。可通過(guò) @UXMetrics 關(guān)注 Bill。
Thomas S. (Tom) Tullis 是 富 達(dá) 投 資 公 司（Fidelity Investments）用戶體驗(yàn)研究部門（User Experience Research）的高級(jí)副總裁，同時(shí)也是本特利大學(xué)信息設(shè)計(jì)學(xué)院人因工程方向的兼職教授。他 1993 年加入富達(dá)投資公司，對(duì)該公司用戶體驗(yàn)部門的發(fā)展起了重要作用，該部門的資源包括一個(gè)技術(shù)發(fā)展水平（state-of-the-art）可用性研究實(shí)驗(yàn)室。在加入富達(dá)投資公司之前，Tom 曾在佳能信息系統(tǒng)（Canon Information Systems）、麥道（McDonnell Douglas）、優(yōu)利系統(tǒng)公司（Unisys Corporation）和貝爾實(shí)驗(yàn)室（Bell Laboratories）任職。他和富達(dá)的可用性研究團(tuán)隊(duì)曾被多家出版物專題介紹過(guò)，包括《新聞周刊》（Newsweek）、Business 2.0、Money、《波士頓環(huán)球報(bào)》（The Boston Globe）、《華爾街日?qǐng)?bào)》（The Wall Street Journal）和《紐約時(shí)報(bào)》（The New York Times）。Tuillis 在萊斯大學(xué)獲得學(xué)士學(xué)位、在新墨西哥州立大學(xué)獲得實(shí)驗(yàn)心理學(xué)碩士學(xué)位以及在萊斯大學(xué)獲得工程心理學(xué)博士學(xué)位。他有 35 年以上的人機(jī)界面研究方面的經(jīng)驗(yàn)，在諸多技術(shù)期刊上發(fā)表了 50 多篇文章，他曾在國(guó)內(nèi)和國(guó)際會(huì)議上做特邀報(bào)告。同時(shí)，Tom 擁有8 項(xiàng)美國(guó)專利。合作完成（與 Bill Albert 和 Donna Tedesco 合著）的 Beyond the Usability Lab: Conducting Large-Scale Online User Experience Studies 在 2010 年由 Elsevier/Morgan Kauffffman 出版。Tullis 是 2011 年用戶體驗(yàn)行業(yè)協(xié)會(huì)（User Experience Professional Association，UXPA）終身成就獎(jiǎng)的獲得者，2013 年被 SIGCHI（ACM 人機(jī)交互特別興趣組）遴選為人機(jī)交互學(xué)會(huì)會(huì)士（CHI Academy）。可通過(guò) @TomTullis 關(guān)注 Tom。 William (Bill) Albert 目前是本特利大學(xué)設(shè)計(jì)和可用性研究中心的執(zhí)行總監(jiān)（Executive Director），也是本特利大學(xué)信息設(shè)計(jì)學(xué)院人因工程方向的兼職教授。在加入本特利大學(xué)之前，他是富達(dá)投資公司用戶體驗(yàn)部的總監(jiān)，Lycos 公司的高級(jí)用戶界面研究員，也曾是Nissan Cambridge Basic Research的博士后研究人員。Albert 曾在 30 多個(gè)國(guó)內(nèi)和國(guó)際會(huì)議上發(fā)表和報(bào)告過(guò)他的研究。2010 年，合作完成（與 Tom Tullis 和 Donna Tedesco 合著）Beyond the Usability Lab: Conducting Large-Scale Online User Experience Studies， 并 由 Elsevier/Morgan Kauffman 出版。他是 Journal of Usability Studies 的共同主編（co-Editor in Chief）。因?yàn)樗谌艘驅(qū)W和空間認(rèn)知（spatial cognition）領(lǐng)域內(nèi)的研究，Albert 獲得了加州大學(xué)圣塔芭芭拉分校和日本政府所授予的獎(jiǎng)項(xiàng)。他從華盛頓大學(xué)獲得學(xué)士和碩士學(xué)位（地理信息系統(tǒng)），在波士頓大學(xué)（地理 - 空間認(rèn)知）獲得博士學(xué)位。他在 Nissan Cambridge Basic Research 完成了博士后研究。可通過(guò) @UXMetrics 關(guān)注 Bill。
第 1 章 引言 / 1
1.1 什么是用戶體驗(yàn) / 4
1.2 什么是用戶體驗(yàn)度量 / 6
1.3 用戶體驗(yàn)度量的價(jià)值 / 8
1.4 適用于每個(gè)人的度量方法 / 9
1.5 用戶體驗(yàn)度量的新技術(shù) / 10
1.6 十個(gè)關(guān)于用戶體驗(yàn)度量的常見(jiàn)誤解 / 11
誤解 1 ：度量需要花太多的時(shí)間而難以收集 / 11
誤解 2 ：用戶體驗(yàn)度量要花費(fèi)太多的錢 / 12
誤解 3 ：當(dāng)集中在細(xì)小的改進(jìn)上時(shí)，用戶體驗(yàn)度量是沒(méi)有用的 / 12
誤解 4 ：用戶體驗(yàn)度量對(duì)我們理解原因沒(méi)有幫助 / 12
誤解 5 ：用戶體驗(yàn)數(shù)據(jù)的噪聲太多 / 13
誤解 6 ：只能相信自己的直覺(jué) / 13
誤解 7 ：度量不適用于新產(chǎn)品 / 13
誤解 8 ：沒(méi)有度量適用于我們正在處理的問(wèn)題 / 14
誤解 9 ：度量不被管理層所理解或贊賞 / 14
誤解 10 ：用小樣本很難收集到可靠的數(shù)據(jù) / 14
第 2 章 背景知識(shí) / 16
2.1 自變量和因變量 / 16
2.2 數(shù)據(jù)類型 / 17
2.2.1 稱名數(shù)據(jù) / 17
2.2.2 順序數(shù)據(jù) / 18
2.2.3 等距數(shù)據(jù) / 18
2.2.4 比率數(shù)據(jù) / 19
2.3 描述性統(tǒng)計(jì) / 20
2.3.1 集中趨勢(shì)的測(cè)量 / 20
2.3.2 變異性的測(cè)量 / 22
2.3.3 置信區(qū)間 / 23
2.3.4 通過(guò)誤差線來(lái)呈現(xiàn)置信區(qū)間 / 25
2.4 比較平均數(shù) / 27
2.4.1 獨(dú)立樣本 / 27
2.4.2 配對(duì)樣本 / 29
2.4.3 比較兩個(gè)以上的樣本 / 30
2.5 變量之間的關(guān)系 / 32
2.6 非參數(shù)檢驗(yàn) / 33
2.7 用圖形化的方式呈現(xiàn)數(shù)據(jù) / 35
2.7.1 柱形圖或條形圖 / 36
2.7.2 折線圖 / 38
2.7.3 散點(diǎn)圖 / 40
2.7.4 餅圖或圓環(huán)圖 / 41
2.7.5 堆積條形圖 / 43
2.8 總結(jié) / 44
第 3 章 規(guī)劃 / 45
3.1 研究目標(biāo) / 45
3.1.1 形成式可用性 / 46
3.1.2 總結(jié)式可用性 / 46
3.2 用戶目標(biāo) / 47
3.2.1 績(jī)效 / 47
3.2.2 滿意度 / 48
3.3 選擇正確的度量：10種可用性研究 / 48
3.3.1 完成一個(gè)業(yè)務(wù) / 50
3.3.2 比較產(chǎn)品 / 50
3.3.3 評(píng)估同一種產(chǎn)品的使用效率 / 51
3.3.4 評(píng)估導(dǎo)航和 / 或信息架構(gòu) / 51
3.3.5 提高知曉度 / 52
3.3.6 問(wèn)題發(fā)現(xiàn) / 53
3.3.7 使應(yīng)急產(chǎn)品的可用性最大化 / 53
3.3.8 創(chuàng)造整體的正向用戶體驗(yàn) / 54
3.3.9 評(píng)估微小改動(dòng)的影響 / 55
3.3.10 比較替代性的設(shè)計(jì)方案 / 55
3.4 評(píng)估方法 / 56
3.4.1 傳統(tǒng)（引導(dǎo)式）的可用性測(cè)試 / 56
3.4.2 在線（非引導(dǎo)式）可用性測(cè)試 / 57
3.4.3 在線調(diào)查 / 60
3.5 其他研究細(xì)節(jié) / 61
3.5.1 預(yù)算和時(shí)間表 / 61
3.5.2 參與者 / 62
3.5.3 數(shù)據(jù)收集 / 64
3.5.4 數(shù)據(jù)整理 / 64
3.6 總結(jié) / 65
第 4 章 績(jī)效度量 / 67
4.1 任務(wù)成功 / 69
4.1.1 二分式成功 / 70
4.1.2 成功等級(jí) / 75
4.1.3 任務(wù)成功測(cè)量中存在的問(wèn)題 / 78
4.2 任務(wù)時(shí)間 / 79
4.2.1 測(cè)量任務(wù)時(shí)間的重要性 / 80
4.2.2 如何收集和測(cè)量任務(wù)時(shí)間 / 80
4.2.3 分析和呈現(xiàn)任務(wù)時(shí)間數(shù)據(jù) / 83
4.2.4 使用時(shí)間數(shù)據(jù)時(shí)需要考慮的問(wèn)題 / 87
4.3 錯(cuò)誤 / 89
4.3.1 何時(shí)測(cè)量錯(cuò)誤 / 89
4.3.2 什么構(gòu)成了錯(cuò)誤 / 90
4.3.3 收集和測(cè)量錯(cuò)誤 / 90
4.3.4 分析和呈現(xiàn)錯(cuò)誤 / 91
4.3.5 使用錯(cuò)誤度量時(shí)需要考慮的問(wèn)題 / 93
4.4 效率 / 93
4.4.1 收集和測(cè)量效率 / 94
4.4.2 分析和呈現(xiàn)效率數(shù)據(jù) / 95
4.4.3 結(jié)合任務(wù)成功和任務(wù)時(shí)間的效率 / 98
4.5 易學(xué)性 / 100
4.5.1 收集和測(cè)量易學(xué)性數(shù)據(jù) / 101
4.5.2 分析和報(bào)告易學(xué)性數(shù)據(jù) / 102
4.5.3 測(cè)量易學(xué)性時(shí)需要考慮的問(wèn)題 / 104
4.6 總結(jié) / 104
第 5 章 基于問(wèn)題的度量 / 106
5.1 什么是可用性問(wèn)題 / 107
5.2 如何發(fā)現(xiàn)可用性問(wèn)題 / 108
5.2.1 面對(duì)面研究 / 110
5.2.2 自動(dòng)化研究 / / 110
5.3 嚴(yán)重性評(píng)估 / 110
5.3.1 基于用戶體驗(yàn)的嚴(yán)重性評(píng)估 / 111
5.3.2 綜合多種因素的嚴(yán)重性評(píng)估 / 112
5.3.3 嚴(yán)重性等級(jí)評(píng)估系統(tǒng)的應(yīng)用 / 113
5.3.4 嚴(yán)重性等級(jí)評(píng)估系統(tǒng)的忠告 / 114
5.4 分析和報(bào)告“可用性問(wèn)題相關(guān)的度量” / 115
5.4.1 獨(dú)特問(wèn)題的頻次 / 115
5.4.2 每個(gè)參與者遇到的問(wèn)題數(shù)量 / 117
5.4.3 參與者人次 / 118
5.4.4 問(wèn)題歸類 / 119
5.4.5 按任務(wù)區(qū)分問(wèn)題 / 119
5.5 可用性問(wèn)題發(fā)現(xiàn)中的一致性 / 120
5.6 可用性問(wèn)題發(fā)現(xiàn)中的偏差 / 123
5.7 參與者數(shù)量 / 125
5.7.1 五個(gè)參與者足夠 / 125
5.7.2 五個(gè)參與者不夠 / 127
5.7.3 我們的建議 / 129
5.8 總結(jié) / 129
第 6 章 自我報(bào)告度量 / 131
6.1 自我報(bào)告數(shù)據(jù)的重要性 / 132
6.2 評(píng)分量表 / 132
6.2.1 Likert 量表 / 133
6.2.2 語(yǔ)義差異量表 / 134
6.2.3 什么時(shí)候收集自我報(bào)告數(shù)據(jù) / 134
6.2.4 如何收集自我報(bào)告數(shù)據(jù) / 135
6.2.5 自我報(bào)告數(shù)據(jù)收集中的偏差 / 135
6.2.6 評(píng)分量表的一般指導(dǎo)原則 / 136
6.2.7 分析評(píng)分量表數(shù)據(jù) / 137
6.3 任務(wù)后評(píng)分 / 141
6.3.1 易用性 / 141
6.3.2 情景后問(wèn)卷（ASQ） / 141
6.3.3 期望測(cè)量 / 142
6.3.4 任務(wù)后自我報(bào)告度量的比較 / 143
6.4 測(cè)試后評(píng)分 / 147
6.4.1 合并單個(gè)任務(wù)的評(píng)分 / 147
6.4.2 系統(tǒng)可用性量表 / 148
6.4.3 計(jì)算機(jī)系統(tǒng)可用性問(wèn)卷 / 150
6.4.4 用戶界面滿意度問(wèn)卷 / 152
6.4.5 有效性、滿意度和易用性的問(wèn)卷 / 153
6.4.6 產(chǎn)品反應(yīng)卡 / 154
6.4.7 測(cè)試后自我報(bào)告度量的比較 / 155
6.4.8 凈推薦值 / 157
6.5 用SUS比較設(shè)計(jì) / 158
6.6 在線服務(wù) / 159
6.6.1 網(wǎng)站分析和測(cè)量問(wèn)卷 / 159
6.6.2 美國(guó)客戶滿意度指數(shù) / 161
6.6.3 OpinionLab / 164
6.6.4 在線網(wǎng)站調(diào)查的問(wèn)題 / 166
6.7 其他類型的自我報(bào)告度量 / 166
6.7.1 評(píng)估特定的屬性 / 166
6.7.2 具體元素的評(píng)估 / 169
6.7.3 開(kāi)放式問(wèn)題 / 171
6.7.4 知曉度和理解 / 172
6.7.5 知曉度和有用性差距 / 173
6.8 總結(jié) / 174
第 7 章 行為和生理度量 / 176
7.1 自發(fā)言語(yǔ)表情的觀察與編碼 / 176
7.2 眼動(dòng)追蹤 / 178
7.2.1 如何進(jìn)行眼動(dòng)追蹤 / 178
7.2.2 眼動(dòng)數(shù)據(jù)的可視化 / 180
7.2.3 興趣區(qū) / 183
7.2.4 常用眼動(dòng)度量指標(biāo) / 186
7.2.5 眼動(dòng)分析技巧 / 188
7.2.6 瞳孔反應(yīng) / 189
7.3 情感度量 / 190
7.3.1 Affffectiva 公司和 Q 傳感器 / 191
7.3.2 藍(lán)色泡沫實(shí)驗(yàn)室和 Emovision / 193
7.3.3 Seren 公司和 Emotlv / 195
7.4 緊張和其他生理指標(biāo) / 197
7.4.1 心率變異性 / 197
7.4.2 心率變異性和皮膚電研究 / 198
7.4.3 其他測(cè)量手段 / 199
7. 5 總結(jié) / 201
第 8 章 合并和比較度量 / 203
8.1 單一可用性分?jǐn)?shù) / 203
8.1.1 根據(jù)預(yù)定目標(biāo)合并度量 / 204
8.1.2 根據(jù)百分比合并度量 / 205
8.1.3 根據(jù) z 分?jǐn)?shù)合并數(shù)據(jù) / 211
8.1.4 使用單一可用性度量（SUM） / 213
8.2 可用性記分卡 / 215
8.3 與目標(biāo)和專家績(jī)效比較 / 219
8.3.1 與目標(biāo)比較 / 219
8.3.2 與專家績(jī)效比較 / 222
8.4 總結(jié) / 223
第 9 章 專題 / 225
9.1 實(shí)時(shí)動(dòng)態(tài)網(wǎng)站數(shù)據(jù) / 225
9.1.1 基本的網(wǎng)站分析 / 226
9.1.2 點(diǎn)擊率 / 229
9.1.3 棄用率 / 230
9.1.4 A/B 研究 / 231
9.2 卡片分類數(shù)據(jù) / 234
9.2.1 開(kāi)放式卡片分類數(shù)據(jù)的分析 / 235
9.2.2 封閉式卡片分類數(shù)據(jù)的分析 / 241
9.2.3 樹(shù)測(cè)試 / 244
9.3 可及性數(shù)據(jù) / 246
9.4 投資回報(bào)率數(shù)據(jù) / 249
9.5 總結(jié) / 254
第 10 章 案例研究 / 255
10.1 凈推薦與良好用戶體驗(yàn)的價(jià)值 / 255
10.1.1 方法 / 256
10.1.2 結(jié)果 / 257
10.1.3 在界面設(shè)計(jì)中對(duì)投入進(jìn)行優(yōu)先級(jí)設(shè)置 / 258
10.1.4 討論 / 260
10.1.5 總結(jié) / 261
參考文獻(xiàn) / 262
作者簡(jiǎn)介 / 262
10.2 度量指紋采集的反饋效果 / 263
10.2.1 方法 / 263
10.2.2 討論 / 271
10.2.3 總結(jié) / 273
致謝 / 273
參考文獻(xiàn) / 273
作者簡(jiǎn)介 / 274
10.3 Web體驗(yàn)管理系統(tǒng)的再設(shè)計(jì) / 274
10.3.1 測(cè)試迭代 / 275
10.3.2 數(shù)據(jù)收集 / 276
10.3.3 工作流程 / 277
10.3.4 結(jié)果 / 281
10.3.5 結(jié)論 / 283
參考文獻(xiàn) / 283
作者簡(jiǎn)介 / 283
10.4 使用度量來(lái)改善大學(xué)招生簡(jiǎn)章網(wǎng)站 / 284
10.4.1 樣例 1 ：可用性測(cè)試后決定行動(dòng) / 285
10.4.2 樣例 2 ：網(wǎng)站追蹤數(shù)據(jù) / 288
10.4.3 樣例 3 ：人物角色迭代的定位測(cè)量 / 290
10.4.4 總結(jié) / 291
致謝 / 292
參考文獻(xiàn) / 292
作者簡(jiǎn)介 / 292
10.5 利用生物測(cè)量技術(shù)測(cè)量可用性 / 293
10.5.1 背景 / 293
10.5.2 方法 / 294
10.5.3 生物測(cè)量學(xué)的發(fā)現(xiàn) / 295
10.5.4 定性結(jié)果 / 297
10.5.5 總結(jié)及給從業(yè)人員的建議 / 298
致謝 / 299
參考文獻(xiàn) / / 299
作者簡(jiǎn)介 / 300
第 11 章 通向成功的 10 個(gè)關(guān)鍵點(diǎn) / 301
11.1 讓數(shù)據(jù)活起來(lái) / 301
11.2 主動(dòng)去度量 / 303
11.3 度量比想的便宜 / 304
11.4 早計(jì)劃 / 305
11.5 給產(chǎn)品確定基線 / 306
11.6 挖掘數(shù)據(jù) / 307
11.7 講商業(yè)語(yǔ)言 / 308
11.8 呈現(xiàn)置信程度 / 308
11.9 不要誤用度量 / 309
11.10 簡(jiǎn)化報(bào)告 / 310
參考文獻(xiàn) / 312
新書(shū)資訊