Upload
symetria-sp-j
View
1.137
Download
0
Embed Size (px)
DESCRIPTION
Prezentacja przedstawia stosowane w badaniach Web Usability wskaźniki za pomocą, których można mierzyć i badać UX.
Citation preview
Miary użyteczności
Na podstawie „Measuring the user experience” Tom Tullis, Bill Albert
Natalia Bednarz
16.03.09
Miary użyteczności - znaczenie
• Wskazywanie problemów, ich skali oraz przyczyn.
• Porównywanie różnych rozwiązań.
• Pomiar zadowolenia i preferencji użytkowników.
• Ocena wpływu zmian.
• Wskazanie obszarów usprawnień oraz zwiększenia ROI.
26.03.09
3
Miary użyteczności - rodzaje
• wydajności,
• problemów,
• zadowolenia,
• behawioralne i fizjologiczne,
• łączone i porównawcze,
• inne.
36.03.09
4
Miary wydajności
• Oparte na zachowaniu użytkownika.
• Analiza wykonywania zadań (liczba oraz sposób).
• Co najmniej 8 uczestników – znaczące wnioski, rozsądny przedział ufności.
• Odpowiedź na pytanie: CO?, a nie DLACZEGO?
46.03.09
5
Miary wydajności - rodzaje
1.Ukończenie zadania.
2.Czas wykonania zadania.
3.Wykryte błędy.
1.Efektywność.
5.Nauczalność.
56.03.09
6
1. Ukończenie zadania (task success)
• Szerokie zastosowanie.
• Jasne określenie zadania (końca).
• Łatwa interpretacja i analiza – dane binarne.
• Analiza danych: sukces binarny (przedziały ufności), poziomy sukcesu.
66.03.09
7
Przedziały ufności – metoda Walda
Przedziały ufności jako funkcja wielkości grupy respondentów.
76.03.09
Poziomy sukcesu
• Metoda 0/1 nie zawsze najlepsza.
• Równie ważne elementy:– stopień ukończenia zadania,– doświadczenie użytkownika,– sposób wykonania.
86.03.09
2. Czas wykonania zadania (time-on-task)
• Pomiar efektywności i użyteczności.
• Przeważnie „szybciej znaczy
lepiej”.
• Pomiar powtarzalnych czynności (formularze, rezerwacje, zakupy).
• Umożliwia szacowanie wzrostu zyskowności (czas wykonania – liczba użytkowników).
96.03.09
3. Pomiar błędów (errors)
• Stosowany, kiedy błędy są przyczyną: znacznej utraty efektywności (utrata danych), wysokich kosztów (zwrot produktu), niewykonania zadania.
• Analiza danych: liczba błędów przy każdym zadaniu, procent badanych popełniających błąd.
106.03.09
4. Efektywność (efficiency)
• Analiza „wysiłku” włożonego w wykonanie zadania (liczba kroków, wyświetlonych stron). poznawczy (znajdowanie odpowiedniego
miejsca, decyzja, interpretacja), fizyczny.
• Wskaźnik „Lostness”
116.03.09
Lostness
N – liczba różnych stron odwiedzonych
S – całkowita liczba odwiedzonych stron
R – optymalna liczba stron
L=sqrt[(N/S – 1)2 + (R/N – 1)2]
L<0,4 brak większych błędów
L>0,5 obecność istotnych błędów126.03.09
136.03.09
5. Nauczalność(learnability)
• Czas doskonalenia.
• Najczęściej stosowane do badania przyjazności nowej aplikacji w firmie.
• Analiza danych: zmiany miar wydajności w czasie, określone odstępy czasu (w zależności od
przewidywanej częstotliwości użycia).
146.03.09
Miary problemów(issue-based metrics)
• Wyodrębnianie błędów użyteczności w obszarach: wykonania zadania, dostrzegalności elementów, posługiwania się nawigacją, interpretacji informacji.
• Wartościowe – rzeczywiste (analiza zachowania użytkownika).
156.03.09
Miary problemów - analiza
1. Wskaźniki ciężkości błędów (severity ratings) – nadanie priorytetowości.
2. Wskaźniki oparte na doświadczeniu użytkownika.
3. Wskaźniki
łączone.
166.03.09
Miary problemów - analiza
• Częstotliwość występowania unikalnych błędów.
• Częstotliwość występowania błędów na 1 uczestnika, w poszczególnych zadaniach.
• Kategoryzacja (nawigacja, nazewnictwo, zawartość strony, funkcjonalność itp.).
176.03.09
Miary opinii użytkowników(self-reported)
Dokładne zbadanie:
• opinii badanych,
• sposobu wykonywania zadań,
• poziomu zapamiętywalności.
186.03.09
Miary opinii użytkowników – po zakończeniu zadania
Skala Likerta – przeważnie pięciostopniowa; stopień akceptacji zjawiska.
196.03.09
Miary opinii użytkowników – po zakończeniu zadania
Skala semantyczna – prezentująca przeciwstawne określenia (5 lub 7 stopni).
206.03.09
Miary opinii użytkowników – po zakończeniu badania
216.03.09
SUS – 10 zdań do oceny przez użytkownika.
Miary opinii użytkowników – serwisy internetowe
Przykład – WAMMI.
• pomiar zadowolenia użytkowników,
• benchmarking,
• ogólna ocena atrakcyjności, skuteczności, przydatności, nauczalności.
226.03.09
Miary behawioralne i fizjologiczne
• obserwacja zachowania,
• facial expressions,
• eyetracking,
• rytm serca, przewodnictwo skóry,
• pomiar stresu.
236.03.09
Miary łączone i porównawcze
• Łączenie kilku miar w jedną.
• Porównywanie z wartościami wzorcowymi.
Ogólnie: dostarczanie finalnych odpowiedzi.
Wyzwanie: właściwe i logiczne połączenie wyników z różnych skal.
246.03.09
256.03.09
ROI?
• Prosta odpowiedź:porównywanie, wpływ zmian, preferencje, zapamiętywalność.
• Trudna odpowiedź: usunięcie błędu, a oszczędność, poprawa funkcjonalności, a poprawa zysku. symulacje – potrzebne dane.
6.03.09 26
Dziękuję
Natalia Bednarz
6.03.09 27