呆聋瞎，让用户体验设计体现商业价值 » 用户研究

用户研究的有趣案例和轶事

呆聋瞎 — Sun, 05 Sep 2010 16:08:23 +0000

　　最近听了一次关于调研的讲座。其中包括一些有趣案例和轶事。这里分享给大家。

焦点小组现场成秀场

　　某知名电台做焦点小组了解用户需求。主持人看见其中一个美女非常拘谨，为了缓解气氛，问了她一个简单的问题：“ 请问你经常听我们电台的哪些节目？”。只见美女扮淑女状，沉思片刻说：“ 蓝调和散文。”这时，坐在观察室中的研究人员有些疑惑地问旁边的电台台长：“我们台播过蓝调和散文么？” 台长一本正经地回答：“我以人格担保，近一年没有。”与此同时，只见会场上另一名帅哥，身子前倾，眼睛直勾勾盯着主持人，呈现抢答状。主持人每向大家提出一个问题，此帅哥便立即第一个抢答，然后趁着其他人回答的时候，呈现如释重负状，休息片刻，准备下次“抢答”。

　　焦点小组在给参加的用户分组时，有一个小技巧。参加的用户如果年龄都在30岁以下，男女应该分成不同的组。因为人在30岁以下属于求偶期，在有异性在场的情况下，行为会产生偏差，出现上面图示中的反常行为就不奇怪了。

有效的在线问卷样本有多少

　　某知名网站举办了网友最喜欢的XXXX(类似选秀活动)。通过搜集网上的网友投票，决定最终结果。就像下面的示意图，所收集到的40万份投票中，经过仔细筛选有效样本只有3千。其中发现一些利益相关方，雇佣黑客制作“机器人“，每5秒钟填一份问卷，然后换IP再填，如此反复制造了大量作弊投票。

　　难于控制样本质量是在线问卷的缺点之一。尤其是在做一些可能产生很大利益的调研时，经常会有人会想办法造假。作弊者参与调研的积极性和活跃度，要远远高于普通的被调研用户。因此，在做此类调研的时候，一个比较保险的方式是购买Access Panel 中的用户资源。所谓Access Panel，一般是由第三方调研公司维护的一个“高质量”用户库。它包含着各行各业的人，这些人在注册的时候，会填写非常详细的信息，而且还会有相关的工作人员予以验证。Access Panel 系统会定期根据每个注册人的信息，发给他对应的一些调研问卷，用户完成后系统会支付一定的报酬（钱或者礼品）。所以，来自有专业人员长期维护的Access Panel的调研样本，要比来自随便放在网上“裸奔”的问卷样本要更靠谱。

“神秘顾客”的杀手锏

　　“神秘顾客”（Mystery Customer）是餐饮、零售、酒店业常用的一种调研产品和服务质量的方法。通俗点说，就是让研究人员扮成普通用户或者消费者，体验并记录下整个服务流程，以此评估服务质量和发现问题。而且“神秘顾客”的评估通常会影响到相关服务人员和管理人员的绩效考评甚至升迁。因此，“神秘顾客”就好比悬在懈怠的服务服务人员利刃一样，让他们惴惴不安。

　　某研究人员曾做过某知名快餐店的“神秘顾客”。一天，他又来到这个快餐店吃饭（非工作原因）。他点了Pizza之后，服务员给了他一个很标准的承诺：“Pizza 十五分钟就好。”结果他等了一段时间，觉得Pizza该上了，但每次他催菜的时候，服务人员就敷衍他说：“快了，快了。”他不得已使出杀手锏，于是不慌不忙地指着手表说：“服务员，我的Pizza 已经等了14分30秒了，还差一分钟就到，15分30秒了。” 一般情况下，普通顾客催菜，只会抱怨说已经等了好久，怎么还不上菜之类的话。但是像这样精确到秒，而且知道Pizza 从下单到上菜的时间不能超过15分30秒（操作规范）的顾客肯定不是普通人。因此，听到这么专业的催菜，只见刚刚还慢条斯理的那个服务员，突然像打了鸡血一样，飞奔进厨房，一溜烟地把Pizza端到了研究人员的桌子上，同时，店长也跑过来让他多包涵。

　　虽然，我们在做所谓普通用户和消费者的时候，总是会遇到被敷衍了事的时候，不过，以上提到的“方法”还是慎用。：P

看亚马逊如何运用用户行为数据

呆聋瞎 — Sun, 07 Mar 2010 12:10:41 +0000

　　整理和总结了春节前听的一次分享。亚马逊(Amazon.com)在利用户数据实现精准营销的方面有很多值得学习的地方。用户在使用亚马逊网站的过程中，很多行为都会被记录。亚马逊根据这些数据，不断勾画出每个用户的特征轮廓和需求，并以此为依据进行精准营销。

用户行为数据的收集

　　用户一般的购物流程：搜索了什么，看了哪些产品的详细介绍，最终购买了什么产品,都会被亚马逊记录下来。其他用户历史购买行为也在这里派上了用处，成为有利相关推荐。因为用户做购物决策的时候，也想知道其他人都看了什么，买了什么。

　　除了用户购买行为数据外，亚马逊还会搞一些活动来“勾引”用户说出喜好和需求。比较典型的活动就是投票。例如下面关于是否喜欢情人节的投票。多数喜欢情人节的用户是热恋中的人，亚马逊可能会推荐各种礼物，如情侣装，戒指，鲜花等。失恋和单身的人一般不喜欢情人节，亚马逊推荐失恋疗伤的书籍，如游戏机之类自娱自乐的的商品。

　　当然如果，用户对于投票的热情不高，亚马逊甚至会砸钱来“勾引”用户说出自己的喜好。一旦用户投票了，其观点、倾向、或者兴趣爱好就暴露了。换句话说，这个用户就被亚马逊打上“标签”了。

整合用户行为数据实现精准营销

　　光光收集用户行为数据还只是第一步，亚马逊强大之处在于它可以整合用户行为数据和喜好，并挖掘用户的潜在需求。对有相同特征的用户作定向、精准的营销。如果韩寒的新书上市了，亚马逊如何做一期推广EDM(邮件营销)呢？

　　首先，从用户购买行为数据中筛选出曾购买了韩寒写的书的用户。仅仅只有这些用户是我们的营销目标么？别忘亚马逊还收集了用户的一些非购买行为数据。对了，再加上在网站举行的关于“喜欢韩寒还是郭敬明”的投票中选择韩寒的用户。这样就行了么？当然不是，亚马逊还要分析这类有什么共同特征，从而为他们定制适合的促销方式。如果他们的购买行为数据显示，他们选择最便宜送货方式的比例要比整体的用户群体高。这说明这群用户对于运费价格比较敏感。好了，这次推广的目标人群和主题可以确立了。连邮件标题你都可以想出来了——韩寒新书（免运费）。

　　当然，这一切还没结束。目标用户收到邮件后，是否打开了邮件，是否点击了邮件中的链接到达了促销产品的Landing Page,这些行为都会被记录下来。整个促销推广活动而言，这样可以统计活动的效果，为下次评估类似促销的活动提供历史依据。就个体用户数据收集而言，还可以用来统计这个用户对于特定主题和特定促销方式的接受程度。这样的数据可以用来决定有类似的主题或者促销方式是否还发邮件给这个用户。因为失败的营销也会给用户带来不好的用户体验，从而让网站蒙受损失，生气的用户可能下次直接把亚马逊的邮件直接放到垃圾箱里。

做在线问卷调研时应该注意的问题

呆聋瞎 — Wed, 23 Dec 2009 11:52:30 +0000

　　在线问卷往往被认为是用户研究的方法中最简单、省事的方法，因而有些至关重要的细节常常被忽略。下面分享一下我的个人经验:

一、你能收到足够多数量的问卷么？

　　一说到要做在线问卷，很多人直接就想到问题设计了，确实问题设计是门学问，但是往往没人分析在线问卷的可行性。说的直接点，你能在资源允许的情况下收到足够的问卷么？很多网站一些重要页面的位置都很抢手，要想放个问卷的入口，最好要自己心里有数。比如，问卷入口占地位置，大小，占用时间。如果资源方告诉你，我在页面的底部可以给你个放一个调研问卷的入口，只能给你放1个月的时间，你能预估一下能回收多少问卷么，预估问卷的数量是否足够让你分析出想要的数据呢？这时候你需要有一个重要的指标：页面每一个万个PV你能回收多少问卷。当然如果以前做过类似统计，相信你心里一定有谱。肯定有人会问了，如果我以前没在这个页面做过在线问卷，我怎么能预见到问卷的回收情况呀？在这里，我列举了一些调研的问卷回复情况，可以供大家参考一下。

　　就我个人的经验而言，一般情况下问卷的回收情况会在1-5个/万PV之间。当然网站类型不同，页面的功能不同，调研入口的样式和位置等因素的不同，都会影响问卷的回收情况。大家最好每次做完调研后都统计一下不同页面不同调研的回收情况，这样以后再做类似的调研可以很容易预估出问卷的回收情况：

问卷回收数=每天页面PV ×投放天数×预估问卷回收情况（每一个万个PV能回收多少问卷）

二、你是否能有足够多的投放时间？

　　记得以前我们曾经做过一个在线问卷：问用户某项功能是否满足了他们的需求。结果出现了令人啼笑皆非的结果。在调研问题和入口基本不变的情况下，第一次的调研中，70%用户认为该功能满足了他们的需求，而第二次调研只有30%用户认为该功能满足了他们的需求。两次问卷的填写数量都有上万份，每次投放的时间在两周左右。这两个调研的时间间隔很近，网站整体的用户并没有发生变化。因此，建议对于重要页面和功能的问卷要有一定时间积累，最好在一个月以上。不同网站的不同用户访问网站都有一定周期的，在投放问卷时最好考虑一下，确保你的问卷在目标用户人群中有足够量的曝光。

三、你是否细分了回答问卷的用户？

　　不同的用户对于同一问题的答案会有不同。比如，在询问某些功能是否满足用户的需求时，你不要忘了问那些填写问卷的用户是否使用过这个功能。无论是网站还是其他产品或者服务。总会有某些功能只有一部分用户使用，这些用户会认为该功能有用。但是，有些用户会对没有使用过的功能发表意见，而他们大多会认为那个功能没什么用。如果你的在线问卷恰恰由这些用户填写，而你又没有区分填写在线问卷的用户到底用过没有用这个功能。那么，你很可能会在分析错误的数据后，做出错误的决策，去掉或者弱化该功能。

四、别忘了我们还有cookie

　　利用cookie，我们不止可以防止“某些活跃用户”重复提交的问卷。我们还可以利用cookie自动记录下用户的相关信息，帮助你分析数据。例如，在调研网站的搜索功能时，记录会员ID，访问过的站内URL，搜索关键词等。如果发现某个用户给你网站的搜索功能留了个很低的评价，那么通过会员ID，你可以很容易知道，填写问卷的家伙是什么类型的用户。他访问过的URL和搜索关键词可以帮你还原用户使用搜索功能时遇到的抓狂情景：也许用户看到的搜索结果和关键词不相关，或者搜索结果太少，甚至没有搜索结果。

五、别偷懒，每天跟踪数据

　　做在线的问卷调研，并不意味着把问卷放到网上就不用管了。最好在问卷里加上访问统计代码。然后，看看每天到底有多少用户打开了问卷，有多少用户提交了完整的问卷，有多少人没填写完，填写问卷的人都来自哪里。千万不要以为这是多此一举。因为通过这些数据的分析你可以提前发现很多问题。这种事情我就遇到过。记得有一次某个调研的在线问卷发布了，我第二天看数据发现，打开问卷的人寥寥可数，并且这次调研主要针对的是国外用户，结果发现访问问卷的用户ip都是来自国内。于是，我马上和相关的技术人员沟通，结果发现在部署在线问卷的时候，有两个美国的服务器没有部署上。汗，还是每天像照看菜园子一样照看一下你的问卷吧。

如何计算置信区间

呆聋瞎 — Mon, 19 Oct 2009 21:04:17 +0000

　　有网友在看了我以前写的文章《用户体验设计中用到的统计学方法》后，对如何验证结果的误差和置信度感兴趣，希望展开说明。其实我在文章里提到的误差的计算方法，其实就是一个统计学公式。

　　文章里是提到的问题是：计算样本人群的一个特征数值（百分比）和真实结果之间（百分比）的误差。具体的例子是，一个网站有200万注册用户，随机发给每个用户问卷，征询是否支持某项改进方案，结果收到1500份有效问卷，其中有52%的人支持改进。那么误差范围到底有多少呀？1500分有效的回答到底多大程度上可以代表200万注册用户呢？计算方法请看下面的图片。遇到具体的情况（如计算样本人群的平均值和真实结果平均之间的误差），要换具体的公式。由于最近比较忙先说到这里。

　　需要说明的是：我在文章里提到的误差，是由于每次采样不同，造成的样本和真实结果之间的误差，并不包括研究人员在设计或者执行研究实验时由于偏见或者失误的误差。

　　另外，补充两个计算置信区间的在线计算工具，它们在预估可用性测试数据的误差时是比较常用的。

　　1. 计算用户完成任务时间的置信区间 2. 计算用户任务成功率的的置信区间

杂乱的门户网站首页是中国用户习惯造成的？

呆聋瞎 — Mon, 27 Jul 2009 02:23:46 +0000

　　最近在豆瓣上看到有网友问为什么国内门户网站（如新浪搜狐）在首页呈现上有很多问题，比如广告太多，内容太多，重点不突出，视觉上混乱。我发现有一些网友认为是国内用户的浏览习惯造成的。我不太同意这种观点，写下了如下内容。(感兴趣的可以参考讨论源头）

　　不同意楼上的关于，用户习惯在中国门户网站领域超越了用户体验的看法。

　　设计者考虑用户习惯本来就是设计用户体验环节的一个重要的部分。而且用户的习惯也不是金科玉律，一陈不变，或者老虎屁股摸不得。

　　以搜狐的首页为例,大家看看1999-2008年的搜狐首页。1999的搜狐首页只有1屏，直到 2003年12月12日的五年中，它的首页也在3屏以内。而2004年-2008年，直至现在的2009年，搜狐的首页已经发展到7屏左右了，从历史数据我们可以知道，搜狐的首页不是第一天就变得那么肥大的。那么，是先有用户的习惯，然后再有网站首页的设计；还是先有网站的设计，再有用户去适应这种设计呢？我想，在中国，还是后者居多吧。肥大的首页，堆砌的内容，试问有谁天生有这个习惯了？退一步说，就算是老用户“天生”习惯了，难道每年新接触互联网的用户也有这习惯？还不是我们的设计培养的。

　　因此，搜狐首页越来越肥，真正的原因不是什么用户习惯，而是搜狐的设计理念造成的。我们从它首页的结构，和发展历是可以推断出，搜狐认为它的首页应该包括导航，站内搜索和各个板块（几乎是所有）的一些推荐内容的（当然还有广告）。我们都知道，随着搜狐的业务和板块的逐渐增加，根据这种对于首页的设计理念，搜狐首页越变越肥是理所当然的了。

　　有过在大型网站设计经验的人，应该会理解什么叫“做加法容易，做减法难”。你在首页添个东西，只要不影响先占位子的相关方，没人管你。好了，你想精简内容，从首页删掉一块儿，相关利益方，就来跟你理论了。“凭什么删掉我们呀，你们不考虑用户习惯么？”（奶奶的，你们占位置的时候，怎么不考虑用户习惯呀？现在又拿用户当挡箭牌）。国内大多人门户网站首页都是兵家必争之地，七姑八大姨都要站个位置。要没有，大家都没有；要上主页，大家都要上。这也是为什么主页减不了肥的因素之一。

　　还有，这么肥大，内容堆砌主页对用户真正有价值么？我们来看看Alexa的数据。从数据“Where people go on Sohu.com”我们可以看到，最多用户访问的搜狐频道是新闻，有22%左右。而包括新闻在内的热门频道如体育、娱乐、博客、女人，一起加起来可以占到50%以上。首页的访问人数撑死只有12%左右。这么肥大，内容堆砌主页对用户到底有多大价值？用户已经用“脚”投票了，我就不多说了。

　　有人可能会问了，访问首页的用户最多只有12%左右，那么其他的用户使怎么进入网站的？答案就是搜索引擎。像搜狐这样以内容为主的门户网站，会有相当多的用户从搜索引擎进入网站。即便那12%的用户访问主页，我敢说很多人也只是借道而过（利用全局导航呀，登录呀，站内搜索之类的）。到底有多少人会在搜狐主页停留并浏览那些堆砌的内容，我不确定，但我可以确定这类人一定不是大多数。记得有位跳槽来我们公司的原新浪的同事也提到：新浪的首页流量和网站的总流量相比并不高。

　　总之，像搜狐这样的门户网站，首页有这样肥大堆砌的设计，并不是什么中国用户的习惯，甚至连自己网站大多数用户的习惯都谈不上。即使有用户有这个习惯，也是网站设计本身强加给用户的。当然，国内的网站设计“借鉴”之风盛行，门户网站如此，别的小网站也争相效仿，到后来，渐渐地竟然变成了行业“标准”。唉，为什么好的东西不学……

Web Accessibility之为色盲设计(二)：检验设计的工具

呆聋瞎 — Mon, 20 Jul 2009 15:29:59 +0000

看前一篇文章[Web Accessibility之为色盲设计(一)：他们是谁？]的介绍，大家应该知道除了极少数的全色盲，其他色盲总是会看到一些颜色的。所以，最大的问题不是色盲用户看不到一些眼色，而是他们看到的颜色与一般人不同。那么，如果作为一个正常人，如何让自己的设计不会给色盲用户造成麻烦呢？我们需要检验工具——色盲模拟器，来帮助我们评估设计。色盲模拟器可以帮我们近似地模拟色盲的眼光看世界。下面介绍一些常用的色盲模拟器。

Color Oracle
Color Oracle 可以即时模拟常见的色盲：红色色盲，绿色色盲，和蓝色色盲，但不能模拟各种色弱和全色盲。它的模拟结果（各种网页、图片等）可以即时呈现。不过，需要额外安装Java运行环境。
下载地址

Color Oracle 效果图

Vischeck

Vischeck提供了网页模拟和图片模拟两种模拟器。网页模拟可以把指定的网页按照色盲的视角显示。同理，图片模拟可以把指定的图片按照色盲的视角显示。它可以模拟常见的色盲：红色色盲，绿色色盲，和蓝色色盲，但不能模拟各种色弱和全色盲。Vischeck提供的网页模拟和图片模拟都需要使用它的在线服务才能完成（免费）。不过，它的图片模拟功能，提供了Photoshop插件。下载后，在photoshop里就可以实现图片的模拟，不用连接网络。

Vischeck 网页模拟器网址

Vischeck 网页模拟器界面

Vischeck 图片模拟器网址

Vischeck 图片模拟器界面

Vischeck photoshop 插件下载地址

Vischeck (photoshop 插件界面)

Coblis-color blindness simulator
这个图片模拟器支持几乎所有色盲、色弱模拟（需要使用它的免费在线服务才能完成）。但是，它对于需要模拟图片的容量大小有限制，而且模拟后的图片很小。

模拟器网址

Coblis color blindness simulator 界面和效果图

Colorblind Web Page Filter
这个模拟器可以模拟几乎所有的色盲种类（包括色弱，全色盲）浏览指定网页的情景。不过，需要使用它的免费在线服务才能完成，而且产生模拟后网页的速度很慢。

模拟器网址

Colorblind Web Page Filter 界面

Color scheme designer
Color scheme designer是一款比较适合视觉设计师的在线配色工具，可以模拟几乎所有色盲看到的不同颜色情况，但不支持图片和网页的色盲模拟。它不兼容IE6的浏览器，使用时请用IE7以上的版本，或者用最新的火狐浏览器。

模拟器网址

Color Scheme Designer 界面

总结
我个人比较推荐使用Color Oracle，因为它是即时模拟的，不像其它的一些模拟器只提供在线服务，有网速限制。甚至有的模拟器网络连接速度极慢，比如：Colorblind Web Page Filter。虽然Color Oracle只支持红色色盲（Protanopia），绿色色盲（Deuteranopia），和蓝色色盲（Tritanopia），但是对于设计师发现容易混淆的颜色已经够了，换句话说，如果上面提到的色盲都在使用你的产品或服务时，都没遇到“颜色”问题的话；相对来说，有颜色辨别能力更强的色弱用户就更应该没有问题了。

另外，色盲模拟器的局限性要提一下。由于人类个体的差异，没有哪个色盲模拟器可以真正模拟每个色盲实际看到的是什么，现有的这些模拟器的算法来源于样本量很小的实验，模拟器并不能精确到每个色盲个体。我们只能通过他们粗略知道哪些颜色容易引起混淆，影响用户的使用。以后的文章会进一步讨论设计哪些界面元素时要避免“不安全的颜色”，以及如何选择安全的颜色。敬请期待。^^

用户体验设计中用到的统计学方法

呆聋瞎 — Wed, 08 Jul 2009 14:48:55 +0000

　　看到豆瓣上有网友提了这个问题，看到回答的人不多，忍不住写了下面的内容。工作中最常用到的统计方法有哪些？根据我自己的经验给举些例子。

　　1.通过一部分用户样本预估整体的用户情况。比如，你的网站用户有200万注册用户，你要征询他们对于网站改进的意见，你需要给他们发邮件问卷。但由于种种限制，你不能每个用户都发，而且你收到的有效问卷只有1500多份。你要明确一下，你收集到得1500多份问卷到底多大程度上可以带代表200万的整体。这时候，你要预估误差范围（margin of error）。如果你征集到的有效有碰巧有52%的支持方案改进，你能说多一半的人都支持么？当然不能，因为你的误差范围可能就有2.5%左右。当然误差的范围和你选定的置信度相关（Confidence Level），这里由于时间的限制我就不细说了(请参考：如何计算置信区间 )。

　　2.根据用户的行为和特征对用户进行细分。这里需要用到聚类的概念，通过相似性的计算，来将行为和特征相近的个体用户归为一类。比较常用的归类算法，比如K-均值法。例如，你做一个B2B的电子商务网站。你会考虑用哪些标准来划分用户比较好，如厂家的规模,产品所属的行业，还是他的商业模式（生产厂家、外贸公司、批发商、零售商）等等。

　　3.网站设计与商业目标的相关性分析。网站都会经常做改进，如果你有都有相关的历史记录可以分析出哪些设计的改进提高的用户的活跃度或者转化率。通过相关性分析，你可以知道哪些设计的改进对于用户的活跃度或者转化率更大；你还可以知道哪些设计元素的改进可以互相促进商业目标的完成，哪些则不起作用，或者反作用。（当以，这些分析都基于你已经剔除了运营和推广活动对你造成的干扰）

　　4.网站整体用户体验的度量。面对每天几十上百的网站数据的各种指标，相信有相当一部分人包括老板们都看不懂。据说google的各种指标有2000多个。这些数据指标对于用户体验的衡量到底有多大意义，也许没有一个人可以完全说清楚。这时候，网站需要一个类似股票大盘指数的指标来衡量网站整体用户体验，及其变化趋势。这需要对数据进行长期的跟踪，统计，相关性比较才能完成。

Web Accessibility之为色盲设计(一)：他们是谁？

呆聋瞎 — Sun, 21 Jun 2009 09:45:54 +0000

不同人眼中的草莓: 1.普通人 2.红色色盲 3.绿色色盲 4.蓝色色盲 5.全色盲

缤纷多彩的世界，如此吸引人。但是，每个人眼中的世界却可能如此不同。这个世界上有大约8%的男性和0.4%的女性，在识别部分或者全部颜色时有困难。我们通常笼统地称这种缺陷为色盲(Color Blindness)。其中，轻度的色觉异常称为色弱。对于如此多的特殊用户，无论是出于专业精神还是商业利益，互联网设计师都应该去关注他们的痛苦。

色盲的生理缺陷真的会影响他们使用互联网么？对于这个问题，可能有些设计师脑子里一下子想到是初中体检时检查色盲小册子。不过这个例子有点极端。因为它是科学家们臆想出来的，他们把色盲最易混淆的颜色放在一起了。但是，真实生活中可能就没有这么极端的例子了。我们需要的是真实的情景情景，而不是仅仅孤立地完成非别颜色的任务。有些人也许会想到就是红绿灯。但是，网站里可没有红绿灯。好吧，我们来举个真实例子。

普通人看苹果的网站

2009年6月29日iphone上市，一时间苹果的专卖店外排起了长龙。这期间在苹果的官方网站提供了一个在线工具（如上图），帮助用户来查询哪些专卖店明天有货。苹果的设计师用红色填充的圆圈表示有货，绿色的圆圈表示没货，貌似挺清晰的，对于普通人当然没问题。但是看看下面的图，你就知道了，对于绿色色盲来说，就不容易了。

绿色盲看苹果的网站

作为苹果公司这样引领设计方向的领头羊，也能犯这样的错误，实在令人遗憾，好在这个页面已经不存在了(苹果网站的截图来自一个细心老外的博客)。我们再来看看一个国内网站的例子。

: 搜狐主导航的问题：1.主导航 2.普通用户视角 3.红色盲用户视角

上面的图片中1号图是搜狐的主导航。看到字体为红色的栏目，有点设计经验的人都知道，设计师想视觉上强化这个几个栏目，引导用户点击。再说白点就是：用红色吸引用户注意，增加点击的率。对于普通用户来说，他确实做到了。但是对于红色色盲用户来说就未必了。上图中3号图是红色色盲用户可能看到的情景（3号图是色盲模拟器模拟的，以后的文章会作相应的介绍，不用着急^^）。暗红的颜色在红色色盲用户眼中是偏向深棕色的，相对于其他栏目的黑色字体，并不容易区分，就更别提强调了，当然对于用户的引导也就无从谈起。

好吧，现在你相信了色盲在使用互联网时也可能遇到麻烦了。为了帮助他们解决问题，我们需要进一步了解他们。色盲的从临床边的表现来讲可以分以几类：

左图：普通人右图：红色色盲

红色色盲（Protanopia）:不能区分红色和绿色.由于红色色盲看红色的时候有亮度的缺失，对于红色色盲来说红色会变得偏暗，越深的红色越趋向于黑色。

左图：普通人右图：红色色弱

红色色弱（Protanomaly）：红色色弱和红色色盲相似。不过，红色色弱有一定能力可以区分红色和绿色。但是并不意味着，他们可以像普通人一样看到实际的红色和绿色。和红色色盲近似，红色色弱看红色会偏暗。

左图：普通人右图：绿色色盲

绿色色盲（Deuteranopia）：和红色色盲一样不能区别红色和绿色。对于红色，没有亮度的缺失。绿色色盲看红色并不会偏暗。

左图：普通人右图：绿色色弱

绿色色弱（Deuteranomaly ): 绿色色弱和绿色色盲相似。绿色色弱有一定能力可以区分红色和绿色。但是并不意味着，他们可以像普通人一样看到实际的红色和绿色。有小部分绿色色盲可以检查色盲的测试。

从临床表现来说，红色色盲、红色色弱、绿色色盲、绿色色弱，并没有很大的区别。统计起来，相比其它色盲，他们所占的比较最多（请参见本文章结尾的色盲现状）。因此，常常把他们统称红绿色盲。

左图：普通人右图：蓝色色盲

左图：普通人右图：蓝色色弱

蓝黄色盲（Blue-yellow Color Blindness）：难以辨认蓝色和黄色。蓝黄色盲包括蓝色盲（Tritanopia）和蓝色弱（Tritanomaly）。

左图：普通人右图：全色盲

全色盲是指眼球中椎状细胞缺少，或无作用，仅能依靠眼球中杆状细胞来感受视觉影像光线的强弱。其视觉所见的景像只有灰阶的色阶分布，眼睛对于亮度非常敏感，在白天的室外需戴上深色的太阳眼镜保护眼睛。

色盲现况（数据来维基百科：2009-06-22）

从色盲的人口分布来讲，男性明显多于女性。红绿色盲的人群中占绝大多数，而蓝色色盲和全色盲比较罕见。因此在做设计的时候我们会主要考虑红绿色盲。

介于篇幅的限制，先介绍到这里。以后的文章将结合色盲的特征，介绍一下检验设计的工具——色盲模拟器。预知后世如何，且听下回分解。（已经准备好两个盆了：一个西接红柿，一个接鸡蛋。如果有想扔的人，请扔到相应的盆中。^^）

使用眼动仪要注意的问题

呆聋瞎 — Sun, 24 May 2009 06:49:52 +0000

小孩拿钱

眼动仪作为用户研究的利器，其作用一直被大家津津乐道。不过使用的时候还是要注意以下问题，防止分析数据时出现偏差。

一、用户关注焦点可能不是用户的兴趣点

使用眼动仪得到的关键数据之一就是被测试者的关注点。用户的关注点能说明什么呢？在眼动仪的得到数据中，用户焦点说明被测试者盯在某个区域上面看了一段时间。这可能是由于用户想看这个东西,如美女的脸，胸。但是并不是所有的情况都是这样。

当然，也有可能，用户对某些东西的关注，只是因为那个东西放在一个很好很显眼的位置；或者以一个比较张扬的形式呈现，如大的字体或显眼的颜色，让用户不得不关注。记得在一次用户研究讨论会上，某个同事谈到在某个网站的订单页面，通过眼动仪测试发现，优惠券是买家被测试者的关注点之一，但就是没人使用。而测试完毕,问那些被测试者是否注意到优惠券,为什么不使用，他们都说没有注意到。我觉得不是因为用户感兴趣才关注，而是因为优惠券放在了比较好的位置。眼动仪的实验数据不会说谎，优惠券是用户的关注点之一。被测试者也没有必要因为关注优惠券而撒谎，而他们都否认对优惠券的关注。以上的因素说明什么呢？说明他们这种自己没有觉察到的关注是一种以潜意识的习惯。基于自己的认知习惯，他们关注了优惠券，而又没有意识到这种潜意识的行为。

据那个同事说那个网站上的优惠券使用的人不多。我们通过常识可以对其原因做如下假设：1）用户关注优惠券只是一种潜意识的认知习惯（优惠券放得位置好）。在订单页面，用户的主要任务是确认订单信息然后付款。用户忙着完成主要任务，而忽略次要信息的行为并不奇怪。2）用户对优惠券感兴趣，但不知道怎么使用。3）由于现实生活中，超市里的优惠券都有种种限制和陷阱，用户不愿意使用。

我们通过定量的研究（如问卷）可以确定哪种因素是主要因素和哪些因素还没考虑到。接着，根据结果给出对应的解决方案。如果是1)、2)原因，可以直接把使用优惠券的结果呈现出来，即把优惠券和用户要完成的主要任务联系起来，比如订单的价格信息左边是使用优惠券的价格，右边是不使用优惠券的价格。如果是3）原因可以把优惠券的规则告之用户，给用户足够的信息，消除他们顾虑，让他们做选择。

二、霍索恩效应（Hawthorne Effect）影响试验数据

观察美女

我们有次做了个很搞笑的测试。找了5个人，观看美女图片。结果发现最明显的用户焦点在美女的脸上。不过，我认为美女的胸也应该是焦点。由于当时被测试者知道隔壁的观察室有人看，结果都不好意思往下看。别人不好说，至少我不好意思往下看…….隔壁的观察室可以看到被测试者观察的轨迹（隔壁有20多人呢），还时不时地传来歇斯底里的笑声，谁敢好意思往下看呀。被测试者都知道自己看美女图时被监视，当然要自律了。霍索恩效应（Hawthorne Effect）造成的偏差，在用户测试时一定要注意。如果实在无法避免，在定性分析数据时要考虑进来，将霍索恩效应（Hawthorne Effect）对测试结果可能的影响记录下来，防止数据的偏差给查看结果的人造成误导。