☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ：本書內容翔實，是一本值得用戶體驗從業人員研讀的指導性書籍，同時也可以作為相關課程的參考教材。

　　一本量化用戶體驗的實操書，集閤瞭作者在該領域40餘年的經驗與教訓
　　對實際産品有實用建議：
　　★在什麼情境下收集哪些度量
　　★如何收集這些度量
　　★如何使用不同的分析方法對數據進行梳理
　　★如何以一種*清晰、吸引人的方式呈現結果
　　第2版新增：
　　★測量情緒體驗的新技術，包括手環和麵部錶情的自動分析。
　　★眼動追蹤技術的進展，包括遠程基於攝像頭的眼動追蹤。
　　★新的案例，包括UX領域目前正在做的事情（第10章案例研究全部更新）。
　　★收集和分析UX數據的新方法和工具，包括多種在綫工具。
　　★貫通全書的諸多新示例。

內容簡介

　　如何量化用戶體驗對有效提高産品的使用質量至關重要。《用戶體驗度量：收集、分析與呈現（第2版）（全彩）》詳盡地介紹瞭如何有效且可靠地收集、分析和呈現典型的用戶體驗度量數據：操作績效（正確率等）、用戶體驗問題（頻率和嚴重程度）、自我報告式的滿意度及生理/行為數據（眼動追蹤等）。同時對“綜閤性量化度量數據”等問題進行瞭專門介紹，而且結閤案例等形式對當前與用戶體驗相關的新內容（如用戶體驗對NPS 的影響）進行瞭說明。

　　《用戶體驗度量：收集、分析與呈現（第2版）（全彩）》內容翔實，是一本值得用戶體驗從業人員研讀的指導性書籍，同時也可以作為相關課程的參考教材。

目錄

第1 章　引言 / 1
1．1　什麼是用戶體驗 / 4
1．2　什麼是用戶體驗度量 / 6
1．3　用戶體驗度量的價值 / 8
1．4　適用於每個人的度量方法 / 9
1．5　用戶體驗度量的新技術 / 10
1．6　十個關於用戶體驗度量的常見誤解 / 11
誤解1 ：度量需要花太多的時間而難以收集 / 11
誤解2 ：用戶體驗度量要花費太多的錢 / 12
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 / 12
誤解4 ：用戶體驗度量對我們理解原因沒有幫助 / 12
誤解5 ：用戶體驗數據的噪聲太多 / 13
誤解6 ：你隻能相信你的直覺 / 13
誤解7 ：度量不適用於新産品 / 13
誤解8 ：沒有度量適用於我們正在處理的問題 / 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據 / 14
第2 章　背景知識 / 16
2．1　自變量和因變量 / 16
2．2　數據類型 / 17
2．2．1　稱名數據 / 17
2．2．2　順序數據 / 18
2．2．3　等距數據 / 18
2．2．4　比率數據 / 19
2．3　描述性統計 / 20
2．3．1　集中趨勢的測量 / 20
2．3．2　變異性的測量 / 22
2．3．3　置信區間 / 23
2．3．4　通過誤差綫來呈現置信區間 / 25
2．4　比較平均數 / 27
2．4．1　獨立樣本 / 27
2．4．2　配對樣本 / 29
2．4．3　比較兩個以上的樣本 / 30
2．5　變量之間的關係 / 32
2．5．1　相關 / 32
2．6　非參數檢驗 / 33
2．6．1　卡方檢驗 / 33
2．7　用圖形化的方式呈現數據 / 35
2．7．1　柱形圖或條形圖 / 36
2．7．2　摺綫圖 / 38
2．7．3　散點圖 / 40
2．7．4　餅圖或圓環圖 / 41
2．7．5　堆積條形圖 / 43
2．8　總結 / 44
第3 章　規劃 / 45
3．1　研究目標 / 45
3．1．1　形成式可用性 / 46
3．1．2　總結式可用性 / 46
3．2　用戶目標 / 47
3．2．1　績效 / 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　完成一個業務 / 50
3．3．2　比較産品 / 50
3．3．3　評估同一種産品的頻繁使用 / 51
3．3．4　評估導航和/ 或信息架構 / 51
3．3．5　提高知曉度 / 52
3．3．6　問題發現 / 53
3．3．7　使應急産品的可用性最大化 / 53
3．3．8　創造整體的正嚮用戶體驗 / 54
3．3．9　評估微小改動的影響 / 55
3．3．10　比較替代性的設計方案 / 55
3．4　評估方法 / 56
3．4．1　傳統（引導式）的可用性測試 / 56
3．4．2　在綫（非引導式）可用性測試 / 57
3．4．3　在綫調查 / 60
3．5　其他研究細節 / 61
3．5．1　預算和時間錶 / 61
3．5．2　參加者 / 62
3．5．3　數據收集 / 64
3．5．4　數據整理 / 64
3．6　總結 / 65
第4 章　績效度量 / 67
4．1　任務成功 / 69
4．1．1　二分式成功 / 70
4．1．2　成功等級 / 75
4．1．3　任務成功測量中存在的問題 / 78
4．2　任務時間 / 79
4．2．1　測量任務時間的重要性 / 80
4．2．2　如何收集和測量任務時間 / 80
4．2．3　分析和呈現任務時間數據 / 83
4．2．4　使用時間數據時需要考慮的問題 / 87
4．3　錯誤 / 89
4．3．1　何時測量錯誤 / 89
4．3．2　什麼構成瞭錯誤 / 90
4．3．3　收集和測量錯誤 / 90
4．3．4　分析和呈現錯誤 / 91
4．3．5　使用錯誤度量時需要考慮的問題 / 93
4．4　效率 / 93
4．4．1　收集和測量效率 / 94
4．4．2　分析和呈現效率數據 / 95
4．4．2　結閤任務成功和任務時間的效率 / 98
4．5　易學性 / 100
4．5．1　收集和測量易學性數據 / 101
4．5．2　分析和報告易學性數據 / 102
4．5．3　測量易學性時需要考慮的問題 / 104
4．6　總結 / 104
第5 章　基於問題的度量 / 106
5．1　什麼是可用性問題 / 107
5．1．1　真問題和假問題 / 108
5．2　如何發現可用性問題 / 108
5．2．1　麵對麵研究 / 110
5．2．2　自動化研究 / 110
5．3　嚴重性評估 / 110
5．3．1　基於用戶體驗的嚴重性評估 / 111
5．3．2　綜閤多種因素的嚴重性評估 / 112
5．3．3　嚴重性等級評估係統的應用 / 113
5．3．4　嚴重性等級評估係統的忠告 / 114
5．4　分析和報告“可用性問題相關的度量” / 115
5．4．1　獨特問題的頻次 / 115
5．4．2　每個參加者遇到的問題數量 / 117
5．4．3　參加者人次 / 118
5．4．4　問題歸類 / 119
5．4．5　按任務區分問題 / 119
5．5　可用性問題發現中的一緻性 / 120
5．6　可用性問題發現中的偏差 / 123
5．7　參與者數量 / 125
5．7．1　五個參與者足夠 / 125
5．7．2　五個參與者不夠 / 127
5．7．3　我們的建議 / 129
5．8　總結 / 129
第6 章　自我報告度量 / 131
6．1　自我報告數據的重要性 / 132
6．2　評分量錶 / 132
6．2．1　Likert 量錶 / 133
6．2．2　語義差異量錶 / 134
6．2．3　什麼時候收集自我報告數據 / 134
6．2．4　如何收集自我報告數據 / 135
6．2．5　自我報告數據收集中的偏差 / 135
6．2．6　評分量錶的一般指導原則 / 136
6．2．7　分析評分量錶數據 / 137
6．3　任務後評分 / 141
6．3．1　易用性 / 141
6．3．2　情景後問捲（ASQ） / 141
6．3．3　期望測量 / 142
6．3．4　任務後自我報告度量的比較 / 143
6．4　測試後評分 / 147
6．4．1　閤並單個任務的評分 / 147
6．4．2　係統可用性量錶 / 148
6．4．3　計算機係統可用性問捲 / 150
6．4．4　用戶界麵滿意度問捲 / 152
6．4．5　有效性、滿意度和易用性的問捲 / 153
6．4．6　産品反應卡 / 155
6．4．7　測試後自我報告度量的比較 / 156
6．4．8　淨推薦值 / 158
6．5　用SUS比較設計 / 159
6．6　在綫服務 / 160
6．6．1　網站分析和測量問捲 / 160
6．6．2　美國客戶滿意度指數 / 162
6．6．3　OpinionLab / 165
6．6．4　在綫網站調查的問題 / 167
6．7　其他類型的自我報告度量 / 167
6．7．1　評估特定的屬性 / 167
6．7．2　具體元素的評估 / 170
6．7．3　開放式問題 / 172
6．7．4　知曉度和理解 / 173
6．7．5　知曉度和有用性差距 / 174
6．8　總結 / 175
第7 章　行為和生理度量 / 177
7．1　自發言語錶情的觀察與編碼 / 177
7．2　眼動追蹤 / 179
7．2．1　如何進行眼動追蹤 / 179
7．2．2　眼動數據的可視化 / 181
7．2．3　興趣區 / 184
7．2．4　常用眼動度量指標 / 187
7．2．5　眼動分析技巧 / 189
7．2．6　瞳孔反應 / 190
7．3　情感度量 / 191
7．3．1　Affectiva 公司和Q 傳感器 / 192
7．3．2　藍色泡沫實驗室和Emovision / 194
7．3．3　Seren 公司和Emotlv / 196
7．4　緊張和其他生理指標 / 198
7．4．1　心率變異性 / 198
7．4．2　心率變異性和皮膚電研究 / 199
7．4．3　其他測量手段 / 200
7． 5　總結 / 202
第8 章　閤並和比較度量 / 204
8．1　單一可用性分數 / 204
8．1．1　根據預定目標閤並度量 / 205
8．1．2　根據百分比閤並度量 / 206
8．1．3　根據z 分數閤並數據 / 212
8．1．4　使用單一可用性度量（SUM） / 214
8．2　可用性記分卡 / 216
8．3　與目標和專傢績效比較 / 220
8．3．1　與目標比較 / 220
8．3．2　與專傢績效比較 / 223
8．4　總結 / 224
第9 章　專題 / 226
9．1　實時動態網站數據 / 226
9．1．1　基本的網站分析 / 227
9．1．2　點擊率 / 230
9．1．3　棄用率 / 231
9．1．4　A/B 研究 / 232
9．2　卡片分類數據 / 235
9．2．1　開放式卡片分類數據的分析 / 236
9．2．2　封閉式卡片分類數據的分析 / 242
9．2．3　樹測試 / 245
9．3　可及性數據 / 247
9．4　投資迴報率數據 / 250
9．5　總結 / 255
第10 章　案例研究 / 256
10．1　淨推薦值與良好用戶體驗的價值 / 256
10．1．1　方法 / 257
10．1．2　結果 / 258
10．1．3　在界麵設計中對投入進行優先級設置 / 259
10．1．4　討論 / 261
10．1．5　總結 / 262
參考文獻 / 263
作者簡介 / 263
10．2　度量指紋采集的反饋效果 / 264
10．2．1　方法 / 264
10．2．2　討論 / 272
10．2．3　總結 / 274
緻謝 / 274
參考文獻 / 274
作者簡介 / 275
10．3　Web體驗管理係統的再設計 / 275
10．3．1　測試迭代 / 276
10．3．2　數據收集 / 277
10．3．3　工作流程 / 278
10．3．4　結果 / 282
10．3．5　結論 / 284
參考文獻 / 284
作者簡介 / 284
10．4　使用度量來改善大學招生簡章網站 / 285
10．4．1　樣例1 ：可用性測試後決定行動 / 286
10．4．2　樣例2 ：網站追蹤數據 / 289
目錄XIX
10．4．3　樣例3 ：人物角色迭代的定位測量 / 291
10．4．4　總結 / 292
緻謝 / 293
參考文獻 / 293
作者簡介 / 293
10．5　利用生物測量技術測量可用性 / 294
10．5．1　背景 / 294
10．5．2　方法 / 295
10．5．3　生物測量學的發現 / 296
10．5．4　定性結果 / 298
10．5．5　總結及給從業人員的建議 / 299
緻謝 / 300
參考文獻 / / 300
作者簡介 / 301
第11 章　通嚮成功的10 個關鍵點 / 302
11．1　讓數據活起來 / 302
11．2　主動去度量 / 304
11．3　度量比你想的便宜 / 305
11．4　早計劃 / 306
11．5　給你的産品確定基綫 / 307
11．6　挖掘你的數據 / 308
11．7　講商業語言 / 309
11．8　呈現你的置信程度 / 309
11．9　不要誤用度量 / 310
11．10　簡化你的報告 / 311
參考文獻 / 313

精彩書摘

　　當考察錯誤時，有幾個重要的問題是一定要考慮的。首先，確保你沒有重復計算錯誤。
　　當你把多個錯誤賦予同一個事件時，就往往會齣現重復計算的情況。比如，假設你正在計算密碼區域的錯誤數。如果一個用戶在密碼中輸入瞭一個額外的字符，你可以把它計為一個“多餘字符”錯誤，但是你不應該同時也把它計為一個“不正確字符”的錯誤。有時，你需要知道更多的信息，而不僅僅是一個錯誤率；你需要知道為什麼不同的錯誤會齣現。解決該問題最好的辦法是對每種類型的錯誤進行考察。本質上，你需要試圖用錯誤類型對每個任務進行編碼。編碼應該建立在錯誤的不同類型之上。繼續以上述密碼的例子進行說明，錯誤類型可以包括“缺漏字符”、“變換字符”、“多於字符”等。或者以高一點的層麵，你可以把錯誤區分為“導航錯誤”、“選擇錯誤”、“詮釋性錯誤”等。一旦你對每個錯誤進行瞭編碼，你可以計算每個任務中齣現每個錯誤類型的頻率，以更準確地理解問題究竟齣在哪裏。這也將有助於提高你收集錯誤數據的效率。
　　可用性數據就像搭積木，每塊可用性數據都能用於創建新的度量。原始可用性數據可以是任務完成率、任務時間、自我報告式的易用性。所有這些可用性數據都可用於産生先前不存在的新度量，如總體可用性度量、可用性記分卡。為什麼你要這樣做呢？我們認為最主要的原因是可以對你在研究中所收集的各種度量有一個便於理解的分數或是總結。這可以使得其方便地展示給高層的管理者，可以追蹤幾個迭代版本和上綫産品在度量上的變化，或者是比較不同的設計。
　　……

前言/序言

　　譯者序
　　如何提升産品的用戶體驗（User Experience）逐漸受到各相關方的重視。在“以用戶為中心的設計”整個過程中，都會涉及用戶體驗的評估和度量。用戶體驗本質上是一種主觀感知，具有明顯的不確定性和模糊性，隨著産品生命周期的演變，用戶在産品認知和使用方麵的需求也會發生相應的變化。用戶體驗自身所固有的這些屬性注定瞭對其進行評估離不開經驗型的評估方法。這種方法通常的做法就是邀請一定數量的真實用戶或潛在用戶，請他們根據對産品的認知和使用經驗對産品的用戶體驗質量進行反饋。這些反饋由用戶體驗從業人員根據具體的目的整理成績效數據（如任務完成率、求職次數和任務完成時間）、自我報告數據（如滿意度）和用戶體驗問題數據（如齣現頻率和優先級彆），有時候還會包括認知神經和生理方麵的數據（如眼動追蹤和情緒反應）。這樣，通過對這些數據進行分析, 就可以整理齣産品設計中存在的問題及後續改進的方嚮。不過，也正是因為用戶體驗評估的方法多是經驗型的方法，不同的人在數據收集、分析和解釋上會存在差異，起到的效果也會有所不同。
　　針對這樣的問題，本書作者係統地進行瞭梳理，他們就用戶體驗度量方法中的方方麵麵進行瞭說明和解釋，這可以有效地幫助從業人員更加規範地對用戶體驗進行評估。本書的兩位作者都受過嚴格的人因工程和心理學訓練，在用戶體驗方麵也積纍瞭豐富的實踐經驗，本書第2 版依然體現瞭三個特色：第一，圍繞用戶體驗評估，對幾種典型的度量數據的收集和分析進行瞭全麵整理；第二，操作性強，這是一本麵嚮用戶體驗從業人員的書，作者提供瞭大量可讀性很強的說明性樣例和案例研究；第三，為度量數據的選擇、分析和呈現提供瞭適當的極具針對性的理論基礎，保證瞭用戶體驗評估的科學性。
　　近年來，作為一個實踐導嚮的專業，用戶體驗越來越受到業界和學校教育的重視，其自身也在發展和更新，比如：（1）隨著精益創業/ 創新的推進，用戶體驗要與客戶發展和客戶全流程體驗結閤起來，實踐過程中要考慮如何基於用戶的角度呈現産品的價值，甚至還要與運營和營銷結閤起來考慮用戶體驗在提升産品成功轉化中的作用；（2）隨著移動互聯網的發展，“大數據”為我們收集、分析和評估用戶行為也提供瞭重要的途徑，在用戶體驗實踐中需要考慮“大數據”和“小數據”（如小樣本的評測數據）的綜閤使用；（3）就用戶體驗所基於的心理學基礎來看，以往我們往往多以認知心理學的觀點去考慮解釋、評估和設計用戶體驗。目前心理學中“具身認知”的思想越來越受到關注，就用戶體驗來說，這一理論取嚮強調人對産品的主觀體驗感知會受到大腦、身體和環境的綜閤影響，比如：用戶點頭或搖頭這樣的身體動作和所處環境的物理特徵（如溫度、空間、軟硬等）都會影響用戶對産品體驗感知的評價。這些都可以是我們在用戶體驗評估中需要關注的話題，本書雖然沒有專門就此進行討論，但所涉及的基本內容依然適用。
　　與第1 版一樣，現在看到的第2 版依然由多位譯者共同完成，初稿由周榮剛、秦憲剛、吳峰、李陽陽和薛立成完成，之後由周榮剛和秦憲剛進行校正，最後由周
　　榮剛完成統稿和最終審校。在此感謝參與第1 版翻譯的其他幾位譯者，以及對第1版譯稿予以指正的讀者。本書作者在第2 版更新的內容較多，翻譯中的不妥之處，懇請讀者批評、指正。
　　周榮剛
　　2015 年11 月18 日
　　前言V
　　歡迎翻閱《用戶體驗度量：收集、分析與呈現》第2 版。用戶體驗（UserExperience）（經常被簡稱為UX）自本書第1 版齣版以來已發生瞭相當多的變化。早在2008 年的時候，iPad 還不存在，基於安卓係統的智能手機也尚未齣現；而iPhone 則剛齣現不久，Pinterest 和其他諸多社交網站甚至尚未被關注；榖歌Chrome瀏覽器也僅僅隻是個傳聞。我們提及這些硬件和業務，是因為它們形成瞭人們對類似日常技術的使用體驗和期望。用戶期待隨手拿起一個新的應用或硬件就可以 用戶體驗度量：收集、分析與呈現（第2版 全彩） 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

很好的書 喜歡

評分☆☆☆☆☆

東西好，京東物流也好，書是包起來的，希望看下能有收獲！

評分☆☆☆☆☆

真的很不錯，買買買，送貨小哥也是非常好

評分☆☆☆☆☆

內容很好，物流非常方便快捷

評分☆☆☆☆☆

東西非常好，下次還會再來購買。

評分☆☆☆☆☆

有點兒意思瞭，嗯，不過還沒看完，值得看一下吧，雖然就是，整個的方法，包括一些名詞，還是比較灰色

評分☆☆☆☆☆

,購物評價已成為大眾監督産品好壞的一個重要方法,也是消費者挑選好壞産品的一個參考條件,

評分☆☆☆☆☆

有點兒意思瞭，嗯，不過還沒看完，值得看一下吧，雖然就是，整個的方法，包括一些名詞，還是比較灰色

評分☆☆☆☆☆

一直就想買這本書瞭，我有一個第二版，但是現在發現已經有很多改變。

類似圖書 點擊查看全場最低價

查看全網最低價