WXS19浅谈数据分析在UR中的应用.pdf

《WXS19浅谈数据分析在UR中的应用.pdf》由会员分享，可在线阅读，更多相关《WXS19浅谈数据分析在UR中的应用.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 浅谈数据分析在 UR 中的应用 摘要：摘要：在产品功能同质化的今天，消费者在购买产品的时候越来越关注用户体验。“用户至上”的理念逐渐被企业推广与应用，用户研究在企业中具有越来越重要的地位。作者依据用户研究方法与理论，结合在工作中遇到的实际问题，通过实例分析，阐述数据分析方法在 UR 中的作用和意义，并对分析方法进行了初步的探讨。关键词：关键词：数据分析方法，UR（用户研究），用户体验 1、前言前言 1.1 数据分析数据分析在在 UE 中中的重要性的重要性近几年，用户体验行业发展迅速，用户研究方法也逐渐成熟和一体化。但是无论是 UR 中的定性研究还是定量研究，数据分析在其中都扮演着重要的角色。

2、通过调研获悉数据，了解用户的直观感受；通过数据分析挖掘调研背后隐藏的重要信息，为后续研究报告的输出提供科学、合理的数据支撑。数据分析是形成报告或结论的重要依据，恰当、合理的数据分析方法有助于我们得出更为精确的调研结果，形成有价值的调研结论。1.2 UE 中经常遇到的数据分析问题中经常遇到的数据分析问题 1、数据清洗问题：在 UR 中，调研到的数据通常存在缺失、异常等现象，缺失数据和异常值的科学处理是用户研究中关键的第一步。样本量较少（调研数量少于 20 个）时，我们可以用眼睛观察，均值补充等方法清洗数据，但仍存在非明显异常值存在的问题，特别是大样本调研时，必须借助数据分析工具和适当的统计方法进

3、行处理。2、评分尺度度量问题：UR 工作离不开调研，在项目调研中，我们通常采用 5 分制或 10 分制评价尺度。疑问：1）5 分制和 10 分制两个评价尺度对 总体得分是否存在影响？两者是否存在显著性差异？2）若存在差异，则 5 分制和 10 分制哪个尺度更优？3、总体满意度计算问题：在 RE工作中，通常会开展对一个项目/产品满意度调研。被调研项目/产品总体满意度通常有多个指标组成，在计算总体满意度的时候我们通常会遇到如下问题：1）计算总体满意度得分时候，是平均还是加权平均？2）如果是加权平均，各指标的权重系数如何确定？2、介绍如何处理在介绍如何处理在UR中遇到的数据中遇到的数据分析问题分析问

4、题 2.12.1 针对数据清洗问题针对数据清洗问题 2.112.11 缺失缺失数据数据的处理的处理方法方法 a、常用有均值替代法和先验知识的估计；b、用 SPSS 统计软件进行处理；c、大样本调研可直接对缺失数据删除；具体操作具体操作：1）均值替代法简单、但会产生有偏估计、因此实际操作过程需谨慎处理；2）SPSS 中缺失数值的 5 种处理方法直接在 SPSS 中操作：(a)series mean:以列的算术 平均值进行替代；(b)mean of nearly point:以缺失数值邻近点的算术平均值进行替代；(c)Median of nearly point:以缺失数值临近点的中位数替代；(d

5、)linear interpolation:根据缺失数值前后 的 2 个观察值进行线性内查法估计和替代；(e)linear t rend at point:用线形回归法进行估计和替代；2.12 2.12 异常数据的处理方法异常数据的处理方法 直接观察法：如数据存在明显的逻辑错误；公式计算法：对异常值进行定量性描述，有判别式计算调研数值是否为异常值；异常值定量描述公式：ESD=|Xi X|maxS 其中 S 为标准差。ESD 的大小取决于所调研的样本量大小；对于样本含量为 n 的正态分布，建立在 ESD 统计量上的抽样分布的临界值由 B.Rosner(1983)给出，如下表 1：注：此界值依赖于

6、 n 及定义的第 p 个百分位点，因此该统计量的分界点记为 ESDn,p 注：对于不在表中的数值 n，采用如下公式进行估计：ESDn,1 =tn2,p(n 1)n(n 2+tn2,92)p=1 (2n)单个异常值的判断：若若 ESDESD表中表中界值，界值，则认为该调查数据是异常值；反之不认为存在异常值。ESD 界值表 1 在实际 UR 调研工作中，此方法用来判别异常数值简单、快速！2.2 2.2 评分尺度选择问题评分尺度选择问题 调研时候，我们通常会习惯性选取 5 分制量表让用户打分/评判，笔者在长期的调研执行过程中发现，5 分制量表设置存在如下问题：1）5 分制量表颗粒度较稀疏，可选择性较

7、小；2）大部分被调研用户习惯于百分制的思维方式，对 1-10 分之间档位选择理解到位；笔者针对此问题，在所主导的项目调研中开展了“评分尺度最优选择”研究，执行步骤如下：1）分别用5分制和10分制两者度量开展项目调研；2）对调研结果进行独立样本 T 检验分析；3）后期调研跟踪验证分析结果，最终筛选出适合本项目的调研尺度；举例说明执行情况：满意度调研中，对调研数据分析如下：Group Statistics 项目 1 调研分析结果 尺度 10 分制 5 5 分制分制 N 44.00 87.00 Mean 7.761 3.770 Std.Deviation 1.144 0.694 Std.Error

8、Mean 0.172 0.074 变异系数变异系数 0.147 0.184 0.184 项目 1 调研分析结果 Equal variances assumed Equal variances not assumed 独立独立样本样本t t 检检验验 t 21.450 17.145 df 132.000 53.562 Sig.(2Sig.(2-tailed)tailed)0.000 0.000 0.000 0.000 Std.Error Difference 0.205 0.256 95%Confidence Interval of the Difference Lower 3.985 3.87

9、6 Upper 4.795 4.903 从结果中可以看出：5 分制的变异系数 大于 10 分制；同时显著性水平sig=0.0000.05，所以我们有理由拒绝原假设，认为“5 分制尺度”评价与“10 分制尺度”评价之间存在显著性差异，且 10 分制评价较优！Group Statistics 项目 2 调研分析结果 尺度 10 分制 5 5 分制分制 N 46.000 88.000 Mean 7.968 3.763 Std.Deviation 1.342 0.665 Std.Error Mean 0.201 0.138 变异系变异系数数 0.168 0.177 0.177 项目 2 调研分析结果

10、Equal variances assumed Equal variances not assumed 独立独立样本样本 t t检验检验 t 24.798 21.255 df 129.000 59.468 Sig.Sig.(2(2-tailed)tailed)0.000 0.000 0.000 0.000 Std.Error Difference 0.161 0.188 95%Confidence Interval of the Difference Lower 3.673 3.616 Upper 4.310 4.367 从结果中可以看出：5 分制的变异系数值 0.1770.177 大于 10

11、 分制的 0.1680.168；同时显著性水平 sig=0.0000.05，所以我们有理由拒绝原假设，认为“5 分制尺度”评价与“10 分制尺度”评价之间存在显著性差异，且 10 分制评价较优！注：不同度量判别优劣时需要考虑变异系数 通过后期的持续数据分析，针对笔者所执行的项目调研，尺度选择结果如下：1）“5分制”和“10分制”两者调研结果存在显著性差异存在显著性差异；2）由于两者分析结果采用不同的度量方式，从分析结果的“变异系数”大小看，1010分制分制的调研结果更为准确，整体评估较优；建议：并非所有课题项目调研 10 分制评价均优于 5 分制，研究者可以根据自己课题需求进行调研分析，最终选

12、择适合自己的调研尺度，确保调研结果精确性、科学性！2.3 2.3 总体满意度得分计算问题：总体满意度得分计算问题：在 ER 中，我们通常会遇到具体项目的满意度测评、UI/ID 满意度测评等。针对此类问题，笔者通常采用“综合评价分析法”和“逻辑树分析法”相结合，最终输出报告。由于整体满意度有不同测评指标构成，每个指标对整体满意度得分贡献不同（从用户对不同指标的关注程度数据获悉），故我们在计算总体满意 度得分时候通常采用加权平均法。涉及到的步骤如下：通过调研等方法收集数据、并进行数据的清洗处理；确定指标体系中各指标的权重，以保证评价的科学性与精确性；对处理后的指标数据进行分析，建立模型，计算出综合

13、满意度分值；权系数确定：笔者通常采用回归分析的方法建立测评模型，确定指标权系数。举例说明：开展某款低端手机满意度调研，已知评价体系包括三个指标，“质量、造型和价格”，对调研数据作回归分析，得到模型如下：综合满意度综合满意度0.134造型0.645质量0.221价格 可以得出：指标“质量、造型和价格”的权系数分别为 0.645、0.134、0.221；同时可以看出，质量对综合满意度得分影响最大，质量每提高 1 分，用户满意度将提高 0.645 分；同时可以借助“逻辑树分析法”得出产品存在的问题和重点提示的指标。注：逻辑树是分析问题时最常用的工具之一，它将问题的所有子问题分层罗列，从目标开始，并逐

14、步向下扩展。3、小结小结 总之，任何方法都有自身的缺陷性，在实际的用户研究中，我们应该用之利，去之避，综合运用各种数据分析方法，提高我们分析结果的科学性和 UR 的专一性。经过实践证明文中提及到的方法在处理相关问题时较有效，能够得出相对精确的结果，同时借助计算机分析，一定程度上提高了分析效率和准确性。参考参考文献文献 1刘大海，李宁，晁阳.SPSS 统计分析从入门到精通;清华大学出版社.2张文雯，刘夏璐，狄松.谁说菜鸟不会数据分析;电子工业出版社.3User Experience Research Methods in 3D:What to Use When and How to know y

15、oure Right,Presented at Bay chi,SF chapter of ACM SIGCHI January 13,2009-Palo,Alto,CA.4Katz,Michael A.and Rohrer,Christian.How Many Users Are Really Enough?-What to Report:Deciding Whether an issue is Valid.User Experience,Vol.4,Issue 4(Fall 2005).5 Katz,Michael A.and Rohrer,Christian.How Many Users

16、 Are Really Enough?.And More importantly When?Unpublished paper(2004)available at http:/ Desirability:New methods for evaluating desirability in a usability lab setting.In Proceeding of Usability Professionals Association 2002,Orlando,July 8-12.7http:/spss-.8http:/www.pinggu.org/bbs/.9http:/.10林洪桦;剔除异常数据的稳健性处理方法J;中国计量学院学报;2004 年 01 期.11胡飞,聚焦用户-UCD观念与实务;中国建筑工业出版社.12Mike Kuniavsky.Observing the User Experience:A Practitioners Guide to User Research,Morgan Kaufmann,2003.13Patrick Whitney.Vijay Kumar.Faster,Cheaper,Deeper User Research,Design Management Journal,Vol.14,Issue 2,Spring 2003.