解鎖卡片分類(lèi)的全過(guò)程
研究者通過(guò)卡片分類(lèi)對(duì)參與者的習(xí)慣、偏好進(jìn)行調(diào)查,并可以由此了解到用戶的歸類(lèi)原因以及價(jià)值觀。
一、什么是卡片分類(lèi)?
卡片分類(lèi)是一種簡(jiǎn)單易行的信息整理工具,它將信息系統(tǒng)中的元素組織得讓用戶易于理解,用于幫助設(shè)計(jì)或者評(píng)估信息架構(gòu),通常在用戶研究與設(shè)計(jì)初期執(zhí)行。邀請(qǐng)用戶參與可以真正了解符合用戶習(xí)慣的信息架構(gòu)。研究者通過(guò)使用標(biāo)有單詞、圖片的若干主題卡,鼓勵(lì)參與者按他們的偏好順序?qū)ζ溥M(jìn)行整理歸類(lèi)??ㄆ诸?lèi)可以幫助研究者獲得諸多洞察,甚至可以在卡片分類(lèi)后進(jìn)行深入的對(duì)話,了解他們歸類(lèi)的原因、價(jià)值觀。
1. 主要方法
開(kāi)放式卡片分類(lèi):給定待分類(lèi)的主題卡。參與者根據(jù)他們的理解將主題卡聚合成若干組別,并以他們描述內(nèi)容的方式命名組別。
封閉式卡片分類(lèi):給定待分類(lèi)的主題卡和組別,參與者根據(jù)他們理解將主題卡劃入既定的組別。
2. 執(zhí)行類(lèi)型
一對(duì)一執(zhí)行:配備一名可用性團(tuán)隊(duì)成員,參與者獨(dú)立執(zhí)行。這樣可以更深入地了解參與者的思考過(guò)程,但耗時(shí)較長(zhǎng)。
一對(duì)多執(zhí)行:配備一名可用性團(tuán)隊(duì)成員,各參與者獨(dú)立執(zhí)行。這樣可以快速收集多份分類(lèi),但需要準(zhǔn)備更多的材料,同時(shí)對(duì)每位參與者的了解不深。
團(tuán)隊(duì)共同執(zhí)行:配備一名可用性團(tuán)隊(duì)成員,各參與者共同執(zhí)行。協(xié)作可以更快地完成分類(lèi),但需要將團(tuán)體動(dòng)力學(xué)考慮進(jìn)去,如群體氣氛、群體成員間的關(guān)系、領(lǐng)導(dǎo)作風(fēng)對(duì)群體性質(zhì)的影響。
遠(yuǎn)程執(zhí)行:不需要配備可用性團(tuán)體成員,參與者各自執(zhí)行。這樣可以跨地區(qū)執(zhí)行,但無(wú)法了解參與者思考的過(guò)程。
二、為什么要使用卡片分類(lèi)?
邀請(qǐng)用戶參與卡片分類(lèi)測(cè)試,有助于了解站在用戶的角度來(lái)理解信息的組織。了解用戶整理歸類(lèi)的方式可以幫助產(chǎn)品團(tuán)隊(duì)驗(yàn)證分類(lèi)是否符合用戶預(yù)期,并進(jìn)一步優(yōu)化信息架構(gòu)。
三、如何執(zhí)行卡片分類(lèi)?
1. 創(chuàng)建卡片
主題卡:根據(jù)需要測(cè)試的主題準(zhǔn)備單詞主題卡或圖片主題卡,每張卡片只有一個(gè)主題。通常數(shù)量在?50 至 60 ,過(guò)量容易造成參與者疲勞。
空白卡:準(zhǔn)備若干空白卡,以便參與者自行添加主題。
組別卡:考慮使用不同于空白卡的組別卡,讓參與者為組別命名。
主題卡編號(hào):考慮在不明顯的地方編號(hào),以便于后續(xù)研究者進(jìn)行分析。
2. 執(zhí)行準(zhǔn)備
邀請(qǐng)用戶:相關(guān)實(shí)驗(yàn)表明,15 個(gè)樣本量得出來(lái)的分類(lèi)結(jié)果與全部用戶的分類(lèi)結(jié)果之間的相關(guān)系數(shù)達(dá)到?0.90?。查看報(bào)告
估算時(shí)間:提供估算時(shí)間有助于參與者建立完成時(shí)的預(yù)期。
足夠空間:以便參與者將主題卡平鋪在在桌上或者粘貼在墻上。
隨時(shí)記錄:可用性團(tuán)隊(duì)成員可以隨時(shí)記錄參與者的想法、理由或挫折。
準(zhǔn)備獎(jiǎng)勵(lì):如果合適,為參與者準(zhǔn)備若干小獎(jiǎng)品。
3. 執(zhí)行測(cè)試
說(shuō)明目的:向參與者簡(jiǎn)要說(shuō)明本次開(kāi)放式、封閉式卡片分類(lèi)的目的。在開(kāi)放式中,請(qǐng)說(shuō)明要求參與者針對(duì)自定義的組別命名;在封閉式中,請(qǐng)說(shuō)明想要了解參與者如何定義這些組別。
隨機(jī)演示:隨機(jī)出現(xiàn)的卡片有助于參與者進(jìn)行分類(lèi)。
執(zhí)行分類(lèi):盡量不要打斷參與者。并允許參與者使用空白卡添加主題,或棄置不想要的主題卡。
大聲思考:鼓勵(lì)參與者大聲思考,有助于可用性團(tuán)隊(duì)成員隨時(shí)記錄。
提供獎(jiǎng)勵(lì):如果合適,為參與者提供若干小獎(jiǎng)品。
及時(shí)記錄:及時(shí)拍攝分好類(lèi)的主題卡,記錄分組的名稱(chēng)、數(shù)量以及主題卡。為下一次測(cè)試重新洗牌。
4. 還可以線上執(zhí)行卡片分類(lèi)
有很多桌面工具、在線工具可以執(zhí)行卡片分類(lèi),且多數(shù)工具都具備基本的分析能力,以下是較為常見(jiàn)的工具:Cart Sort(Windows?應(yīng)用程序)、xSort(Mac?應(yīng)用程序)、OptimalSort、UsabilityTest Card Sorting?等。
四、如何分析開(kāi)放式卡片分類(lèi)
1. 原理
通過(guò)測(cè)量所有卡片兩兩之間的距離,來(lái)研究它們之間的相似性。故可以使用任何研究距離矩陣的標(biāo)準(zhǔn)統(tǒng)計(jì)方法,如層級(jí)聚類(lèi)分析(hierarchical cluster analysis)、多維標(biāo)度法(multidimensional scaling)。
在數(shù)學(xué)中, 一個(gè)距離矩陣是一個(gè)包含一組點(diǎn)兩兩之間距離的矩陣(即二維數(shù)組)。因此給定?N?個(gè)歐幾里得空間中的點(diǎn),其距離矩陣就是一個(gè)非負(fù)實(shí)數(shù)作為元素的?N × N?的對(duì)稱(chēng)矩陣。
——維基百科
2. 工具
(1)Donna Spencer’s Card Sort Analysis Spreadsheets
Donna?的模板提供了?20 * 200?以及?40 * 400?的聯(lián)動(dòng)數(shù)據(jù)表?。除此之外,Donna?的模板還在數(shù)據(jù)表中提供了標(biāo)準(zhǔn)化的處理。
(2)SPSS Statistics
很多商業(yè)統(tǒng)計(jì)工具可以實(shí)現(xiàn),包括 Excel 在 Windows 上的插件?Unistat??。下面以SPSS 的操作分層聚類(lèi)分析的路徑為例。
路徑:SPSS – Analyze – Classify – Hierarchical Cluster
3. 步驟
(1)將每位參與者的數(shù)據(jù)轉(zhuǎn)成 N * N 的對(duì)稱(chēng)矩陣
根據(jù)不同的定義,在錄入數(shù)據(jù)的時(shí)候有兩種預(yù)處理思路,但異曲同工:
- 組內(nèi)距離為?0?,組外距離為?1?,即相異矩陣。
- 組內(nèi)距離為?1?,組外距離為?0?,即共生矩陣。
以共生矩陣為例,設(shè)定單個(gè)參與者放置在同一組的卡片之間距離為?1?,錄入?yún)⑴c者的卡片分組,可以得到一張這樣的矩陣——矩陣中的距離只能是 1 或者 0 。
(2)將所有參與者的 N * N 對(duì)稱(chēng)矩陣疊加
疊加之后的對(duì)稱(chēng)矩陣可以看到兩兩卡片被放到一組的頻次。因分析數(shù)據(jù)的需要,需要補(bǔ)齊完整的矩陣,包括對(duì)角線。
- 在相異矩陣中,對(duì)角線為0。
- 在共生矩陣中,對(duì)角線為用戶數(shù)。
以共生矩陣為例,所有參與者的對(duì)稱(chēng)矩陣如下:
(3)調(diào)整數(shù)據(jù)格式
在變量視圖里面,將卡片名調(diào)整為定類(lèi)變量,將卡片頻次調(diào)整為定距變量。
(4)層級(jí)聚類(lèi)分析
在使用?SPSS?運(yùn)行層級(jí)聚類(lèi)分析時(shí),可以使用不同的聯(lián)接方法和度量距離進(jìn)行運(yùn)算。根據(jù)經(jīng)驗(yàn),Between-Groups Linkage(組間聯(lián)接法)、Within-Groups Linkage(組內(nèi)聯(lián)接法)?以及Ward’s Method(Ward法)是比較行之有效的連接方法;同時(shí),由于我們是對(duì)觀察記錄(cases) 進(jìn)行分類(lèi),在選取度量區(qū)間上使用?Q?型聚類(lèi)的?Euclidean distance(歐氏距離)?或?Squared Euclidean distance(歐氏距離平方)。
聯(lián)接方法:
- Between-Groups Linkage(組間聯(lián)接法):合并兩類(lèi),使所有兩類(lèi)的平均距離最小。系統(tǒng)默認(rèn)選項(xiàng)。
- Within-Groups Linkage(組內(nèi)聯(lián)接法):合并兩類(lèi),新類(lèi)中所有項(xiàng)之間的平均距離最小。
- Nearest Neighbor(最近鄰法):以?xún)深?lèi)間最近點(diǎn)間的距離,代表兩類(lèi)間的距離。
- Furthest Neighbor(最遠(yuǎn)鄰法):以?xún)深?lèi)間最遠(yuǎn)點(diǎn)間的距離,代表兩類(lèi)間的距離。
- Centroid Clustering(重心聚類(lèi)法):定義類(lèi)與類(lèi)之間的距離為兩類(lèi)中各樣本的重心之間的距離。
- Median Clustering(中位數(shù)聚類(lèi)法):定義類(lèi)與類(lèi)之間的距離為兩類(lèi)中各樣本的中位數(shù)之間的距離。
- Ward’s Method(Ward法):聚類(lèi)中使類(lèi)內(nèi)各樣本的離差平方和最小,類(lèi)間的離差平方和盡可能大。
度量區(qū)間:
- Euclidean distance(歐氏距離):即兩觀察單位間的距離為其值差的平方和的平方根。用于?Q?型聚類(lèi)。
- Squared Euclidean distance(歐氏距離平方):即兩觀察單位間的距離為其值差的平方和。用于?Q?型聚類(lèi)。系統(tǒng)默認(rèn)項(xiàng)。
- Cosline(余弦相似性測(cè)度):變量矢量的余弦,這是模型相似性的度量。
- Pearson conelation(皮爾遜相關(guān)系數(shù)):即相關(guān)系數(shù)距離,是線性關(guān)系的測(cè)度,范圍是-1~+1。用于?R?型聚類(lèi)。
- Chebychev(切比雪夫距離):即兩觀察單位間的距離為其任意變量的最大絕對(duì)差值,用于?Q?型聚類(lèi)。
- Block(Manhattan 距離):兩項(xiàng)之間的距離是每個(gè)變量值之差的絕對(duì)值總和,用于?Q?型聚類(lèi)。
- Minkowski(閔科夫斯基距離):距離是一個(gè)絕對(duì)冪的度量,即變量絕對(duì)值的第?p?次冪之和的平方根。p?由用戶指定。
- Customized(自定義距離):距離是一個(gè)絕對(duì)冪的度量,即變量絕對(duì)值的第?p?次冪之和的第?r?次根。p?與?r?由用戶指定。
4. 結(jié)果
從冰柱圖(Vertical Icicle)和系統(tǒng)樹(shù)圖(Dendrogram)查看分類(lèi)結(jié)果。
(1)冰柱圖怎么看
- 觀察縱軸,通過(guò)添加切割線進(jìn)行水平切分。
- 觀察0至切割線區(qū)間,白柱間的間隔,間隔即為組。
(2)系統(tǒng)樹(shù)圖怎么看
- 從左至右看,可以看到哪些卡片在最開(kāi)始就聚類(lèi)到一起。
- 從右往左看,通過(guò)添加切割線進(jìn)行垂直切分,了解組數(shù);組數(shù)可以是參與者的平均組數(shù),也可以是業(yè)務(wù)方的目標(biāo)組數(shù)。
通常,一個(gè)開(kāi)放式卡片分類(lèi)后,可以緊跟一個(gè)或多個(gè)封閉式卡片分類(lèi),通過(guò)封閉式卡片分類(lèi)來(lái)驗(yàn)證信息歸類(lèi)是否合適。
五、如何分析封閉式卡片分類(lèi)
1. 原理
定義衡量指標(biāo)為把主題卡放置各組別中的參與者比例。每張主題卡在組間比例懸殊較大的,是較有把握的分類(lèi);反之,是存在分歧的分類(lèi)。
2. 工具
使用 Excel 就可以完成基礎(chǔ)統(tǒng)計(jì)。
3. 步驟
- 邀請(qǐng)參與者將主題卡與組別匹配。
- 將每位參與者的數(shù)據(jù)轉(zhuǎn)成 N * N 的對(duì)稱(chēng)矩陣。
- 將所有參與者的 N * N 的對(duì)稱(chēng)矩陣疊加。
- 將頻次轉(zhuǎn)化成百分?jǐn)?shù),標(biāo)記出每張主題卡的最大百分?jǐn)?shù)。
- 求最大百分?jǐn)?shù)的平均數(shù),該平均數(shù)可以衡量該組組名是否有效。
當(dāng)我們列舉了多種分類(lèi)方式,需要驗(yàn)證求其一時(shí),則需要基于每種分類(lèi)方式,邀請(qǐng)數(shù)量一致的不同參與者。同時(shí)需要考慮:
- 多種分類(lèi)方式中組別數(shù)量一致,可以直接使用最大百分?jǐn)?shù)的平均數(shù)來(lái)衡量。
- 多種分類(lèi)方式中組別數(shù)量不一致,可以使用最大比例與第二比例的差值的平均數(shù)來(lái)衡量。
寫(xiě)在最后的一些經(jīng)驗(yàn):
(1)主題卡編號(hào)提高錄入效率。將線下數(shù)據(jù)轉(zhuǎn)錄至線上是一個(gè)量大效率低的事,結(jié)合卡片編號(hào)可以有效提高錄入效率。
(2)主題卡的措辭盡量精準(zhǔn),避免偏差、歧義。無(wú)法避免時(shí),可以在主題卡上加以解釋。否則難以理解的主題卡會(huì)被用戶分到無(wú)法解釋的類(lèi)別。
(3)用戶的結(jié)果不一定是合適的。在主題卡涉及領(lǐng)域較廣且主題卡理解有不可避免的偏差時(shí),目標(biāo)用戶的分類(lèi)受知識(shí)所限,可以考慮專(zhuān)家法,執(zhí)行封閉式卡片分類(lèi)。
參考資料
- https://www.usability.gov/how-to-and-tools/methods/card-sorting.html
- http://www.designkit.org/methods/24
- https://zh.wikipedia.org/wiki/%E8%B7%9D%E7%A6%BB%E7%9F%A9%E9%98%B5
- http://blog.sina.com.cn/s/blog_777d52410101ilyz.html
作者:Shia
來(lái)源:Tencent CDC(https://cdc.tencent.com/2019/03/28/解鎖卡片分類(lèi)全過(guò)程/)
本文來(lái)源于人人都是產(chǎn)品經(jīng)理合作媒體@騰訊CDC
題圖來(lái)自Unsplash, 基于CC0協(xié)議
- 目前還沒(méi)評(píng)論,等你發(fā)揮!