ऑप्टिमल वर्कशॉप के अपने डेटासेट में, जो लाखों ट्री-टेस्ट कार्यों से लिया गया है, रिकॉर्ड मौजूद हैं। सही क्लिक के बाद 70% कार्य सफलता दर और गलत क्लिक के बाद 24% सफलता दर।किसी व्यक्ति द्वारा चुना गया पहला लेबल ही अधिकांश परिणाम निर्धारित करता है। लेकिन यह संख्या आपको यह नहीं बताती कि कौन सा अध्ययन करना है। टीमें कार्ड सॉर्टिंग करती हैं जबकि उनके पास पहले से ही मेनू होता है और उन्हें केवल शब्दों पर संदेह होता है; ट्री टेस्ट करती हैं जबकि उनकी शब्दावली की कभी जाँच नहीं की गई होती; फिर ऐसे परिणामों पर बहस करती हैं जिनसे कभी भी प्रश्न का समाधान नहीं होने वाला था। यह गाइड UX लीड्स, प्रोडक्ट मैनेजर्स और CRO टीमों के लिए है जिन्हें नेविगेशन संबंधी समस्या है और जिनका शोध बजट सीमित है। अंत तक आप नेविगेशन संबंधी निर्णय को तीन विधियों में से किसी एक से मिला सकेंगे, अध्ययन का आकार निर्धारित कर सकेंगे, डेटा एकत्र करने से पहले एक पास थ्रेशहोल्ड निर्धारित कर सकेंगे और यह बता सकेंगे कि परिणाम क्या सिद्ध नहीं कर सकता।
ये तीनों विधियाँ तीन अलग-अलग प्रश्नों के उत्तर देती हैं।
कार्ड सॉर्टिंग एक जनरेटिव विधि है। आप लोगों को अपनी सामग्री देते हैं और उन्हें समूह बनाने और नाम देने देते हैं। इससे आपको पता चलता है कि आपके दर्शक डोमेन को कैसे विभाजित करते हैं और वे किन शब्दों का उपयोग करते हैं। यह आपको यह नहीं बता सकता कि कोई विशेष मेनू काम करता है या नहीं, क्योंकि अध्ययन में कोई मेनू नहीं होता।
ट्री टेस्टिंग एक मूल्यांकन विधि है। इसमें प्रस्तावित पदानुक्रम को केवल पाठ-आधारित लेबलों में बदल दिया जाता है, लोगों को एक कार्य दिया जाता है और फिर देखा जाता है कि वे किस दिशा में आगे बढ़ते हैं। इससे पता चलता है कि संरचना खोजने योग्य है या नहीं और कौन सी शाखा लोगों को आकर्षित करती है। जैसा कि NN/g ने बताया है, केवल पाठ वाली सेटिंग जानबूझकर स्थान, रंग और छवियों को हटा देती है, जिससे लेबल और संरचना की गुणवत्ता का पता चलता है।
फर्स्ट-क्लिक टेस्टिंग सीमित दायरे वाली होती है। इसमें एक स्क्रीन, एक टास्क और एक रिकॉर्ड किया गया क्लिक शामिल होता है। यह आपको एक नज़र में बता देता है कि एंट्री पॉइंट सही है या नहीं, लेकिन इससे दो लेवल नीचे क्या होता है, इसके बारे में कुछ पता नहीं चलता।
गलत कार्ड चलाना एक आम विफलता है। "कोई भी वापसी नीति नहीं ढूंढ पा रहा है" कार्ड सॉर्टिंग का प्रश्न नहीं है। "हमें नहीं पता कि 'सॉल्यूशंस' का खरीदारों के लिए कोई अर्थ है या नहीं" ट्री टेस्टिंग का प्रश्न नहीं है - ट्री टेस्ट केवल आपके अनुमान को मापेगा।
मापदंड तालिका: निर्णय के आधार पर चयन करें, न कि उस टूल के आधार पर जिसके लिए आपके पास लाइसेंस है।
| कसौटी | कार्ड सॉर्टिंग | वृक्ष परीक्षण | प्रथम-क्लिक परीक्षण |
|---|---|---|---|
| प्रश्न इसका उत्तर है | लोग इस सामग्री को किस प्रकार समूहित और नाम देंगे? | क्या लोग इस संरचना में चीजें ढूंढ सकते हैं? | क्या प्रवेश बिंदु पहली नजर में सही ढंग से पढ़ा जा सकता है? |
| प्रकार | उत्पादक | मूल्यांकनात्मक, मात्रात्मक | मूल्यांकनात्मक, मात्रात्मक |
| मौजूदा संरचना की आवश्यकता है | नहीं | हां, कम से कम एक मसौदा तो होना चाहिए। | हां, एक स्क्रीन या वायरफ्रेम |
| सामान्य प्रतिभागी | कम से कम 15, उच्च दांव के लिए 30 | मात्रात्मक अध्ययन के लिए प्रति वृक्ष 50 से अधिक | 50+ प्रति स्क्रीन वेरिएंट |
| प्राथमिक मेट्रिक्स | समझौता और सह-घटना, लेबल आवृत्ति | सफलता दर, प्रत्यक्षता, पहला क्लिक, समय | पहले क्लिक में सटीक परिणाम, क्लिक के साथ ऊष्मा का वितरण |
| ऐसा परिणाम जिस पर आप कार्रवाई कर सकते हैं | उम्मीदवार श्रेणियां और उपयोगकर्ता शब्दावली | टूटी हुई शाखाओं और लेबलों की एक क्रमबद्ध सूची | किसी एक लेबल या लेआउट विकल्प पर निर्णय |
| जहां यह गुमराह करता है | व्यक्ति अलग-अलग समूहों में बंट जाते हैं; इन्हें सुलझाने के लिए विवेक की आवश्यकता होती है। | इसमें कोई दृश्य गंध नहीं होती, इसलिए यह खराब लेआउट को भी बेहतर बना देता है। | रिकवरी को अनदेखा करता है; गलत पहला क्लिक हमेशा कार्य के खो जाने का संकेत नहीं होता। |
निर्णय नियम
- कोई ढांचा नहीं, या ऐसा ढांचा जिसमें कोई विश्वास नहीं करता। पहले कार्ड सॉर्ट करें — यदि आपको शब्दावली चाहिए तो ओपन सॉर्ट करें, यदि शीर्ष स्तर निश्चित है और केवल स्थान निर्धारण का प्रश्न है तो क्लोज्ड सॉर्ट करें।
- दो संभावित उम्मीदवार संरचनाएं और एक ऐसी बैठक जो कभी खत्म नहीं होगी। ट्री टेस्ट दोनों का परीक्षण करता है। तीनों में से यही एकमात्र ऐसा परीक्षण है जो संरचनात्मक तर्क को संख्या के आधार पर हल करता है।
- ट्रैफ़िक तो आता है लेकिन अगला क्लिक गलत होता है। पहले क्लिक करके उस स्क्रीन का परीक्षण करें। एक लेबल को ठीक करने के लिए आर्किटेक्चर को दोबारा न बनाएं।
- एनालिटिक्स पहले से ही यह दिखा रहा है कि लोग कहां से पढ़ाई छोड़ रहे हैं। खोज प्रक्रिया को छोड़ दें। पहले लीक हो रही शाखा का ट्री टेस्ट करें, फिर प्रतिस्थापन लेबल का फर्स्ट-क्लिक टेस्ट करें।
- नया बाजार या नई भाषा। उस भाषा में और उस बाज़ार के प्रतिभागियों के साथ कार्ड सॉर्टिंग। अनुवादित मेनू एक अप्रमाणित मेनू है।
समीक्षा में आप जिन नमूना आकारों और सीमाओं का बचाव कर सकते हैं
कार्ड सॉर्टिंग के लिए, टुलिस और वुड ने 168 उपयोगकर्ताओं का परीक्षण किया और यादृच्छिक उपसमूहों का विश्लेषण किया। पूर्ण-नमूना परिणाम के साथ सहसंबंध 5 उपयोगकर्ताओं पर 0.75, 15 पर 0.90, 20 पर 0.93, 30 पर 0.95 और 60 पर 0.98 था। नीलसन इसे इस प्रकार पढ़ता है: 15 वह स्तर है जहाँ रुकना सुविधाजनक है, 30 अच्छी तरह से वित्त पोषित परियोजनाओं के लिए है। उपयोगिता परीक्षण का पाँच-उपयोगकर्ता नियम यहाँ लागू नहीं होता — एक जनरेटिव विधि को पैटर्न को स्थिर करने के लिए पर्याप्त लोगों की आवश्यकता होती है।
ट्री टेस्टिंग के लिए, NN/g सार्थक तुलना के लिए प्रति ट्री 50 या अधिक प्रतिभागियों की अनुशंसा करता है, और 98 अध्ययनों में अल्बर्ट और टुलिस के बैंड से उत्तीर्ण होने की सीमा निर्धारित करता है: 40% से कम खराब, 41-60% औसत, 61-80% अच्छा, 80-90% बहुत अच्छा, 90% से ऊपर उत्कृष्ट। डेटा देखने से पहले सीमा पर सहमति बना लें। मिशन-क्रिटिकल कार्यों - चेकआउट, रिफंड, अपॉइंटमेंट बुकिंग - के लिए 90% स्वीकृति आवश्यक है; प्रमोशनल ब्राउज़िंग कार्य 70% स्वीकृति पर चल सकता है।
सफलता के साथ-साथ प्रत्यक्षता को भी समझें, कभी भी सफलता के विकल्प के रूप में नहीं। कम प्रत्यक्षता के साथ उच्च सफलता का अर्थ है कि लोग भटकते हुए पहुँचते हैं: यह लेबल गलत है, भले ही संरचना बनी रहे। यह पैटर्न ट्री टेस्ट द्वारा उत्पन्न सबसे उपयोगी संकेत है।
कार्य उदाहरण
एक ऑनलाइन फार्मेसी जिसमें "स्वास्थ्य" नामक एक मुख्य आइटम है और उसके नीचे एक सहायता लेख छिपा हुआ है। ये आंकड़े केवल उदाहरण के लिए हैं, ग्राहक डेटा नहीं।
- वृक्ष परीक्षण, 60 प्रतिभागी, 8 कार्य। "पता करें कि आपकी दवा का खर्च कवर होता है या नहीं।" सफलता दर 58%, प्रत्यक्षता दर 22% — बैंड के मामले में ठीक है, और प्रत्यक्षता में अंतर लेबल की ओर इशारा करता है।
- पहली क्लिक तालिका पढ़ें। 41% "स्वास्थ्य" के लिए, 33% "समर्थन" के लिए, 18% "खाता" के लिए: तीन संभावित श्रेणियां बताती हैं कि श्रेणी की सीमा उपयोगकर्ताओं के दिमाग में नहीं है।
- बंद कार्ड सॉर्ट, 20 प्रतिभागीलेख के शीर्षकों और मौजूदा शीर्ष स्तर का उपयोग करते हुए। यदि कवरेज आइटम तीन समूहों में बिखरे हुए हैं, तो शीर्ष स्तर गलत है, न कि शब्दावली।
- फिर से लिखें और पुनः परीक्षण करें। नया ट्री, वही 8 कार्य, 60 नए प्रतिभागी। लक्ष्य सफलता दर 80% से अधिक और प्रत्यक्षता दर 60% से अधिक।
- पहले क्लिक करके नए लेबल का परीक्षण करें शिपिंग से पहले असली पेज पर। ट्री टेस्ट में कोई दृश्य गंध नहीं थी; लाइव पेज पर गंध है।
[आंतरिक डेटा की आवश्यकता: इस उदाहरण अनुक्रम को पहचान छिपाए गए स्विटास ट्री-टेस्ट के पहले/बाद के परिणामों से बदलें, जिसमें सफलता और प्रत्यक्षता के आंकड़े और कार्यों की संख्या शामिल हो।]
तुर्की भाषा में लेबल, और क्षेत्रीय मामला सिर्फ दिखावटी क्यों नहीं है
दो चीजें तुर्की और कई पड़ोसी भाषाओं में लेबल परीक्षण को कठिन बनाती हैं, और ये दोनों ही बातें इस क्षेत्र में बिक्री करने वाले किसी भी व्यक्ति के लिए मायने रखती हैं, न कि केवल इस क्षेत्र से बिक्री करने वालों के लिए।
सबसे पहले, तुर्की भाषा संयोजनात्मक है: अर्थ प्रत्यय के रूप में मूल शब्द से जुड़ते हैं, इसलिए अंग्रेजी में दो छोटे शब्दों वाली श्रेणी अक्सर तुर्की में एक लंबा शब्द बन जाती है। अंग्रेजी में फिट होने वाले मेनू बहुत बड़े हो जाते हैं, और टीमें उन्हें छोटा करके ठीक करती हैं - यही वह चर है जिसे ट्री टेस्ट मापता है। लेबल को उनकी वास्तविक लंबाई पर टेस्ट करें।
दूसरा, तुर्की भाषा में चार 'I' अक्षर होते हैं: बिंदीदार İ (U+0130) और i (U+0069), बिंदु रहित I (U+0049) और ı (U+0131). तुर्की नियमों के तहत, लोअरकेस i के लिए नक्शे İ, नहीं Iइसलिए, अंग्रेज़ी के लिए लिखा गया केस-इनसेंसिटिव मिलान विफल हो जाता है — "iptal" की खोज संग्रहीत "IPTAL" से मेल नहीं खाएगी। यदि साइट खोज, फ़िल्टर चिप्स या ब्रेडक्रम्ब केसिंग किसी लोकेल-अनजान अपरकेस कॉल से गुजरते हैं, तो उपयोगकर्ताओं को मौजूद शब्द के लिए एक खाली परिणाम सेट मिलता है। लेबल को दोष देने से पहले इस संभावना को दूर कर लें।
इसमें अनुपालन का भी एक पहलू है। WCAG 2.2 सफलता मानदंड 2.4.6, शीर्षक और लेबल, स्तर AA का है और इसके लिए आवश्यक है कि शीर्षक और लेबल विषय या उद्देश्य का वर्णन करें। 40% सफलता दर वाला लेबल न केवल रूपांतरण की समस्या है, बल्कि यह अनुरूपता के दावे के विरुद्ध प्रमाण भी है।
ये आंकड़े क्या साबित नहीं करते
यहां सबसे अधिक उद्धृत आंकड़ा बेली और वोल्फसन के 2006-2009 के कार्य से लिया गया है, जिसमें सही पहले क्लिक के बाद 87% और गलत क्लिक के बाद 46% कार्य सफलता दर बताई गई है। इसे ध्यानपूर्वक देखें: ऑप्टिमल वर्कशॉप के अपने, कहीं अधिक बड़े डेटासेट में इसी तुलना के लिए 70% और 24% परिणाम प्राप्त हुए हैं। दिशा समान है, लेकिन परिमाण काफी भिन्न हैं — और ये दोनों सहसंबंध उपकरण के भीतर मापे गए हैं, न कि इस बात का प्रमाण कि क्लिक परीक्षण वास्तविक स्थल पर व्यवहार की भविष्यवाणी करता है।
इस संदर्भ में, सौरो, शियावोन, डू और लुईस ने 2023 में 130 प्रतिभागियों पर एक अध्ययन किया, जिसमें स्थिर छवियों और लाइव साइटों पर पहले क्लिक की तुलना की गई: व्यवहार समान था, हॉटस्पॉट क्षेत्रों में औसतन लगभग 6% का अंतर था। उन्होंने यह भी बताया कि उन्होंने आगे के कार्यों की सफलता को नहीं मापा, और यह कि रिस्पॉन्सिव लेआउट और होवर मेनू ने वास्तविक विसंगतियां उत्पन्न कीं। असल बात यह है कि क्लिक परीक्षण यह दर्शाते हैं कि लोग कहाँ क्लिक करते हैं, न कि यह कि वे यह अनुमान लगाते हैं कि लोग कार्य पूरा करेंगे या नहीं।
ट्री टेस्टिंग में एक समान सावधानी बरतनी पड़ती है। कुरिक, डेमचक और क्राजकोविक ने 180 प्रतिभागियों और 1,800 कार्यों में एक ही आर्किटेक्चर के उच्च-विश्वसनीयता वाले प्रोटोटाइप के विरुद्ध तीन ट्री-टेस्टिंग वेरिएंट की तुलना की, और वेरिएंट एक-दूसरे से सहमत नहीं थे; ट्री-विजिबल वेरिएंट ने प्रोटोटाइप व्यवहार को सबसे सटीक रूप से ट्रैक किया, और बैकट्रैकिंग मेट्रिक्स में काफी अंतर था। यदि आपका टूल ट्री को उस ट्री से अलग तरीके से प्रस्तुत करता है जिससे बेंचमार्क लिया गया है, तो बेंचमार्क लागू नहीं होता है।
जहां यह टूट जाता है
- खोज-प्रधान साइटें। यदि अधिकांश सेशन सर्च बॉक्स से शुरू होते हैं, तो आप एक ऐसे रास्ते को ऑप्टिमाइज़ कर रहे हैं जिसका उपयोग बहुत कम लोग करते हैं। सबसे पहले सर्च इवेंट वाले सेशन का हिस्सा जांचें।
- व्यक्तिगत नेविगेशन। ट्री टेस्टिंग एक निश्चित पदानुक्रम को मानकर चलती है। यदि मेनू अलग-अलग खंडों में भिन्न है, तो आप एक काल्पनिक चीज़ का परीक्षण कर रहे हैं।
- बहुत कम जनसंख्या। बी2बी और क्लिनिकल दर्शकों के लिए अक्सर 50 योग्य प्रतिभागी उपलब्ध कराना संभव नहीं होता। प्रतिशत के बजाय संख्याएँ बताएँ और इस बात का स्पष्ट उल्लेख करें।
- इन तीनों परीक्षणों में से कोई भी बोध क्षमता का परीक्षण नहीं करता है। वे खोज का मूल्यांकन करते हैं, खोज हो जाने के बाद उसे समझने का नहीं। इसके लिए उपयोगिता परीक्षण की आवश्यकता है।
- इनमें से कोई भी राजस्व का मापन नहीं करता है। नेविगेशन संबंधी समस्या का समाधान एक प्रयोग के लिए परिकल्पना है, न कि सिद्ध लिफ्ट। इसे परीक्षण के बाद ही भेजें।
ज़्यादातर पूछे जाने वाले सवाल
क्या मैं एक ही प्रतिभागियों पर कार्ड सॉर्ट और ट्री टेस्ट दोनों चला सकता हूँ?
एक ही सत्र में नहीं। क्रमबद्धता से लोगों को आपका मॉडल समझने में मदद मिलती है, जिससे वे उन चीजों को ढूंढ पाते हैं जो एक नए आगंतुक को नहीं मिलेंगी। अलग-अलग समूहों को भर्ती करें, या उनके बीच कई हफ्तों का अंतराल रखें।
कार्ड सॉर्ट के लिए मुझे कितने प्रतिभागियों की आवश्यकता है?
टुलिस और वुड के आंकड़ों में, पंद्रह का मान पूर्ण-नमूना परिणाम के साथ 0.90 का सहसंबंध दर्शाता है, और 30 का मान 0.95 का। 15 से नीचे यह पैटर्न अस्थिर है। 30 से ऊपर जाने पर लागत के हिसाब से बहुत कम लाभ मिलता है।
क्या वृक्ष परीक्षण के लिए वास्तव में 50 प्रतिभागियों की आवश्यकता है?
दो वृक्षों के बीच मात्रात्मक तुलना के लिए, हाँ—NN/g की यही अनुशंसा है। किसी एक वृक्ष के लिए, जहाँ आप केवल स्पष्ट रूप से टूटी हुई शाखाओं को खोजना चाहते हैं, 20 से 30 शाखाएँ सबसे खराब स्थिति वाली शाखाओं को उजागर करेंगी, लेकिन प्रतिशत के बजाय संख्याएँ बताएँ।
उत्तीर्ण होने की सफलता दर किसे माना जाता है?
दौड़ शुरू करने से पहले निर्णय लें। अल्बर्ट और टुलिस मानकों को आधार मानें: 80% से ऊपर बहुत अच्छा है, 61-80% अच्छा है, और 40% से नीचे खराब है। पैसे, दवा या कानूनी अधिकार से जुड़े कार्यों के लिए मानक को 90% तक बढ़ा दें।
सफलता तो बहुत है, लेकिन स्पष्टता की कमी है। मुझे क्या सुधार करना चाहिए?
लेबल महत्वपूर्ण है, संरचना नहीं। लोग खोजबीन के बाद सही जगह पर पहुँच रहे हैं, जिसका मतलब है कि श्रेणी उनके मॉडल में मौजूद है, लेकिन आपके शब्दों से इसका संकेत नहीं मिल रहा है। लेबल को दोबारा लिखें और उन्हीं कार्यों का पुनः परीक्षण करें।
क्या एआई टूल प्रतिभागियों की आवश्यकता को समाप्त कर देता है?
इन विधियों के लिए नहीं। ये विधियाँ किसी विशिष्ट जनसंख्या के विश्वासों और कार्यों को मापती हैं; किसी मॉडल द्वारा उस जनसंख्या के बारे में लगाया गया अनुमान परिकल्पना है, डेटा नहीं। मॉडल का उपयोग कार्यों को तैयार करने और खुले-अंत वाले लेबलों को तेज़ी से समूहित करने के लिए करें।
अगला कदम
यदि आपके पास कोई नेविगेशन संबंधी समस्या है जिसका समाधान एनालिटिक्स द्वारा नहीं किया जा सकता है, तो सबसे सस्ता समाधान दोनों संभावित संरचनाओं पर पूर्व-निर्धारित सीमाओं के साथ ट्री परीक्षण करना है। कार्य लिखें, मानक निर्धारित करें और इसे चलाएं — या इसे हमें चलाने दीजिए और आपको टूटी हुई शाखाओं की क्रमबद्ध सूची सौंप देंगे।
सूत्रों का कहना है
- जैकब नीलसन, कार्ड सॉर्टिंग: परीक्षण के लिए कितने उपयोगकर्ता चाहिए, नीलसन नॉर्मन ग्रुप, 2004
- टॉम टुलिस और लैरी वुड, कार्ड-सॉर्टिंग अध्ययन के लिए कितने उपयोगकर्ता पर्याप्त हैं?, यूपीए 2004
- पेज लॉबहाइमर, ट्री टेस्टिंग भाग 2: परिणामों की व्याख्या, नीलसन नॉर्मन ग्रुप, 19 जनवरी 2024
- समहिता टंकाला, कार्ड सॉर्टिंग बनाम ट्री टेस्टिंग, नीलसन नॉर्मन ग्रुप, 23 फरवरी 2024
- नीलसन नॉर्मन ग्रुप, ट्री टेस्टिंग: मेनू लेबल और श्रेणियों का मूल्यांकन करें
- ऑप्टिमल वर्कशॉप, सही शुरुआती क्लिक से कार्य की सफलता दर 3 गुना अधिक होती है, 13 अप्रैल 2015
- जेफ सौरो, विल शियावोन, डेविड डू और जिम लुईस, क्या क्लिक टेस्ट लाइव साइट क्लिक्स की भविष्यवाणी करते हैं?, मेजरिंगयू, 21 मार्च 2023
- एडुआर्ड कुरिक, पीटर डेमचक और माटस क्राजकोविक, सूचना वास्तुकला का सत्यापन: ट्री टेस्टिंग वेरिएंट और प्रोटोटाइप उपयोगकर्ता परीक्षण की क्रॉस-मेथोडोलॉजिकल तुलना, सूचना और सॉफ्टवेयर प्रौद्योगिकी 183, जुलाई 2025
- डब्ल्यू3सी, सफलता मानदंड 2.4.6 को समझना: शीर्षक और लेबल, डब्ल्यूसीएजी 2.2
- टेक्स टेक्सिन, तुर्की भाषा का अंतर्राष्ट्रीयकरण: बिंदीदार और बिंदी रहित तुर्की अक्षर I
