Användbarhetstestning är en researchmetod där verkliga eller representativa användare försöker slutföra specifika uppgifter med en produkt, en prototyp eller en webbplats medan en observatör registrerar var de lyckas, var de har svårt och hur de beskriver sin upplevelse, vanligtvis genom att tänka högt medan de arbetar. Till skillnad från enkäter eller analys, som rapporterar vad användare gjorde eller sa i efterhand, observerar användbarhetstestning beteendet direkt och i sitt sammanhang, vilket gör det till ett av de mest direkta sätten att avgöra om ett gränssnitt verkligen är lätt att förstå och använda i stället för att bara antas vara det av teamet som byggde det.
Metoden är viktig eftersom gränssnittsproblem som är osynliga för dem som utformat gränssnittet ofta är uppenbara för förstagångsanvändare, ett gap som vanligtvis förklaras av kunskapens förbannelse, där designers och intressenter som är mycket väl förtrogna med en produkt har svårt att upptäcka tvetydigheter som en ny användare stöter på direkt. Flitigt citerad användbarhetsforskning har visat att testning med så få som fem deltagare vanligtvis avslöjar en stor majoritet, ofta angiven till ungefär 85 procent, av de användbarhetsproblem som finns i ett givet gränssnitt, och därför genomförs användbarhetstestning i allmänhet i små, iterativa omgångar med deltagare snarare än i storskaliga studier, vilket gör att team snabbt kan testa, åtgärda och testa om i stället för att vänta på att samla ett stort urval innan några förändringar görs.
Användbarhetstestning genomförs i flera format: modererad testning, där en facilitator guidar en deltagare genom uppgifter i realtid, antingen på plats eller via video, och kan ställa följdfrågor för att reda ut förvirrande ögonblick, omodererad fjärrtestning, där deltagarna slutför uppgifter på egen hand med hjälp av en testplattform och deras skärm och röst spelas in för senare granskning, vilket ger snabbare och billigare datainsamling till priset av att man inte kan fördjupa sig i reaktioner i stunden, samt guerrilla-testning, ett informellt och billigt angreppssätt som samlar snabb feedback från tillgängliga deltagare, till exempel kollegor eller förbipasserande, användbart för validering i tidigt skede när en fullständig studie ännu inte är motiverad. Testsessioner struktureras vanligtvis kring specifika, realistiska uppgiftsscenarier snarare än öppen utforskning, och framgången utvärderas med mått som andel slutförda uppgifter, tid per uppgift, antal fel och en deltagares subjektiva betyg av användarvänlighet, ofta insamlat med ett standardiserat instrument som System Usability Scale.
Ett vanligt missförstånd är att användbarhetstestning och A/B-testning tjänar samma syfte, när de i själva verket besvarar olika frågor i olika skeden: användbarhetstestning identifierar varför användare har svårt med ett gränssnitt innan det byggs eller lanseras brett, vanligtvis på en prototyp eller en redan live men ovaliderad design, medan A/B-testning mäter vilken av flera redan byggda varianter som presterar bäst i stor skala när trafik finns tillgänglig. En vanlig fallgrop i själva användbarhetstestningen är att rekrytera deltagare som inte är representativa för den faktiska målgruppen, till exempel att testa ett arbetsflöde i företagsprogramvara med deltagare som inte känner till den underliggande affärsprocessen, vilket ger vilseledande friktionspunkter som inte skulle uppstå med genuina målgruppsanvändare. Att leda deltagare med tips eller förslag under en session, i stället för att låta dem kämpa och ärligt observera den kampen, är ett annat vanligt fel som undergräver fyndens validitet.
I CRO- och UX-konsultuppdrag används användbarhetstestning ofta både diagnostiskt, för att förstå varför ett befintligt flöde underpresterar, och som validering innan en omdesign lanseras brett, genom att testa en ny prototyp med en liten grupp representativa användare för att fånga större användbarhetsproblem innan utvecklings- och testresurser binds i ett fullständigt A/B-test. Fynden från användbarhetstestning sammanställs vanligtvis till en prioriterad lista över problem, ofta rangordnade efter allvarlighetsgrad och hur många deltagare som stötte på varje problem, vilken sedan matas direkt in i de designändringar eller experimenthypoteser som utgör kundens bredare optimeringsplan.
Ett konkret exempel visar metodens effektivitet: ett team som testar en omdesignad sida för kontoinställningar med fem deltagare kan observera att fyra av fem inte hittar alternativet för att ändra sina aviseringsinställningar, där var och en oberoende letar på samma felaktiga plats i gränssnittet. Detta enda, mycket konsekventa fynd, framtaget genom en liten och billig testomgång, är vanligtvis tillräcklig motivering för att flytta inställningen före lansering, utan att behöva en större och mer tidskrävande studie för att bekräfta något som redan har observerats misslyckas på ett tillförlitligt och upprepat sätt hos nästan alla testade deltagare.
