ชุดข้อมูลของ Optimal Workshop เอง ซึ่งรวบรวมมาจากงานทดสอบโครงสร้างต้นไม้หลายล้านงาน บันทึกข้อมูลต่างๆ ไว้ 70% ของงานสำเร็จหลังจากคลิกครั้งแรกถูกต้อง และ 24% หลังจากคลิกครั้งแรกไม่ถูกต้องป้ายกำกับแรกที่บุคคลเลือกนั้นมีผลต่อผลลัพธ์ส่วนใหญ่ แต่ตัวเลขนั้นไม่ได้บอกคุณว่าควรดำเนินการศึกษาแบบใด ทีมงานใช้การจัดเรียงการ์ดเมื่อพวกเขามีเมนูอยู่แล้วและสงสัยเพียงแค่คำพูด ทดสอบโครงสร้างด้วยการทดสอบต้นไม้โดยที่คำศัพท์ไม่เคยถูกตรวจสอบมาก่อน จากนั้นก็โต้เถียงเกี่ยวกับผลลัพธ์ที่ไม่ได้ช่วยหาข้อสรุปใดๆ คู่มือนี้เหมาะสำหรับหัวหน้าทีม UX ผู้จัดการผลิตภัณฑ์ และทีม CRO ที่มีปัญหาเกี่ยวกับการนำทางและงบประมาณการวิจัยที่จำกัด เมื่ออ่านจบแล้ว คุณจะสามารถจับคู่การตัดสินใจด้านการนำทางกับหนึ่งในสามวิธี กำหนดขนาดของการศึกษา ตั้งเกณฑ์การผ่านก่อนที่จะเก็บข้อมูล และระบุสิ่งที่ผลลัพธ์ไม่สามารถพิสูจน์ได้
วิธีการทั้งสามนี้ตอบคำถามที่แตกต่างกันสามข้อ
การจัดเรียงการ์ดเป็นการสร้างข้อมูล คุณส่งรายการเนื้อหาของคุณให้ผู้คนและปล่อยให้พวกเขาจัดกลุ่มและตั้งชื่อกลุ่มเหล่านั้น มันจะบอกคุณว่ากลุ่มเป้าหมายของคุณแบ่งโดเมนอย่างไรและใช้คำอะไรบ้าง อย่างไรก็ตาม มันไม่สามารถบอกคุณได้ว่าเมนูใดเมนูหนึ่งได้ผลหรือไม่ เพราะในการศึกษาครั้งนี้ไม่มีเมนูให้ใช้
การทดสอบโครงสร้างต้นไม้เป็นการประเมินผล คุณตัดโครงสร้างลำดับชั้นที่เสนอให้เหลือเพียงป้ายกำกับที่เป็นข้อความเท่านั้น มอบงานให้ผู้คน และสังเกตว่าพวกเขาไปที่ใด มันจะบอกคุณว่าโครงสร้างนั้นสามารถค้นหาได้หรือไม่ และกิ่งก้านใดที่กลืนกินผู้คนไป ตามที่ NN/g ระบุไว้ การตั้งค่าเป็นข้อความเท่านั้นจะลบตำแหน่ง สี และภาพออกไปโดยเจตนา ดังนั้นจึงแยกคุณภาพของป้ายกำกับและโครงสร้างออกมาได้
การทดสอบการคลิกครั้งแรกนั้นแคบกว่า คือ หน้าจอเดียว งานเดียว และการบันทึกการคลิกเพียงครั้งเดียว มันบอกคุณได้ว่าจุดเริ่มต้นอ่านได้ถูกต้องหรือไม่ในทันที แต่ไม่ได้บอกอะไรเกี่ยวกับสิ่งที่เกิดขึ้นในระดับถัดไป
การเลือกใช้สิ่งที่ผิดคือความล้มเหลวที่พบบ่อย "ไม่มีใครหาเงื่อนไขการคืนสินค้าเจอ" ไม่ใช่คำถามสำหรับการจัดเรียงการ์ด "เราไม่รู้ว่า 'วิธีแก้ปัญหา' มีความหมายอะไรกับผู้ซื้อหรือไม่" ไม่ใช่คำถามสำหรับการทดสอบแบบต้นไม้ เพราะการทดสอบแบบต้นไม้จะวัดได้แค่การคาดเดาของคุณเท่านั้น
ตารางเกณฑ์: เลือกจากผลการตัดสินใจ ไม่ใช่จากเครื่องมือที่คุณมีใบอนุญาตใช้งาน
| เกณฑ์ | การจัดเรียงการ์ด | การทดสอบต้นไม้ | การทดสอบการคลิกครั้งแรก |
|---|---|---|---|
| คำถามมันตอบ | ผู้คนจะจัดกลุ่มและตั้งชื่อเนื้อหาเหล่านี้อย่างไร? | ผู้คนสามารถค้นหาสิ่งของในโครงสร้างนี้ได้หรือไม่? | จุดเริ่มต้นอ่านได้ถูกต้องตั้งแต่แรกเห็นหรือไม่? |
| ประเภท | เกี่ยวกับการกำเนิด | การประเมินผลเชิงปริมาณ | การประเมินผลเชิงปริมาณ |
| จำเป็นต้องมีโครงสร้างที่มีอยู่แล้ว | ไม่ | ใช่ อย่างน้อยก็เป็นฉบับร่าง | ใช่แล้ว หน้าจอหรือโครงร่าง |
| ผู้เข้าร่วมทั่วไป | ขั้นต่ำ 15 คน 30 คนสำหรับเดิมพันสูง | 50+ ต่อต้นสำหรับการอ่านเชิงปริมาณ | มากกว่า 50 ชิ้นต่อรุ่นหน้าจอ |
| ตัวชี้วัดหลัก | ข้อตกลงและการเกิดขึ้นร่วมกัน ความถี่ของป้ายกำกับ | อัตราความสำเร็จ, ความตรงไปตรงมา, การคลิกครั้งแรก, เวลา | ความแม่นยำในการคลิกครั้งแรก การกระจายความร้อนในการคลิก |
| ผลลัพธ์ที่คุณสามารถนำไปปฏิบัติได้ | หมวดหมู่ผู้สมัครและคำศัพท์ของผู้ใช้ | รายการจัดอันดับของกิ่งและป้ายกำกับที่เสียหาย | การตัดสินใจเกี่ยวกับตัวเลือกฉลากหรือรูปแบบใดรูปแบบหนึ่ง |
| ซึ่งทำให้เข้าใจผิด | แต่ละบุคคลมีพฤติกรรมการจัดกลุ่มแตกต่างกัน จำเป็นต้องใช้ดุลยพินิจในการแก้ไขปัญหา | ไม่มีกลิ่นให้เห็น จึงช่วยกลบกลิ่นจากการจัดวางที่ไม่ดีได้ | ไม่สนใจการกู้คืน; การคลิกครั้งแรกที่ผิดพลาดไม่ได้หมายความว่างานจะล้มเหลวเสมอไป |
กฎการตัดสินใจ
- ไม่มีโครงสร้าง หรือมีเพียงโครงสร้างที่ไม่มีใครเชื่อถือ เริ่มจากจัดเรียงการ์ดก่อน — แบบเปิดถ้าต้องการคำศัพท์ แบบปิดถ้าระดับสูงสุดคงที่และต้องการแค่จัดวางตำแหน่งเท่านั้น
- โครงสร้างผู้สมัครสองแบบและการประชุมที่ไม่มีวันจบสิ้น ทดสอบด้วยการทดสอบแบบต้นไม้ทั้งสองแบบ นี่เป็นวิธีเดียวในสามวิธีที่สามารถตัดสินข้อโต้แย้งเชิงโครงสร้างด้วยตัวเลขได้
- มีผู้เข้าชมเว็บไซต์ แต่การคลิกครั้งต่อไปกลับผิดพลาด ทดสอบการคลิกครั้งแรกบนหน้าจอนั้น อย่าสร้างโครงสร้างใหม่ทั้งหมดเพื่อแก้ไขป้ายกำกับเพียงป้ายเดียว
- ระบบวิเคราะห์ข้อมูลแสดงให้เห็นแล้วว่าผู้คนลงจอดที่จุดใด ข้ามขั้นตอนการค้นหา ทดสอบโครงสร้างต้นไม้ของสาขาที่มีการรั่วไหล จากนั้นทดสอบการคลิกครั้งแรกของป้ายกำกับทดแทน
- ตลาดใหม่หรือภาษาใหม่ การจัดเรียงการ์ดในภาษานั้นๆ โดยใช้ผู้เข้าร่วมตลาดนั้นๆ เมนูที่แปลแล้วคือเมนูที่ยังไม่ได้ทดสอบ
ขนาดตัวอย่างและเกณฑ์ที่คุณสามารถใช้ในการอธิบายหรือชี้แจงในบทวิจารณ์ได้
สำหรับการจัดเรียงการ์ด Tullis และ Wood ทดสอบกับผู้ใช้ 168 คน และวิเคราะห์กลุ่มย่อยแบบสุ่ม ความสัมพันธ์กับผลลัพธ์จากกลุ่มตัวอย่างทั้งหมดอยู่ที่ 0.75 ที่ผู้ใช้ 5 คน 0.90 ที่ 15 คน 0.93 ที่ 20 คน 0.95 ที่ 30 คน และ 0.98 ที่ 60 คน Nielsen ตีความว่า: 15 คนคือจำนวนผู้ใช้ที่หยุดได้สบาย ๆ และ 30 คนคือจำนวนโครงการที่มีเงินทุนสนับสนุนอย่างดี กฎผู้ใช้ 5 คนจากการทดสอบการใช้งานไม่สามารถนำมาใช้ได้จริง — วิธีการสร้างข้อมูลจำเป็นต้องมีจำนวนคนมากพอเพื่อให้รูปแบบมีความเสถียร
สำหรับการทดสอบโครงสร้างต้นไม้ (tree testing) NN/g แนะนำให้มีผู้เข้าร่วมอย่างน้อย 50 คนต่อโครงสร้างต้นไม้ เพื่อให้สามารถเปรียบเทียบโครงสร้างต้นไม้ได้อย่างมีความหมาย และกำหนดเกณฑ์การผ่านโดยอ้างอิงจากช่วงคะแนนของ Albert และ Tullis จากการศึกษา 98 ครั้ง ดังนี้: ต่ำกว่า 40% แย่, 41–60% ปานกลาง, 61–80% ดี, 80–90% ดีมาก, สูงกว่า 90% ยอดเยี่ยม ควรตกลงเกณฑ์ก่อนที่จะดูข้อมูล งานที่สำคัญต่อภารกิจ เช่น การชำระเงิน การคืนเงิน การจองนัดหมาย ควรผ่านเกณฑ์ 90% ส่วนงานเรียกดูข้อมูลเพื่อการส่งเสริมการขาย สามารถผ่านได้ที่ 70%
จงอ่านความตรงไปตรงมาควบคู่ไปกับความสำเร็จ อย่าอ่านมันแทนที่ความสำเร็จ ความสำเร็จสูงแต่ความตรงไปตรงมาต่ำหมายความว่าผู้คนมาถึงโดยบังเอิญ: ป้ายกำกับนั้นผิดแม้ว่าโครงสร้างจะยังคงอยู่ รูปแบบนั้นเป็นสัญญาณที่มีประโยชน์ที่สุดที่การทดสอบแบบต้นไม้สร้างขึ้น
ตัวอย่างการทำงาน
ร้านขายยาออนไลน์ที่มีหมวดหมู่หลักเป็น "สุขภาพ" และมีบทความสนับสนุนซ่อนอยู่ภายใต้หมวดหมู่นั้น ตัวเลขที่แสดงเป็นเพียงตัวอย่าง ไม่ใช่ข้อมูลลูกค้า
- การทดสอบโครงสร้างต้นไม้ ผู้เข้าร่วม 60 คน 8 งาน "ตรวจสอบว่ายาตามใบสั่งแพทย์ของคุณได้รับความคุ้มครองหรือไม่" อัตราความสำเร็จ 58% ความตรงไปตรงมา 22% — ถือว่าอยู่ในระดับปานกลาง และช่องว่างด้านความตรงไปตรงมานี้ชี้ให้เห็นถึงข้อบกพร่องของฉลากยา
- อ่านตารางการคลิกครั้งแรก 41% ไปที่ "สุขภาพ" 33% ไปที่ "การสนับสนุน" และ 18% ไปที่ "บัญชี": สามหมวดหมู่ที่เป็นไปได้นี้หมายความว่าขอบเขตของหมวดหมู่ไม่ได้อยู่ในความคิดของผู้ใช้
- การจัดเรียงไพ่แบบปิด ผู้เข้าร่วม 20 คนโดยใช้ชื่อบทความและโครงสร้างระดับบนสุดที่มีอยู่ หากเนื้อหาข่าวกระจายอยู่ทั่วสามกลุ่ม แสดงว่าโครงสร้างระดับบนสุดผิด ไม่ใช่ถ้อยคำที่ใช้
- เขียนโค้ดใหม่และทดสอบอีกครั้ง โครงสร้างโครงการใหม่ งานเดิม 8 งาน ผู้เข้าร่วมใหม่ 60 คน เป้าหมายอัตราความสำเร็จมากกว่า 80% และความตรงไปตรงมามากกว่า 60%
- ทดสอบการคลิกครั้งแรกกับป้ายกำกับใหม่ บนหน้ากระดาษจริงก่อนจัดส่ง การทดสอบกับต้นไม้ไม่มีกลิ่นให้เห็น แต่บนหน้ากระดาษจริงมีกลิ่น
[ต้องการข้อมูลภายใน: แทนที่ลำดับภาพประกอบนี้ด้วยผลการทดสอบแบบต้นไม้ของ Switas ก่อนและหลังที่ไม่ระบุตัวตน รวมถึงตัวเลขความสำเร็จและความตรงไปตรงมา และจำนวนงาน]
ฉลากในภาษาตุรกี และเหตุผลที่กรณีระดับภูมิภาคนี้ไม่ใช่เรื่องเครื่องสำอาง
มีสองสิ่งที่เป็นอุปสรรคต่อการทดสอบฉลากในภาษาตุรกีและภาษาใกล้เคียงหลายภาษา และทั้งสองสิ่งนี้มีความสำคัญต่อทุกคนที่ขายสินค้าไปยังภูมิภาคนี้ ไม่ใช่แค่ขายสินค้าจากภูมิภาคนี้เท่านั้น
ประการแรก ภาษาตุรกีเป็นภาษาแบบรวมคำ: ความหมายจะถูกต่อเติมเข้ากับคำหลักเป็นคำต่อท้าย ดังนั้นหมวดหมู่ที่ในภาษาอังกฤษมีคำสั้นสองคำ มักจะเป็นคำยาวคำเดียวในภาษาตุรกี เมนูที่พอดีกับภาษาอังกฤษมักจะยาวเกินไป และทีมงานจะแก้ไขโดยการตัดทอน ซึ่งเป็นตัวแปรที่การทดสอบโครงสร้างคำวัดได้พอดี ทดสอบป้ายกำกับที่ความยาวที่มันจะแสดงผลจริง
ประการที่สอง ภาษาตุรกีมีอักษร I สี่ตัว: (จุด) İ (U+0130) และ i (U+0069) ไม่มีจุด I (U+0049) และ ı (U+0131) ตามกฎของตุรกี ให้ใช้ตัวพิมพ์เล็ก i แผนที่ไปยัง İไม่ Iดังนั้น การจับคู่แบบไม่คำนึงถึงตัวพิมพ์ใหญ่เล็กที่เขียนไว้สำหรับภาษาอังกฤษจึงล้มเหลว — การค้นหา "iptal" จะไม่ตรงกับ "IPTAL" ที่จัดเก็บไว้ หากการค้นหาในเว็บไซต์ ตัวกรอง หรือการใช้ตัวพิมพ์ใหญ่เล็กในแถบนำทางผ่านการเรียกใช้ตัวพิมพ์ใหญ่ที่ไม่คำนึงถึงภาษาท้องถิ่น ผู้ใช้จะได้รับชุดผลลัพธ์ว่างเปล่าสำหรับคำที่ควรจะมีอยู่จริง ตรวจสอบประเด็นนี้ก่อนที่จะตำหนิป้ายกำกับ
นอกจากนี้ยังมีข้อได้เปรียบด้านการปฏิบัติตามมาตรฐานด้วย เกณฑ์ความสำเร็จ WCAG 2.2 ข้อ 2.4.6 เรื่องหัวข้อและป้ายกำกับ อยู่ในระดับ AA และกำหนดให้หัวข้อและป้ายกำกับต้องอธิบายหัวข้อหรือวัตถุประสงค์ ป้ายกำกับที่ทดสอบแล้วได้ผลลัพธ์ความสำเร็จเพียง 40% ไม่เพียงแต่เป็นปัญหาด้านการแปลงข้อมูลเท่านั้น แต่ยังเป็นหลักฐานที่ขัดแย้งกับการอ้างว่าปฏิบัติตามมาตรฐานอีกด้วย
ตัวเลขเหล่านี้ไม่ได้พิสูจน์อะไรบ้าง
ตัวเลขที่ถูกอ้างถึงมากที่สุดในที่นี้คือ อัตราความสำเร็จของงาน 87% หลังจากการคลิกครั้งแรกที่ถูกต้อง เทียบกับ 46% หลังจากการคลิกครั้งแรกที่ไม่ถูกต้อง ซึ่งมาจากงานวิจัยของ Bailey และ Wolfson ในปี 2006–2009 โปรดพิจารณาอย่างรอบคอบ: ชุดข้อมูลขนาดใหญ่กว่ามากของ Optimal Workshop เองให้ผลลัพธ์ 70% และ 24% สำหรับการเปรียบเทียบเดียวกัน ทิศทางเดียวกัน แต่ขนาดแตกต่างกันอย่างมาก — และทั้งสองเป็นค่าสหสัมพันธ์ที่วัดได้ภายในเครื่องมือ ไม่ใช่หลักฐานที่พิสูจน์ได้ว่าการทดสอบการคลิกสามารถทำนายพฤติกรรมบนเว็บไซต์จริงได้
ในประเด็นนี้ Sauro, Schiavone, Du และ Lewis ได้ทำการทดลองกับผู้เข้าร่วม 130 คนในปี 2023 โดยเปรียบเทียบการคลิกครั้งแรกบนภาพนิ่งกับเว็บไซต์จริง ผลปรากฏว่าพฤติกรรมคล้ายคลึงกัน โดยมีความแตกต่างเฉลี่ยประมาณ 6% ในแต่ละพื้นที่ที่มีการคลิกบ่อย พวกเขายังระบุด้วยว่าไม่ได้วัดความสำเร็จของงานที่ทำในขั้นตอนต่อไป และพบว่าเลย์เอาต์ที่ตอบสนองต่อขนาดหน้าจอและเมนูที่แสดงเมื่อวางเมาส์เหนือภาพนั้นมีความแตกต่างอย่างเห็นได้ชัด ข้อเท็จจริงที่ตรงไปตรงมาคือ การทดสอบการคลิกเป็นการจำลองตำแหน่งที่ผู้คนคลิก ไม่ใช่การทำนายว่าผู้คนจะทำภารกิจสำเร็จหรือไม่
การทดสอบโครงสร้างต้นไม้มีข้อควรระวังที่คล้ายกัน Kuric, Demcak และ Krajcovic เปรียบเทียบตัวแปรการทดสอบโครงสร้างต้นไม้สามแบบกับต้นแบบที่มีความแม่นยำสูงของสถาปัตยกรรมเดียวกัน โดยมีผู้เข้าร่วม 180 คน และงาน 1,800 งาน และพบว่าตัวแปรเหล่านั้นไม่สอดคล้องกัน ตัวแปรที่แสดงโครงสร้างต้นไม้ได้ชัดเจนที่สุดนั้นติดตามพฤติกรรมของต้นแบบได้ใกล้เคียงที่สุด และตัวชี้วัดการย้อนกลับแตกต่างกันอย่างมีนัยสำคัญ หากเครื่องมือของคุณแสดงโครงสร้างต้นไม้แตกต่างจากที่ใช้เป็นเกณฑ์มาตรฐาน เกณฑ์มาตรฐานนั้นจะไม่สามารถนำไปใช้ได้
จุดที่เกิดปัญหาคือ...
- เว็บไซต์ที่เน้นการค้นหาเป็นหลัก หากเซสชันส่วนใหญ่เริ่มต้นที่ช่องค้นหา แสดงว่าคุณกำลังปรับแต่งเส้นทางที่มีคนใช้น้อย ตรวจสอบสัดส่วนของเซสชันที่มีการค้นหาก่อน
- ระบบนำทางส่วนบุคคล การทดสอบโครงสร้างต้นไม้ตั้งอยู่บนสมมติฐานว่ามีลำดับชั้นคงที่เพียงลำดับเดียว หากเมนูแตกต่างกันไปตามแต่ละส่วน แสดงว่าคุณกำลังทดสอบสมมติฐานนั้นอยู่
- ประชากรมีจำนวนน้อยมาก กลุ่มเป้าหมาย B2B และกลุ่มทางการแพทย์มักไม่สามารถจัดหาผู้เข้าร่วมที่มีคุณสมบัติครบ 50 คนได้ ควรรายงานจำนวนผู้เข้าร่วมแทนที่จะเป็นเปอร์เซ็นต์ และระบุให้ชัดเจนด้วย
- ไม่มีการทดสอบความเข้าใจใด ๆ ในสามข้อนี้ พวกเขาประเมินสิ่งที่ค้นพบ ไม่ใช่ความเข้าใจเมื่อค้นพบแล้ว ซึ่งต้องอาศัยการทดสอบการใช้งาน
- ไม่มีส่วนใดที่วัดรายได้เลย การแก้ไขระบบนำทางเป็นเพียงสมมติฐานสำหรับการทดลอง ไม่ใช่การยกน้ำหนักที่ได้รับการพิสูจน์แล้ว ควรทดสอบก่อนนำไปใช้งานจริง
คำถามที่พบบ่อย
ฉันสามารถทำการทดสอบการเรียงลำดับการ์ดและการทดสอบโครงสร้างต้นไม้กับผู้เข้าร่วมกลุ่มเดียวกันได้หรือไม่?
ไม่ควรทำในรอบเดียวกัน การจัดเรียงจะช่วยให้ผู้คนเรียนรู้แบบจำลองของคุณ เพื่อที่พวกเขาจะได้ค้นพบสิ่งที่ผู้เยี่ยมชมใหม่หาไม่เจอ ควรจัดกลุ่มแยกกัน หรือเว้นระยะเวลาหลายสัปดาห์ระหว่างกัน
ต้องมีผู้เข้าร่วมกี่คนสำหรับการจัดเรียงไพ่?
ค่า 15 ให้ค่าสัมประสิทธิ์สหสัมพันธ์ 0.90 เมื่อเทียบกับผลลัพธ์จากข้อมูลตัวอย่างทั้งหมดของ Tullis และ Wood และค่า 30 ให้ค่า 0.95 ค่าที่ต่ำกว่า 15 รูปแบบจะไม่เสถียร การเพิ่มค่าเกิน 30 นั้นให้ผลตอบแทนน้อยมากเมื่อเทียบกับต้นทุน
จำเป็นต้องมีผู้เข้าร่วม 50 คนสำหรับการทดสอบต้นไม้จริงหรือ?
สำหรับการเปรียบเทียบเชิงปริมาณระหว่างต้นไม้สองต้น ใช่แล้ว นั่นคือคำแนะนำของ NN/g สำหรับต้นไม้ต้นเดียวที่คุณต้องการค้นหากิ่งที่หักอย่างเห็นได้ชัดเท่านั้น จำนวน 20 ถึง 30 กิ่งจะช่วยให้พบกิ่งที่เสียหายมากที่สุด แต่ให้รายงานจำนวนกิ่งที่หักแทนที่จะเป็นเปอร์เซ็นต์
อัตราความสำเร็จที่ถือว่าผ่านเกณฑ์คืออะไร?
ตัดสินใจก่อนเริ่มดำเนินการ ใช้เกณฑ์ของ Albert และ Tullis เป็นพื้นฐาน: มากกว่า 80% ถือว่าดีมาก 61-80% ถือว่าดี ต่ำกว่า 40% ถือว่าแย่ เพิ่มเกณฑ์เป็น 90% สำหรับงานที่เกี่ยวข้องกับเงิน ยา หรือสิทธิทางกฎหมาย
อัตราความสำเร็จสูง แต่ความตรงไปตรงมาต่ำ ฉันต้องแก้ไขตรงไหน?
ป้ายกำกับสำคัญกว่าโครงสร้าง ผู้คนไปถึงที่หมายที่ถูกต้องหลังจากสำรวจแล้ว ซึ่งหมายความว่าหมวดหมู่นั้นมีอยู่ในแบบจำลองของพวกเขา แต่คำพูดของคุณไม่ได้บ่งบอกถึงสิ่งนั้น แก้ไขป้ายกำกับและทดสอบงานเดิมอีกครั้ง
เครื่องมือ AI ช่วยลดความจำเป็นในการมีผู้เข้าร่วมหรือไม่?
วิธีการเหล่านี้ใช้ไม่ได้ผล เพราะมันวัดสิ่งที่ประชากรกลุ่มหนึ่งเชื่อและทำ การคาดเดาของแบบจำลองเกี่ยวกับประชากรกลุ่มนั้นเป็นเพียงสมมติฐาน ไม่ใช่ข้อมูล ควรใช้แบบจำลองเพื่อร่างงานและจัดกลุ่มป้ายกำกับแบบปลายเปิดได้เร็วกว่า
ขั้นตอนต่อไป
หากคุณมีข้อโต้แย้งเกี่ยวกับการนำทางที่การวิเคราะห์ไม่สามารถหาข้อสรุปได้ วิธีแก้ปัญหาที่ประหยัดที่สุดคือการทดสอบโครงสร้างต้นไม้บนโครงสร้างที่เป็นไปได้ทั้งสองแบบ โดยกำหนดเกณฑ์ที่ตกลงกันไว้ล่วงหน้า เขียนงาน กำหนดเกณฑ์ และเรียกใช้ — หรือ ให้เราดำเนินการ แล้วส่งรายชื่อกิ่งไม้หักตามลำดับให้คุณ
แหล่งที่มา
- Jakob Nielsen, การจัดเรียงการ์ด: ควรทดสอบกับผู้ใช้กี่คน, Nielsen Norman Group, 2004
- ทอม ทัลลิส และ แลร์รี วูด, จำนวนผู้ใช้เท่าใดจึงเพียงพอสำหรับการศึกษาการจัดเรียงการ์ด?, UPA 2004
- Page Laubheimer, การทดสอบต้นไม้ ตอนที่ 2: การตีความผลลัพธ์, Nielsen Norman Group, 19 มกราคม 2024
- Samhita Tankala, การจัดเรียงการ์ดเทียบกับการทดสอบแบบต้นไม้, Nielsen Norman Group, 23 กุมภาพันธ์ 2024
- Nielsen Norman Group, การทดสอบโครงสร้างข้อมูล: ประเมินป้ายกำกับเมนูและหมวดหมู่
- การประชุมเชิงปฏิบัติการที่ดีที่สุด: การคลิกครั้งแรกที่ถูกต้องนำไปสู่ความสำเร็จของงานที่สูงขึ้นถึง 3 เท่า, 13 เมษายน 2015
- Jeff Sauro, Will Schiavone, David Du และ Jim Lewis, การทดสอบการคลิกสามารถทำนายการคลิกบนเว็บไซต์จริงได้หรือไม่?, MeasuringU, 21 มีนาคม 2023
- Eduard Kuric, Peter Demcak และ Matus Krajcovic, การตรวจสอบความถูกต้องของสถาปัตยกรรมสารสนเทศ: การเปรียบเทียบวิธีการทดสอบโครงสร้างต้นไม้และการทดสอบผู้ใช้ต้นแบบ, เทคโนโลยีสารสนเทศและซอฟต์แวร์ 183, กรกฎาคม 2025
- W3C, ทำความเข้าใจเกณฑ์ความสำเร็จข้อ 2.4.6: หัวข้อและป้ายกำกับ, WCAG 2.2
- Tex Texin, การทำให้ภาษาตุรกีเป็นสากล: ตัวอักษร I ของภาษาตุรกีแบบมีจุดและไม่มีจุด
