Власний набір даних Optimal Workshop, зібраний з мільйонів завдань деревоподібного тестування, містить записи 70% успішного виконання завдання після правильного першого кліку та 24% після неправильногоПерша мітка, яку вибирає людина, несе більшу частину результату. Що це число не говорить вам, так це те, яке дослідження проводити. Команди сортують картки, коли у них вже є меню, і вони сумніваються лише у формулюванні, тестують деревоподібну структуру, словник якої ніколи не перевірявся, а потім сперечаються про результати, які ніколи не вирішать питання. Цей посібник призначений для UX-лідів, менеджерів продуктів та команд CRO з проблемою навігації та фіксованим бюджетом на дослідження. До кінця ви зможете зіставити рішення щодо навігації з одним із трьох методів, визначити розмір дослідження, встановити поріг проходження перед збором даних та стверджувати, що результат не може довести.
Ці три методи відповідають на три різні питання
Сортування карток є генеративним. Ви передаєте людям елементи вашого контенту та дозволяєте їм групувати та називати групи. Це показує вам, як ваша аудиторія розподіляє предметну область та які слова вони використовують. Воно не може сказати вам, чи працює певне меню, оскільки в дослідженні немає меню.
Тестування дерев є оціночним. Ви розбираєте запропоновану ієрархію до текстових міток, даєте людям завдання та спостерігаєте, куди вони йдуть. Це показує, чи можна знайти структуру та яка гілка поглинає людей. Як зазначає NN/g, налаштування «лише текст» навмисно видаляє розміщення, колір та зображення, тому воно ізолює якість міток та структури.
Тестування першого кліку вужче. Один екран, одне завдання, один записаний клік. Воно показує, чи правильно зчитується точка входу з першого погляду, і не показує, що відбувається двома рівнями нижче.
Поширеною помилкою є неправильне виконання. «Ніхто не може знайти політику повернення» — це не питання для сортування карток. «Ми не знаємо, чи означає «Рішення» щось для покупців» — це не питання для деревоподібного тестування — деревоподібне тестування лише виміряє вашу здогадку.
Таблиця критеріїв: вибирайте за рішенням, а не за інструментом, на який у вас є ліцензія
| критерій | Сортування карток | Тестування дерев | Тестування першого кліку |
|---|---|---|---|
| Питання, на яке воно відповідає | Як би люди групували та називали цей контент? | Чи можуть люди знаходити речі в цій структурі? | Чи правильно читається точка входу з першого погляду? |
| тип | Генеративний | Оцінювальний, кількісний | Оцінювальний, кількісний |
| Потрібна існуюча структура | Немає | Так, принаймні чернетка | Так, екран або каркас |
| Типові учасники | 15 мінімум, 30 для високих ставок | 50+ на дерево для кількісного аналізу | 50+ варіантів на екран |
| Основні показники | Узгодженість та спільна поява, частота позначок | Коефіцієнт успішності, прямота, перший клік, час | Точність першого клацання, розподіл тепла при натисканні |
| Результат, на який ви можете вплинути | Категорії кандидатів та словниковий запас користувача | Ранжований список зламаних гілок та міток | Висновок щодо однієї етикетки або вибору макета |
| Де це вводить в оману | Люди групуються по-різному; для вирішення потрібна оцінка | Немає візуального запаху, тому пасує до поганих макетів | Ігнорує відновлення; неправильний перший клік не завжди є втраченим завданням |
Правила прийняття рішень
- Жодної структури, або такої, в яку ніхто не вірить. Спочатку сортуйте картки — відкриті, якщо потрібен словниковий запас, закриті, якщо верхній рівень фіксований і питання лише в розміщенні.
- Дві структури-кандидати та зустріч, яка не закінчиться. Перевірка дерева обох. Це єдиний з трьох, який розв'язує структурний аргумент числом.
- Трафік прибуває, але наступний клік неправильний. Першим кліком перевірте цей екран. Не перебудовуйте архітектуру, щоб виправити одну мітку.
- Аналітика вже показує, де люди падають. Пропустити виявлення. Дерево перевірте гілку, що протікає, а потім першим клацанням перевірте заміну етикетки.
- Новий ринок або мова. Сортування карток цією мовою з учасниками цього ринку. Перекладене меню – це неперевірене меню.
Розміри вибірки та порогові значення, які ви можете захистити в огляді
Для сортування карток Тулліс та Вуд протестували 168 користувачів та проаналізували випадкові підмножини. Кореляція з результатом повної вибірки становила 0.75 для 5 користувачів, 0.90 для 15, 0.93 для 20, 0.95 для 30 та 0.98 для 60. Nielsen інтерпретує це так: 15 – це коли зупинка є комфортною, 30 – для добре фінансованих проектів. Правило п'яти користувачів з тестування зручності використання не працює — генеративний метод потребує достатньої кількості людей для стабілізації шаблону.
Для тестування дерев NN/g рекомендує 50 або більше учасників на одне дерево для змістовного порівняння між деревами та встановлює пороги проходження з діапазонів Альберта та Тулліса для 98 досліджень: менше 40% погано, 41–60% задовільно, 61–80% добре, 80–90% дуже добре, понад 90% відмінно. Узгодьте поріг, перш ніж переглядати дані. Критично важливі завдання — оформлення замовлення, повернення коштів, запис на прийом — повинні пройти 90%; завдання перегляду за рекламною акцією може пройти 70%.
Читайте прямоту разом з успіхом, а ніколи замість нього. Високий успіх з низькою прямотою означає, що люди приходять, блукаючи: мітка неправильна, навіть якщо структура виживає. Цей шаблон є найкориснішим сигналом, який генерує тест дерева.
Розроблений приклад
Інтернет-аптека з товаром вищого рівня «Здоров’я» та статтею підтримки, що знаходиться під ним. Цифри є ілюстративними, а не даними клієнтів.
- Тест з дерева, 60 учасників, 8 завдань. «Дізнайтеся, чи покривається ваш рецепт». Успіх 58%, прямота 22% — справедливо за діапазонами, а розрив у прямоті вказує на етикетку.
- Прочитайте таблицю першого кліку. 41% – «Здоров’я», 33% – «Підтримка», 18% – «Обліковий запис»: три правдоподібні будинки означають, що межа категорії не існує в головах користувачів.
- Закрите сортування карток, 20 учасників, використовуючи назви статей та існуючий верхній рівень. Якщо елементи висвітлення розподілені по трьох групах, неправильним є верхній рівень, а не формулювання.
- Перепишіть та перетестуйте. Нове дерево, ті ж 8 завдань, 60 нових учасників. Цільовий показник успішності вище 80% та прямоти вище 60%.
- Перевірка нової етикетки першим кліком на справжній сторінці перед відправкою. Тестове дерево не мало візуального запаху; на реальній сторінці є.
[ПОТРІБНІ ВНУТРІШНІ ДАНІ: замініть цю ілюстративну послідовність анонімним тестом дерева Світаса до/після, включаючи показники успіху та прямоти, а також кількість завдань.]
Мітки турецькою мовою, і чому регіональний випадок не є косметичним
Дві речі ускладнюють тестування етикеток турецькою та кількома сусідніми мовами, і обидві важливі для будь-кого, хто продає в регіоні, а не лише з нього.
По-перше, турецька мова є аглютинативною: значення накопичуються на основі у вигляді суфіксів, тому категорія, яка складається з двох коротких слів англійською мовою, часто є одним довгим словом турецькою. Меню, які підходять англійською мовою, переповнюються, і команди виправляють це, скорочуючи — саме цю змінну вимірює деревоподібний тест. Тестуйте мітки на тій довжині, яку вони фактично відобразять.
По-друге, у турецькій мові є чотири символи I: крапка İ (U+0130) та i (U+0069), без крапки I (U+0049) та ı (U+0131). За турецькими правилами, малі літери i карти до İ, Чи не I, тому регістр нечутливий до регістру, написаний для англійської мови, не спрацює — пошук за запитом «iptal» не знайде збереженого «IPTAL». Якщо пошук по сайту, фільтри чипи або регістр навігаційних крихт проходять через виклик верхнього регістру, який не відповідає локалізації, користувачі отримають порожній набір результатів для терміна, який існує. Виключіть це, перш ніж звинувачувати мітку.
Також існує перевага у відповідності. Критерій успіху WCAG 2.2 2.4.6, Заголовки та мітки, має рівень AA та вимагає, щоб заголовки та мітки описували тему або мету. Мітка, яка пройшла тестування з 40% успіху, є не лише проблемою конверсії; це доказ проти заяви про відповідність.
Чого ці цифри не доводять
Найчастіше цитується цифра, що показує 87% успішного виконання завдання після правильного першого кліку проти 46% після неправильного, згідно з роботою Бейлі та Вольфсона, проведеною у 2006–2009 роках. Поводьтеся з нею обережно: власний, набагато більший набір даних Optimal Workshop дає 70% та 24% для того самого порівняння. Той самий напрямок, суттєво різні величини — і обидва показники є кореляціями, виміряними всередині інструменту, а не доказом того, що тест кліків передбачає поведінку сайту в реальному часі.
З цього приводу Сауро, Ск’явоне, Ду та Льюїс у 2023 році провели дослідження 130 учасників, порівнюючи перші кліки на статичних зображеннях з активними сайтами: поведінка була подібною, середня абсолютна різниця між активними регіонами становила близько 6%. Вони також заявили, що не вимірювали успішність виконання завдань у майбутньому, і що адаптивні макети та меню при наведенні курсора призводили до реальних розбіжностей. Чесне твердження полягає в тому, що тести кліків відтворюють місця, де люди натискають, а не передбачають, чи завершать вони роботу.
Тестування дерев має паралельне застереження. Курич, Демчак та Крайчович порівняли три варіанти тестування дерев з високоточними прототипами тієї ж архітектури серед 180 учасників та 1,800 завдань, і варіанти не узгоджувалися один з одним; варіант, видимий для дерева, найточніше відстежував поведінку прототипу, а показники зворотного відстеження суттєво відрізнялися. Якщо ваш інструмент відображає дерево інакше, ніж те, з якого було отримано бенчмарк, бенчмарк не переноситься.
Де це ламається
- Сайти, що домінують у пошуку. Якщо більшість сеансів починаються з пошукового рядка, ви оптимізуєте шлях, яким користується мало хто. Спочатку перевірте частку сеансів із пошуковою подією.
- Персоналізована навігація. Тестування дерев передбачає одну фіксовану ієрархію. Якщо меню відрізняється сегментами, ви тестуєте вигадку.
- Дуже малі популяції. B2B та клінічні аудиторії часто не можуть забезпечити 50 кваліфікованих учасників. Повідомляйте про кількість учасників, а не про відсотки, і так і скажіть.
- Жоден з трьох тестів не відповідає розуміння. Вони оцінюють знаходження, а не розуміння після знаходження. Для цього потрібне тестування зручності використання.
- Жоден з них не вимірює дохід. Виправлення навігації — це гіпотеза для експерименту, а не доведений підйом. Розмістіть його після тесту.
Часті питання
Чи можу я виконати сортування картками та деревоподібний тест на тих самих учасниках?
Не в одному сеансі. Сортування навчає людей вашій моделі, щоб вони потім знаходили те, чого не знайшов би новий відвідувач. Набирайте окремі групи або робіть перерву в кілька тижнів між ними.
Скільки учасників мені потрібно для сортування карток?
П'ятнадцять дає вам кореляцію 0.90 з результатом повної вибірки в даних Тулліса та Вуда, а 30 дає вам 0.95. Нижче 15 закономірність нестабільна. Перевищення 30 дає дуже мало за таку ціну.
Чи справді потрібно 50 учасників для тесту дерева?
Для кількісного порівняння двох дерев, так — це рекомендація NN/g. Для одного дерева, де потрібно знайти лише очевидно зламані гілки, від 20 до 30 виявлять найгірших порушників, але повідомляйте про кількість, а не про відсотки.
Що вважається показником успішного складання іспиту?
Вирішіть, перш ніж бігти. Використовуйте діапазони Альберта та Тулліса за замовчуванням: вище 80% – дуже добре, 61–80% – добре, нижче 40% – погано. Підніміть планку до 90% для завдань, пов’язаних з грошима, ліками або законним правом.
Успіх високий, але прямота низька. Що мені виправити?
Мітка, а не структура. Люди досягають потрібного місця після дослідження, а це означає, що категорія існує в їхній моделі, але ваше формулювання не сигналізує про це. Перепишіть мітку та повторно протестуйте ті самі завдання.
Чи усуває інструмент штучного інтелекту необхідність в учасниках?
Не для цих методів. Вони вимірюють те, у що вірить і що робить певна популяція; припущення моделі щодо цієї популяції є гіпотезою, а не даними. Використовуйте моделі для швидшого складання завдань та кластеризації відкритих міток.
Наступний крок
Якщо у вас є суперечка щодо навігації, яку аналітика не може вирішити, найдешевшим рішенням є тестування дерева для обох структур-кандидатів із заздалегідь узгодженими порогами. Напишіть завдання, встановіть планки та запустіть їх — або нехай ми це запустимо і передаю вам рейтинг зламаних гілок.
Джерела
- Якоб Нільсен, «Сортування карток: скільки користувачів тестувати», Nielsen Norman Group, 2004
- Том Тулліс та Ларрі Вуд, «Скільки користувачів достатньо для дослідження сортування карток?», UPA 2004
- Пейдж Лаубхаймер, Тестування дерев, частина 2: Інтерпретація результатів, Nielsen Norman Group, 19 січня 2024 р.
- Самхіта Танкала, Сортування карток проти тестування дерев, Nielsen Norman Group, 23 лютого 2024 р.
- Nielsen Norman Group, тестування дерев: оцінка міток та категорій меню
- Оптимальна майстерня, правильні перші кліки призводять до 3-кратного вищого успіху у виконанні завдань, 13 квітня 2015 р.
- Джефф Сауро, Вілл Ск’явоне, Девід Ду та Джим Льюїс, «Чи прогнозують тести кліків кліки на сайтах у реальному часі?», MeasuringU, 21 березня 2023 р.
- Едуард Курич, Петер Демчак та Матус Крайчович, Валідація інформаційної архітектури: міжметодологічне порівняння варіантів тестування дерев та тестування прототипів користувачами, Інформаційні та програмні технології 183, липень 2025 р.
- W3C, Розуміння критерію успіху 2.4.6: Заголовки та мітки, WCAG 2.2
- Текс Тексин, інтернаціоналізація турецької мови: турецька літера I з крапкою та без крапки
