Kiểm thử khả năng sử dụng (usability testing) là phương pháp nghiên cứu trong đó những người dùng thật hoặc đại diện cố gắng hoàn thành các tác vụ cụ thể bằng một sản phẩm, nguyên mẫu hoặc website trong khi người quan sát ghi lại nơi họ thành công, nơi họ gặp khó khăn và cách họ mô tả trải nghiệm của mình, thường là bằng cách vừa làm vừa nói ra suy nghĩ. Khác với khảo sát hay phân tích vốn báo cáo những gì người dùng đã làm hoặc nói sau sự việc, kiểm thử khả năng sử dụng quan sát hành vi trực tiếp và trong ngữ cảnh, khiến nó trở thành một trong những cách trực tiếp nhất để xác định liệu một giao diện có thực sự dễ hiểu và dễ dùng hay chỉ được đội ngũ xây dựng ra nó mặc định là như vậy.
Phương pháp này quan trọng vì những vấn đề giao diện vô hình với người thiết kế thường lại hiển nhiên với người dùng lần đầu, một khoảng cách thường được giải thích bằng lời nguyền kiến thức (curse of knowledge), trong đó các nhà thiết kế và bên liên quan quá quen thuộc với sản phẩm khó nhận ra sự mơ hồ mà người dùng mới gặp ngay lập tức. Các nghiên cứu về khả năng sử dụng được trích dẫn rộng rãi đã phát hiện rằng kiểm thử với chỉ năm người tham gia thường khám phá phần lớn, thường được trích dẫn là khoảng 85 phần trăm, các vấn đề về khả năng sử dụng có trong một giao diện nhất định, đó là lý do kiểm thử khả năng sử dụng thường được tiến hành với các vòng nhỏ, lặp lại gồm vài người tham gia thay vì các nghiên cứu quy mô lớn, cho phép các đội kiểm thử, sửa và kiểm thử lại nhanh chóng thay vì chờ thu thập một mẫu lớn rồi mới thực hiện bất kỳ thay đổi nào.
Kiểm thử khả năng sử dụng được tiến hành theo nhiều hình thức: kiểm thử có điều phối, trong đó người điều phối hướng dẫn người tham gia qua các tác vụ theo thời gian thực, trực tiếp hoặc qua video, và có thể đặt câu hỏi tiếp nối để làm rõ những khoảnh khắc gây bối rối; kiểm thử từ xa không điều phối, trong đó người tham gia tự hoàn thành tác vụ bằng một nền tảng kiểm thử, với màn hình và giọng nói được ghi lại để xem sau, cho phép thu thập dữ liệu nhanh hơn và rẻ hơn với cái giá là không thể đào sâu phản ứng ngay tại thời điểm đó; và kiểm thử du kích (guerrilla testing), một cách tiếp cận không chính thức, chi phí thấp, thu thập phản hồi nhanh từ những người tham gia có sẵn như đồng nghiệp hoặc người qua đường, hữu ích cho việc xác thực giai đoạn đầu khi chưa cần một nghiên cứu đầy đủ. Các buổi kiểm thử thường được cấu trúc xoay quanh các kịch bản tác vụ cụ thể, thực tế thay vì khám phá tự do, và thành công được đánh giá bằng các thước đo như tỷ lệ hoàn thành tác vụ, thời gian thực hiện tác vụ, số lỗi và đánh giá chủ quan của người tham gia về mức độ dễ sử dụng, thường được thu thập qua một công cụ chuẩn hóa như System Usability Scale.
Một quan niệm sai lầm phổ biến là kiểm thử khả năng sử dụng và thử nghiệm A/B phục vụ cùng một mục đích, trong khi thực tế chúng trả lời những câu hỏi khác nhau ở các giai đoạn khác nhau: kiểm thử khả năng sử dụng xác định vì sao người dùng gặp khó khăn với một giao diện trước khi nó được xây dựng hoặc ra mắt rộng rãi, thường trên một nguyên mẫu hoặc một thiết kế đã hoạt động nhưng chưa được xác thực, còn thử nghiệm A/B đo biến thể nào trong số nhiều biến thể đã xây dựng hiệu quả hơn ở quy mô lớn khi đã có lưu lượng. Một cạm bẫy thường gặp trong chính kiểm thử khả năng sử dụng là tuyển người tham gia không đại diện cho đối tượng mục tiêu thực tế, chẳng hạn kiểm thử quy trình phần mềm doanh nghiệp với những người không quen thuộc với quy trình nghiệp vụ nền tảng, tạo ra những điểm ma sát gây hiểu lầm mà sẽ không xuất hiện với người dùng mục tiêu thực sự. Dẫn dắt người tham gia bằng gợi ý hoặc đề xuất trong buổi kiểm thử, thay vì để họ vật lộn và quan sát sự vật lộn đó một cách trung thực, là một lỗi phổ biến khác làm suy yếu tính hợp lệ của các phát hiện.
Trong các dự án tư vấn CRO và UX, kiểm thử khả năng sử dụng thường được dùng vừa để chẩn đoán, hiểu vì sao một luồng hiện có hoạt động kém, vừa để xác thực trước khi một bản thiết kế lại được ra mắt rộng rãi, kiểm thử một nguyên mẫu mới với một nhóm nhỏ người dùng đại diện để phát hiện các vấn đề khả năng sử dụng lớn trước khi dồn nguồn lực phát triển và thử nghiệm vào một thử nghiệm A/B đầy đủ. Các phát hiện từ kiểm thử khả năng sử dụng thường được tổng hợp thành một danh sách vấn đề được ưu tiên, thường xếp hạng theo mức độ nghiêm trọng và số người tham gia gặp phải từng vấn đề, rồi trực tiếp đưa vào các thay đổi thiết kế hoặc giả thuyết thử nghiệm cấu thành lộ trình tối ưu hóa rộng hơn của khách hàng.
Một ví dụ cụ thể cho thấy hiệu quả của phương pháp: một đội kiểm thử trang cài đặt tài khoản được thiết kế lại với năm người tham gia có thể quan sát thấy bốn trong năm người không tìm được tùy chọn thay đổi tùy chọn thông báo của mình, mỗi người đều độc lập tìm ở cùng một vị trí sai trong giao diện. Phát hiện đơn lẻ, rất nhất quán này, thu được từ một vòng kiểm thử nhỏ và rẻ, thường là lý do đủ để di chuyển thiết lập đó trước khi ra mắt, mà không cần một nghiên cứu lớn hơn, tốn thời gian hơn để xác nhận điều đã được quan sát thấy thất bại một cách nhất quán và lặp lại ở gần như mọi người tham gia được kiểm thử.
