设置权重的方法通常有以下三种：
1．主观经验法。凭借以往的经验直接给要素设定权重，一般适用于对研究对象非常熟悉和了解的情况下。
2．主次指标排队分类法。也称ABC分类法。顾名思义，其具体操作分为排队和设置权重两步：排队是将要素指标体系中所有 指标按照一定的评判标准，如按照其重要性程度，进行排列；设置权重则是在排队的基础上，按照A、B、C三类指标设置权重。
垃圾桶图标 Metaphor-based
菜单示例 Menu-based
权重的取值和设置方法
n
权重的取值通常在[0,1]范围内，且所有要素权重（wi，i=1, ,n ）的和为1，即 wi 1, wi [0,1] ，n代表要素总数。对体 i 1
验目标影响大的要素的权重较大，反之较小。权重赋值的科学性性、客观性，在某种程度上也决定了体验强度评价的客观正确 性。
… 基本价值 期望价值 附加价值
… Footer信息
隐私保护 权威推荐 成功案例
…
网站转化率
…
要素的分析与量化
要素的量化就是依据其重要性赋予分值。量化的目的， 是为后续的数学建模与分析提供数值基础。分值的高 低反映了要素对体验目标影响的大小，影响大分值就 高，反之就小。要素分值的取值范围一般为[0,100]， 也有采用五分制或十分制的情况。一般来说，低分值 表示要素的重要性低，其影响也小，反之亦然。
有学者从信息处理的角度，将用户体验划分成四个维度，即 感知有用性、感知易用性、感知享乐品质和感知视觉吸引力。 对这几个维度进行深入考察得知，其追求的体验目标各异， 而且，不同维度的体验目标对于产品总的体验目标的贡献也 是不同的。当从多个维度来综合确定产品的用户体验目标时， 每个子目标就需要按照其对总目标贡献的大小，赋予其权重 约束，以构成总的评价目标的表达。
有很多数学方法可以用来进行用户体验的量化建模，作为示例，本书采用具有较好综合性且直观易懂的加权量化模型建模方法， 具体简述如下。
一旦确定了关键要素和权重，则用户体验的加权量化模型可以表示为：
U x w1U1 w2U2
N
wi 1
i 1
N
wNU N wiUi
i 1
, i 1,
, N； 0 Ui 100
非重复抽样 同一用户在不同的时段参与不同问题，或在相同的时 段参与不同问题的访谈，属于非重复样本，这种抽样 方式属于非重复抽样。
非重复抽样的分类
非重复抽样
按样本被抽中的概率
随机抽样
• 简单随机抽样 • 分层随机抽样 • 集体抽样 • 多段抽样 • 多期抽样
非随机抽样
• 立意抽样 • 偶遇抽样 • 定额抽样
03 样本容量
The sample size
• 抽样方法 • 样本容量的概念 • 定性研究的样本容量 • 定量研究的样本容量
样本容量
样本容量又称样本数、样本数 量，是指一个样本的必要抽样 单位数目。
确定样本容量的基本原则
1．在限定的费用和时间约束下，抽样误差要尽可能小、精 确度和可靠性尽可能高。
3．专家调查法。指聘请熟悉研究内容的有关专家，对体验研究的产品对象进行研究；再由每位专家独立地对各个要素设置权 重；然后，对每个要素的权重取平均值，作为其最终的权重。
用户体验量化建模
量化建模，是指把数学方法应用于研究数据，以使构造出来的模型得到经验上的支持，并获得相应的量值结果。量化模型是基 于理论与观测的并行发展，而理论与观测又通过适当的推断方法得以联系。用户体验的量化建模，就是把用户体验设计的各关 键要素，利用一种数学的方法表达出来，通过对各要素分值及其权重的加权计算，进而得到优化体验度的数值依据。
要素的分值通常通过用户访谈或问卷的方式进行赋值， 可采用要素主观打分法、主次指标分类排队法或专家 调查法等方法。
有时候，每个要素可能由一系列解释项所组成，这时， 要素的赋值可通过给每个解释项打分，赋予权重，并 通过加权平均来计算其最终的分值
MOS 5 4 3 2 1
平均评估分值表
QoE 优 良 中 次 劣
• 要素权重的确定 • 用户体验量化建模 • 结果分析与评估
用户体验的量化方法
一般来说，用户体验的量化可以通过确 定目标、识别影响要素、要素分析并赋 予权重、建立计算模型、以及数值结果 的分析与评估等过程来实现。
用户体验量化的过程
确定体验目标
用户对特定产品的体验，是在使用过程中（包括前、中、后 期）所感受到的、所获得的全部内容的总和。它是多种因素 的交叉作用，对用户心理所产生的复合影响的结果，用户的 偏好及研究与评估的目标，也会对所包含因素的处理产生影 响。
损害程度 不能察觉 可察觉但不严重
轻微 严重 非常严重
要素权重的确定
权重是一个相对的概念，是针对某一指标而言的。某一指标的权重，是指该指标在整体评价中的相对重要程度。要素的权重是 其对体验目标的贡献度的数值表示，它与用户偏好及体验评价的目标都有密切的关联。 例如，不同用户对不同产品的关注点都是不一样的，这也造成了其对产品偏好的不同：看重美学特性的用户，更偏向于生动的 隐喻设计方式（Metaphor-based）；而看重可用性特性的用户，则偏向于严谨的菜单设计方式（Menu-based）。在这种情 况下，对于不同的用户，上述每个关键因素对体验目标的影响程度也出现了差异。
按抽样方式
单纯随机抽样
系统抽样
指将全部被调查对象编号， 再用抽签法或随机数字表， 随机抽取部分对象组成样 本。
又称机械抽样、等距抽 样。即先将全部被调查 对象按某一顺序分成 n 个部分，再从第一部分 随机抽取第 k 号对象， 依次用等间距从每部分 各抽取一个对象组成样 本。
整群抽样
即先按对观察指标影响 较大的某种特征将总体 分为若干层类别，再从 每一层内随机抽取一定 数量的被调查对象，合 起来组成样本，有按比 例分配和最优分配两种 方案。
感知有用性
感知易用性
用户体验的 维度
感知享乐品质
感知视觉吸引力
识别关键要素
关键要素是指与体验目标密切相关的那些因素。对于 每一个产品来说，其包含的用户体验的要素是不一样 的，且同样的要素对不同的用户体验目标来说，其阐 释也会有所不同。关键要素的识别取决于体验的目标。 而且，用户的体验通常不只是对某个产品的体验，也 延伸到了对企业品牌价值的体验上。例如，使用苹果 手机是一种时尚的感觉，使人感觉自己的社会地位似 乎进入了某个特殊群体，这就是体验的社会价值属性。 关键要素就隐含在从产品属性到企业品牌价值，甚至 售后服务这样一个价值链条当中。
增大允许误差，也就是扩大置信区间的宽度，会降低估计的精度，相应地可以减少样本容量。
分层抽样
即将总体分群，再随机 抽取几个群组成样本， 群内全部调查。
定性研究的样本容量
定性研究也称质化研究，是社会科学领域的一种基本 研究范式。它通过发掘问题、理解事件现象、分析人 类的行为与观点、以及回答提问，来获取对问题的洞 察。如果说定量研究解决的“是多少”的问题，那么 定性研究解决的就是“为什么”的问题，而不是“怎 么办”。
定性研究样本数量与发现问题的关系
定量研究的样本容量
定量研究样本容量的确定比较复杂，主要考虑因素有：决策的重要性；调研的性质；变量的个数；数据分析的 特点；同类研究中所用的样本量；发生率；完成率；资源限制等。越重要的决定，需要的信息越多、越准确， 就需要越大的样本量。 一般来说，探索性研究的样本量一般比较小；而结论性研究，如描述性的调查，就需要较大的样本量；若要收 集许多相关变量的数据，样本量就要更大一些，以减少抽样误差的累积效应；如果需采用多元统计方法，对数 据进行复杂的高级分析，样本量也应当较大；若要做特别详细的分析，如分类问题等，也需要大样本。而且， 针对子样本的分析比只限于对总样本的分析，所需要的样本量要大得多。
允许误差为均值时样本容量的确定
定量用户研究，多采用有限总体不重复抽样，这时的允许误差可以表示为：
Z 2
n
N n N 1
相应的有限总体不重复抽样样本容量的计算公式为：
NZ2 2
n
N
2
1 2
Z2
2
2
可见，样本容量 n 与置信度所对应的标准正态分布的双侧分位数 Z 的平方成正比。 2
置信度愈高，要求样本容量就愈大；样本容量 n 与总体方差 2 成正比。 总体方差愈大，要求样本容量就愈大；样本容量 n 与允许误差 成反比。
综合量化法
在简单量化赋予属性经验分值的基础上，按照产品属性相对于目标的重要性，赋予其经 验权重，将指标得分乘以其权重并进行累加，最终得到结果，以作为对体验评价的依据。
02 用户体验的量化方法
Quantitative user experience methodologies
• 确定体验目标 • 识别关键要素 • 要素的分析与量化
用户体验量化的概念
用户体验的量化，是利用建立在一套系统化测量体系上的科学方法，对用户与产品交互时的主观感受，进行数 值化的度量。
用户体验量化方法
简单量化法
给产品属性，包括外观、色彩、功能、可用性、效率/效能、维护性、品牌、服务等影 响用户感受的因素赋予经验分值，对各项指标打分的结果进行简单累加，来判定体验强 度的量级
大项 感官体验
交互体验
情感体验 价值体验 信任体验 数据指标
某网站的用户体验关键要素示例
子项 精准定位 设计潮流 Logo设计
性能稳定
页面布局
页面色彩
内容质量 兼容适配
…
导航清晰
搜索方便
路径简短 容错性好
主次原则
直接原则 统一原则 少做原则 反馈原则 对称原则 简洁原则
… 尊重用户
用户惊喜 亲和友好 用户满意 情感共鸣 细致关怀
3
建立置信区间的代价
即置信区间的宽度。对置信度的要求 越高，置信区间的宽度就越大，同时， 估计的精度也就越低。既要提高估计 的精度，又不降低估计的可靠度，就 必须增大样本容量。