惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Engineering at Meta
Engineering at Meta
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
腾讯CDC
宝玉的分享
宝玉的分享
量子位
Recent Announcements
Recent Announcements
Martin Fowler
Martin Fowler
J
Java Code Geeks
V
Visual Studio Blog
阮一峰的网络日志
阮一峰的网络日志
Blog — PlanetScale
Blog — PlanetScale
大猫的无限游戏
大猫的无限游戏
博客园 - 叶小钗
S
SegmentFault 最新的问题
B
Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - 【当耐特】
小众软件
小众软件
The Cloudflare Blog
Y
Y Combinator Blog
I
InfoQ
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
GbyAI
GbyAI
IT之家
IT之家

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
用户体验(UX)设计中的“绿野仙踪法”
小朋友 · 2024-04-25 · via 人人都是产品经理

“绿野仙踪法”用于有效地收集用户在使用产品过程中的真实感受和行为,那么这个方法是如何应用到用户体验上以及其应用场景和研究方法如何?本文进行了相关总结,一起来看看吧。

“绿野仙踪法”来源于著名的童话故事《绿野仙踪》,在故事中,角色桃乐丝和她的朋友们初遇一位巨大的、看起来十分强大的巫师,最终却发现那不过是一个普通人在帘子背后操作机关。这个方法在用户体验设计中的目的是有效地收集用户在使用产品过程中的真实感受和行为,而用户并不知道幕后还有人为操作的存在。

一、绿野仙踪法是什么?

用户体验(UX)设计中的“绿野仙踪法”(Wizard of Oz Method)是一种研究和测试方法,其核心思想是让用户相信他们在与一个完全自动的系统进行互动,然而实际上,这个系统的某些或全部部分是由人在幕后操作的。

绿野仙踪方法帮助团队以较低的成本测试由复杂技术驱动的设计。设计师无需构建技术本身,而是可以通过让一个人“扮演”系统的角色来模拟该技术可能提供的响应。

绿野仙踪法常用于主持式的可用性测验中。与传统的主持式可用性测验类似,进行绿野仙踪式的研究需要有一位协调员和一位目标使用者。此外,还需要有人扮演“巫师”的角色,负责选取或生成界面的回复。
这种方法与测试纸质原型有些相似(可能需要某人充当计算机的角色),不过在绿野仙踪法中,设计可为数字化,且为用户提供系统回应的人是看不见的。

二、应用场景

绿野仙踪法特别适用于测试那些基于高级技术构建的新型界面,当这些界面无法仅通过带有静态内容的原型进行有效测试时。涉及到的界面类型包括:

  • 类似于聊天机器人的对话型用户界面(UI)
  • 利用学习算法为用户提供推荐内容的界面
  • 能够实时检索信息并将结果显示给用户的界面

涉及到的情景包括:

  • 早期原型测试:当产品原型还在早期阶段,一些功能尚未开发完成时,可以通过“绿野仙踪法”来模拟这些功能,观察用户对这些设想功能的反应和使用方式。
  • 语音和对话式界面:设计如智能助手等语音或对话界面时,通过这种方法来模拟对话,可以在不编写复杂代码的情况下,测试用户对话的自然流畅度和理解度。
  • 复杂交互模拟:对于一些技术上难以实现或需要高成本开发的交互,先用“绿野仙踪法”模拟,可以先评估交互设计是否真正满足用户需求,避免无谓的资源投入。

例如,在以下几个研究项目中,研究者们采用了绿野仙踪法:

为了提升一个科技零售商网站客服机器人的用户体验,通过绿野仙踪法研究,团队探索了如何根据用户使用的设备提供有用的个性化服务建议。在与用户交谈的过程中,设计师据此实时更新Figma中的界面原型。

在设计一个全新的语音助手项目中,运用了绿野仙踪法来理解用户将如何与新语音助手进行交流。将一个蓝牙喇叭置于纸板模型中,用户与该模型交流时,用文本至语音应用生成的语音助手回复,通过蓝牙喇叭传输给用户。

三、绿野仙踪法的研究步骤

开展一项绿野仙踪法研究需要多个环节的相互配合。请参考这五个关键步骤。

第一步:定义测试目标:明确你想通过这种方法测试产品的哪些方面,是功能、交云界面还是整体用户体验。(创建原型)

要开展研究,你得准备一个用于用户互动的新设计模型。具体的形式可能有:

  • 一些设计软件(如Figma)中的原型
  • 编写的代码原型
  • 现有技术作为新功能的代理(例如,利用现有的信息平台来模拟一个新的聊天机器人)

如果你计划用设计软件(像Figma),得想办法让操作者能迅速地进行模型更新。比如说,你可以针对模型中需要在研究过程中修改的元素,提前准备好组件。这样操作者就无需大费周章去一点点寻找并修改设计里的特定部分了。

(如果你用Figma,它的多项编辑功能可以让你轻松地一次性更新多个组件中的相同UI元素。)

第二步:操作:设计和制作用于模拟真实功能的幕后操作系统。此系统可以是简单的人工干预,比如手动发送信息来模拟软件的自动回复。(确定操作者的回复方式)

  • 固定回复:操作者从一个固定的回复列表中挑选答案。
  • 即兴回复:操作者在进行中根据情况即时创造回复。
  • 混合回复:操作者既可以从一个简约的回复列表中选择,也可以在必要时创造新的回复。

固定方法适用于系统可能给出的回答只有几种的情况。

即兴方法更适用于提供流畅用户互动的界面(如对话式UI);对于这类界面,可能难以预测和提供预设的回应。

混合方法提供了最大的灵活性;一些回应是预先确定的,但如果没有合适的,可以创造一个新的回应。

第三步:挑选参与者:选择目标用户群作为测试参与者。(制定研究方案)

研究方案是关于研究目标和研究执行方式的详细概述。它将指导操作者和引导者在研究会话中的具体行为。

除了测试计划中通常包含的所有元素(比如你会给用户的任务)之外,绿野仙踪法研究的方案还应包括:

  • 包括谁担任会话的协调员以及谁充当操作者在内的角色分工概览
  • 协调员在会话初期向用户提出的问题,这些问题可能在会话中影响操作者的反馈(如果适用)
  • 由操作者控制的设计要素和控制方法(比如,操作者可以参考的决策树、逐步操作指导或屏幕截图)

如果选择了固定或混合回复方式,操作者可供选择的回应(例如,在操作者需要额外时间时可以选择“正在加载……请等待”,或者如果用户的互动超出预期可以选择“建设中”)

如果操作者在会话中临时创造新的系统反馈,应遵循的准则(比如,如果操作者需要扮演聊天机器人,那么语调的建议)

第四步:进行测试并收集数据:在模拟的使用场景下,让用户操作系统或产品,并从中收集他们的行为、反馈和建议。(选定并培训操作者)

操作者需要对以下方面有所了解:

产品理念和设计:操作者要清楚产品的设计初衷以及它的运作方式。最好,他们还要知道可能存在的技术限制,这样才能防止作出系统实际上无法实现的回答。

他们将提供的回应:在进行固定方法或混合方法测试时,操作者可能参与了回应内容的编制。

如果操作者需要更改原型中的元素,还应该熟悉所使用的原型设计软件或编程语言。

通常,设计师或开发者可能会担当操作者。在研究开始前,应充分准备好操作者,以便测试顺利进行。可能的准备工作包括让操作者预先了解研究流程,练习作出回答或修改原型,甚至邀请操作者参加一次预演测试(详见第五步)。

第五步:分析与迭代:分析用户的反馈和行为,根据这些信息对产品设计进行调整和优化。(进行预演测试)

由于这个过程包括多个环节,所以进行一次试运行可以确保每个部分都能按计划工作,并且操作者可以迅速做出反应。你可以邀请朋友、同事或实际用户来参与测试。试运行可以在真正的研究之前给操作者一个练习的机会,也可以帮助你在真正的研究中避免因技术问题而耗费时间。

在进行预演测试的过程中,你可能会发现需要添加一些你事先没想到的新的回应。这样的发现可以帮助你在研究开始之前调整和完善你的研究方案。

是否需要揭露操作者身份?

通常不会向研究参与者透露操作者的存在,以确保在会话中收集到真实的行为数据。然而,有时参与者可能会猜到是人在提供回应,尤其当设计保真度较低或者参与者拥有丰富的技术知识时。在这种情况下,该方法更接近于角色扮演。

如果参与者猜到或询问回应是否由人生成,也不必担心。提醒他们像与真实系统互动时一样行事即可。

在涉及欺骗的用户研究会话中,需要在会话结束时进行简报,以确保参与者了解关于研究的准确信息,并可以决定他们是否愿意撤回。

除非不了解这一信息会给参与者带来伤害,否则无需披露系统回应是由人生成的。

四、该方法的起源

绿野仙踪方法最初由 Don Norman 和 Allen Munro 于 1973 年记录并用于测试自动化机场计算机终端旅行助理。这种方法的名称是由研究员 Jeff Kelley 于 1983 年在约翰·霍普金斯大学的自然语言界面论文中创造的。这些基础研究探索了该技术发展早期的用户与自然语言界面的交互。

五、优缺点

优点:

绿野仙踪法能够降低向复杂技术(例如生成性人工智能)的投资风险,它在企业巨额投资前期就能够提供关于产品的期待性、实用性和可操作性的初步了解。

  • 低成本快速验证概念。
  • 提供真实的用户交流和互动数据,有助于理解用户需求。
  • 易于实施和修改。

在开发最小可行产品(MVP)时,经常会使用绿野仙踪法。一个众所周知的MVP案例是在线鞋店Zappos,它也曾应用这一方法。在基础建设如仓库、存货和服务自动化投资前,创始人尼克·斯威门首先通过自己执行订单的方式来验证了公司的商业模式。用户在他的网站上下单后,斯威门会亲自去买鞋并把它们寄给顾客,以此来测试市场。

缺点

  • 需要幕后操作,可能会因为操作者的疏忽而影响测试结果的准确性。
  • 用户在得知真相后可能感到被欺骗。
  • 测试的规模通常较小,可能不适合大规模数据收集。

总的来说,”绿野仙踪法”是UX研究中的一种有效工具,特别适合用于探索和验证新的设计概念和交互方式。然而,如何设计和实施这种测试需要仔细考虑,以确保收集到有价值的用户反馈。

专栏作家

小朋友,人人都是产品经理专栏作家。关注电商、社交趋势,擅长原型设计、需求挖掘等。

本文原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。