用戶研究：基于用戶尺度評價的人物角色分類方法與實踐

　　人物角色可以從很多維度來劃分，例如用戶目標、用戶場景、用戶行為、體驗周期、用戶價值、……，根據(jù)實際情況，人物角色可能按一個維度劃分，或結合多個維度進行劃分。

　　為設計服務的人物角色，用戶目標是人物角色劃分中最重要，也是必不可少的一個維度。

　　對于資訊/信息型的分析對象，對資訊/信息的關注度能夠很好地體現(xiàn)用戶的使用目標。

　　本文以1688網(wǎng)站用戶對供應商信息關注度的問卷調查案例為基礎，來介紹基于用戶尺度評價的人物角色分類方法，主要分為以下幾個過程：

　　1 獲得尺度評價結果

　　1.1調研目標

　　通過了解用戶對供應商不同信息的關注度，為產(chǎn)品詳情頁面供應商信息的組織與呈現(xiàn)提供設計參考與依據(jù)。

　　1.2調研內容

　　根據(jù)目前供應商信息中所展示的內容，以及公司檔案中的相關信息，結合以往相關調研結果，總共進行17項供應商信息的關注度調研(詳見因子分析結果列表，因子分析結果列表中只列出了16項，根據(jù)因子分析理論，“保障”沒有納入到最終的因子分析中去)。

　　1.3評價尺度

　　用戶對供應商信息關注度的評價尺度分成為5級，分別為：

　　1-不關注、2-說不清、3-有點關注、4-比較關注、5-非常關注。

　　1.4調研樣本

　　本次問卷調查在1688網(wǎng)站產(chǎn)品詳情頁面投放，經(jīng)過篩選后得到有效樣本3032份。

　　2. 獲得評價尺度因子

　　2.1 項目分析

　　對17個供應商信息分別進行項目分析，結果都為顯著性，表明17個供應商信息適合進行用戶關注度評價。

　　(項目分析：將每個樣本對17個供應商信息的關注度總分進行排序，將關注度總分最低的27%樣本作為低分組，將關注度總分最高的27%樣本作為高分組。低分組與高分組在17個供應商信息的關注度評分分別進行獨立樣本T檢驗，來判斷高低分組的評價是否存在非常顯著差異。如果獨立樣本T檢驗顯著，則說明此供應商信息適合進行用戶評價。)

　　2.2 信度檢驗

　　使用Cronbach’s Alpha進行信度檢驗，Alpha系數(shù)為0.906。刪除“所在地”時，Alpha系數(shù)變?yōu)?.909，可考慮刪除。

　　但認為“所在地”還是有必要保留的，以及根據(jù)最終因子分析結果的實際意義，“所在地”還是保留在因子分析中。

　　2.3 因子分析

　　2.3.1顯著性檢驗

　　最終因子分析結果的適度性KMO值0.905，Bartlett球形檢驗近似卡方值26152.146(df=120，p值=.000)，非常適合進行因子分析(初始的KMO值、Bartlett球形檢驗都為顯著性)。

　　2.3.2因子分析結果

　　由于“保障”這個供應商信息在主因子上的荷重=0.482，同時對客戶滿意度、供應通力上的荷重分別為0.452、0.326，“保障”這個供應商信息從因子分析中剔除。

　　綜合考慮指標聚類分析、因子特征值與因子的實際意義，將用戶評價尺度分成4個因子，解釋率達到64.356%，效果較好。

　　歸納后4個評價尺度因子分別為基本信息、客戶滿意度、供應能力、交易歷史，也就是說用戶在查看供應商信息時，從這4個維度來了解供應商。

　　3. 獲得評價尺度因子得分

　　因子分析可以直接獲得標準化的因子得分，但我們日常接觸到的是更直觀的非標準化用戶尺度評價得分，在樣本聚類分析結果解讀時，結果也更直觀。所以要使用基于用戶尺度評價的非標準化因子得分進行樣本聚類分析。

　　非標準化因子得分計算過程如下：

　　step1：用因子得分系數(shù)(Factor Score Coefficient)基于標準化的原始影響力系數(shù)X(i)，X(i)代表第i個供應商信息對主因子的得分系數(shù)。

　　Step2：基于標準化原始影響力系數(shù)的非標準化還原，X(i)*d(i)，d(i)代表第i個供應商信息的標準差。

　　Step3：歸1處理。同一指標集(不同一級指標為一個指標集、某個一級指標下的不同二級指標為一個指標集)下不同指標的權重之和為1。影響力系數(shù)歸1處理公式如下：

　　W(i)=X(i)* d(i)/(X(1)* d(1)+X(2)* d(2) +……+X(n)* d(n))

　　W(i)代表歸1處理后權重，X(i)代表第i個供應商信息對主因子得分系數(shù)，d(i)代表第i個供應商信息標準差。

　　Step4：計算非標準化的因子得分，公式如下：

　　F(j)= W(j1)*f(j1)+ W(j2)*f(j2)+ …… + W(jn)*f(jn)

　　F(j)代表第j個因子的非標準化因子得分，f(jn)代表第j個因子下第n個供應商信息的評分。

　　4. 獲得人物角色分類

　　4.1樣本聚類

　　使用聚類分析的Twostep Cluster方法，根據(jù)4個評價尺度因子對樣本進行聚類分析。將3032名調研樣本分成3類，分別占42.5%、41.9%、15.7%。

　　計算這3類樣本在評價尺度因子得分可以發(fā)現(xiàn)：

　　第1類用戶：對基本信息、客戶滿意度、供應能力、交易歷史都非常關注

　　第2類用戶：對用戶滿意度非常關注，對基本信息、供應能力、交易歷史比較關注

　　第3類用戶：對基本信息、客戶滿意度、供應能力、交易歷史都很少關注。

　　5 總結與應用

　　用戶評價尺度因子

　　對于供應商信息，用戶從4個維度進行關注，分別為基本信息、客戶滿意度、供應能力、交易歷史。

　　在頁面內容布局時，相近的內容(關聯(lián)性強)要放在一起。目前1688網(wǎng)站產(chǎn)品詳情頁面上的信息商信息的布局與用戶關注維度存在較多不一致的地方。將關聯(lián)性的供應商信息放在一起，用戶先查看了一個維度的供應商信息后，再查看另一個維度的供應商信息，增強用戶瀏覽有序性，從而提升供應商信息內容的易讀性。

　　人物角色分類

　　對于供應商信息的關注，有3類典型角色，分別為：

　　第1類用戶(占42.5%)：對基本信息、客戶滿意度、供應能力、交易歷史都非常關注

　　第2類用戶(占41.9%)：對用戶滿意度非常關注，對基本信息、供應能力、交易歷史比較關注

　　第3類用戶(占15.7%)：對基本信息、客戶滿意度、供應能力、交易歷史都很少關注。

　　有了這樣的人物角色劃分，在設計時，可以知道核心用戶、非核心用戶是如何關注供應商信息及其重要度，也可以進行定性研究探索不同用戶群對供應商信息存在差異的根本原因是什么，為設計提供決策依據(jù)。

　　用戶評價尺度因子、人物角色分類為供應商信息區(qū)塊內容的優(yōu)化提供一些有價值的依據(jù)，在實際設計優(yōu)化中，還有綜合考慮不同信息本身的重要性、其它調研結果，以及商業(yè)角度上的考量。

　　基于用戶尺度評價的人物角色只是角色劃分的一個關鍵維度，要創(chuàng)建完整的人物角色，還需要加入其它更豐富的屬性和內容。

　　對于用戶評價尺度，本次調研使用了關注度，根據(jù)調研對象的不同，用戶評價尺度也可以是滿意度、重要性、符合程度等。