用户研究：基于用户尺度评价的人物角色分类方法与实践

　　人物角色可以从很多维度来划分，例如用户目标、用户场景、用户行为、体验周期、用户价值、……，根据实际情况，人物角色可能按一个维度划分，或结合多个维度进行划分。

　　为设计服务的人物角色，用户目标是人物角色划分中最重要，也是必不可少的一个维度。

　　对于资讯/信息型的分析对象，对资讯/信息的关注度能够很好地体现用户的使用目标。

　　本文以1688网站用户对供应商信息关注度的问卷调查案例为基础，来介绍基于用户尺度评价的人物角色分类方法，主要分为以下几个过程：

　　1 获得尺度评价结果

　　1.1调研目标

　　通过了解用户对供应商不同信息的关注度，为产品详情页面供应商信息的组织与呈现提供设计参考与依据。

　　1.2调研内容

　　根据目前供应商信息中所展示的内容，以及公司档案中的相关信息，结合以往相关调研结果，总共进行17项供应商信息的关注度调研(详见因子分析结果列表，因子分析结果列表中只列出了16项，根据因子分析理论，“保障”没有纳入到最终的因子分析中去)。

　　1.3评价尺度

　　用户对供应商信息关注度的评价尺度分成为5级，分别为：

　　1-不关注、2-说不清、3-有点关注、4-比较关注、5-非常关注。

　　1.4调研样本

　　本次问卷调查在1688网站产品详情页面投放，经过筛选后得到有效样本3032份。

　　2. 获得评价尺度因子

　　2.1 项目分析

　　对17个供应商信息分别进行项目分析，结果都为显著性，表明17个供应商信息适合进行用户关注度评价。

　　(项目分析：将每个样本对17个供应商信息的关注度总分进行排序，将关注度总分最低的27%样本作为低分组，将关注度总分最高的27%样本作为高分组。低分组与高分组在17个供应商信息的关注度评分分别进行独立样本T检验，来判断高低分组的评价是否存在非常显著差异。如果独立样本T检验显著，则说明此供应商信息适合进行用户评价。)

　　2.2 信度检验

　　使用Cronbach’s Alpha进行信度检验，Alpha系数为0.906。删除“所在地”时，Alpha系数变为0.909，可考虑删除。

　　但认为“所在地”还是有必要保留的，以及根据最终因子分析结果的实际意义，“所在地”还是保留在因子分析中。

　　2.3 因子分析

　　2.3.1显著性检验

　　最终因子分析结果的适度性KMO值0.905，Bartlett球形检验近似卡方值26152.146(df=120，p值=.000)，非常适合进行因子分析(初始的KMO值、Bartlett球形检验都为显著性)。

　　2.3.2因子分析结果

　　由于“保障”这个供应商信息在主因子上的荷重=0.482，同时对客户满意度、供应通力上的荷重分别为0.452、0.326，“保障”这个供应商信息从因子分析中剔除。

　　综合考虑指标聚类分析、因子特征值与因子的实际意义，将用户评价尺度分成4个因子，解释率达到64.356%，效果较好。

　　归纳后4个评价尺度因子分别为基本信息、客户满意度、供应能力、交易历史，也就是说用户在查看供应商信息时，从这4个维度来了解供应商。

　　3. 获得评价尺度因子得分

　　因子分析可以直接获得标准化的因子得分，但我们日常接触到的是更直观的非标准化用户尺度评价得分，在样本聚类分析结果解读时，结果也更直观。所以要使用基于用户尺度评价的非标准化因子得分进行样本聚类分析。

　　非标准化因子得分计算过程如下：

　　step1：用因子得分系数(Factor Score Coefficient)基于标准化的原始影响力系数X(i)，X(i)代表第i个供应商信息对主因子的得分系数。

　　Step2：基于标准化原始影响力系数的非标准化还原，X(i)*d(i)，d(i)代表第i个供应商信息的标准差。

　　Step3：归1处理。同一指标集(不同一级指标为一个指标集、某个一级指标下的不同二级指标为一个指标集)下不同指标的权重之和为1。影响力系数归1处理公式如下：

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

　　W(i)代表归1处理后权重，X(i)代表第i个供应商信息对主因子得分系数，d(i)代表第i个供应商信息标准差。

　　Step4：计算非标准化的因子得分，公式如下：

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

　　F(j)代表第j个因子的非标准化因子得分，f(jn)代表第j个因子下第n个供应商信息的评分。

　　4. 获得人物角色分类

　　4.1样本聚类

　　使用聚类分析的Twostep Cluster方法，根据4个评价尺度因子对样本进行聚类分析。将3032名调研样本分成3类，分别占42.5%、41.9%、15.7%。

　　计算这3类样本在评价尺度因子得分可以发现：

　　第1类用户：对基本信息、客户满意度、供应能力、交易历史都非常关注

　　第2类用户：对用户满意度非常关注，对基本信息、供应能力、交易历史比较关注

　　第3类用户：对基本信息、客户满意度、供应能力、交易历史都很少关注。

　　5 总结与应用

　　用户评价尺度因子

　　对于供应商信息，用户从4个维度进行关注，分别为基本信息、客户满意度、供应能力、交易历史。

　　在页面内容布局时，相近的内容(关联性强)要放在一起。目前1688网站产品详情页面上的信息商信息的布局与用户关注维度存在较多不一致的地方。将关联性的供应商信息放在一起，用户先查看了一个维度的供应商信息后，再查看另一个维度的供应商信息，增强用户浏览有序性，从而提升供应商信息内容的易读性。

　　人物角色分类

　　对于供应商信息的关注，有3类典型角色，分别为：

　　第1类用户(占42.5%)：对基本信息、客户满意度、供应能力、交易历史都非常关注

　　第2类用户(占41.9%)：对用户满意度非常关注，对基本信息、供应能力、交易历史比较关注

　　第3类用户(占15.7%)：对基本信息、客户满意度、供应能力、交易历史都很少关注。

　　有了这样的人物角色划分，在设计时，可以知道核心用户、非核心用户是如何关注供应商信息及其重要度，也可以进行定性研究探索不同用户群对供应商信息存在差异的根本原因是什么，为设计提供决策依据。

　　用户评价尺度因子、人物角色分类为供应商信息区块内容的优化提供一些有价值的依据，在实际设计优化中，还有综合考虑不同信息本身的重要性、其它调研结果，以及商业角度上的考量。

　　基于用户尺度评价的人物角色只是角色划分的一个关键维度，要创建完整的人物角色，还需要加入其它更丰富的属性和内容。

　　对于用户评价尺度，本次调研使用了关注度，根据调研对象的不同，用户评价尺度也可以是满意度、重要性、符合程度等。