01 / 挑战
人机交互与产品研究面对的数据问题
这些问题通常不来自单一环节,而是设计、采集、标注与验证之间的断点。
行为数据彼此割裂
语音、界面操作、眼动与表情分散在不同工具中,无法还原一次完整交互。
实验环境与真实使用脱节
实验室任务过于干净,用户在家中或移动场景中的真实行为没有被捕捉。
指标与体验脱节
团队收集了大量录像,却没有提前定义指标,结论只能停留在主观描述。
小样本结论不稳
受试者数量有限,单次实验结果难以复现,产品决策缺乏依据。
02 / 方法
我们如何推进
每个项目都按同一套顺序推进:先把问题与规格写清楚,再进入采集、标注与验证。
- 01
问题与指标先定
先明确要回答的产品问题,再倒推任务脚本、指标与统计方案。
- 02
多设备同步采集
语音、屏幕操作、眼动与表情共用同一时间轴,保留事件级细节。
- 03
交互事件对齐
把唤醒、误触、澄清与放弃等事件映射到时间码,形成可计算的事件序列。
- 04
三角验证
行为数据、主观量表与访谈结论交叉验证,避免单一指标误导。
03 / 交付
你会拿到什么
- 多模态交互日志与对齐时间轴
- 可用性指标表与按严重程度排序的问题清单
- 可复现的实验方案与任务脚本
- 迭代前后的对比数据与片段证据
行为证据需要同一时间轴
用户说「不好用」,产品团队需要知道是哪一步、什么动作、持续了多久。我们在同一时间轴上记录语音、界面操作、眼动与表情,把一次交互还原成可测量的事件序列:唤醒延迟、视线回扫、误触、重复指令与放弃节点。
指标先于采集
实验开始前先确定要回答的产品问题,再倒推指标与任务脚本。例如评估语音助手时,关注首次唤醒成功率、澄清轮次与任务完成时间;评估多模态交互时,关注视线与手势的协同效率。指标写进方案,才能避免采完数据才发现关键变量没有记录。
从实验到产品决策
交付物不是一堆录像,而是可复算的指标表、问题清单与片段证据。我们按严重程度与出现频次整理问题,附上对应的时间码与截图,方便设计与研发直接定位。迭代后可用同一套任务脚本复测,形成前后对比数据,让体验改进有可量化的依据。
对早期探索型项目,也可以先用小样本访谈与任务观察收敛问题,再进入正式的多模态采集。对于需要长期跟踪的体验指标,建议保持任务脚本、受试者分组与指标定义稳定,仅更新产品版本。这样每次复测的差异更接近真实改进,而不是样本波动;跨团队协作时,也能用同一份报告语言对齐设计、研发与业务判断。
04 / 案例
示意案例
以下案例来自脱敏后的项目场景,仅用于说明合作方式与交付形态。
语音助手可用性研究
示意为某消费电子团队完成语音助手任务测试,定位唤醒失败与澄清轮次过多的关键场景。
6 类任务
多模态交互评估
示意为某软件产品同步采集操作、眼动与表情数据,输出交互阻塞点与改进优先级。
24 名受试者
05 / 相关能力
配套的服务与数据
方案通常由多个服务组合交付;相关数据集可直接用于评测、标注或方法验证。
06 / FAQ
常见问题
关于周期、授权与协作方式的常见疑问。
能否在真实使用环境中采集?
可以。支持家庭、办公室与移动场景,用便携设备完成同步录制,并保留环境信息。
样本量需要多大?
取决于指标与效应量。我们在方案阶段做统计功效估算,必要时采用分层抽样或补充样本。
能否只做分析与报告,不采集数据?
可以。若已有录像、日志或问卷数据,我们可先做数据体检,再对齐分析与标注。
如何保证实验可复现?
交付任务脚本、设备清单、环境记录与分析脚本,同一套流程可在迭代后原样复测。