产品用户体验质量的模糊评价（2）——层次分析法简介

作者:课课家更新于： 2015-11-03 13:17:59

营销实战

恍惚恍惚又来到了文章的学习，想必大家又有很多问题吧

 以上函数中v为从用户测试中获得的相关指标的可用性结果数据；v1、v2、v3、v4、v5、v6为各个评价标准等级的阈值，针对任务完成率等，阈值分别是0、0.3、0.6、0.8、0.95、1，而针对问卷评分，阈值分别为1、2、3.5、5.5、6.5、7;而 c1、c2、c3、c4、c5分别为区间 （v1， v2）、（v2， v3）、（v3， v4）、（v4， v5）、（v5， v6）的中值。
举个例子：
假设经过测试，某位用户的任务完成率为0.955，那么将该用户的任务完成率作为v代入上述的隶属度函数中，取 v1、v2、v3、v4、v5、v6为0、0.3、0.6、0.8、0.95、1， c1、c2、c3、c4、c5为0.15、0.45、0.7、0.875、0.975，则可以得到该用户的任务完成率的模糊子集｛A1、A2、A3、A4、A5｝为｛0、0、0、0.8、1｝。然后将测试的所有用户的任务完成率模糊子集进行合并则可以得出任务完成率的模糊矩阵。
一点小说明：
针对任务完成时间、操作路径长度等这样一些指标，为了确定相对统一的阈值，需要进行转换，转换的公式为：

aij表示因素Ai相对于因素Aj的重要程度比，符合：①aij＝1（i＝j）；②aji＝1／aij；③aij通过saaty的1－9比率标度法确定，具体如下：

我们可以采用一致性比率CR对判断矩阵的一致性进行检验，CR的定义如下：
，RI是已知的平均一致性指标，判断矩阵阶数为2和3时，RI的值分别为0和0.58。当CR小于等于0.1 时，判断矩阵具有良好的一致性，否则需要对判断矩阵进行重新调整。
举个例子：
假设我们的整个评价体系里包含一个对产品交互数据的评价，而交互数据中包含了有效和效率两个指标，那么为了获取针对交互数据这一评价因素的权重，我们首先需要请产品专家和可用性工程师对交互数据的两个评价指标按照1－9比率标度法进行两两比较，如果最后评价的结果为”有效”这个因素和”效率”这个因素比较在同等重要和稍微重要一点之间，即”有效”对比”效率”的评价结果为2，那么根据层次分析确定关于交互数据这一评价因素的权重矩阵可以得到以下结果：
产品包装

那么我们需要按照上述方法再依次对用户满意度和观察者评估的评价因素权重进行计算，最后可以得到用户满意度、观察者评估以及总的用户体验质量评估的权重矩阵。

至此，用户评价集和评价因素权重都已确定，我们要做的就是对这两部分的结果进行综合即可得到最终的体验质量的总体评价结果。
3. 如何进行多层模糊评价：
首先我们需要对在第一步中已获得的用户评价隶属度矩阵进行归一化处理：先对每位用户数据的隶属度数据进行合计，得到针对每个评价指标，用户在各个评价等级下数据的累加值Cj（j＝1，2，3，4，5）；对Cj进行归一化处理，具体方法如下：

用同样方法获得所有一级指标的归一化rj之后，可以确定一级模糊评判矩阵。假设针对任务完成时间（效率指标），其归一化rj为｛0.227， 0.163， 0.253， 0.073， 0.284}，那么交互数据（包括有效和效率两个指标）的一级模糊评判矩阵即为：

bj计算完成后，得到针对一级指标（比如交互数据）的综合评判结果：B1＝（b1 b2 b3 b4 b5），用以上的假设数据进行计算得到的结果为 B1＝（0.076 0.054 0.084 0.272 0.514）。同样的方法对用户满意度和观察者评价的假设数据进行计算，得到用户满意度的B2＝（0 0.007 0.320 0.546 0.126），观察者评价的B3＝（0 0 0.264 0.577 0.159）。
将一级指标的综合评判结果作为二级评判时的模糊矩阵，获得产品综合的用户体验质量的模糊评判矩阵：
网络工程师教程
用假设数据 B＝（0.031 0.025 0.209 0.441 0.294）代入后，a＝83.22处于良好等级。
对于总体用户质量的百分制评价转换方法也适用于各个一级指标体系，比如：交互数据、用户满意度等，从而进一步发现其中产品的体验质量究竟在哪个部分发生问题。
总体上来说，模糊评价方法的应用符合用户体验质量边界不明确的特点，可以弥补由于可用性和用户体验模糊属性所带来的评估上的可能偏差。
文章来源：网易用户体验设计中心 转载请注明出处链接。

延伸阅读：

• 产品用户体验质量的模糊评价（1）灰色关联分析
• 更多视频课程文章的课程，可到课课家官网查看。我在等你哟！！！