视觉效果好不好,到底谁说了算?

1 评论 3198 浏览 12 收藏 13 分钟

在日常工作中,我们经常会面临一个问题,即如何去判定或验证视觉设计的效果如何,有没有什么方法或指标,可以替代主观判断,帮助我们进行设计效果验证呢?本篇文章里,作者便结合合意性测试进行了总结和实战分享,一起来看看作者的解读。

在看似没有标准的设计领域,如何衡量和验证视觉设计的效果?用哪些数据指标,才能知道设计效果究竟怎么样?本文用合意性测试结合案例对这些问题进行了分析研究,并总结了关于合意性测试的一些技巧,供大家一同参考。

合意性测试是“评估用户对美学和视觉吸引力的态度的一种定性与定量结合的方法”。

合意性测试的全生命周期从项目初期到项目结束就像是撒种、生长、收割、成品。经历了多轮的分析,得出了比较可靠的定性和定量的依据。

一、为什么合意性测试很重要?

合意性测试可以通过用户的视角,科学化、系统化的进行调研。有效的验证用户对新的视觉语言的喜好度。从可用性的角度来看合意性测试会更加的系统化,科学化。通过元素的数值对比、颜色、图形,可以帮助设计师洞察设计的机会点。

二、手把手教你项目实战

合意性测试项目实战,手把手教会你!

以到家视觉升级项目举例来看,可通过以下步骤来进行标准化的验证!

1. 目标设定至关重要

我们设定的目标为:

  1. 验证到家产品设计语言的用户感知度。
  2. 用数据验证设计语言与向用户表达的感知是否一致。
  3. 洞察用户,有效地指导到家产品后续视觉设计改进方向。

视觉效果好不好,到底谁说了算?

在测试前,我们根据用户聚焦的问题点和业务发展的重点,聚焦在传播链路上:线上运营和线下体验店的部分视觉体现的家政服务平台视觉改版前后的对比。

作为设计师,你的关心点是什么呢?

完成到家视觉语言升级后,作为设计师来说,是有几个疑虑点的,比如在视觉呈现中的有没有符号,图形,品牌色对用户感知是否有关键性的影响。在视觉中用真人或者3D人物或者视觉中使用比较具象的场景和单体模特,哪个更吸引用户的焦点呢?以上的几个问题,都是需要测试得出比较准确的结论的!

视觉效果好不好,到底谁说了算?

2. 掌握测试方法让你事半功倍

1)选择词汇

词汇选择与测量目的相关:

选择什么样的词汇取决于你想测量什么,如果我们测量的是与美观相关的维度,那就应该尽可能减少与功能、性能、内容等相关的词汇,如果我们测量的是与品牌属性相关的维度,那在词汇选择过程中,一定需要将最初预设的品牌属性词以及与品牌属性相关的词都纳入其中,我们从海量的词汇中选择了以下关联性很强的词汇:有吸引力的/值得信赖的/令人印象深刻的/专业的/过时的/无价值的。

2)控制变量

关键元素单一的差值,颗粒度较细的变量能够精准化的找到关键问题点,所以我们选择的图片素材变量相对单一,可控。

3)素材整合

根据测试对象,产出测试图片素材。

分为线上运营/顶部banner /线下海报 3部分。

4)精准传播

有效的调研计划目标、调研方法、调研人员和调研环境,调研计划应该是清晰和详细的,并且应该能够满足测试的目的和需求。

海量信息如何有效筛选?

我们从整体喜好程度分析,关键因素分析,相对比较分析三个方法,去进行有效分分析,得出比较精确的结论。

  1. 喜好程度分析:通过统计用户对产品或服务的整体满意度、推荐度等指标,了解用户对产品或服务的总体评价,从而评估产品或服务的整体表现。
  2. 关键因素分析:通过分析用户对产品或服务的不同方面的评价,比如产品的功能、视觉设计、用户体验等,找出用户认为比较重要的因素,进一步优化设计。
  3. 相对比较分析:通过分析用户对产品或设计的不同版本或不同竞品的评价,找出产品或设计相对优劣的方面,从而优化产品或服务,提高用户满意度。

视觉效果好不好,到底谁说了算?

3. 收集反馈,对信息层层剥茧,找出原因

经过问卷回收,我们从整体的角度出发,进行了用户喜好度的分析。例如,每个关键词有多少用户选择;2个版本选择关键词的用户占比的差值;差值最大的凸出项是什么?我们得出这些结论后,基本对2个版本有比较全面的了解!

视觉效果好不好,到底谁说了算?

现在我们得出一个比较清晰的结论,右图(有光)用户觉得比左图(无光)更有创意、更值得信赖、更专业、更令人印象深刻;也有一些负面的关键词比无光的版本略高一些,比如难以理解的。同样呢,左边无光的版本,用户觉得相对更有吸引力一些。

此外,也进行了差值的计算,得出2个版本之间最大的差异点。将不同版本中用户点击同一关键词的占比进行差值相减!得出以下结论,有光版本在有创意的这个选项上的认同度比比无光版本高1.5% ,其中,有光的这一版本,在专业的这个维度表达上,相对更被用户认可。

视觉效果好不好,到底谁说了算?

4. 通过相对比较分析,持续深挖

哪些用户更喜欢有阳光版本呢?

通过分析不同用户对视觉的不同版本的评价,找出视觉相对优劣的方面,更加细致化的了解不同用户对视觉的喜好度,从而优化产品或服务,针对性提高用户满意度。

我们得出老用户在有光的视觉图上,更倾向于正面情绪。

视觉效果好不好,到底谁说了算?

我们根据相对比分析得出:

老用户有旺盛的家政服务需求,较忠诚于品牌。对生活品质的提升具有一定预期,所以希望在对服务满足预期的同时,期待品牌全方位的带来超预期的服务和体验。恰巧在视觉语言中,光的表现,较为恰如其分的表达了到家的品牌理念,在画面层次给用户带来了意外的期待。

新用户未体验过到家产品,对服务的预期有所波动,只能通过画面来判断服务的预期。所以在画面中增加一定的不符合现实的元素,会对用户造成一定疑惑。但,通过垂类产品和其他产品来看,无论对新老用户画面中保留一定的特殊图形,长期来看,会增加用户对品牌的认同感和记忆点。

1)思路拓展

我们采用了同样的方式,继续细分,得出了在女用户觉得有光的这张图更加的值得信赖/专业/印象深刻/ 有趣味。

如果大家去做合意性测试的话,可以进行很多维度的拆分,就不做特别多的展示了!

视觉效果好不好,到底谁说了算?

2)关键因素分析原则

我们从线下系列海报也进行合意性测试,采用相同方法得出一定结论。

但是在用摄影图的设计图上,我们发现图一选择“清晰的”占比会这么高?为什么图二负面关键词会相对多?

我们采用了关键因素分析原则,进行线下1V1访谈。和用户进行对话,了解关键性的原因。线下访谈也建立了合理的SOP,在访谈中,建立标准话术,采访流程等。

从对话中呢,我们得出,几个关键点:在线下的海报展示中,场景化视觉的视觉相对更能体现具体品类,将具体的服务,表达的更准确。

至此,我们利用合意性测试的法则,完整的在项目中,进行了回收并分析,得出了准确的结论,用户对视觉升级的感知,对未来设计优化方向,给予了理论依据。

三、最后总结

合意性测试是科学化、系统化、可复制化的调研方案且对视觉方案量化程度高,颗粒度细。

合意性测试需要通过线上大量收集结果,进行精细化人口学的分析,得出多维度的结论。同时,也需要通过进行线下1v1的访谈,深度了解并发掘用户关注点。最后需要将线上和线下调研进行交叉分析,才能得出准确,有深度的依据。通过合意性测试数据反馈得出相对客观的结论,将差值进行量化,得出关键影响因素,进行更深层次的洞察。

作者:王映照

来源公众号:58UXD(ID:i58UXD),58UXD,全称58同城用户体验设计中心。

本文由人人都是产品经理合作媒体 @58UXD 授权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。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 看到有光无光的那个案例,emm,只想说,用户真的是一个难以理解的物种

    来自广东 回复