Дуже тривожним є те, наскільки охоче практикуючи фахівці сприйняли концепцію 5-ти користувачів без розуміння її особливостей (Faulkner, 2003).
Ця стаття не про Нільсен, ні про його ідеї дешевих досліджень і взагалі не про юзабіліті тести.
Це стаття про математичну модель. Про те, як за її допомогою вирахувати вибірку, оцінити потужність тесту та зробити припущення про розповсюдженість факторів серед генеральної сукупності. А також про ті особливості, чому ваші розрахунки будить не завжди відповідати дійсності.
Тут немає простої числової відповіді чи загально прийнятих рекомендацій. Але, я сподіваюсь, ви знайдете усю необхідну інформації для того щоб зрозуміти як використати цю модель.
Якщо ви поспішаєте, наприкінці дуже коротко про все з цієї статті.
В 1993 році Якоб Нільсен та Томас Ландау опублікували результати свого дослідження, де вони проаналізували 11 юзабіліті тестів, в яких взяли участь 359 користувачів та експертів. Після аналізу результатів автори зробили висновок, що розподіл Пуасона добре моделює залежність кількості виявлених юзабіліті проблеми від числа респондентів
де, n - кількість користувачів залучених до юзабіліті тесту, N - загальна кількість помилок в інтерфейси та p - середня ймовірність виявлення юзабіліті проблеми під час одного випробування.
[ В оригінальній публікації замість p Нільсен та Ландау використовую символ λ. Але це може ввести в оману, бо в розподілі Пуасона λ - це параметр функції ймовірностей, який змінюється від 0 до ∞, але в публікації йдеться про середню ймовірність виявлення юзабіліті проблеми під час одного випробування, яка змінюється від 0 до 1. Тому в цій статті я буду використовувати саме p.]
Уявимо, що у нас є продукт, наприклад онлайн магазин. І є в ньому проблема: при спробі сплатити за допомогою промокоду користувачі не розуміють, що треба зробити підтвердження платежу. Так ось, відношення тих людей які стикнулись із цією проблемою до загальної кількості користувачів, це і є p. Тобто це ймовірність того що випадково обраний користувач нашого продукту стикався із цією проблемою. У такому разі, ймовірність того, що випадково обраний користувач ніколи не потрапляв в таку ситуацію, буде
Якщо візьмемо ще одного користувача, то ймовірність того що вони обидва не стикались з цією проблемою буде
Коли ми говоримо про одночасне настання двох випадків, їх ймовірності треба помножити. Що еквівалентно
Або у загальному випадку ймовірністю того що ні один із випадково обраних n користувачів ніколи не стикався із нашою проблемою