人機交互測試不是拉幾個用戶來點幾下界面就完事。樣本量怎么定、發聲思維為什么經常失效、SUS分數多少才算能看、自動化工具到底能替代什么——這些判斷做錯了，測試跑得再順也是在原地打轉。

?

見過不少團隊做測試，架勢拉得很足：會議室訂好，錄屏軟件打開，用戶坐在那兒， moderator 拿著任務腳本一條條念。跑完五個人，收工，出一份報告。看著挺完整，但回到產品決策會上，沒人說得清到底該改哪兒。

問題很少出在執行環節。多數時候，根子在測試開始之前就已經埋下了。

?

五個人夠不夠，取決于你找的是誰

“五個用戶能發現八成問題”這句話流傳太廣，以至于被當成了默認設置。但這個數字有一個容易被忽略的前提：五個同一用戶群體里的代表性用戶。如果產品的使用者本來就分好幾類，比如一邊是剛上手的新人，一邊是每天泡在里面的老手，把五個人混在一起跑，得出的結論大概率是誰的痛點都沒抓透。真正卡住新人的東西和老手煩躁的東西，往往不在一個層面上。

?

更實際的做法是先把“誰是用戶”這件事拆開。哪怕只測兩個群體，每個群體放三到四個人，也比五個背景混雜的人坐在一起更有指向性。測試的價值不在于人數本身，而在于你觀察到的行為能不能對應到一類真實的使用場景。

?

出聲思維好用，但多數人用錯了它的“用法”

讓用戶在操作時把心里想的說出來，是發現認知摩擦最直接的手段之一。可這個方法的難點不在用戶身上，在坐在旁邊的那個人身上。

比較常見的走樣是這樣的：用戶剛點了一下，沒反應， facilitator 立刻接話“你試試右上角那個按鈕”。這一接話，最有價值的線索就沒了。用戶愣住的那幾秒里，腦子里發生了什么、ta 對當前界面的預期是什么、為什么視線跳過了正確的位置，這些恰恰是出聲思維要捕捉的東西。 facilitator 要做的事只有一件：忍住。用戶停下來的時候，可以問“你現在在看什么”或者“你剛才是想找什么”，但不要指路，不要給答案，不要用表情暗示“不對”。

?

另一個容易被跳過的前置動作是熱身。直接讓用戶進入正式任務，很多人會因為緊張而變得沉默，或者下意識地把自己代入“被考試”的狀態。先用一個跟產品完全無關的小任務讓 ta 練習“邊做邊說”，哪怕只花兩三分鐘，后面正式任務里獲得的口語數據質量會差出不少。

?

SUS 過了 68 分，不一定值得高興

系統可用性量表是圈子里用得最普遍的量化工具，十個題，打完折成百分制，操作簡單，橫向可比。但它的分數有一個被用濫的參照系：68 分。這個數字經常被當成“及格線”，仿佛過了就代表交互沒問題。

?

實際上 68 分只是一個中位數意義上的基準，不是產品該追求的目標。有研究匯總的數據顯示，真正稱得上“好”的分數大約在 80 分上下，而能達到這個水平的研究只占一成左右。更關鍵的是，

SUS 測的是用戶

主觀感受到的易用程度

它跟任務成功率、出錯率之間并不總是同步。一個界面可能讓用戶覺得“用起來挺順的”，但實際完成任務的路徑比最優路徑多繞了三步，錯誤率也不低。光看 SUS，這種“體感舒適但效率虧損”的情況會被完全蓋住。

?

把 SUS 和任務層面的硬指標放在一起看，才不至于被一個總分牽著走。任務成功率告訴你“能不能做成”，完成時間告訴你“費不費勁”，出錯類型告訴你“在哪兒摔的”，SUS 告訴你“用戶愿不愿意承認這東西好用”。四個維度各有各的盲區，缺一個，判斷就偏一寸。

?

自動化工具能替你跑流程，但替不了你做判斷

AI 代理模擬用戶路徑這件事，這兩年確實在變實用。瀏覽器代理可以自動走完注冊、下單、搜索這類標準流程，把斷掉的鏈接、卡住的表單、循環跳轉的頁面篩出來。作為回歸測試和覆蓋廣度的手段，它省掉的是重復勞動，這個價值是實的。

?

但有一類問題，自動化目前還夠不著。智能客服上線第一天翻車的例子很說明問題：問答庫里的標準問題過了一片綠，真正讓用戶炸掉的是“你們老板是誰”“你能幫我寫作業嗎”“我今天好難過”這些壓根不在預設腳本里的輸入。模型不知道什么時候該說“不知道”，遇到邊界問題硬答，結果就是答非所問、循環重復，甚至從訓練數據里翻出不該給的建議。這種“該拒答的時候有沒有拒答”“多輪對話里有沒有丟失上下文”“用戶帶著情緒進來時響應方式有沒有變化”，靠模擬代理跑標準任務很難暴露出來。它需要真人帶著真實的模糊性、不耐煩和跳躍性去撞，才能撞出那些設計時沒預料到的裂縫。

?

所以比較務實的搭配是：自動化負責守住功能路徑的底線，真人測試負責往“不按常理出牌”的方向捅。把兩者混為一談，要么高估了機器，要么浪費了人。

?

希望對大家有所幫助，了解更多關于萬能手指磨耗試驗機,智能座艙檢測系統,車載屏性能檢測系統,開關旋鈕類測試,人機交互測試,中控屏溫濕度性能測試等產品技術和售后服務，歡迎到訪官網咨詢！m.ustehs76.com