什么是卡片分類？

卡片分類是一種簡單易行的信息整理工具，它將信息系統中的元素組織得讓用戶易于理解，用于幫助設計或者評估信息架構，通常在用戶研究與設計初期執行。邀請用戶參與可以真正了解符合用戶習慣的信息架構。研究者通過使用標有單詞、圖片的若干主題卡，鼓勵參與者按他們的偏好順序對其進行整理歸類。卡片分類可以幫助研究者獲得諸多洞察，甚至可以在卡片分類后進行深入的對話，了解他們歸類的原因、價值觀。

1. 主要方法

開放式卡片分類：給定待分類的主題卡。參與者根據他們的理解將主題卡聚合成若干組別，并以他們描述內容的方式命名組別。

封閉式卡片分類：給定待分類的主題卡和組別，參與者根據他們理解將主題卡劃入既定的組別。

2. 執行類型

一對一執行：配備一名可用性團隊成員，參與者獨立執行。這樣可以更深入地了解參與者的思考過程，但耗時較長。

一對多執行：配備一名可用性團隊成員，各參與者獨立執行。這樣可以快速收集多份分類，但需要準備更多的材料，同時對每位參與者的了解不深。

團隊共同執行：配備一名可用性團隊成員，各參與者共同執行。協作可以更快地完成分類，但需要將團體動力學考慮進去，如群體氣氛、群體成員間的關系、領導作風對群體性質的影響。

遠程執行：不需要配備可用性團體成員，參與者各自執行。這樣可以跨地區執行，但無法了解參與者思考的過程。

為什么要使用卡片分類？

邀請用戶參與卡片分類測試，有助于站在用戶的角度來理解信息的組織。了解用戶整理歸類的方式可以幫助產品團隊驗證分類是否符合用戶預期，并進一步優化信息架構。

如何執行卡片分類？

1. 創建卡片

主題卡：根據需要測試的主題準備單詞主題卡或圖片主題卡，每張卡片只有一個主題。通常數量在50至60，過量容易造成參與者疲勞。

空白卡：準備若干空白卡，以便參與者自行添加主題。

組別卡：考慮使用不同于空白卡的組別卡，讓參與者為組別命名。

主題卡編號：考慮在不明顯的地方編號，以便于后續研究者進行分析。

2. 執行準備

邀請用戶：相關實驗表明，15個樣本量得出來的分類結果與全部用戶的分類結果之間的相關系數達到0.90。

估算時間：提供估算時間有助于參與者建立完成時的預期。

足夠空間：以便參與者將主題卡平鋪在桌上或者粘貼在墻上。

隨時記錄：可用性團隊成員可以隨時記錄參與者的想法、理由或挫折。

準備獎勵：如果合適，為參與者準備若干小獎品。

3. 執行測試

說明目的：向參與者簡要說明本次開放式、封閉式卡片分類的目的。在開放式中，請說明要求參與者針對自定義的組別命名；在封閉式中，請說明想要了解參與者如何定義這些組別。

隨機演示：隨機出現的卡片有助于參與者進行分類。

執行分類：盡量不要打斷參與者。并允許參與者使用空白卡添加主題，或棄置不想要的主題卡。

大聲思考：鼓勵參與者大聲思考，有助于可用性團隊成員隨時記錄。

提供獎勵：如果合適，為參與者提供若干小獎品。

及時記錄：及時拍攝分好類的主題卡，記錄分組的名稱、數量以及主題卡。為下一次測試重新洗牌。

4. 線上執行卡片分類

有很多桌面工具、在線工具可以執行卡片分類，且多數工具都具備基本的分析能力，以下是較為常見的工具：Cart Sort（Windows 應用程序）、xSort（Mac 應用程序）、OptimalSort、UsabilityTest Card Sorting等。

如何分析開放式卡片分類

? 1. 原理

通過測量所有卡片兩兩之間的距離，來研究它們之間的相似性。故可以使用任何研究距離矩陣的標準統計方法，如層級聚類分析（hierarchical cluster analysis）、多維標度法（multidimensional scaling）。

在數學中，一個距離矩陣是一個包含一組點兩兩之間距離的矩陣（即二維數組）。因此給定N個歐幾里得空間中的點，其距離矩陣就是一個非負實數作為元素的N × N的對稱矩陣。——維基百科

? 2. 工具

Donna Spencer’s Card Sort Analysis Spreadsheets

Donna 的模板提供了20*200以及40*400的聯動數據表。除此之外，Donna 的模板還在數據表中提供了標準化的處理。

SPSS Statistics

很多商業統計工具可以實現，包括 Excel 在 Windows 上的插件 Unistat。下面以SPSS 的操作分層聚類分析的路徑為例。

路徑：SPSS – Analyze – Classify – Hierarchical Cluster

? 3. 步驟

將每位參與者的數據轉成N*N的對稱矩陣

根據不同的定義，在錄入數據的時候有兩種預處理思路，但異曲同工：

• 組內距離為0，組外距離為1，即相異矩陣。
• 組內距離為1，組外距離為0，即共生矩陣。

以共生矩陣為例，設定單個參與者放置在同一組的卡片之間距離為1，錄入參與者的卡片分組，可以得到一張這樣的矩陣——矩陣中的距離只能是1或者0。

將所有參與者的N*N對稱矩陣疊加

疊加之后的對稱矩陣可以看到兩兩卡片被放到一組的頻次。因分析數據的需要，需要補齊完整的矩陣，包括對角線。

• 在相異矩陣中，對角線為0。
• 在共生矩陣中，對角線為用戶數。

以共生矩陣為例，所有參與者的對稱矩陣如下。

調整數據格式

在變量視圖里面，將卡片名調整為定類變量，將卡片頻次調整為定距變量。

層級聚類分析

在使用 SPSS 運行層級聚類分析時，可以使用不同的聯接方法和度量距離進行運算。根據經驗，Between-Groups Linkage（組間聯接法）、Within-Groups Linkage（組內聯接法）以及Ward’s Method（Ward法）是比較行之有效的連接方法；同時，由于我們是對觀察記錄（cases）進行分類，在選取度量區間上使用Q型聚類的 Euclidean distance（歐氏距離）或 Squared Euclidean distance（歐氏距離平方）。

聯接方法

• Between-Groups Linkage（組間聯接法）：合并兩類，使所有兩類的平均距離最小。系統默認選項。
• Within-Groups Linkage（組內聯接法）：合并兩類，新類中所有項之間的平均距離最小。
• Nearest Neighbor（最近鄰法）：以兩類間最近點間的距離，代表兩類間的距離。
• Furthest Neighbor（最遠鄰法）：以兩類間最遠點間的距離，代表兩類間的距離。
• Centroid Clustering（重心聚類法）：定義類與類之間的距離為兩類中各樣本的重心之間的距離。
• Median Clustering（中位數聚類法）：定義類與類之間的距離為兩類中各樣本的中位數之間的距離。
• Ward’s Method（Ward法）：聚類中使類內各樣本的離差平方和最小，類間的離差平方和盡可能大。

度量區間

• Euclidean distance（歐氏距離）：即兩觀察單位間的距離為其值差的平方和的平方根。用于Q型聚類。
• Squared Euclidean distance（歐氏距離平方）：即兩觀察單位間的距離為其值差的平方和。用于Q型聚類。系統默認項。
• Cosline（余弦相似性測度）：變量矢量的余弦，這是模型相似性的度量。
• Pearson conelation（皮爾遜相關系數）：即相關系數距離，是線性關系的測度，范圍是-1～+1。用于R型聚類。
• Chebychev（切比雪夫距離）：即兩觀察單位間的距離為其任意變量的最大絕對差值，用于Q型聚類。
• Block（Manhattan 距離）：兩項之間的距離是每個變量值之差的絕對值總和，用于Q型聚類。
• Minkowski（閔科夫斯基距離）：距離是一個絕對冪的度量，即變量絕對值的第p次冪之和的平方根。p由用戶指定。
• Customized（自定義距離）：距離是一個絕對冪的度量，即變量絕對值的第p次冪之和的第r次根。p與r由用戶指定。

? 4. 結果

從冰柱圖（Vertical Icicle）和系統樹圖（Dendrogram）查看分類結果。

冰柱圖怎么看？

• 觀察縱軸，通過添加切割線進行水平切分。
• 觀察0至切割線區間，白柱間的間隔，間隔即為組。

系統樹圖怎么看？

從左至右看，可以看到哪些卡片在最開始就聚類到一起。

從右往左看，通過添加切割線進行垂直切分，了解組數；組數可以是參與者的平均組數，也可以是業務方的目標組數。

通常，一個開放式卡片分類后，可以緊跟一個或多個封閉式卡片分類，通過封閉式卡片分類來驗證信息歸類是否合適。

如何分析封閉式卡片分類

1. 原理

定義衡量指標為把主題卡放置各組別中的參與者比例。每張主題卡在組間比例懸殊較大的，是較有把握的分類；反之，是存在分歧的分類。

2. 工具

使用 Excel 就可以完成基礎統計。

3. 步驟

• 邀請參與者將主題卡與組別匹配。
• 將每位參與者的數據轉成N*N的對稱矩陣。
• 將所有參與者的N*N的對稱矩陣疊加。
• 將頻次轉化成百分數，標記出每張主題卡的最大百分數。
• 求最大百分數的平均數，該平均數可以衡量該組組名是否有效。

當我們列舉了多種分類方式，需要驗證求其一時，則需要基于每種分類方式，邀請數量一致的不同參與者。同時需要考慮：

• 多種分類方式中組別數量一致，可以直接使用最大百分數的平均數來衡量。
• 多種分類方式中組別數量不一致，可以使用最大比例與第二比例的差值的平均數來衡量。

寫在最后的一些經驗

主題卡編號提高錄入效率。將線下數據轉錄至線上是一個量大效率低的事，結合卡片編號可以有效提高錄入效率。

主題卡的措辭盡量精準，避免偏差、歧義。無法避免時，可以在主題卡上加以解釋。否則難以理解的主題卡會被用戶分到無法解釋的類別。

用戶的結果不一定是合適的。在主題卡涉及領域較廣且主題卡理解有不可避免的偏差時，目標用戶的分類受知識所限，可以考慮專家法，執行封閉式卡片分類。

歡迎關注「騰訊CDC體驗設計」公眾號：