5大原則 幫你抓出對的受測樣本數

0

文/Chao Hung Wang

許多使用者經驗研究方法有賴於資料蒐集,無論是行為上與態度上的,但了解樣本需要多少受測者並不是個簡單的問題。對於研究而言,書籍或文章的建議總是過於制式,無法確定是否符合我們研究的設置,這是特別難掌握樣本大小的原因。下列5點建議可以協助你計算研究中的樣本規模:

joe_20160908

(圖片來源:morebyless

1. 樣本數量大小很重要

決定研究中的樣本規模是很重要的。或許我們有聽過有些人忽略它的重要性,或認為與結果關聯性有限,但事實上是非常相關的。當你不能測量所有的使用者時,就必須要處理抽樣誤差的情形。受測者的數量將會影響結果的概化(generalizable)效度,無論是質化或量化的生成性研究(generative research)或評估研究(evaluative research),都必須要注意樣本規模的選擇。

2. 沒有放諸四海皆準這回事

樣本規模沒有萬解,並非每次都是5、30、100或1000人。實驗的目的與型態才是關鍵,大多數的使用者經驗研究屬於下列這3種型態,它們計算樣本數量大小的方式也有所不同。

  • 探索(Discovery):發現問題、洞察、行為、挑戰和觀察事件。問題或行為的常見程度會決定你樣本的規模。可以參考這篇,了解為什麼5位受測者就足夠的理由。然而當所探討的問題比較罕見或期望驗證出更高的完成率(completion rate)時,5位受測者可能不足以預測出研究結果。
  • 參數估計(Parameter Estimation):若你要估計完成率、推薦意願(likelihood to recommend)、系統易用性分數(SUS)結果或樣本中的消費者情緒(sentiment),稱之為參數估計。這些通常是透過調查取得或獨立的使用性指標。此時樣本規模將取決於你期望的誤差範圍(margin of error)。
  • 比較(Comparison):進行不同設計間的比較、客戶種類的比較、或競爭者的比較時,需要你進行兩個以上的樣本群體比較或對不同的樣本進行假設。不同樣本間的規模差異通常是影響樣本數量選擇的因素。比較研究(comparative studies)通常需要以數量較大樣本來克服抽樣誤差的影響效果。

3. 代表性(representativeness)依樣本規模而有不同

受測者樣本的代表性會隨著樣本規模而有差異。採納一些不適合的人所提供的回饋是沒有意義的,我們希望參考值是具有推測母體的能力,這就是代表性。不過這個概念常讓人誤以為樣本數量要大一點(20、30或其他數量)才具代表性,其實在同質性的顧客群體中,樣本數為2就相當具代表性了。不過越高的抽樣量,確實可以提供你更精確的資料。

4. 效應值(magnitude of effect)很重要

進行比較研究時,差異的大小(size of the difference)關係重大。要獲得越小的差異,需要規模越大的樣本;差異大的結果,用小樣本就可以達成。當你希望比較差異,如:完成率、兩組調查的結果、使用新舊app花費的註冊時間等,首先必須思考差異是否存在,接著再決定是大樣本適合,還是小樣本。

相同的概念也適用於問題探索研究。若多數的使用者皆能找出問題,則用小樣本就足夠發掘問題的所在。相反地,若問題無法被樣本中的多數使用者發現,則須考慮加大樣本數。應用在脈絡調查(contextual inquiry)中的行為觀察時,也是同樣的道理。

5. 常見的UX研究的樣本大小

熟能生巧,了解概念並實踐可以讓思維更清楚。有8個例子(英文)幫助我們了解常見的UX研究中(如:使用性測試、脈絡調查、基準、比較研究等)樣本大小如何拿捏。

最後,數學運算只是關係到樣本規模的一部分,時間、預算的限制或有無能力找到足夠多且合乎資格的受測者,這些才是掌握樣本數量大小的最大難題。

本文授權來源:Getting Started Finding The Right Sample Size
原文作者:Jeff Sauro

Share.

About Author

清華大學工工系人因組博士候選人、美國喬治亞理工學院訪問學者,現居新竹。喜歡觀察社會,關心介面設計、擴增實境技術及人因相關議題。

Comments are closed.