发展角色分析迈向角色科学

文献标题

Developing Persona Analytics Towards Persona Science

文献信息

• 主题领域: 人机交互 (HCI)，量化用户行为研究，角色画像分析
• 关键词: Personas, 用户研究, Persona analytics, Persona science, 远程用户研究, 数据驱动角色, 人格化大数据, 鼠标追踪, 眼动追踪, 用户行为建模

研究背景与问题

• 发现的问题或挑战: 尽管角色画像（Personas）是一种广泛使用的人机交互工具，但研究领域中缺乏关于角色画像使用的量化实证数据。传统角色画像研究依赖案例分析，缺乏实验和定量测量，这阻碍了理论构建和实践指导。
• 重要性: 角色画像能够帮助设计师、开发者和营销人员更好地理解用户需求，但对角色画像适用性的全面评估仍然缺乏系统性研究。
• 研究动机与相关工作: 随着算法生成角色画像的出现，研究者逐步将定量数据融入角色画像中。这催生了“Persona Analytics”（PA）作为一种工具，用于量化识别角色画像用户行为，从而推进“Persona Science”的发展。

解决方案

• 提出的方法或解决方案:
  • 构建一个集成“角色画像分析”（PA）的互动角色画像系统。
  • 利用鼠标追踪和眼动追踪技术，记录用户与角色画像系统中的交互行为。
  • 开发定制化的用户行为和交互模式分析指标。
• 创新之处:
  • 开发了嵌入角色画像系统的全新分析框架，可捕捉用户在系统中的交互路径及行为模式。
  • 提议并验证了特定的定量指标，如Persona覆盖率、信息元素交互顺序及时间分布。
• 实施步骤:
  1. 人员画像生成算法: 通过非负矩阵分解（NMF）从在线分析数据中提取用户行为模式，并生成具有代表性的人物画像。
  2. 互动功能设计: 使用HTML、CSS和JavaScript开发交互界面，使用户能够浏览和查询角色画像。
  3. 数据记录与处理:
     • 鼠标和眼动追踪模块记录用户交互数据。
     • 将追踪的屏幕坐标转换为对应的角色画像信息元素。
     • 使用Python Pandas整理数据，导出供研究分析使用。

研究成果

• 具体成果:
  • 构建了一个功能完整的角色画像分析系统，可以实施远程用户实验，记录用户行为数据。
  • 实施了一项具有144位参与者的大规模用户实验，在旅游市场领域验证了系统能力。
  • 提出了多个针对用户行为的分析模型和测量指标，如Persona-grams（用户浏览路径字符串）、编辑距离和用户行为的集合论分析。
• 优势:
  • 相较传统Web分析工具（如Google Analytics），PA系统更具数据所有权和行为测量的细粒度。
  • 增强了角色画像系统为HCI领域提供科学性和实践性指导的能力。
• 实验结果:
  • 发现显著的“首位效应”：用户倾向于更多关注系统中默认显示的第一个角色。
  • 用户的交互行为呈现高个性化且多样化的浏览模式，难以通过简单方法归类。
  • 用户更倾向于与图片、文本描述和社交媒体引用这样的直观信息发生交互。
• 局限性与未来方向:
  • 局限性:
    • 眼动追踪数据因硬件及环境差异易受噪声影响。
    • 当前模型难以捕捉用户与角色画像的复杂心理交互过程。
  • 未来方向:
    1. 将算法生成角色画像与更多的机器学习方法（如神经网络）结合，探索用户行为建模与预测。
    2. 考察文化、任务类型和职位角色等变量对用户行为的影响。
    3. 开发适用于大规模用户群的角色画像推荐与过滤算法。

通过此研究，开发了一种系统性工具，为角色画像科学提供了实证研究的方向，并为设计师和行为分析研究者提供了新的技术手段。