01 · 场景
说好用，和真的用得好，是一回事吗？
一个排班工具演示后收获好评。试用时，负责人却一直替同事改表、解释异常。大家都交出了排班表，但这还不能证明工具能够独立使用，更不能证明节省了时间。
构造场景，用于解释方法。
02 · 原理
一张图看懂它怎么运转
这是一条研究流程，不是保证产品成功的因果链。每个结论都要回到具体参与者、任务和使用条件。
03 · 实验
改变条件，观察结果
好评、完成和净收益，分开看
交互实验 · 构造示例
构造的一轮任务测试；每人尝试一次。独立、协助与失败互斥；好评可与任意一组重叠。用时包含失败尝试，不是只统计成功者。仅当任务和交付质量可比时，时间差才可用于比较效率；本实验不作统计推断。
独立完成率 = 独立完成人数 ÷ 尝试人数；净节省时间 = 旧办法用时 − 新办法操作用时 − 核对返工用时
04 · 分析交付
先给主判断，再展示依据
- 主判断：先回答当前问题，给出有证据的首选解释、方案或行动。确实并列时写明比较结果及下一项区分证据，不用罗列可能性代替判断。
- 判断依据：把关键原始记录、计算和推断连到结论。说明方法实际改变了哪项判断；来源不足时缩小结论范围，仍交付已能成立的部分。
- 量化口径：按方法原有公式、单位和分母计算。材料编码须去重并单列未知；没有量化依据则给理由明确的定性比较，不编统一分数或未经校准的概率。
- 反证与改判：指出最强的相反证据、替代解释或敏感变量。写清什么新事实或阈值变化会使首选改变；未经对照的相关性不写成因果。
- 实际用途：把主判断转成当前可执行的动作、停止条件或下一项验证。负责人、预算和期限按已知材料填写；不为完成模板发明业务事实。
- 适用范围：保留各方法自己的产出与失效条件。表达教程不承担业务结论；未核定资料不自动推荐；临床条目按其专项范围交付知识、行为应对或就诊准备。
05 · 准备
开始前，准备什么
最小输入
- 目标用户及使用场景；原型版本与现有替代办法。
- 需要完成的任务、合格标准、允许的协助与观察期。
- 招募和分组方式；样品顺序、温度／剂量或设备条件。
- 逐人逐任务的完成、失败、求助、总耗时、返工和再次使用记录。
应留下的产出
- 测试方案与逐次观察表；独立／协助／失败分布。
- 含核对返工的时间账；缺陷优先级与下一轮验证条件。
06 · 用法
按顺序完成 6 步
- 先写决策问题与合格标准。将“愿意试试”与“实际完成任务”分开。
- 选择测试设计。比较配方可盲测并平衡顺序；验证品牌承诺需带品牌、真实情境。数字工具要保留旧办法作基准。
- 招募实际或潜在用户，说明记录范围并取得知情同意。先试跑任务，避免指令暗示答案。
- 观察操作并逐次记录。独立完成、协助完成和失败分别计数；把核对、返工与退出过程计入耗时。
- 在预先约定的观察期核对再次使用。区分自发使用、提醒后使用及缺失记录，不把未回访当零使用。
- 按人群和失败类型整理，决定修改、追加验证或停止。若要估计普遍差异或因果效果，另设计样本和对照。
07 · 案例
“Start now”按钮为何让用户绕圈？
真实公开案例 · 团队复盘
观察
GOV.UK 团队在任务测试中看到用户绕过按钮、反复回到同一页面。用户解释：文案让他们担心开始某项流程。
交叉核对
团队继续查看线上行为，再做两周按钮文案测试。不同页面的点击变化方向并不一致。
可借鉴判断
使用观察帮助提出问题；线上数据与后续实验分别回答普遍性和改动效果。
证据边界
原文承认循环导航追踪有误。因此不能说文案修改已经解决绕圈，更不能把点击增加当成任务成功。
08 · 示例
把它放进一个具体场景
构造示例，非真实业务记录。
问题
构造情景：12 人各尝试一次排班任务。团队想判断能否减少人工操作。
已有材料
7 人独立完成，3 人经帮助后完成，2 人失败；10 人口头评价积极。旧办法总计 360 分钟，新办法操作 180 分钟，核对返工 240 分钟。
目前能判断
独立完成率为 7/12，即 58.3%。新办法全部尝试合计 420 分钟，比旧办法多 60 分钟。好评率不能替代这两个观察结果。
下一步核对
查看哪一步需要帮助，确认失败者的时间也被记录。修订后用同等任务和质量要求复测；再看无人提醒时是否重复使用。
09 · 边界
什么情况下，不宜直接套用
- 满意、喝完、点击或首次完成均不能单独证明持续价值或复购。
- 未随机、顺序未平衡或样本选择有偏时，不把观察差异说成因果；小样本百分比不外推总体。
- 主持人提示、代操作和人工兜底必须留痕，不能计为独立完成。
- 两个方案的任务难度、完成质量或观察窗口不同时，不直接比较耗时。
- 食品试用先核对配料、过敏与安全条件；存在不适应立即中止。测试不代替安全合规判断。
10 · 计算
计算关系
独立完成率 = 独立且达到预设标准的人数 ÷ 本轮尝试人数。协助完成单列。
本轮净节省时间 = 旧办法全部尝试用时 −（新办法操作用时 + 核对与返工用时）。任务与产出质量不等价时，不能据此比较效率。
11 · 练习
用一道题检查理解
12 人中，7 人独立完成，3 人在主持人提示后完成，2 人失败。哪句话最准确？
12 · 实作
把判断写成可复查的记录
挑一项刚上线的内部工具，设计一轮能发现人工兜底的使用测试。
- 选一项真实任务，并写出可检查的交付标准。
- 列出谁符合招募条件，旧办法怎样完成同一任务。
- 约定何时可以提示；独立、协助、失败怎样分类。
- 记录核对与返工，并说明什么时候观察再次使用。
记录字段：参与者代号｜场景与版本｜任务｜合格标准｜独立/协助/失败｜卡点原话｜操作分钟｜核对返工分钟｜再次使用｜缺失项。
完成后，核对参考要点
合格方案先锁定任务、质量和记录口径。测试中发现无法独立完成就保留失败，不在事后降低标准。少量定性观察用于找卡点；要比较总体效果时另定样本与对照。
13 · 应用
把这个方法交给 Agent
15 · 出处
出处与证据范围
消费品测试设计依据 Ipsos；数字任务观察依据 GOV.UK。两者解决的问题不同。本文流程是跨场景操作化整理；公开实践案例与下方构造演算分别标注。
- Ipsos：Product Testing — Handle with Care
实务方法提供方说明单样本、成对比较、盲测/带品牌测试。Ipsos 不是这些通用方法的唯一发明者。
本轮查阅公开正文／原始文件
- GOV.UK Service Manual：Using moderated usability testing
支持真实任务、目标用户、观察和中性指令。此处用于数字产品的使用测试，不替代消费品的感官与家庭使用研究。
2026-10-24 已读取公开正文；仅核对本条所用段落
- GOV.UK（2016）：A/Bsolutely fabulous testing
支持循环导航的观察、行为数据核对和后续按钮文案测试。原文明确循环导航追踪数据有误，不能声称该问题已改善。
2026-10-24 已读取公开正文；仅核对本条所用段落
- Morwitz、Steckel、Gupta（2007）：When do purchase intentions predict sales?
两项研究发现意向—购买关系受产品与测量方式影响。支持需要校准，不支持意向完全无用。
前次核查来源；本轮只对关键归属与使用依据复核，未逐页重读全部全文
本地材料定位
讲座旧清单 L02；P094,P123 · 讲座旧清单 L22；P296,P320 · 讲座旧清单 L24；P451,P456 · 讲座旧清单 L26；P459,P461
材料中可定位；具体方法步骤是本轮操作化整理，非原文逐字复述
名称与整理说明
使用可追溯参考中的通行术语；不主张存在唯一提出者或唯一中文译法。
操作化整理；原始来源用于约束，不声称逐字复述或已验证效果
登记版本 2026-10-25.3。来源状态沿用登记表，不表示所有来源均在本次重新核验。