人机交互测试：别急着找“对的人”，先搞清楚你要问什么

人机交互测试不是拉几个用户来点几下界面就完事。样本量怎么定、发声思维为什么经常失效、SUS分数多少才算能看、自动化工具到底能替代什么——这些判断做错了，测试跑得再顺也是在原地打转。

见过不少团队做测试，架势拉得很足：会议室订好，录屏软件打开，用户坐在那儿， moderator 拿着任务脚本一条条念。跑完五个人，收工，出一份报告。看着挺完整，但回到产品决策会上，没人说得清到底该改哪儿。

问题很少出在执行环节。多数时候，根子在测试开始之前就已经埋下了。

五个人够不够，取决于你找的是谁

“五个用户能发现八成问题”这句话流传太广，以至于被当成了默认设置。但这个数字有一个容易被忽略的前提：五个同一用户群体里的代表性用户。如果产品的使用者本来就分好几类，比如一边是刚上手的新人，一边是每天泡在里面的老手，把五个人混在一起跑，得出的结论大概率是谁的痛点都没抓透。真正卡住新人的东西和老手烦躁的东西，往往不在一个层面上。

更实际的做法是先把“谁是用户”这件事拆开。哪怕只测两个群体，每个群体放三到四个人，也比五个背景混杂的人坐在一起更有指向性。测试的价值不在于人数本身，而在于你观察到的行为能不能对应到一类真实的使用场景。

出声思维好用，但多数人用错了它的“用法”

让用户在操作时把心里想的说出来，是发现认知摩擦最直接的手段之一。可这个方法的难点不在用户身上，在坐在旁边的那个人身上。

比较常见的走样是这样的：用户刚点了一下，没反应， facilitator 立刻接话“你试试右上角那个按钮”。这一接话，最有价值的线索就没了。用户愣住的那几秒里，脑子里发生了什么、ta 对当前界面的预期是什么、为什么视线跳过了正确的位置，这些恰恰是出声思维要捕捉的东西。 facilitator 要做的事只有一件：忍住。用户停下来的时候，可以问“你现在在看什么”或者“你刚才是想找什么”，但不要指路，不要给答案，不要用表情暗示“不对”。

另一个容易被跳过的前置动作是热身。直接让用户进入正式任务，很多人会因为紧张而变得沉默，或者下意识地把自己代入“被考试”的状态。先用一个跟产品完全无关的小任务让 ta 练习“边做边说”，哪怕只花两三分钟，后面正式任务里获得的口语数据质量会差出不少。

SUS 过了 68 分，不一定值得高兴

系统可用性量表是圈子里用得最普遍的量化工具，十个题，打完折成百分制，操作简单，横向可比。但它的分数有一个被用滥的参照系：68 分。这个数字经常被当成“及格线”，仿佛过了就代表交互没问题。

实际上 68 分只是一个中位数意义上的基准，不是产品该追求的目标。有研究汇总的数据显示，真正称得上“好”的分数大约在 80 分上下，而能达到这个水平的研究只占一成左右。更关键的是，

SUS 测的是用户

主观感受到的易用程度

它跟任务成功率、出错率之间并不总是同步。一个界面可能让用户觉得“用起来挺顺的”，但实际完成任务的路径比最优路径多绕了三步，错误率也不低。光看 SUS，这种“体感舒适但效率亏损”的情况会被完全盖住。

把 SUS 和任务层面的硬指标放在一起看，才不至于被一个总分牵着走。任务成功率告诉你“能不能做成”，完成时间告诉你“费不费劲”，出错类型告诉你“在哪儿摔的”，SUS 告诉你“用户愿不愿意承认这东西好用”。四个维度各有各的盲区，缺一个，判断就偏一寸。

自动化工具能替你跑流程，但替不了你做判断

AI 代理模拟用户路径这件事，这两年确实在变实用。浏览器代理可以自动走完注册、下单、搜索这类标准流程，把断掉的链接、卡住的表单、循环跳转的页面筛出来。作为回归测试和覆盖广度的手段，它省掉的是重复劳动，这个价值是实的。

但有一类问题，自动化目前还够不着。智能客服上线第一天翻车的例子很说明问题：问答库里的标准问题过了一片绿，真正让用户炸掉的是“你们老板是谁”“你能帮我写作业吗”“我今天好难过”这些压根不在预设脚本里的输入。模型不知道什么时候该说“不知道”，遇到边界问题硬答，结果就是答非所问、循环重复，甚至从训练数据里翻出不该给的建议。这种“该拒答的时候有没有拒答”“多轮对话里有没有丢失上下文”“用户带着情绪进来时响应方式有没有变化”，靠模拟代理跑标准任务很难暴露出来。它需要真人带着真实的模糊性、不耐烦和跳跃性去撞，才能撞出那些设计时没预料到的裂缝。

所以比较务实的搭配是：自动化负责守住功能路径的底线，真人测试负责往“不按常理出牌”的方向捅。把两者混为一谈，要么高估了机器，要么浪费了人。

希望对大家有所帮助，了解更多关于万能手指磨耗试验机,智能座舱检测系统,车载屏性能检测系统,开关旋钮类测试,人机交互测试,中控屏温湿度性能测试等产品技术和售后服务，欢迎到访官网咨询！www.whirltone.com