访谈(Interviews)
就像刚才提到的问卷调查一样,访谈法也是用来收集主观素材的,只不过,它面对面交流的特征让你可以在收集数据的过程中与受访者有更多互动,如果处理得当,你可以获得丰富的数据。然而,访谈法显然会更花时间,数据也难以分析和量化。访谈法的成效极大地取决于访谈者的沟通技能,所以我会在下面提供一些建议。
环境
这里有一些基本事项需要注意。首先,选择一个好的访谈环境。总体上讲,让环境尽可能地舒服,干扰因素越少越好。
另外,尽量一次只和一到两个对象进行访谈。一个往往是更好的,这样可以避免其他人的观点主导了访谈,但有的时候两个人会产生一些不错的交流,互相促进对方——比如在讨论一个合作类或多人游戏的时候。
显然,如果你要去受访者自己的地方去采访他们,情况会变得困难一些,这时候你要尽量让环境里的干扰因素变少(比如礼貌地要求对方把门关上等等)。
另外,如果能用某种方法把访谈的过程记录下来是很有帮助的。这不一定非得是视频,只要你知道访谈里都说了些什么就好。哪怕你有很好的笔记,你还是不可能记得住所有的事情。在别人说话的时候你一直记个不停会让人有点分心,而且会觉得自己才是那个被评估的对象,而不是自己玩的游戏。
要录像或录音的话你需要提醒受访者并获取他们的统一。你还要提醒受访者你想要了解的内容,以及你关心的并不是受访者在游戏里的表现,而是他们的体验和这个游戏本身的情况。
你还应该准备一个采访脚本,写下你想要问的问题,提问的顺序,一些打算追问的问题等等。注意追问的时候不要有指责的态度,即便你的游戏被人说了坏话,你还是得表现地冷静。
在准备这些问题的时候你需要遵循和设计问卷问题时一样的规则。换句话说,问题要清晰准确,不要带有引导性和既定观点,不能模棱两可。你还要注意避免问那些可以被一个简单的“是”或“不是”来回答的问题;如果你是想要那样的答案,你可以使用问卷而不是访谈。
访谈中
从简单的事情开始。就像问卷一样,让受访者先热热身,进入和你谈话的状态。开始后,你要一次问一个问题,而且在确认对方回答完了之后再进入下一个问题。你可以多联系去有同理心地倾听和有鼓励性的回应比如在听的时候点头和说“嗯”来表示你在听对方的讲话。
跑题是可以接受的,这是访谈的一部分。但是如果对方跑的太远了,开始大谈他们的一个游戏点子的时候,你可以礼貌地把他们带回到你感兴趣的话题里。
保持自然。给采访者的一个建议是表现得如同你已经听过对方说的的话了。这并不是要求你表现得不耐烦,而是不要对对方的发言过分反映和表现出震惊。这听起来和同理心倾听有所矛盾,但如果做得好的话,可以传达出很好地信号说明你是在倾听而不是在评判。
最后,可以在访谈结束之前给受访者留下一点时间让他谈谈任何你没有问到的事情。
访谈后
进行转录。这可得花点时间了!如果你进行了多场访谈,把受访者谈到的共通主题和线索找出来。访谈法的一个好处还在于它可以产生让开发团队的成员去引用的有信服力的话语。
优势
·丰富的可供主观解读的数据
·可以进行追问
劣势
·难以量化
·花费时间
·不客观
观察研究(Observational Studies)
观察研究(有时被称为行为观测或是民族志观测)是指你让一些人玩你的游戏,然后你在旁边直接看他们玩或是录下来日后观看。这或许是用户研究领域里最有价值的传统调研方法,因为没有什么比得上直接看别人玩你的游戏。你可以看到他们是如何在游戏里获得进展的,如何应对挑战,或是哪里让他们卡住了或是失去动力。你也可以去留意他们的肢体语言和面部表情。但是要注意,只记录你真正看到的,不要试图去猜测他们内心的想法。另外,观察者和组织者应该保持中立,不要过多插手。你需要看到玩家犯错误和卡主,除非你真的特别特别需要,不要试图去帮忙。当你有合适的条件时,观察方法可以用来调研一大批人,但是一对一的观察可以让他们不受其他人干扰。接下来我会谈谈使用观察性研究时需要注意的一些地方。
第一步 设计观察
搞清楚测试的地点,是否需要录像,游戏的哪一部分是需要测试等等。如果能完整地测试游戏固然是好,但是现在很多游戏采用了浮现式的和非线性的游戏设计,完整地测试它们非常困难。不管如何,你还是得试着去测试游戏最主要的有代表性的部分,确保它们的核心机制是有趣的。有个有用的方法就是为测试专门安排脚本。测试脚本,有点像电影的脚本或是可口点心的配方,展现了测试将是如何进行的每一步过程甚至是将要对测试者说的话。对这里要做到具体。测试者进入房间之后会发生什么?会给他们饮料吗?他们坐哪?你是否告诉他们紧急出口和洗手间的位置?在测试过程中你是保持旁观还是随时和他们聊天?用游戏的哪个版本?给他们呈现游戏内容的顺序如何?
这看起来太过于具体了,事实上有一些人认为用这样的方法去进行测试会吓到玩家,让他们进入一种“自己正在被测试”的思维状态里。这是没错的。不过,为了获得最理想的数据,你需要让自己的测试保持一致性,当然你需要一些计划才能做到这样。优秀的调研者可以到这这一点并且不会表现得像个机器人。
最终,如果你在一天的开始时表现得热情又有礼貌,给他们吃的跟他们聊天,但后来却变得匆匆忙忙让他们赶着把测试做完,你会发现他们做出评价的可能不是你的游戏,而是你本人。
一个好的测试脚本应该包括迎接你的测试者,对测试流程的介绍(会发生什么,多长时间,等等)。再次注意,这时候要让测试者保持放松的心情,让他们知道是游戏会被测试,而不是他们这些测试者。
脚本要清晰地描述测试者将要完成的任务,比如说“开始一个关卡并前进到下一关”,不过需要清楚地指出开始和结束的节点,因为你需要知道这个过程里的哪个点上发生了你关心的事件和行为。
你还应该想一想什么样的行为(游戏中的或是游戏外的,取决于游戏)是你期望看到的,这样你就知道要去寻找什么了。如果很多调研者都在观察游戏行为,你们可以一起设计一些术语来帮助你们描述观察到的内容,比如定义“失败的跳跃”这个行为等等,这样的一份大家都认同的清单被叫做行为详述(ethogram),可以用来帮助不同的调研者讨论他们结果时得出结论。
有一些软件可以在这个时候帮到你(比如Morae和Observer,但除此之外还有很多别的),它们可以帮你管理录像和参与者的信息,测试时间和管理你之前做的编码(对一些行为的定义)来在观察时或事后对数据进行处理。尽管如此,你不使用漂亮的软件和精心准备的行为详述表,甚至只是坐在测试者身后在纸上记录数据,你也一样可以得到有用的结果。当你的前期准备完成后,把流程试着跑一遍来看看事情是不是顺利,你给测试者提供的指引是否准确。还有就是,实际的经验才能让你的观察研究越做越好。
在测试开始之前,你要寻找进行测试的人。我在文章前面提到过,再次强调一下,最重要的在于你要寻找最具代表性的用户。如果你的目标市场是5到8岁的小女孩,找隔壁的老哥来测试是行不通的。对了,如果你的测试用户是小孩的话,你会遇到一系列其他的问题(监护人许可,对群体和对个体的沟通问题等等)。
第二步 进行观察
观察研究开始了之后你要做什么呢?呵呵,显然你要去观察。观察参与者们,记录他们在游戏中做了什么,在现实中做了什么,和他们说了什么。上面提到,这里有软件可以协助你,把整个过程录下来也会对你日后回头查看有帮助。这些视频记录也会是游戏根据研究做出修改的有说服力的证据。
注意除了记录玩家正在做的事情,也要记录他们做的时间和当时的情况。环境对解读这些数据是很有作用的。你还要注意在记录时,记录你看到的和听到的,比如“这个玩家在过场动画的时候大笑”而不是“这个玩家很开心”因为后者对玩家的心理状态做出了一些推测。这看起来太多具体了,但是长远来看你做出的推测越少越好,基于清晰地行为的描述可以有助于你跟其他人沟通你的发现。
除了你看到的行为,你还需要记下玩家表现方面的数据,比如他们花了多久完成了一关,获得的分数,造成的伤害,使用的弹药数量等等。如果你没有收集行为数据的话,观察这些数据就变得更为重要。在这个阶段把玩家分开会比较好,这样他们可以更专注于游戏本身。
重要的一点是你需要让玩家在没有你的反馈之下进行游戏。当你看到一个玩家在你一看就知道该怎么过关的地方卡住了的时候,无法去帮助他会让你很难受,但是这恰恰就是你所需要看到的东西。你不要在他们开始测试之后和他们讲话,也要礼貌地提醒他们不会要去和其他人交流。让他们带着头戴式耳机可以让他们更好地从环境里隔离开,专注于游戏本身。
这倒也不意味着你不能向他们提问,或是在真的错的离谱的时候给他们帮助。但总体上来说,在这种情况发生时记下来,在测试结束后再问测试者发生了什么会更好。
第三步 结束后
这部分很直接,向测试者表达谢意,这时也可以做一些问卷调查或是做一些快速的访谈调查。你可以就观察过程中发现的问题提问来得到你需要的信息。注意要保持自然轻松的方式,不要突然跳出来指责玩家为什么在第三关卡住的时候不用喷气背包跳过去。
如果你要迎接下一批测试者的话,花点时间收拾一下,调整一下心情。用户研究是很耗费精力的,一点休息和回顾可以帮助你做好下一次的访谈。
情景观察(Contextual Inquiry)
另一种观察研究的方法是情景观察。这其实更像是David Attenborough(BBC的一个野生动物节目的主持人)做的那种田野调查一样的事情,你到玩家玩游戏的地方去观察他们平常的行为,这是你在你搭建的测试环境里所看不到的。
刚才提到的测试脚本在这里就不那么有用了,但是准备好一些进行观察用的说辞还是挺重要的。
情景观察对于优化现有的游戏比较有帮助,观察其他类似的游戏还可以帮助你了解到玩家是如何在现实世界中玩游戏的。测试那些还在原型期的游戏就不那么有帮助了,因为玩家还没有建立他们对那个游戏的日常行为。不管如何,能看到玩家是如何玩(或者玩错)你的游戏还是件不错的事情。
观察研究的优劣
这里就是我关于观察研究的全部内容了。观察研究最大的好处就在于你可以真的看到玩家玩你的游戏,给你意料之外的启发,帮你发现之前你不可能关注到的点,这无价的好处使观察研究成为我心中最好的研究手段。
但是,观察研究也很明显地更花时间,尤其是你需要把一切录下来时。而且,要成为一个优秀的观察研究者需要不少经验,要尽量自然,不干扰,还要知道自己想要什么,懂得追问。
能帮助你的时多去练习,并制作一个你期待会看到的行为的列表,这样你就知道在一次真实的测试中你希望会看到什么了。你可以去想想什么类型的事情是你要去看的,比如你是否注意到玩家在一个地方反复地跳?撞到墙上?避免带着太多预设去过滤你所看到的东西,不要去推测测试者内心的想法,只是记下你所看到的,如果你想知道他们脑袋里是怎么想的,去问。
优势
·提供客观数据,你可以看到玩家真正怎么做,而不是听他们说他们怎么做
·玩家会给你惊喜
·如果录像了,这些素材可以被用在其他地方
劣势
·花时间,尤其是你回头检查录像的时候
·称为好的观察研究者需要经验
·有些测试者在被观察的环境下可能会感到紧张,没法正常地表现
自言自语模式(Think Out Loud Protocol)
这是观察研究的一个扩展,你仍然像上面提到的那样展开研究,但是你会随着玩家游戏的进行向他们提出问题。你仍然在这个过程中保持记录。这给你增加了一些玩家内心想法的信息,还让你知道玩家对游戏的一些看法和猜测。你可能会听到错误的发言,或者你不喜欢的,但是你得控制住纠正别人的冲动。
这种方法可能会带来一些其他方法不会给你的意料之外的观点,或者至少也会让你了解到人们在心理上是如何跟你的游戏交互的。不过,其实一边玩着游戏一边告诉别人自己在做什么和怎么想,还是挺不自然的,这恐怕会影响人们真正玩游戏的行为,影响他们游戏的乐趣程度。
你会发现有的人喋喋不休而有的人几乎不说话,反映出你的游戏玩家存在着更多的差异。
优势
·既能获得客观的数据(玩家游戏行为)还能了解到玩家的感受和想法
·可以获得意料之外的数据
劣势
·耗时
·不自然
·人们说的话仍然是主观的
游戏行为数据(Gameplay Metrics)
跟观察法有些类似的一大补充,是对游戏行为数据的分析。游戏行为数据是那些游戏过程中产生的一些数据,可以告诉你玩家做了些什么。比如,Bungie和343工作室的《光环》里的数据,和《极品飞车》里的模拟系统。这些数据会给你直接、客观的事实来告诉你游戏是如何被怎么玩的。数据的收集工作需要建立在游戏内,而你一旦完成了它,你会有大量可供使用的数据。想要知道哪把武器杀死了最多的玩家?想要知道玩家使用了哪些增益道具?他们都死在哪?游戏行为数据让回答这些问题变得可能。使用行为数据分析可以就分析玩家表现方面为观察法省下大量的工作量来让观察方法变得更有效率。
数据的力量:左边的图是《光环:致远星》里一个地图中,玩家使用武器获得击杀的地点;右边的图是被武器击杀的地点。你还可以了解到每个击杀所使用的武器以及这些击杀数据在开阔地形和高处的区别。
但是,数据要花时间来收集,你需要一定数量的玩家来让这些数据变得有用。这些数据也缺少主观性的关于玩家情感的信息——它们只是一堆数据。
而且,如果你不仔细的收集你的数据,你可能会被数据淹没。举个例子,哪怕你对刚才的击杀数据进行了分析,你会发现它们很分散地发生在不同的玩家身上,你仍然不太清楚玩家的体验的细节是什么样的。
优势
·可以远程离散地收集数据
·可以分析出一些趋势来支撑其他方法收集的数据
·连续收集数据而无须干扰玩家
劣势
·耗时
·没有主观反馈
·需要大样本量来提供有意义的数据
·同时,你会被大量数据淹没
生物测量(Biometrics)
在文章的最后我来谈谈生物测量学在用户研究中的使用。我已经写过一篇关于此的文章(https://www.gamasutra.com/view/feature/6341/game_testing_and_research_the_.php,所以我这里不会深入太多细节。生物测量学方法基本就是使用仪器记录身体的反应和信号,比如通过EEG的脑波或是眼部追踪等来给我们一些玩家身体内状态的信息。生物测量法既像是“自言自语”法的目的,又能做到行为数据法的可观:它是一个观察法的增强版。
就像观测法和游戏行为数据一样,生物测量方法可以给你比较客观的数据,还能在不打断玩家游戏的情况下收集他们情感波动的信息。但是,目前收集生物测量数据的方法还比较粗暴,需要给人接上各种线和仪器,还很费时费钱,更不用说你还得经过训练才能使用它们以及分析你得到的数据。
而且你还可能会在数据中得到错误的信号,也没有明确的办法来告诉你那些数据都是什么含义。比如说,心跳加速可以代表兴奋感,但也可以意味着惊吓和不满,或是刚好你的测试者感到无聊了开始回想昨晚和老婆在房间里做得事情等等,又或者他只是刚好做了一个深呼吸(深呼吸会提高心率)。
这意味着你最好结合生物测量和其他的方法的数据(观察,访谈,问卷)来对它们做出分析结论。这会使有些人质疑它的用处,认为它其实只是在增加工作量的同时告诉你那些你已经知道的事情(这里有一篇很棒的关于这个问题的讨论,来自Bungie的John Hopson和Valve的Mike Ambinder:https://vimeo.com/26733185)
生物测量法的支持者则指出这个方法的优势在于它让你能发现那些受访者自己都可能没发现的情感反应,从而帮助你去用别的方法所给不了你的角度去分析这些数据。最终,这仍然只是众多方法的一个供你去判断是否适合你。
优势
·给出可量化的客观数据
·不用中断玩家,持续收集数据
劣势
·受访者会很别扭
·耗时费钱
·准确性可信度和相关性等问题使它难以被解读
最后的话
这两篇文章只是用户研究的一个入门,并没有很深入。我相信会有人不同意我的一些观点,也有可能会有人愿意提供他们的看法。我希望我的文章能够抛砖引玉。
如果你对这个主题感兴趣愿意深入了解的话,推荐你去看这篇来自Valve的Mike Ambinder的很棒的文章(https://cdn.steamstatic.com.8686c.com/apps/valve/2009/GDC2009_ValvesApproachToPlaytesting.pdf),以及他和来自Bungie的John Hopson的讨论(https://vimeo.com/26733185)。 你也可以去Linkedin上IGDA的用户研究兴趣小组来参加讨论。
最后,请记住这些方法都是用来帮助你开发游戏的,数据可以很丰富很有趣,但是不要让他主导一切。是你的创意思维指引了你的游戏,用这些数据来帮助你,而不是限制你。
暂无关于此日志的评论。