为了账号安全,请及时绑定邮箱和手机立即绑定

卡片分类法确定产品信息架构(五)-信息整理分析

标签:
区块链

07

不论是通过线上还是线下方式,在收集到符合要求的卡片分类样本后,就可以开始进行信息的整理分析了。

webp

信息整理分析

首先我们获取了一张原始数据图表:

webp

曾负责的一个项目卡片分类原始数据

其中CardName纵列是原始卡片,每个Sort列是每个被调研对象的对相对应卡片的分组归属数据。有多少个被调研对象,就有多少个纵列。

原始的数据可以依据卡片矩阵相关度和群簇分析两种方式进行处理。

A. 卡片矩阵相关度

卡片矩阵相关度主要是用来查看用户倾向的卡片分组情况和分组命名情况,可以直接根据量化结果找出最佳的卡片分组方式和卡片分组的最佳命名,或者作为卡片分组和分组命名提供非常有用的参考。

一种最常用的相关度分析方式就是卡片-分组名矩阵归类,这种方法是把原始卡片作为纵轴把所有的被调研对象曾经列出的分类名作为横轴列出一个矩阵,然后把用户的选择以百分比标示出来,当然这种方法适合于开放式的,未预设分组的卡片分类法:

webp

卡片-分组名矩阵归类

另一种相关度分析方式是卡片间相似度分析矩阵,依据用户的分组情况得出各卡片相互之间的相似度,这个分析结果很难直接拿来作为分类依据,但一般可以用来作为信息架构的重要参考资料。

webp

卡片间相似度分析

B. 聚类群簇分析

聚类群簇分析因为需要专业的群簇分析算法和相关专业知识,所以一般采用专业分析工具来完成这个工作,如EZSORT(这个工具是我以前在eBay的前同事Paul Fu博士和董建明博士设计的),或者前文提到的Optimalworkshop在线卡片分类工具,也提供了专业的卡片聚类群簇分析功能。

webp

EZSORT卡片分析工具

这种聚类群簇分析有两种主要的分析方式:完全一致方法(Actual Agreement method)和最优合并方法(Best Merge Method)。

前者重视各卡片之间的差异性,只要有差异就分别列出。

webp

完全一致方法

后者重视相互之间的一致性和同源关系,部分一致就归入一类。

webp

最优合并方法

这两种方法因为目标不同,侧重点不同从而在进行信息架构分析时各有不同作用,一般都是要结合这两种不同的方法共同分析。

以上就是卡片分类法的信息整理分析工具和方法,有了这些原始数据,我们就可以依据它们来完成我们的信息架构工作了。



作者:希乐堂
链接:https://www.jianshu.com/p/89d72c7d9920


点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消