在數(shù)字時代，資訊的傳播和互動主要是通過各種軟件的用戶界面進行。用戶滿意度是迭代優(yōu)化軟件界面設(shè)計的重要參考。
如何更好地測量用戶滿意度？
越來越多的用戶體驗研究開始探索從傳統(tǒng)主觀評價到更加全面客觀的評估方法的轉(zhuǎn)變。
本文介紹來自南京理工大學(xué)和深圳科技大學(xué)的研究團隊的最新研究成果，了解他們?nèi)绾螌⒚娌孔R別技術(shù)與PSO-BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)建出一個綜合的用戶滿意度測量模型，從而擴大用戶界面滿意度評估方法的范圍，增強測量的客觀性及傳統(tǒng)評估技術(shù)的效率（Li et al., 2024）。
如何評估用戶滿意度？
用戶滿意度的概念最早是由美國學(xué)者R.N. Cardozo于1965年提出的，指客戶在獲得商品和服務(wù)時達到或超過預(yù)期的心理狀態(tài)。增強的用戶滿意度與改善的用戶體驗相關(guān)。在數(shù)字時代，資訊的傳播和互動主要是通過各種軟件的用戶界面進行，因此，用戶從界面中獲得的滿意度在信息交互過程中起著至關(guān)重要的作用，是優(yōu)化和完善軟件及相關(guān)產(chǎn)品的關(guān)鍵因素。
用戶界面滿意度的評估方法多種多樣，多以主觀評價為主，包括德爾菲法、問卷調(diào)查、訪談?wù){(diào)查和有聲思維法等。這些收集用戶主觀和經(jīng)驗數(shù)據(jù)的方法是用戶滿意度評估的基礎(chǔ)。然而，依賴主觀評價可能會產(chǎn)生準確性與客觀性不足的問題。
一些研究開始通過結(jié)合客觀的行為分析、生理測量以及計算機算法的方法來輔助主觀評價。利用可用性測試的基礎(chǔ)，客觀行為分析已經(jīng)成為評估軟件界面滿意度的流行方法。腦電測量、眼動追蹤和面部識別技術(shù)也廣泛用于評估界面滿意度。而隨著計算機算法的快速發(fā)展，基于PSO-BP神經(jīng)網(wǎng)絡(luò)的用戶滿意度的預(yù)測模型開始逐漸被應(yīng)用于用戶界面研究。神經(jīng)網(wǎng)絡(luò)算法能夠很好地處理用戶滿意度中涉及的多種因素（如用戶行為、情感反應(yīng)和操作效率）之間復(fù)雜的非線性關(guān)系，獲得準確和穩(wěn)定的預(yù)測模型。
利用面部識別技術(shù)評估用戶滿意度
過往研究中，用戶滿意度的實驗研究中獲取的生理數(shù)據(jù)主要以腦電和眼動為主，這往往需要專業(yè)的人員來設(shè)計并實施實驗。例如對于腦電采集來說，實驗過程復(fù)雜耗時，對被試選擇標準也很嚴格，這就降低了研究效率；對于眼動追蹤來說，其數(shù)據(jù)主要反映視覺特征和審美偏好，無法直接反應(yīng)情緒與感受，所以相關(guān)研究通常以眼動數(shù)據(jù)來證實軟件界面的可用性，后探究可用性和滿意度之間關(guān)系，從而得出界面滿意度評估，而這也導(dǎo)致研究重點偏離了界面滿意度評估。此外，采集這些數(shù)據(jù)時一般需要使用專業(yè)的、昂貴的設(shè)備如腦電設(shè)備和眼動儀，這大大增加了實驗成本。
相比之下，面部表情識別技術(shù)作為一種非接觸式的測量方法用于用戶滿意度研究，能更加簡潔、快捷地獲得同樣客觀的數(shù)據(jù)。面部表情直接反映了用戶的情緒狀態(tài)，且與滿意度密切相關(guān)，這使得面部表情識別和分析技術(shù)在評估滿意度方面具有實用性和價值。此外，收集面部表情數(shù)據(jù)更直接，成本更低，通常只需要一個標準的相機來捕捉面部表情，即可完成數(shù)據(jù)采集。這將大大降低實驗成本，提高實驗效率。
總的來說，目前評價用戶滿意度的方法主要依靠主觀評價，偶爾有客觀指標支持，但這些方法缺乏效率和準確性。因此，本研究團隊旨在提出并驗證一種測量用戶滿意度的新方法，即利用面部識別技術(shù)與PSO-BP神經(jīng)網(wǎng)絡(luò)模型來預(yù)測用戶滿意度。
構(gòu)建預(yù)測模型并驗證
研究采用實驗觀察的方法，選擇國內(nèi)教育領(lǐng)域流行的兩款筆記軟件：Notability和Goodnotes，觀察被試操作時的行為并評估其滿意度。參與實驗被試共42名，隨機分為A、B兩組，分別進行兩組實驗（圖1）：
圖1
（1） A組被試使用Notability根據(jù)提示完成四項任務(wù)（圖2）：用橙色的圓點筆畫一個心、插入一張圖片并等比調(diào)整大小放入框中、使用橡皮擦工具擦除紫線、將手寫筆記改為黑色并調(diào)整大小放入框中。過程中測量其面部表情強度、任務(wù)完成時間、任務(wù)成功率和操作流程。任務(wù)完成后，被試進行從1-10的主觀滿意度評分。利用客觀數(shù)據(jù)作為輸入，主觀評分作為輸出，構(gòu)建基于PSO-BP神經(jīng)網(wǎng)絡(luò)的用戶滿意度預(yù)測模型；
（2） B組被試使用Goodnotes完成與A組同樣的四項任務(wù)并采集數(shù)據(jù)。使用相關(guān)數(shù)據(jù)驗證模型的有效性和準確性。
圖2
本研究使用諾達思的面部表情分析系統(tǒng)（FaceReader）進行面部表情追蹤與分析。FaceReader的面部表情識別平均準確率為 99%，在消費者行為和心理學(xué)研究等領(lǐng)域被廣泛使用。研究中使用攝像頭捕捉用戶在軟件交互過程中的面部反應(yīng)，后在FaceReader中進行分析（圖3）。軟件采用保羅·艾克曼的面部動作編碼系統(tǒng)（FACS），將表情分為六種基本類型：喜悅、悲傷、憤怒、驚訝、恐懼和厭惡以及中性狀態(tài)，并根據(jù)即時觀捕捉到的面部特征為每種情緒分配相應(yīng)的強度值。
圖3
在模型構(gòu)建階段，將用戶的主觀滿意度得分與預(yù)測結(jié)果進行比較，對模型進行調(diào)整。隨后，在模型驗證階段，將這些分數(shù)與模型的預(yù)測結(jié)果進行比較，以評估模型的準確性。
評估用戶界面滿意度的新方向
結(jié)果顯示（圖4），預(yù)測Goodnotes中四個功能任務(wù)的滿意度時，平均預(yù)測誤差為13.74%，預(yù)測準確率高達86.26%。這表明利用面部表情識別技術(shù)與PSO-BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的用戶滿意度預(yù)測模型具有較高的準確性和可靠性，是預(yù)測用戶滿意度的有效方法。
圖4 四項任務(wù)中預(yù)測模型與實際用戶滿意度的比較
長期以來，界面滿意度的評估和測量一直是軟件優(yōu)化和升級的關(guān)鍵指標。目前，滿意度評估主要依靠主觀評價，有時輔以客觀方法。然而，主觀方法往往缺乏客觀性，而客觀方法則面臨效率問題。本研究提出并驗證了一種評估用戶界面滿意度的預(yù)測模型，這有助于拓展用戶界面滿意度評估方法的范圍，對軟件界面可用性評估和優(yōu)化設(shè)計具有實際意義。
將面部識別技術(shù)與PSO-BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的測量方法既客觀又精確，且相較于其他客觀測量方法，具有更高的效率，可以很容易地應(yīng)用于一般的軟件滿意度評估，為軟件接口設(shè)計、優(yōu)化和升級提供有價值的數(shù)據(jù)和指導(dǎo)，繼續(xù)推動該領(lǐng)域的可用性研究。未來研究可以考慮將更多的軟件類型作為實驗材料，以及增加樣本的多樣性，以進行更廣泛的用戶滿意度分析，進一步增強模型的預(yù)測能力，最終建立適用性更廣、精度更高的滿意度預(yù)測模型。
參考文獻
Li, Q., Zheng, B., Wu, T., Li, Y., & Hao, P. (2024). A Method for Evaluating User Interface Satisfaction Using Facial Recognition Technology and a PSO-BP Neural Network. Applied Sciences, 14(13), 5649.
關(guān)注諾達思公眾號，聯(lián)系我們獲取更多產(chǎn)品信息及學(xué)術(shù)文章！
