卡片分類法確定產(chǎn)品信息架構(gòu)(五)-信息整理分析

07

不論是通過線上還是線下方式嗽冒,在收集到符合要求的卡片分類樣本后,就可以開始進(jìn)行信息的整理分析了补履。

信息整理分析

首先我們獲取了一張?jiān)紨?shù)據(jù)圖表:

曾負(fù)責(zé)的一個項(xiàng)目卡片分類原始數(shù)據(jù)

其中CardName縱列是原始卡片辛慰,每個Sort列是每個被調(diào)研對象的對相對應(yīng)卡片的分組歸屬數(shù)據(jù)。有多少個被調(diào)研對象干像,就有多少個縱列帅腌。

原始的數(shù)據(jù)可以依據(jù)卡片矩陣相關(guān)度和群簇分析兩種方式進(jìn)行處理驰弄。

A. 卡片矩陣相關(guān)度

卡片矩陣相關(guān)度主要是用來查看用戶傾向的卡片分組情況和分組命名情況,可以直接根據(jù)量化結(jié)果找出最佳的卡片分組方式和卡片分組的最佳命名速客,或者作為卡片分組和分組命名提供非常有用的參考戚篙。

一種最常用的相關(guān)度分析方式就是卡片-分組名矩陣歸類,這種方法是把原始卡片作為縱軸把所有的被調(diào)研對象曾經(jīng)列出的分類名作為橫軸列出一個矩陣溺职,然后把用戶的選擇以百分比標(biāo)示出來岔擂,當(dāng)然這種方法適合于開放式的,未預(yù)設(shè)分組的卡片分類法:

卡片-分組名矩陣歸類

另一種相關(guān)度分析方式是卡片間相似度分析矩陣浪耘,依據(jù)用戶的分組情況得出各卡片相互之間的相似度乱灵,這個分析結(jié)果很難直接拿來作為分類依據(jù),但一般可以用來作為信息架構(gòu)的重要參考資料七冲。

卡片間相似度分析

B. 聚類群簇分析

聚類群簇分析因?yàn)樾枰獙I(yè)的群簇分析算法和相關(guān)專業(yè)知識痛倚,所以一般采用專業(yè)分析工具來完成這個工作,如EZSORT(這個工具是我以前在eBay的前同事Paul Fu博士和董建明博士設(shè)計(jì)的)澜躺,或者前文提到的Optimalworkshop在線卡片分類工具蝉稳,也提供了專業(yè)的卡片聚類群簇分析功能。

EZSORT卡片分析工具

這種聚類群簇分析有兩種主要的分析方式:完全一致方法(Actual Agreement method)和最優(yōu)合并方法(Best Merge Method)掘鄙。

前者重視各卡片之間的差異性耘戚,只要有差異就分別列出。

完全一致方法

后者重視相互之間的一致性和同源關(guān)系操漠,部分一致就歸入一類收津。

最優(yōu)合并方法

這兩種方法因?yàn)槟繕?biāo)不同,側(cè)重點(diǎn)不同從而在進(jìn)行信息架構(gòu)分析時各有不同作用浊伙,一般都是要結(jié)合這兩種不同的方法共同分析撞秋。

以上就是卡片分類法的信息整理分析工具和方法,有了這些原始數(shù)據(jù)吧黄,我們就可以依據(jù)它們來完成我們的信息架構(gòu)工作了部服。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市拗慨,隨后出現(xiàn)的幾起案子廓八,更是在濱河造成了極大的恐慌,老刑警劉巖赵抢,帶你破解...
    沈念sama閱讀 217,542評論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件剧蹂,死亡現(xiàn)場離奇詭異,居然都是意外死亡烦却,警方通過查閱死者的電腦和手機(jī)宠叼,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評論 3 394
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人冒冬,你說我怎么就攤上這事伸蚯。” “怎么了简烤?”我有些...
    開封第一講書人閱讀 163,912評論 0 354
  • 文/不壞的土叔 我叫張陵剂邮,是天一觀的道長。 經(jīng)常有香客問我横侦,道長挥萌,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,449評論 1 293
  • 正文 為了忘掉前任枉侧,我火速辦了婚禮引瀑,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘榨馁。我一直安慰自己憨栽,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,500評論 6 392
  • 文/花漫 我一把揭開白布辆影。 她就那樣靜靜地躺著徒像,像睡著了一般黍特。 火紅的嫁衣襯著肌膚如雪蛙讥。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,370評論 1 302
  • 那天灭衷,我揣著相機(jī)與錄音次慢,去河邊找鬼。 笑死翔曲,一個胖子當(dāng)著我的面吹牛迫像,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播瞳遍,決...
    沈念sama閱讀 40,193評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼闻妓,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了掠械?” 一聲冷哼從身側(cè)響起由缆,我...
    開封第一講書人閱讀 39,074評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎猾蒂,沒想到半個月后均唉,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,505評論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡肚菠,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,722評論 3 335
  • 正文 我和宋清朗相戀三年舔箭,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片蚊逢。...
    茶點(diǎn)故事閱讀 39,841評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡层扶,死狀恐怖箫章,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情镜会,我是刑警寧澤炉抒,帶...
    沈念sama閱讀 35,569評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站稚叹,受9級特大地震影響焰薄,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜扒袖,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,168評論 3 328
  • 文/蒙蒙 一塞茅、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧季率,春花似錦野瘦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至泞遗,卻和暖如春惰许,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背史辙。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評論 1 269
  • 我被黑心中介騙來泰國打工汹买, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人聊倔。 一個月前我還...
    沈念sama閱讀 47,962評論 2 370
  • 正文 我出身青樓晦毙,卻偏偏與公主長得像,于是被迫代替她去往敵國和親耙蔑。 傳聞我的和親對象是個殘疾皇子见妒,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,781評論 2 354

推薦閱讀更多精彩內(nèi)容