精心设计可用性测试无疑是浪费资源。最佳的结果是测试用户不超过 5 个用户，在测试过程中尽可能多地采用小测试。
有些人认为可用性是非常昂贵和复杂的，用户测试应该预留给罕见的网页设计项目（补充，目前常见的多是应用或者服务等产品），而且预算庞大、时间表繁琐。
其实，不是这样的。精心设计可用性测试无疑是浪费资源。最佳的结果是测试用户不超过 5 个用户，在测试过程中尽可能多地采用小测试。
在早先的研究中，Tom Landauer 和我表明，在 n 个用户的可用性测试中发现的可用性问题的数量是：
N (1-(1- L ) n )
其中： N 是设计中可用性问题的总数，L 是测试单个用户时发现的可用性问题的比例。 L 的典型值为 31%，在我们研究的大量项目中取平均值。
绘制 L = 31% 的曲线得出以下结果：
曲线中，最引人注目的事实是：零用户给出的洞察数为零。
只要你从一个测试用户那里收集数据，洞察数就会出现，你已经学会了近三分之一的知识来了解设计的可用性——零和即便是一点点数据之间的差异是惊人的。
当你测试第二个用户时，你会发现这个人和第一个用户做了一些相同的事情，所以你掌握的东西有一些重叠。人们是完全不同的，所以从第二个用户那，也会有一些第一个用户那没有的新的东西出现。所以从第二个用户那也会增加一些新的洞察力，但不像第一个用户那么多。
第三个用户会做很多事情，这些事你已经从观察过的第一个用户或第二个用户那观察过了，甚至有些事情你已经看过两次了；此外，第三位用户当然也将产生少量新数据，这些数据仅是第三位用户产生的。
随着添加越来越多的测试用户，你能获得的越来越少，因为你会一次又一次地看到相同的内容。真的没有必要多次持续观察同一件事，并且你将很乐意回到绘图板并重新设计网站或者产品，以消除可用性问题。
在第五位用户后，通过反复观察相同的发现而浪费了时间，但没有获得太多的新东西。
迭代设计
曲线清楚地表明：你需要测试至少 15 个用户才能发现设计中的所有可用性问题。
主要原因是最好是在许多小测试中分配用户测试的预算，而不是在单个精细的研究中将所有内容都放在一起。让我们假设你有资金招募 15 位典型客户并让他们参与你的测试。将这些预算用在每组 5 个用户的 3 项研究上！
你想进行多个测试，因为可用性工程的真正目标是改进设计，而不仅仅是记录它的缺点。在进行 5 名参与者的第一次研究发现了 85% 的可用性问题后，你将需要在重新设计中解决这些问题。
重新设计之后，你需要再次进行测试。尽管我说重新设计应该“解决”第一次研究中发现的问题，但事实是，你认为重新设计可以克服这些问题。但由于没有人可以设计出完美的用户界面，因此不能保证新设计确实能够解决问题。第二次测试会发现重新设计是否有效。而且，在引入新设计时，即使旧的可用性问题得到修复，总会有引发新的可用性问题的风险。
此外，另外 5 名用户的第二轮测试将发现第一轮测试中未发现的 15% 的原始可用性问题中的大部分。（仍然会残留 2% 的原始问题 —— 这些将不得不等待第三轮测试才能确定）。
最后，第二轮测试将能够深入探讨网站或产品基本结构的可用性，评估信息架构、任务流程以及与用户需求匹配等问题。在最初的研究中，这些重要问题常常被模糊处理，因为用户被愚蠢的“表面级”可用性问题困扰着，这些问题阻碍了他们真正深入使用网站或者产品。
因此，第二轮测试将作为第一轮测试结果的验证过程，并有助于提供更深入的见解。第二轮测试总是会导致新的（但较小的）可用性问题，并在新一轮的设计中得到修复。同样的见解也适用于这种重新设计：并非所有的修复都可行；清理界面之后将会发现一些更深层的问题。因此，还需要第三轮测试。
最终的用户体验通过 3 轮测试得到了更多的改进，每组 5 个用户，每个用户进行一轮测试，一共 15 个用户。
你可能会认为 15 个使用单一用户的测试甚至比 5 个用户的 3 轮测试更好。曲线确实表明我们从第一个用户那里了解的东西，比从任何后续用户那里了解的要多得多，所以为什么要继续下去？两个原因：
总是有被单个人的虚假行为误导的风险，他们可能会以意外或非典型的方式执行某些行为。即使 3 个用户也足以了解用户行为的多样性，并洞察什么是独特的、什么是普遍的。
根据测试的风格，用户测试的成本效益分析提供了 3-5 个用户的最佳比例。计划和运行一项测试总会有一个固定的初始成本：最好在多个用户的研究结果中降低这个初始成本。
当一个网站或者产品有几个高度不同的用户群时，你需要测试其他用户。该公式仅适用于以相当类似的方式使用网站或产品的用户。
例如，如果你有一个供儿童和家长使用的网站或产品，那么这两组用户的行为就会有很大差异，因此有必要与两组人员进行测试。对于旨在连接采购代理和销售人员的系统来说也是如此。
即使用户群体差异很大，两组的观察结果仍然会有很大的相似之处。毕竟，所有的用户都是人。此外，许多可用性问题都与人们与网站或产品互动的基本方式，以及其他网站或产品对用户行为的影响有关。
在测试多个不同用户组时，不用像单一用户组的单个测试那样，包含每个组的多个成员。观察之间的重叠将确保——从针对每个组较少人员的测试中——得出更好的结果。我建议：
如果测试三个或三个以上的用户组，则每个类别有3个用户（你总是希望每个类别至少有3个用户，这样就能确保涵盖组内的各种行为）
参考
Nielsen, Jakob, and Landauer, Thomas K.: “A mathematical model of the finding of usability problems,” Proceedings of ACM INTERCHI’93 Conference (Amsterdam, The Netherlands, 24-29 April 1993), pp. 206-213.
注
译文中对 redesign （重新设计）的翻译，我理解为重新规划、调整，包括产品需求、UI/UE、开发等各个环节，而不是单指设计 UI/UE 环节。
另外，我仔细思考了下这里的可用性测试范围其实是针对单一功能而言的。为什么？当产品用户类型不同，层次不同的时候，总体的测试用户量会变的非常大，但就单一类型的单一层次来说，5 个人基本上就符合文章中提到的范围了。
作者：Jakob Nielsen
原文地址：https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/
