一直在关注体验量化方面的理论，剑虹在之前的博文里分享了关于体验量化的一些方法，受益匪浅。
关于行为层的量化方法我想再补充一下goms方法中的击键模型，这种模型的好处在于可操作性更强，设计师可以短时间内独立完成度量。
击键模型中用户的交互行为被分解为几个元动作，每个元动作都通过大量的测试得出一个平均时长（见下表），通过这些元动作的累加得出界面设计方案需要的操作时间，来验证和对比各种方案的优劣。（根据个体不同元动作的耗时不同，但对大部分对比性评估而言采用典型值足够了，如需要精确的绝对时间可以参照cpm-goms）。
名称和缩写 典型值 含义
击键（Keying）K 0.2秒 敲击键盘或点击鼠标耗时
指向（Pointing）P 1.1秒 指向某显示设备位置耗时
归为（Homing）H 0.4秒 手在键盘和鼠标间切换耗时
心理准备（Mentall preparing）M 1.35秒 进入下一步的心理准备时间
响应（responding）R 等待计算机响应时间
使用击键模型最困难的地方在于你无法判断用户什么时候会停下来进行无意识的心理活动。因此我们有必要参照以下规则定义插入M的时机。
定位心理活动的规则
规则0：候选M的初始插入
所有的K（击键）之前插入M，在所有用于命令选择的P之前插入M，但是对于选择命令参数的p不要插入M
规则1：删除可以预知的M
如果M前面的操作符（K,P,H）能完全预知M后面的操作符，则将M删除。例如你移动鼠标的目的是点击淘宝首页，这时候就需要删除由规则0添加的M，这时PMK就变成了PK。
规则2 ：删除同一认知单元内的M
如果一系列的键入属于同一认知单元，则删除第一之外的所有M，例如：输入taobao根据规则0插入M应该是MKMKMKMKMKMK=6mk，由于taobao是一个词的连续输入 所以属于同一认知单元，删掉M后应该是MKKKKKK=M+6k
规则3：删除连续终结符之前的M
如果K是一个认知单元后面的多余分隔符，例如命令的分隔符后面紧跟参数的分隔符，则将之前的M删除。
规则4：作为命令终结符的M的删除
如果K是一个分隔符，且后面紧跟一个常量字符串（例如，命令名或每次使用都一样的实体），则将之前的M删除（分隔符会因为习惯性的成为字符串的一部分，从而不需要单独的M）。但如果K是一个命令参数的分隔符，或者可能变化的字符串，则保留之前的M
规则5：删除重叠的M
不要计入任何与R（计算机响应时间）重叠的M
简单击键模型计算示例：
任务描述：在淘宝网搜索T恤衫，屏幕资源不受限制，淘宝首页已经加载完成。
元动作分解：
把手移到鼠标：H
指向搜素输入框：HP
点击定位输入：HPK
将手移回键盘：HPKH
输入“T恤”：HPKHKKKK
T恤在搜狗输入法中是默认项所以只需点击空格确认就可以了。如果中文输入结果不在默认选中状态下 还要加上一串 HPKH。
敲回车键加载搜索结果：HPKHKKKKK
页面加载进入搜索结果页：HPKHKKKKKR
在结果中筛选：最好结果是目标商品在结果中排在第一位，用户可以直接点解进入宝贝详情页完成购买HPKHKKKKKRPK。假设这种情况出现的概率是P，则1>P>1/7500（每页有75个结果共100页）这种概率同时受排序算法，商品所属类目的标准化程度……等等复杂因素的影响，因此完成查询之后的操作将不在本次示例中涉及。
因此我们的到的最终表达式为：HPKHKKKKK
根据规则0增加初始M
表达式为：HPMKHMKMKMKMKMK
根据规则1-3删除多余的M得到表达式：HPKHMKKKKK=2H+P+6K+M+=0.8+2.2+1.2+1.35+2=4.55
如果采用搜索输入的自动补全功能
（输入法默认为E文）表达式可以调整为：HPKHMKHPKPK=3H+3P+4K+M=6.65
通过对比两个表达式的结果，我们就可以得出自动补全在某些条件下输入效率低于全文输入的结论。
