一家面向中老年用户的健康管理 App，他们的设计师准备做可用性测试，招募的时候图方便，找了几个身边的同事和朋友——都是 25 到 30 岁、每天使用智能手机的互联网从业者。测试做得很顺利，没有发现什么大的问题，大家都出色的完成了任务，只提了几条小建议，设计师觉得测试做的很成功。

产品上线后，客服电话接连不断，很多用户反馈说不知道怎么用。这些真实用户大都是 60 岁左右、接触智能手机不超过两年的中老年人。他们遇到的障碍，和测试中那五个 28 岁的互联网人所遇到的使用障碍，根本不属于同一类。虽然测试做了，但是是在错误的用户身上做的，结论对设计显然没有任何帮助。

一. 为什么招募比想象中重要

可用性问题不是凭空存在的，它们是在特定的用户遇到特定的产品时产生的。同一个界面，一个每天用手机的年轻人和一个刚学会用智能手机的老年人，遇到的困难完全不同；一个对这类产品毫无经验的新手和一个已经用了三年的老用户，遇到的困难也完全不同。

如果测试里的用户不是产品的目标用户，测试发现的问题就不是目标用户的问题，两类人群遇到的问题通常并不重叠。改了测试里发现的问题，目标用户遇到的真实障碍可能一点也没有少。

招募错误的成本很高——用错误用户测试得到错误结论，不只是浪费了这次测试的时间，还可能让团队产生"我们做过测试，没有大问题"的错误安全感，真正的问题反而被遮盖了。

二. 定义参与者画像

参与者画像回答的是"什么样的人参与这次测试才有价值"。画像的来源是真实用户，不是"容易招到的人"。

定义画像时主要考虑四个维度：

1. 使用经验：参与者是否用过和这款产品类似的产品，用了多久，用得多频繁。这个维度直接影响测试结论的适用范围。如果产品主要面向新用户，测试里就需要包含没有使用经验的人；如果产品面向长期用户，就需要有一定使用习惯的人。
2. 技术熟悉度：参与者对智能设备整体的熟练程度——不是对这款产品，而是对手机、平板、电脑这类设备的整体操作能力。一个对手机完全陌生的用户和一个每天重度使用的用户，在任何产品里的行为都会有系统性的差异，这个差异会掩盖产品本身的可用性问题。
3. 场景特征：参与者在什么情境下使用这类产品——通勤途中、工作间隙、家庭场景还是特定的任务场景。场景影响使用方式，如果产品主要在通勤途中使用，在安静的办公室里测试时发现的问题，未必是通勤场景里真正的障碍。
4. 人口特征：年龄、职业、教育背景——这些特征只在和使用场景直接相关时才作为筛选条件。不要因为"好像相关"就无端收窄，画像越窄，招募越难，样本量有限时代表性也会下降。

画像的范围需要在"准确"和"可招募"之间找到平衡。太窄的画像招募困难，而且可能把一些边缘用户排除在外，而边缘用户有时候会暴露出核心用户习以为常或选择绕开了的问题。太宽的画像让测试里的用户差异太大，发现的问题很难归纳规律——不同用户遇到的是各自不同的障碍，找不到共同点。

三. 写筛选问卷

参与者画像定义好了之后，需要用一份筛选问卷来过滤不符合条件的人，把符合画像的人邀请进来。

1. 筛选问卷的核心原则

筛选问卷的核心原则只有一条：问行为，不问态度。

态度问题问的是用户对自己的判断，而人对自己的判断通常是乐观的。"你会用购物 App 吗"——几乎所有人都说会用，但"会用"可能是一个月用一次，也可能是一天用五次，这两种"会用"在测试里代表的是完全不同的用户群体。行为问题问的是具体发生的事："你上个月在手机上购物了几次"——频率是可以记录和核实的具体事实，远比态度判断可靠。

2. 筛选问卷的基本结构

开头一两道背景问题，了解年龄或职业（如果画像里这两项有要求）。然后是三到五道核心筛选问题，问使用频率、使用场景、使用的类似产品——这几道题的答案决定这个人是否符合画像。加一道开放式问题，请对方简单描述一次使用类似产品的经历——这道题的目的不是筛选，而是判断这个人的表达能力和参与意愿，是否适合参与调节式测试。

筛选问卷里还需要设置排除标准。有两类人需要明确排除：在竞争对手公司工作的人（他们会带入职业视角来评价产品，而不是作为普通用户使用）；以及设计、用研行业的从业者（他们太熟悉测试流程，行为会失去自然性，评价会变成专业意见而不是用户体验）。

"填表专业户"是招募中另一个需要识别的情况。有些人频繁参与各类测试和调研，他们知道怎么"答出对的答案"来通过筛选，但他们在测试里的行为已经不像普通用户了。识别方法是在问卷里加入一两道矛盾性验证题——比如先问"你每周使用这类 App 几次"，后面再问"你上次使用这类 App 是什么时候"，前后答案如果对不上，这个人的问卷可信度存疑。

四. 去哪里招募

招募渠道影响能接触到的用户类型，选对渠道能减少很多不必要的筛选成本。

现有用户数据库是最精准的招募来源。如果产品有用户注册信息，从中筛选出符合画像的用户直接邀请，这些人是真实的产品使用者，招募质量最高。适合测试已有功能改版的场景，因为参与者是在实际使用这个产品的人。

社交媒体和社群覆盖范围广，发布招募信息门槛低，响应速度快。但需要配合筛选问卷过滤，因为来的人背景差异大。在特定垂直社群（比如育儿论坛、健身社区）里发布招募，能更精准地触达特定场景的用户。

专业招募平台（问卷星的用户样本库，或者部分用研外包机构）能快速招募到指定条件的用户，速度快但成本较高。适合时间紧张、自行招募困难的情况。

线下场景招募是在用户真实使用这类产品的地方直接邀请——咖啡店、超市、社区活动中心，取决于产品的使用场景。这种方式能接触到最自然状态的目标用户，但效率低，需要投入更多时间在外联。

内部员工是招募成本最低、质量最差的来源。员工了解公司的产品和团队，无法复现真实用户的陌生感和困惑；即使他们想认真测试，职业本能也会让他们的行为和普通用户不同。内部员工只适合在产品非常早期、需要快速验证某个想法时作为权宜之计，不能替代真实用户测试。

五. 激励和时间安排

给予参与者激励，不是"买"好评，而是补偿他们花费的时间。在说明激励的同时，需要告诉参与者测试在做什么：测试产品，不是测试他们，他们的真实困惑比顺畅完成任务更有价值。这句话能减少参与者因为想"表现好"而掩盖真实困难的情况。

激励金额数值大小，可参考参与者的时间成本——一小时左右的测试，通常在 100 到 300 元之间，具体取决于目标用户群体的时间价值。专业人士（医生、律师、高管）的时间成本高，需要更高的激励才能打动他们；普通消费者的测试激励相对低一些。激励形式可以是现金、购物卡或产品的会员权益，取决于哪种形式对目标用户更有吸引力。

时间安排上，每场测试的长度通常在 45 到 90 分钟之间，取决于任务数量和产品复杂程度。相邻两场测试之间至少留 15 分钟的缓冲，用于写下刚结束那场测试的关键观察、调整测试环境、补充精力。

招募参与者总数要比计划数多招一到两人，留出替补空间。临时取消的情况在测试招募里非常常见，有备用参与者可以避免某一天的测试场次无法凑齐。招募完成后，发一条确认消息，测试前一天再提醒一次，爽约率会明显降低。