Kullanılabilirlik Metrikleri: Ne Ölçülür, Nasıl Doğrulanır?

Kullanılabilirlik ölçümü ekiplerde çoğunlukla iki uçtan birine düşüyor: ya hiç ölçülmüyor ya da anlamı belirsiz tek bir puana bakılıp karar veriliyor. Oysa görev başarısı, süre ve hata sayısı düzgün tanımlandığında bir sürümün öncekinden iyi olup olmadığı tartışmaya yer bırakmaz. Belirleyici olan hangi metriğin toplandığı kadar, o metrik üzerinde hangi aritmetiğin yapılabileceğidir.

Metrikler ne ölçer, ne ölçmez

Dört ölçü işin çoğunu görür: görev başarı oranı, tamamlama süresi, hata sayısı ve öznel memnuniyet. İlk üçü davranıştan gelir. Sonuncusu beyandan gelir, bu yüzden ayrı tutulur ve diğerlerinin yerine geçmez. Memnuniyet için SUS gibi on maddelik yerleşik bir ölçek kullanmak her çalışmaya özel soru yazmaktan iyidir; sonuçlar en azından kendi geçmişinle karşılaştırılabilir kalır.

Süre ölçümünde sık yapılan hata kronometreyi araştırmacının elinde tutmak. Görev süresini arayüzün kendi olay kaydından al; başlangıç ve bitiş için iki zaman damgası yeterli, üstelik video izleyip saniye saymaktan hem daha kesin hem tekrar edilebilir.

Ölçek türü, yapabileceğin hesabı belirler

Toplanan verinin türü, sonrasında hangi istatistiğin meşru olduğunu doğrudan kısıtlar. Nominal veri yalnızca kategori taşır (tamamladı, yarıda bıraktı, yanlış yoldan gitti); burada sayım ve yüzde dışında bir şey yapılamaz. Ordinal veride sıralama vardır ama aralıklar eşit değildir; beş basamaklı memnuniyet ölçeğinde 4 ile 5 arasındaki mesafenin 2 ile 3 arasındakiyle aynı olduğunu kimse gösteremez, dolayısıyla ortalama almak yanıltıcıdır. Medyanı ve dağılımın kendisini raporla.

Süre, tıklama ve hata sayısı oran ölçeğindedir; ortalama ve standart sapma burada anlamlıdır. Yine de görev süreleri sağa çarpık dağılır, birkaç kullanıcı takılıp on kat uzun sürer ve ortalamayı tek başına yukarı çeker. Bu tür veride medyan, grubun tipik davranışını ortalamadan daha iyi anlatır.

Metrikten önce görev analizi

Görev tanımlanmadan toplanan sayı karşılaştırılabilir olmaz. Görev analizi, kullanıcının ulaşmak istediği sonucu alt adımlara bölmek ve bu adımların hangisinin kritik olduğunu belirlemektir: ilk kayıt, ödeme, iptal, hesabı kurtarma. Ölçüm bu adımlara oturur.

Başarı tanımını da teste başlamadan yaz. “Kullanıcı ürünü sepete ekledi” mi sayılıyor, “siparişi onayladı” mı? Tanım sonradan konursa, sonuç istenen yöne çekilebilir hale gelir ve ölçüm işlevini kaybeder.

Kaç kullanıcı yeter, formülün söylemediği

Beş kullanıcı fikri bir modelden geliyor. Bir sorunun tek bir kullanıcı tarafından bulunma olasılığı L ise, n kullanıcıyla bulunma oranı 1-(1-L)^n olarak hesaplanır. L değeri 0,31 alındığında beş kullanıcı sorunların yaklaşık %84’ünü, on kullanıcı %97’sini görür. Eğri hızla düzleşir; onuncu kullanıcıdan sonra eklenen her kişi giderek daha az yeni bilgi getirir.

Modelin iki varsayımı var ve ikisi de sahada sık bozulur. Birincisi bütün sorunların aynı bulunma olasılığını taşıması: nadir görülen ama ağır sonuç doğuran hatalar bu ortalamanın içinde kaybolur. İkincisi tek ve türdeş bir kullanıcı kümesi: ilk kez giren biriyle sistemi her gün kullanan biri aynı arayüzü aynı yerden zorlamaz. İki ayrı kullanıcı segmentin varsa beş kişi toplamda değil, segment başına beş kişi demektir; bunu atlayan çalışma bir grubun sorunlarını hiç görmeden bitirir.

Yöntem seçimi: kullanıcı gerçek mi, sistem gerçek mi

Değerlendirme yöntemleri iki eksende ayrışır. Kullanıcı gerçek mi yoksa uzman tarafından temsil mi ediliyor, sistem çalışan bir ürün mü yoksa maket mi?

	Temsili kullanıcı	Gerçek kullanıcı
Temsili sistem	Analitik yöntemler, sezgisel tarama	Anket, görüşme, kavram testi
Gerçek sistem	Uzman walkthrough	Gözlemsel test, alan çalışması

Sol üst kutu ucuzdur ve erken aşamada en çok kazandıran yerdir; kaba sorunları maket üzerinde bir saatte toplarsın. Sağ alt kutu pahalıdır ve karar öncesinde yerine başka bir şey konamaz. Uzman değerlendirmesi, gözlemsel testin ucuz ikamesi değil; ondan önce gelen bir eleme adımıdır.

Araçların gerçekten ölçtüğü şey

Otomatik araçlar bu tabloya girmez, çünkü kullanıcıyı hiç temsil etmezler. Lighthouse sayfa performansını ve kural tabanlı erişilebilirlik kontrollerini ölçer; eksik etiketi, yetersiz kontrastı, yanlış başlık sırasını yakalar. Ekran okuyucuyla akışın anlamlı ilerleyip ilerlemediğini ölçmez. Yeşil skor, sorunların bir bölümünün olmadığını gösterir; kullanılabilirliğin kanıtı sayılamaz.

Ölçüm programını basit tut: üç kritik görev, dört metrik, her sürümde aynı biçimde toplanan veri. Yöntemi her seferinde değiştiren ekip elinde karşılaştırılamaz sayılar biriktirir, ki bu hiç ölçmemekten daha kötüdür, çünkü karar verirken bu sayılara güvenilir.