07

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

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(gè)項(xiàng)目卡片分類原始數(shù)據(jù)

其中CardName縱列是原始卡片，每個(gè)Sort列是每個(gè)被調(diào)研對(duì)象的對(duì)相對(duì)應(yīng)卡片的分組歸屬數(shù)據(jù)。有多少個(gè)被調(diào)研對(duì)象，就有多少個(gè)縱列。

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。

A. 卡片矩陣相關(guān)度

卡片矩陣相關(guān)度主要是用來(lái)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，或者作為卡片分組和分組命名提供非常有用的參考。

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(duì)象曾經(jīng)列出的分類名作為橫軸列出一個(gè)矩陣，然后把用戶的選擇以百分比標(biāo)示出來(lái)，當(dāng)然這種方法適合于開(kāi)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，依據(jù)用戶的分組情況得出各卡片相互之間的相似度，這個(gè)分析結(jié)果很難直接拿來(lái)作為分類依據(jù)，但一般可以用來(lái)作為信息架構(gòu)的重要參考資料。

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(shí)，所以一般采用專業(yè)分析工具來(lái)完成這個(gè)工作，如EZSORT（這個(gè)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），或者前文提到的Optimalworkshop在線卡片分類工具，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）。

前者重視各卡片之間的差異性，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，部分一致就歸入一類。

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(shí)各有不同作用，一般都是要結(jié)合這兩種不同的方法共同分析。

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)，我們就可以依據(jù)它們來(lái)完成我們的信息架構(gòu)工作了。