如何以及为何招聘备份参与者（AKA“Floaters”）在用户研究中

有效的用户研究人员将项目安排及其研究预算的限制平衡。高效的研究人员试图尽可能多地花费，因此剩余的金钱可以用于更多的研究。

当我运行研究项目时，我尝试着花足够的钱去招募和激励参与者，以确保(1)我找到了合适的用户类型，(2)他们有足够的动力去参加会议(同时也获得了相应的报酬)。“不出席”的参与者或最后一刻的取消可能会打乱项目进度，使利益相关者对研究失去兴趣，并浪费资金。

考虑可用性研究或其他用户体验研究活动中每个测试时段的费用:

• 在研究参与者之间摊销计划费用。例如，花20个小时计划一个5人参与的研究，相当于为每个参与者提供4个小时昂贵的ux专家薪水。
• 看看使用测试空间的成本。对于一个人的学习，由于禁止显示用户而租用实验室空间，这是一个袖足的成本。即使您在您自己建筑的会议室进行测试，也有机会成本预订了房间，并阻止了其他员工使用它。
• 包括团队成员的时间。未使用的预定学习时段的最大费用通常是等待参与者的团队成员(包括您自己)的费用。

不要忘记，由于参与研究的人数比计划要求的少，研究洞察力也会减少。如果您遵循我们对大多数定性研究的小型样本尺寸的建议，每一个失去的参与者都代表了您潜在洞察力的相当大的比例，从而降低了您的设计项目的盈利能力。

何时招募飞蚊

在某些情况下，应该把节俭抛到一边，招募更多的用户，也就是所谓的“飞蚊”。这个策略使你有可能填补每个研究插槽。这种方法有益的一些场景包括:

• 项目计划仅允许一个小时间窗口进行研究。例如，客户端可能需要可用性测试及其结果在几天内。
• 外部因素施加了时限。例如，设备或实验室研究的位置租用，仅适用于有限期。
• 参与者背景需要在研究时部分筛选场系上的参与者。例如，在一个眼镜学习您可能需要使用现场眼镜系统校准用户的眼睛。
• 很大程度上取决于观察者看到一个或一组特定的研究会议。例如，如果一个团队必须被说服去做研究，并且持怀疑态度，但它最终同意在某个特定时间进行观察，那么你需要用户在这个关键时刻在场。

为了确保您在需要时有足够的参与者，您可以练习“故意过度折叠”。overrocuiting可以以几种方式显现：

• 为每个预定的插槽招募多人（参与者和一个浮动）
• 每个插槽招一名参与者，每个插槽招一名浮动参与者
• 在研究计划中添加比需要更多的会议(和更多的参与者)

每个参与者一个浮动者

最昂贵的方法，同时也是最保险的方法，是一个浮动到一个用户——也就是说，每个插槽招募两个人，即使你只测试他们中的一个。

研究日可能是这样的：

如果被招募的参与者出现了，我付钱给那个浮动者，让她走。

只为一个疗程招募的飞蚊者通常与参与者支付相同的酬金。因此，如果参与者的奖励是每个参与者100美元，那么单次浮动的奖励也将是100美元。

通过这种方法，各项研究的招募和激励的成本是两倍，只要所有用户都抵达他们的会议。例如，如果招聘和激励费用为每名用户180美元，您有5个用户，那么没有漂浮物的总成本为900美元，漂浮物的成本为1,800美元。

每两个用户的一个浮动

一点昂贵，但也是一种不太安全的方法是为每两场会议招募一个浮动。通过这种模式，研究日可能如下所示：

在这种情况下，每个浮子都可以为两个会话提供。例如，如果User1出现，浮动将保持可用以确保User2也显示出来。如果User2确实出现，则在第二次会话开始时释放浮动。这可能是浮动的最佳情况，因为她基本上需要一个半小时，并且获得了完整的会议。

如果User1没有出现，浮点数将取代那个人的位置。而且，研究人员希望User2会出现，因为那个会话没有浮点数。如果User1出现但User2没有出现，浮点数将占用User2的会话。这对漂浮者来说可能是最糟糕的情况，因为她必须等待一个疗程，然后成为参与者。

通常必须提供多个时隙的漂浮物通常需要更多。我通常会加倍激励。（有些人支付的费用，因为漂浮物不仅可以在更长的时间内注册，而且如果需要参加这项研究。其他人只有在最终成为考试参与者的情况下，才会更多地支付漂浮者。）所以，如果100美元是参与者’ honorarium, a double-session floater would be paid $200. (Note in the example above, since there is an odd number of sessions, one floater will cover just one session and will be paid $100.) If the research was remote, one might pay floaters less because they are not asked to travel or sit in some space for a period of time; rather they can do other things in their home or office while being on call.

如何招募“飞蚊”

拥有浮动的程度是确保您涵盖所有研究会话。他们出现了，无论是亲自还是远程学习都是必不可少的。因此，在招聘时，他们不应该觉得它们是多余的。我总是普遍诚实。我使用相同的筛选标准招募它们用于学习参与者。一旦他们被视为研究的正确目标，我解释了他们的角色：

我们已经为这项研究招募了所有的时间段，但我们需要确保每个时间段都有一个人。由于有时人们会在最后一刻取消预约，我们需要招募更多的人来参加，以防已经安排好的参与者不能来。

一对一：因此，我们会要求你来(或登录进行远程研究)，就像你正在参与一样。如果预定的参与者按计划到达，我们将支付100美元的酬金并释放您。

2组:因此，我们会要求你来(或登录进行远程研究)，就像你正在参与一样。但我们希望你能抽出两节课的时间，从早上8点开始，到上午10点半结束。如果预定的参与者按计划到达，我们将支付你200美元并释放你。但如果其中一个用户没有到达，我们会邀请您参与研究。

对于一个遥控研究会话，我要求漂浮者登录会话，因为他们是一个用户。对于亲自的会议，我通知漂浮人将有一个等候区和无线和饮料，并将被要求留在那里直到释放。如果没有这样的地方，我会尝试在附近找到咖啡馆，他们可以根据需要等待。

如何消除“飞蚊”

如果在招募时向漂浮人解释了这种情况，请驳回他们应该没有问题。尽管如此，请确保不要伤害他们的感受或让他们觉得他们做错了什么，这就是为什么他们被驳回。我经常说这样的话：

如你所知，我们招募你是为了确保每节课都有足够的参与者。我们预定的那个人已经到了，一切都安排好了。非常感谢你同意参与我们的研究但这次我们不需要你了。这是(或我将送你)你的酬金100美元的计划。我希望在以后的研究中我们能记住你。非常感谢。

使用浮动器优化参与者

招聘两个用户对每个学习时隙的另一个优点是，如果两者都按计划显示，您可以选择最适合您的学习。在这种情况下，您不会提前将一个人指定为“主要”参与者，另一个人作为浮子。

挑选最适合的参与者可以在研究中有用：

1. 针对一个特别困难的招聘简介或一个挑战预定的招聘简介 - 例如，如果您正在测试高端投资产品并希望在研究之前看到投资者的技能
2. 需要某种人口分布 - 例如，均匀的年龄分布

如果您的所有早期测试插槽都被年轻用户填充，那么您将优先考虑旧用户的最后一个插槽。

(然而，避免根据随机标准选择参与者——比如哪个参与者更健谈或看起来更令人愉快或讨人喜欢——因为这样做很容易使你的研究结果产生偏差。)

根据需要更多的研究插槽和取消

与调度浮子有点不同，是安排额外的学习会议。如果you’re not on a tight deadline and you (or your team) can pivot and do other work if a user doesn’t show up, this method can be an effective way to ensure you have enough participants, and is usually less expensive than the floater models.

使用这个模型的时间表可能是这样的:

为了未经发言（无辅导员）遥远的研究会话在美国，我通常每3个回合就会多招募一个人。例如，如果我想要5个疗程，我招募7个人进行研究。一旦你有了足够的数据，你就可以取消不需要的会话(当然，你仍然需要付费给那些用户)。如果有足够的用户在添加会话后仍未出现，你可以安排更多会话。

然而，通常，即使所有所需的参与者出现出现，运行额外会议也有意义，有两个原因：

1. 某些会话中的数据不可用。在我看完录音后，我有时会发现其中一个环节有问题，无法使用全部或大部分数据。因此，过度招募不仅涵盖了未出席的参与者，也涵盖了数据不佳的会议，并为您节省了重新启动研究和等待反馈的成本。
2. 额外的见解。有时我需要跟进早期会话中发现的东西 - 如果是这种情况，我可以利用这些稍后的会话来改变任务或面试问题并调查新问题。

不只是支付更高的激励消除对渗透的需要吗？

如果动机更大，受动机驱使的研究参与者更有可能出现。所以，你可以尝试支付更高的奖励而不招募飞蚊者。你可以节省招募额外用户的成本，并可能向主要参与者支付更高的奖励。但只有当阻碍参与的因素与激励相关时，这种策略才会奏效。它不考虑紧急情况或最后时刻的计划更改，这些情况确实会发生，特别是在测试某些专业的用户时，比如系统管理员或医生。(同时，考虑一个非常高的激励是否会影响你的研究。)

故意的过度招聘难道不是浪费吗?

我最喜欢的是故意odrocruiting的是，团队，用户，招聘人员和研究人员牺牲了时间和金钱。

决定使用这些过度折叠方法是决定是否购买可选保险。例如，每月花费100美元的长期医疗保险值得它，如此，如果你需要在你的晚年中照顾，你有它吗？同样，在每个分配的时间对您的团队提供用户的保险是什么？

下表比较了使用三种过度招聘模型的5人研究的时间、招聘和激励成本。

假设研究人员安排了五个会议:

• 1-Floater-To-User overrecuit模型的招聘和激励成本最多（1800美元），更低（1260美元）用于更多研究插槽模型。
• 在该研究中没有足够的用户的风险是1-Floater-to-1用户模型中最低的，并且对于1-Floater-Per-2用户和更多研究槽型的模型更高。
• 研究前的时间完整是最少（一天）的1 - 浮动到1位用户和一个浮动的每2位用户模型，大多数（半天半）更多 -研究唱结构模型，需要额外的会话，从而需要时间。

在上面的例子中，考虑额外成本是900美元。

• 确保你能在指定的时间内从目标用户那里得到你需要的反馈是否值得你的团队花费900美元?
• 你的预算里有这个吗?
• 这900美元的机会成本是什么?也就是说，你还需要做什么，把钱花在能产生更高回报的地方?

这些问题是您在思考过度矫正时应问自己的问题。