基于Kano模型的政府數據開放平臺>用戶體驗要素分類研究

朱紅燦 胡 新 李順利

(湘潭大學公共管理學院，湖南 湘潭 411105)

2009年美國奧巴馬政府宣布實施《透明和開放的政府》、《開放政府令》(《電子化政府執行策略》)等法案并上線美國數據開放平臺Data.gov掀起了政府開放數據的浪潮，世界各國紛紛跟緊腳步加快推進自己國家的政府數據開放進程，建設國家級政府數據開放平臺，如Data.gov.uk(英國政府數據開放平臺)，Data.gov.au(澳大利亞政府數據開放平臺)。為縮小我國與其他國家政府開放數據的差距并切實有效地實現政府數據開放，我國陸續出臺了《促進大數據發展行動綱要》、《國務院關于印發促進大數據發展行動綱要的通知》、《政務信息系統整合共享實施方案》等一系列綱要、意見以及方案。并從2012年上半年到2017年上半年陸續上線了10多個符合開放政府數據基本特征的地級以上政府數據開放平臺[1]。政府數據開放平臺是政府開放數據的一種形式，是推動政府開放數據發展不可或缺的有效手段，應《國務院關于印發促進大數據發展行動綱要的通知》的要求，我國要在2018年年底前完成國家政府數據統一開放平臺的建設[2]。為了建設一個盡可能符合大眾需求、注重用戶獲取體驗滿意程度的政府數據開放平臺，對政府數據開放平臺體驗要素進行分類并識別出關鍵要素，針對性地依據用戶體驗優化政府數據開放平臺顯得尤為重要。

1 文獻回顧

1.1 政府數據開放平臺

國外學者對政府數據開放平臺的模型框架、價值與評估等方面進行了有益的探討。Sieber R E等[3]基于政府與公眾之間的關系變化，提出了4種可能的未來應用開放數據模型。Wang H等[4]提出了一個整合技術—組織—環境框架的研究模型，并且發現了政府機構在認知效益、組織準備度、外部壓力和開放政府數據采納方面的重要積極關系。Jetzek T等[5]提出一個系統分析開放政府數據經濟和社會影響的戰略框架。Alexopoulos C等[6]提出了一種基于價值模型估計來確定開放政府數據價值生成機制的方法，描述了政府數據開放平臺開放政府數據的價值生成機制，并驗證了系統變量與價值生成之間的關系。Solar M等[7]提出了一個模型來診斷公共機構在技術、公眾、組織、法律法規和外部用戶方面追求開放數據原則和實踐的成熟度和能力。Kassen M[8]從法律基礎設施、政治和經濟環境等方面評估芝加哥的開放數據項目。

國內方面，楊瑞仙等[9]將我國7個代表性地方政府數據開放平臺與美國政府數據開放平臺對比分析，發現國內平臺數據量少、實用性和規范性差、缺乏完善與系統的數據描述，對此提出若干對策。曾粵亮[10]總結了英國政府數據開放平臺交通數據與開放的經驗及不足，為我國政府開放交通數據提供啟發。岳麗欣等[11]構建了政府數據開放平臺評價體系對已有平臺進行評價，明確目前平臺建設的缺點，為國內平臺建設提供參考。黃如花等[12]從總體情況、資源建設、數據組織與檢索、數據服務4個方面對我國13個地方性政府數據開放平臺建設現狀進行分析并在此基礎上提出改進建議。譚必勇等[13]從宏觀結構角度對我國10個代表性開放平臺數據質量現狀進行研究，就如何提升數據質量給出建議。

1.2 用戶體驗

概括來講，用戶體驗(User Experience，UE)是指人和產品交互時產生的不同的體驗，包括用戶所感覺到的需求被滿足的程度、用戶賦予產品的意義，以及在此過程中產生的感覺與情感[14]。隨著新技術的層出不窮，李君君等[15]認為，政府網站用戶體驗是指用戶在訪問平臺網站的過程中，對網站界面、功能、操作方便性、交互性等方面建立起來的純主觀的心理感受，是用戶本能、心理以及行為的綜合體現，是交互過程中用戶內在狀態、系統特征與特定情景相互作用的產物[15]。

學者們從不同的角度探討了用戶體驗的構成。如Vyas D[16]等學者提出的用戶體驗APEC模型包括審美、實用、情感和認知4要素。Morville P[17]等提出的用戶體驗蜂窩模型，由有用性、可用性、滿意度、易尋性、可信度和可獲取6個要素構成。王曉艷等[18]根據信息系統幫助用戶達成目標的有效程度，將用戶體驗劃分為功能體驗、技術體驗和美學體驗3個層次。崔競烽等[19]學者將圖書館微信公眾平臺的用戶體驗劃分為感官接受度、內容吸引度、任務完成度、心理愉悅度及使用受益度5個維度。蔣立兵等[20]學者提出了微課體驗用戶體驗模型，以實現微課的應用價值為核心，包含功能體驗、效能體驗、交互體驗及美學體驗4個層次和可用性、合意性、引導性、可靠性、泛在性及交互性6個要素。

上述模型顯示了技術系統中用戶體驗的構成要素，并在與Web服務平臺相關的用戶體驗研究如對信息系統、微信平臺、微課等研究方面得到了拓展與應用。然而，國內外政府數據開放平臺相關研究側重于平臺的實踐與建設，與政府數據開放平臺用戶體驗相關的研究并不多見。隨著中國政府數據開放平臺的不斷深化，使用用戶的不斷攀升，同時用戶體驗直接影響到用戶對政府數據開放平臺的接受程度和滿意程度，因而對政府數據開放平臺用戶體驗的研究是必要的。因此，本文針對現有研究的不足，將Kano模型的分析方法引入政府數據開放平臺用戶體驗要素體系的構建中，引入Kano模型以期從用戶體驗的角度出發幫助政府了解用戶需求，識別用戶體驗的重要要素，對政府數據開放平臺的改進工作提供指導。基于Kano模型的思想，并不是直接測量，而是基于用戶滿意度的角度對影響要素進行分類，向政府數據開放平臺的使用者分析問卷，統計來自多方面的評價，對政府數據開放平臺用戶體驗的基本要素、關鍵要素和可改進要素進行有效甄別和劃分。

2 政府數據開放平臺用戶體驗要素的確定

借鑒用戶體驗的概念，政府數據開放平臺用戶體驗是指用戶在利用數據開放平臺下載和使用政府免費向公眾開放的政府數據過程中，對平臺界面、功能、操作方便性、交互性等方面建立起來的純主觀的心理感受，是用戶本能、心理以及行為的綜合體現，是交互過程中用戶內在狀態、系統特征與特定情景相互作用的產物。

政府數據開放平臺除具有其他Web服務平臺的共同特點外，亦存在其自身的獨特功能和特點，因而，本文將依據政府數據開放用戶體驗的概念和胡昌平等[18]提出的用戶體驗模型，依據幫助用戶達成目標的有效程度，將政府數據開放平臺用戶體驗劃分為美學體驗、功能體驗、效能體驗及交互體驗4個層次。

美學體驗描述了政府數據開放平臺“能否使使用者身心愉悅地達成目標”。包含能讓用戶更好更快地尋找到所需數據的要素，比如，賞心悅目的分類圖標和良好的界面布局都能使得用戶身心愉悅，數據分類導航就可以讓用戶一目了然哪類數據是自己所需的。

功能體驗描述了政府數據開放平臺“能否讓用戶實現下載所需數據的目標”。包含能讓用戶下載到所需數據的要素，比如，龐大的數據量和實時更新的數據才能滿足廣大用戶不同時間的多方位數據下載需求。

效能體驗描述了“通過政府數據開放平臺下載的數據能否幫助用戶實現目標”。包含下載數據后有助于用戶實現目標的要素，比如，下載的數據能夠自由利用是用戶實現目標的基礎。

交互體驗描述了政府數據開放平臺“能否提供符合其認知規律的交互方式，幫助用戶實現目標”。包含用戶與政府數據開放平臺或其他用戶間的相互作用的要素，比如，具有評價功能和能夠提建議都是我們熟知的網絡常規交互方式。

依據這4個體驗層次，結合鄭磊等[21]等學者對開放政府數據平臺進行評估的指標體系，最終篩選出政府數據開放平臺用戶體驗要素，具體如表1所示。

表1 政府數據開放平臺用戶體驗要素

3 基于Kano模型的政府數據開放平臺用戶體驗要素的劃分

3.1 Kano模型與政府數據開放平臺用戶體驗要素的聯系

日本東京理工大學質量管理領域的Noriaki Kano教授和他的同事在行為科學家赫茲伯格的雙因素理論的啟發下，于20世紀70年代第一次將滿意與不滿意標準引入到質量管理領域，采用二維模式來認知質量，提出了著名的Kano模型。Kano理論的實質是按照用戶體驗對構成產品質量評價的各要素進行劃分，把滿足合格產品的基本要素和吸引顧客更加滿意的要素進行區分。這與筆者對政府數據開放平臺用戶體驗要素的劃分不謀而合。Kano模型依托不同類型的質量特性與滿意度之間的關系(見圖1)將產品或服務因素劃分為以下5種類型:魅力因子、一維因子、必備因子、無差異因子、反向因子[22]。根據Kano理論的二維質量模式的基本原理，結合政府數據開放平臺的用戶體驗要素，作如下分析：

圖1 Kano模型

3.1.1 魅力因子

也叫吸引因子，該因子是一種“驚喜”或“驚奇”的特性，政府數據開放平臺在這類因子上表現越充分，用戶體驗滿意度越高，不充分或未改進也不會引起不滿。

3.1.2 一維因子

也叫期望因子，該因子與政府數據開放平臺用戶體驗滿意程度成正比例的關系，其程度越高用戶體驗越好，平臺在這類因子上超出用戶期望越多，用戶越滿意，反之亦然，改進此類因子是提升平臺用戶體驗滿意程度的有效方式。

3.1.3 必備因子

也叫基本因子，是用戶對政府數據開放平臺的基本要求，如果這些要求沒有得到滿足，用戶將會非常不滿意。相反，如果這些要求得到了滿足，用戶也不會因此產生更高的滿意度。改進此類因子，對滿意度的提升沒有顯著效果，卻能有效減輕用戶不滿。

3.1.4 無差異因子

也叫無關因子，指政府數據開放平臺用戶體驗中既不好也不壞的方面，它們不會導致用戶滿意或不滿意。

3.1.5 反向因子

也叫逆向因子，指引起政府數據開放平臺用戶強烈不滿的因子，改進此類因子，可以大幅降低不滿意。

由以上依據Kano理論的因子分析可知，并不是所有要素的程度都越高越好，有些要素是無關或者起反作用的，必備因子是用戶對政府數據開放平臺的基本要求，僅僅滿足基本要求并不能使政府數據開放平臺用戶體驗滿意程度更高，一維因子和魅力因子的改進才是提升平臺政府數據開放平臺用戶體驗滿意程度的有效方式。

3.2 政府數據開放平臺用戶體驗要素的Kano劃分

在政府數據開放平臺用戶體驗要素中引入Kano理論來進行分類，能很好地按照用戶感受區分各要素。為使研究結果更具有科學性，本文將通過實際調研和統計分析，用具體數據做依托，結合Kano傳統分類和Better-Worse分類方法，對政府數據開放平臺用戶體驗要素進行分類，再通過靈敏度排序需改進要素并篩選政府數據開放平臺用戶體驗的關鍵因素。

3.2.1 數據收集與方法遴選

1)問卷設計

卡諾問卷的設計思想是從正反兩方面提問，以便了解用戶對某一要素改變前后的感受。以表1的政府數據開放平臺用戶體驗的要素為依據，對這其中的某一要素進行正反兩面的提問，問題區分為“我喜歡這樣”、“理應如此”、“我無所謂”、“我能忍受”、“我討厭這樣”5項，針對每份問卷，每一要素的配對正反向問題可得到5×5種可能的回答組合。所有可能出現的回答組合所屬分類如表2所示。“A”代表“魅力因子”，“O”代表“一維因子”，“M”代表“必備因子”，“Q”代表“可疑因子”，“R”代表“反向因子”，“I”代表“無差異因子”。

表2 Kano分析的典型質量分類

2)問卷調查與數據收集

由于問卷題項較多，共計45個正反配對問題項，且要求問卷填寫者必須使用過政府數據開放平臺。為保證問卷質量，我們采用QQ、微信、微博等方式有償征集了500位問卷填寫者，詢問此500人對政府數據開放平臺的了解情況，其中有86人被確認為沒有使用過政府數據開放平臺或使用過但了解程度不夠，然后通過QQ、微信和電子郵件3種方式給剩余的414人發放問卷，回收401份，篩選后共得到386份有效問卷。有效問卷正反向問題的Cronbach α系數分別為0.937和0.920，均大于0.9，內部一致性良好；KMO值分別為0.734和0.805，累計方差貢獻率分別為63.756%和67.443%，結構效度良好。因此，問卷可用于Kano模型分析。

3)Kano問卷分類方法遴選

回收所有有效問卷后，需要對各要素做最終分類處理。傳統的Kano分類是將問卷答案整理后進行頻數統計，頻數最高的類別則是該要素最終的分類，示例如表3所示。

但是這樣分類的缺點是：當各類頻數極為接近甚至相等時，將無法進行明晰的類別劃定。Better-Worse分類方法彌補了傳統分類的缺陷，通過計算所有要素的Better-Worse系數，構建所有要素系數對應的散點圖，并將散點圖劃分為4個象限，如圖2所示。

表3 Kano分析的傳統分類示例

圖2 Better-Worse系數散點圖

落在第一象限的要素Better值和Worse值都在0.5水平以上，屬于一維因子；在第二象限中，Better值高于0.5水平，Worse值在0.5水平以下，落入此象限的要素稱之為魅力因子；第三象限是Better和Worse值都在0.5水平以下，第四象限Better值低于0.5水平，而Worse值則在0.5水平以上，落入這兩個象限的因素分別稱之為無差異因子和必備因子。Better值表示提供某要素或該要素充足時，用戶體驗的滿意度會提升，且值越大，滿意度上升的越快；Worse值表示不提供某項要素或該要素缺乏時，用戶體驗的滿意度就會降低，且值越大，滿意度下降的速度越快[23]。

其中，Better=(A+O)/(A+O+M+I)

(1)

Worse=(O+M)/(A+O+M+I)

(2)

但是，Better-Worse分類方法無法對問題因子和反向因子進行有效識別。因此，本文結合傳統分類方法和Better-Worse分類方法，通過傳統分類識別可疑因子和反向因子，對剔除可疑因子和反向因子后的剩余要素通過Better-Worse分類法進行分類。此外，可疑因子是指有疑問的結果,用戶的回答一般不會進入這個類別，除非這個問題的問法不合理，或者是用戶沒有很好地理解問題，亦或是用戶在填寫問題答案時出現錯誤，當出現這種情況的時候就需要檢查該問項是否合理。

3.2.2 政府數據開放平臺用戶體驗要素的Kano分類

首先，采用傳統分類方法對問卷答案中各類要素的頻數進行統計，可以根據占比大小，識別可疑因子和反向因子，結果如表4所示。

表4 政府數據開放平臺用戶體驗要素頻數統計

由表4可知，“獲取數據是否需要注冊”(16)和“注冊復雜程度”(17)的反向因子頻數分別為214和366，均大幅度高于該要素其它類的頻數。因此，“獲取數據是否需要注冊”和“注冊復雜程度”屬于反向因子。

剔除反向因子后，再采用Better-Worse分類法計算政府數據開放平臺用戶體驗的各要素的Better-Worse值，結果如表5所示，Better-Worse系數散點圖如圖3所示。由表4和表5可知，在45個要素中，7個屬于魅力因子，26個屬于一維因子，6個屬于必備因子，4個屬于無差異因子，2個屬于反向因子。新用戶操作指南、數據動態提醒告知、提供數據集統計功能、提供數據集預覽功能、提供數據集可視化功能、提供地理空間工具、數據請求公開與投票7個因素屬于魅力因子，這7個要素具備程度高則能大大提升用戶滿意；圖文式分類圖標、移動端界面適配、展現數據更新與下載動態、數據分類導航、提供按需排序功能、具有數據應用展示、提供開發者提交APP的功能、數據集評價功能、數據請求功能、建議反饋功能、是否設立社交媒體、持續增長、動態更新、開放授權、免費獲取、非歧視性、自由利用、自由傳播與分享、可機讀格式、開放格式、API接口、元數據提供、元數據覆蓋率、主題、部門、關鍵詞26個要素屬于一維因子，這26個要素表現越好用戶越滿意；提供站內數據搜索功能、易被搜索引擎發現、提供數據集訂閱或收藏功能、單個數據集有唯一靜態URL、數據數量、歷史存檔6個要素屬于必備因子，這些要素缺失會引起用戶強烈不滿；標明平臺數據總量、列明來源單位的數據總量、提供網站使用統計、數據應用的數量4個要素屬于無差異因子，不會影響用戶體驗；注冊和注冊復雜度2個要素屬于反向因子，它們的存在反而降低用戶滿意。

表5 政府數據開放平臺用戶體驗要素Better-Worse分類

3.2.3 政府數據開放平臺用戶體驗的改進要素及關鍵要素篩選

1)改進要素篩選

雖然通過傳統分類和Better-Worse系數分類對政府數據開放平臺用戶體驗的要素進行了分類，確定了每個要素是屬于魅力因子、一維因子、必備因子、反向因子和無差異因子中的哪一類，并可以根據Kano模型的圖形走勢判斷每一類對用戶體驗是正向影響還是負向影響，但卻無法進一步判斷哪些要素是需要改進的，也無法判斷各要素的改進對用戶體驗的影響程度是怎樣的。因此，本文參照趙平[24]篩選改進要素的方法，將各要素以Better值為橫坐標、Worse值為縱坐標納入政府數據開放平臺用戶體驗改進因素敏感性比較矩陣中，以靈敏度“R”表示要素需改進的程度，定義靈敏度“R”為右側的點到要素選擇線的距離大小，要素選擇線上的靈敏度為0，最大靈敏度為0.707。要素選擇線，即以左下原點為圓點，以0.707(圓點到矩陣中心點的距離)為半徑的1/4圓弧，將不同的改進要素進行分割，在要素選擇線右側的要素是可以實施改進的要素，并且離圓點越遠的要素越需要重點改進，而在左側的要素可暫時不予以考慮。圖3中位于要素選擇線右側的44號(建議反饋功能)等36個要素是政府數據開放平臺用戶體驗的改進要素，其靈敏度“R”大于0，改進要素具體靈敏度順序表，如表6所示，其中絕大部分一維因子、必備因子和魅力因子都出現在改進要表中，對用戶體驗的影響比較強，有必要采取相應的改進策略對其改進。

2)關鍵要素篩選

為篩選政府數據開放平臺用戶體驗的關鍵要素，本文提出關鍵要素選擇線的概念，即以1.061為半徑(圓點到矩陣右上頂點距離的3/4，即靈敏度R=0.707/2≈0.354)的1/4圓弧，將改進要素進行分割，關鍵要素選擇線右側的點的靈敏度在中等水平以上，是改進要素中的關鍵要素，要素選擇線與關鍵要素選擇線之間的點的靈敏度在中等水平以下，其改進優先程度低于關鍵要素。具體分割如圖3所示。改進要素表中靈敏度排在前7位的是政府數據開放平臺用戶體驗的關鍵要素，分別是建議反饋、數據請求、數據集評價、按需排序、數據更新與下載動態、數據分類導航和開放格式，其靈敏度均大于0.354，處于關鍵要素選擇線右側。其中開放格式要素屬于效能體驗，建議反饋、數據請求和數據集評價3個要素屬于交互體驗，提供按需排序、展現數據更新與下載動態和數據分類導航3個要素屬于美學體驗。

另外，無差異因子沒有出現在改進要素表中，全部處于要素選擇線左側，對用戶體驗的影響力偏弱，在改進能力有限的情況下可以予以放棄。

圖3 政府數據開放平臺用戶體驗Better-Worse系數散點圖及改進要素靈敏度比較矩陣

綜上所述，將上文中Kano類型調研的分析結果加以總結，具體內容如表7所示。

表6 改進要素靈敏度排序

表7 政府數據開放平臺用戶體驗要素的Kano類型分布

4 結 語

1)政府數據開放平臺用戶體驗的關鍵要素分別是：建議反饋功能、數據請求功能、數據集評價功能、提供按需排序功能、展現數據更新與下載動態、數據分類導航和開放格式7個要素，是需重點關注的改進要素，均屬于一維因子，在一維因子上表現超出用戶期望越多，用戶越滿意，改進這些要素能有效改善政府數據開放平臺用戶體驗。

建議反饋、數據請求和數據集評價這3個交互體驗要素敏感度分列前3，是用戶體驗關鍵因素中的重中之重。我國政府數據開放平臺處于建設初期，尚有很多需要彌補的缺陷，互動交流則能加速平臺缺陷的彌補。建議反饋功能給用戶在使用平臺過程中及使用過后發表自己看法意見提供了場所，讓用戶有地方發言，讓平臺有意見可采納，而不是一昧地閉著耳朵搞建設，切切實實地將政府數據開放落到實處，滿足大眾需求。數據請求功能則在用戶找不到自己想要的數據的時候派上用場，倘若不提供此功能，用戶千方百計搜索數據而不得寄希望于政府數據開放平臺的時候，也定是失望而歸，而提供此功能則能在一定程度上緩解該現象，讓用戶不至于覺得政府數據開放平臺沒作用、不作為。數據集評價功能能讓用戶意見不斷累積，給后續使用平臺的用戶提供參考，減緩用戶選擇數據集時的疑慮。

提供按需排序功能、展現數據更新與下載動態、數據分類導航這3個美學體驗要素也是重要的關鍵要素。平臺提供按需排序和數據分類導航功能，能大幅度縮短用戶找尋所需數據時操作平臺功能的時間，讓用戶覺得平臺是易操控的，界面設計是人性化的。展現數據更新與下載動態功能，可以縮短用戶選擇數據的時間，使用戶不在不需要的數據上逗留。數據分類導航功能則能引導用戶尋找所需數據，提升用戶尋找數據的效率。

開放格式這個效能體驗要素同樣是重要的關鍵要素。數據開放格式直接關系到用戶下載的數據能否直接使用，如不能直接使用還需要轉換格式，開放格式多樣則能免除這個困擾。

2)政府數據開放平臺用戶體驗的改進要素中的魅力因子的15、13、43、14、10項(見表6)是靈敏度排在前5的要素，這些用戶體驗要素對用戶有很大的吸引力，平臺只要少量實現這些要素，是吸引用戶、培養用戶忠誠的重要武器。改進要素中的一維因子的1、33、38、28、37、32、3、31、23、30項(見表6)是靈敏度排在前10(除去7個關鍵要素)的要素，平臺應注重提高這類體驗要素的服務水平，這些要素的改善能較大地提高平臺的利用率和滿意度。改進要素中的必備因子的8、21、27、22、18項(見表6)，平臺改進這類體驗要素的服務水平，能有效減輕用戶的不滿意程度。

3)政府數據開放平臺用戶體驗的反向因子注冊和注冊過于復雜會降低政府數據開放平臺用戶體驗滿意程度，反向因子的出現意味著這些要素對用戶的體驗產生了負向影響，不利于用戶滿意度的提高，根據Kano模型理論，剔除或簡化“反向因子”特征將能減緩用戶的不滿意。當獲取數據需要注冊時，獲取時間就會相應的延長，而注冊過程越復雜，對用戶耐心的挑戰就越大。為了減緩用戶的不滿意，盡可能地優化用戶體驗，可以去除注冊模塊，不能去除的情況應盡量簡化注冊流程。

4)政府數據開放平臺用戶體驗中的標明平臺數據總量、列明來源單位的數據總量、提供網站使用統計和數據應用的數量是無差異因子，對政府數據開放平臺用戶體驗滿意程度影響不顯著，在改善和優化政府數據開放平臺建設時可據此合理配置資源。

綜上所述，政府數據開放平臺的建設可根據36個改進要素的重要性排序有的放矢地進行合理改善及優化，盡可能地滿足廣大用戶的多方面多層次要求。根據Kano模型，政府數據開放平臺用戶體驗要素與滿意度之間不是簡單的正反比關系，把重點放在關鍵要素上，則能事半功倍的提升用戶體驗滿意程度。