基于文献计量的用户体验研究

Bibliometric-Based UX Research

摘要: 为全面剖析用户体验交互领域的研究态势，厘清不同研究课题之间的脉络、边界和联系，本文通过对Web of Science数据库收录的1625篇(2003~2023年)与“user experience”主题有关的文献进行计量分析，并展开CiteSpace时区演化图谱、VOSviewer关键词共现图谱和战略坐标图谱等知识图谱的绘制。从研究演化、研究热点和研究质量三个角度揭示了用户体验研究的状态和趋势。结果表明，在新的技术发展和用户期待不断变化的趋势背景下，用户体验领域研究中传统的定性式的研究方式存在不确定性与模糊性，会逐渐被定性与定量相结合的研究方式所取代。而从研究的历史脉络来看，其研究方向会不断地趋向于主观性，更加考虑个性化发展以及用户的个人体验。

Abstract: In order to comprehensively analyze the research situation in the field of user experience interaction and clarify the context, boundaries and connections between different research topics, this article analyzed 1625 documents (2003~2023) related to the topic of “user experience” included in the Web of Science database. Carry out quantitative analysis and develop knowledge graphs such as CiteSpace time zone evolution map, VOSviewer keyword co-occurrence map and strategic coordinate map. The status and trends of user experience research are revealed from three perspectives: research evolution, research hotspots and research quality. The results show that in the context of new technological developments and changing user expectations, traditional qualitative research methods in the field of user experience have uncertainties and ambiguities, and will gradually be replaced by research methods that combine qualitative and quantitative research. Judging from the historical context of research, its research direction will continue to tend towards subjectivity, giving more consideration to personalized development and the user’s personal experience.

1. 引言

用户体验是用户在使用产品、系统或服务过程中的主观感受，是工程心理学的一个分支。它为社会、企业和用户的发展带来了巨大价值，逐渐成为设计的重要目标之一。20世纪90年代，唐纳德·诺曼在《设计心理学》中首次提出并推广了用户体验的概念[1]。随着信息技术和互联网产品的迅速发展，用户体验的内涵和框架不断扩展，涵盖了心理学、人机交互、可用性测试等领域[2]。不同学者也从各自角度对用户体验进行了不同解读，加瑞特在《用户体验要素：以用户为中心的产品设计》中提出了网站用户体验设计的五个层次：战略层、范围层、结构层、框架层和表现层[3]。Lucas Daniel将用户体验定义为用户在操作或使用产品服务时的所做、所想和所感，这其中同样也涉及到产品服务所提供的理性价值与感性体验[4]。

国内对用户体验的研究起步较晚，大多借鉴国外的理论或模型，主要集中在特定领域的分析[5]。兰玉琪等人分析了人工智能技术背景下的产品用户体验[6]，张驰等研究了原宇宙概念下的用户体验[7]，沈琦等人探讨了赛事直播中的用户体验[8]。在综述性研究中，郑杨硕等人从“用户体验概念”、“用户体验研究模型”和“用户体验评价方法及工具”三个层面，梳理并总结了国内外相关研究成果和方法[9]。

由于国内用户体验研究文献涉及领域广泛，用户体验概念在医疗、教育等诸多领域得到应用，传统研究方法难以全面涵盖所有相关领域，也难以呈现用户体验与多领域的交叉性及其发展脉络，这限制了用户体验研究的广度和深度[10]。因此，作者通过使用科学知识文献计量方法分析文献，并采用时间演化路径以及战略坐标图作为主观解释的依据，总结国外用户体验发展的现状，为国内研究提供方向。

2. 研究设计

2.1. 研究方法

文献计量学利用计量数学和统计方法研究文献信息的分布结构、变化规律和特点的学科[11]。相比于经验评述，文献计量法通过综合科学和计量手段，能在一定程度上保证分析的系统性和客观性[12]。

CiteSpace是一款基于共引分析和寻径网络算法的信息可视化软件，它能提供多种功能以促进对网络和历史模式的理解[13] [14]。VOSviewer用于构建和可视化文献计量网络，并提供文本挖掘功能，它擅长演示可视化结果，但不善于通过时间展示领域的演化路径[15]。本文通过整合CiteSpace和VOSviewer的优势，绘制文献计量图谱，探索用户体验领域的核心引文、主题、热点、前沿和演进路径。此外，还利用SPSS和BICOMB制作战略坐标图谱，以定量的方式揭示用户体验领域的研究质量。

2.2. 数据来源

文献来源于ISI科学信息研究所的WOS网站，数据库为Web of Science核心合集。文献涵盖人文、人体工程学、信息工程、艺术、应用心理学等学科，但不包括诊断、治疗、外科等专业医学文献。

3. 统计与分析

3.1. 合作网络分布

通过人工比较分析并去除不相关结果后，通过采用多种检索算法准确检索用户体验的相关文献并确保可信度。用户体验关键词被确定为标题检索(TI =“user experience”)，时间范围为2003年至2023年，文档类型为文章与综述，语言为英语。每条文档包括作者、机构、摘要、关键词、出版年份和参考文献等信息。原始数据从WOS网站下载并处理，共1625篇文章保存文档。

3.2. 基于共词分析的学科研究主题分布

将所得到的数据通过普莱斯公式计算得9.112，取数字9，在Vosviewer中设置值为9，计算有70个核心关键词，合并或排除重复且无意义的词，取166个关键词，进行可视化分析，所生成关键词共现图谱见图1所示。

Figure 1. Keyword co-occurrence evolution map

图1. 关键词共现演化图谱

3.2.1. 用户体验技术发展

本部分关注用户体验领域的最新研究热点，特别是用户体验与虚拟现实(virtual reality)、机器学习(machine learning)、移动设备(mobile)结合的技术应用研究。虚拟现实指由计算机生成的特殊环境，用户通过特殊装置“投射”到该环境中进行操作[16]。虚拟现实应用程序的交互被称为注意资源，用户通过手点击鼠标和眼睛观察虚拟环境，将信息传递给大脑。如果用户在使用时感受到积极的体验，他们会体验到身临其境的感觉[17]。在具体应用方面，Nikiforos M等人通过比较高端的Oculus Rift设备和更实惠的智能手机VR头盔，发现基于移动设备的虚拟现实系统可以提供可接受的沉浸式用户体验，并有助于虚拟现实在教学中的应用[18]。

3.2.2. 用户体验方法应用

本部分以模型(model)为主，结合用户体验质量(QoE)和服务质量(QoS)等关键词，探讨用户体验领域的方法应用研究。早期研究中，研究者将服务质量定义为顾客对服务优劣的总体判断，并开发了相应的模型测量服务质量[19]。其中，SERVQUAL是最广泛使用的量表，包含有形性、可靠性、反应性、保证性和同理心五个维度[20]。后来的研究中也有学者提出服务质量的概念主要适用于服务行业，但它一直是市场营销相关研究的焦点[21] [22]。而在感知方面，Thüring M和Mahlke S构建了用户体验构成模型(CUE模型)，该模型包括技术特征感知、非技术特征感知和情绪反应等[23]。

3.2.3. 用户体验满意度

本部分主要探讨满意度(satisfaction)和忠诚度(loyalty)在用户体验领域的研究。上世纪50年代，Drucker提出创造顾客满意是企业的关键任务[24]。后来一些学者认为顾客满意度是一种情绪反应，受用户的愉悦感、期望、体验评价和兴趣的交互作用影响[25] [26]。Reynolds等人最早提出服务消费环境中的忠诚概念，将其定义为重复消费的行为[27]。美国资深营销专家Jil Griffin认为，顾客忠诚度是指顾客出于对企业或品牌的偏好而经常性重复购买的程度[28]。许多学者研究发现，顾客满意度与忠诚度显著正相关，满意度越高，忠诚度越强[29]-[31]。

3.2.4. 用户体验可用性调查

可用性(usability)是人机交互和用户体验领域的重要概念，被认为是决定任何供人类使用的产品、系统或服务质量的关键因素，直接影响其成败和用户忠诚度[32] [33]。Hala将可用性视为用户体验的子集，并定义其为用户体验的核心[34]。Følstad和Rolfsen根据ISO 9241-11的可用性定义，将可用性与用户体验的关系划分为：(a) 可用性是用户体验的度量，(b) 用户体验是可用性满意度的一部分，(c) 用户体验与可用性相辅相成[35]。Mahlke的测试显示，高可用性和高美观性的设计能获得最高评价[23]。

3.2.5. 用户体验行为

本部分讨论了行为(behavior)、情感(emotion)等用户体验设计的关键方面。行为和情感在用户体验研究中关系密切。Brandstätter等认为，基于行为决策理论的模型侧重于人类判断和决策中的认知错误和启发式，但忽略了情绪在决策中的作用。单一的认知视角不适合分析人类对用户体验的决策行为，需要考虑用户在决策时的情感状态[36]。Logan将可用性定义为行为可用性和情感可用性[37]。Van Gorp和Adams认为，从情感角度出发的设计能够深刻影响整体用户体验，根本原因情绪在一定程度上能够影响人们的决策、注意力、记忆和意义的产生[38]。情绪并非“凭空”出现，它是给定刺激及其评估的副产品，受到先前情绪状态或个人特征、性格和背景因素的影响[39] [40]。设计师应根据用户的信息创建更新的技术，以不断带来新的情感体验[41]。

3.3. 基于时间的用户体验研究演化路径分析

3.3.1. 年限

用户体验研究可以分为三个特定的时期。用户体验年发文量见图2，可以看出，2003年至2010年为起步探索期，年发文数量不多，呈交替发展趋势，没有明显增长。2010年至2018年为稳定发展期，年发文量缓慢增长。2018年至2023年，研究文献呈爆发式增长趋势，互联网平台的用户体验和服务体验成为研究新趋势。2019年Covid-19疫情爆发导致2020年学术论文数量增幅量少，但2021年用户体验研究再次暴增，显示出这一领域的持续重要性。

Figure 2. The number of UX literature published annually

图2. 用户体验文献年发文量

3.3.2. 时区演化

为梳理用户体验领域的研究演化过程，本研究将规范处理后的1625条文献数据加载到Cite Space软件(6.2 R2版本)中进行时区演化图谱的绘制，从而在时间维度上可视化展示各个关键词的演化过程。具体的参数设置为：选择网络节点的时间切片(Time Slicing)标准为1年；节点类型(Node Types)设置为Keywords；设置每个切片中保留频率最高的前10%关键词；选择Pathfinder对图谱中的细小分支进行修剪，以保证图谱的可读性。结果如图所示：一个圆圈节点代表一个关键词，节点越大表示关键词出现的频率越高；线条表示关键词之间存在联系；关键词所属时区以该关键词首次出现的时间为依据进行划分(每1年为一个时区，共21个时区)。见图3可知，依据主题关键词所在的时区位置，可以将用户领域在过去21年间的研究演化过程划分为早期、发展期以及成熟期。

Figure 3. Atlas of UX time zone evolution

图3. 用户体验时区演化图谱

第一阶段：早期(2003~2010)

在这一阶段，用户体验研究处于起步阶段，研究方法和术语尚未标准化。研究主要集中在收集用户对产品和服务的反馈，通常通过调查、访谈和可用性测试来进行。可用性测试包括观察用户与产品或原型的互动，以发现用户遇到的困难和障碍。研究人员记录用户的行为和反馈，分析数据以确定模式和趋势，并据此改进产品的可用性和功能[42] [43]。在用户体验研究的早期，重点在于理论层面的交互内容和理论研究。

第二阶段：发展期(2010~2018年)

在这一阶段，随着ISO 9241-210等行业标准的建立，用户体验研究变得更加标准化[44]。研究领域扩大到用户体验质量、人机工程学技术和网络等，并开始测量用户体验对商业结果的影响，如用户满意度和忠诚度。指标如Net Promoter Score (NPS)和Customer Effort Score (CES)被用来衡量用户体验对这些因素的影响[45]。研究人员也开始探索用户体验的情感方面，包括用户对产品和服务的感知和信任度。研究方法如用户体验地图和用户界面满意度问卷(QUIS)等被用来深入了解用户对产品和服务的表现[46] [47]。

第三阶段：成熟期(2018~2023年)

在这一阶段，用户体验研究变得更加复杂。随着新技术的发展，用户界面设计在用户体验中扮演着越来越重要的角色。设计过程中需要注重用户的操作习惯和认知规律，并与环境场景相匹配，以提供更自然、高效、直观的交互体验[48] [49]。此外，互联网络和社交媒体的使用和数据成为重要的用户行为和反馈指标，帮助企业和设计师了解用户需求和行为，从而提升用户体验[50] [51]。用户体验在成熟期的研究表现得新颖且成熟，在具体应用层面则表现得更加全面和细致。

3.4. 基于战略坐标图的研究质量分析

将筛选后的文献从中国知网导出后，利用Bibcomb提取关键词，共得到4830个关键词。删除无关联词和主题词，并合并部分近义词后，对剩余关键词进行频次统计分析。根据普莱斯定律计算得出关键词频阈值为5.922，取整数6，将频次在6次及以上的38个关键词作为分析对象。通过Bicomb形成38 × 38的共词矩阵，并将矩阵导入IBM SPSS Statistics 27软件，采用系统聚类的统计分析方法，使用组内连接和Ochiai分类标准化处理，绘制出近20年国内用户体验领域的树状聚类图见图4，将38个关键词的研究主题划分为6个主题类团，主题类团聚类结果见表1。由图谱可知，可用性(Usability)，虚拟现实(Virtual reality)，人机交互(HCI)，体验质量(Quality of Experience)，用户界面(User interface)出现频次排前五，属于出现频次高的关键词，表明这些词经常处于用户体验领域研究一线，表征领域研发热点。

依次计算6个主题类团的密度、向心度及战略坐标位置：计算各主题类团内部每个关键词与其他关键词的共现次数，并取平均值作为各类主题的密度；计算某类主题内部的关键词与其他主题类团中的关键词的共现次数，并取平均值作为该主题的向心度。以密度和向心度的值为坐标原点，每个主题类团的坐标值即密度或向心度与均值的差值，具体计算方法如下：

$密度=\frac{1}{n}\times {\displaystyle {\sum }_{i,j\in K,i\ne j}{F}_{ij}}$

$向心度=\frac{1}{N-n}\times {\displaystyle {\sum }_{i\in K,j\notin K,i\ne j}{F}_{ij}}$

F_ij是关键词i与关键词j的共现次数，K为某一类团，n为该类团中所含关键词的数目，N为高频关键词总数。

为了视图的清晰和完整，在密度和向心度计算后，将每个类团的密度和向心度数值进行了数据标准化，横轴选用向心度标准化后的数值作为X值，纵轴用密度标准化后的数值作为Y值，坐标见图5。

Figure 4. UX keyword tree clustering diagram

图4. 用户体验关键词树状聚类图

Table 1. High-frequency clustering results

表1. 高频次聚类结果

主题类团	高频关键词
人机智能交互	task analysis, visualization, artificial intelligence, HCI, interaction, usability, smartphone, survey
用户体验质量	quality of experience, quality of service, user study, user interface, eye tracking, user satisfaction, ubiquitous computing, Internet
用户体验设计	user value, product design, user experience evaluation, EEG, user centred design, user experience design
用户内在体验	experience, design, emotion, flow experience, trust, social media
用户动机	motivation, immersion, COVID-19
虚拟现实交互	machine learning, text mining, virtual reality, presence, augmented reality, engagement, evaluation

Figure 5. UX research strategy coordinate map

图5. 用户体验研究战略坐标图

3.4.1. 第一象限：人机智能交互与用户体验质量主题类团

1) 人机智能交互主题类团的研究内容

人机智能交互主题类团包括8个关键词，主要涉及人机交互和智能手机交互研究。例如，Torkil等人系统研究了用户体验活动理论在HCI研究中的应用[52]。人机智能交互类团研究解析了用户体验技术理论和应用，旨在将用户体验与现有的人工智能和计算机等先进技术相结合。

2) 用户体验质量主题类团的研究内容

用户体验质量主题类团包含8个关键词，主要涉及云网络和服务体验质量等方面。例如，Jeong等人探讨了基于用户体验的服务组合模型在Ubi-Cloud环境中的应用[53]。Young研究了用户在高速公路服务区使用多功能设施时的服务质量体验，并尝试开发指标体系来衡量用户体验[54]。用户体验质量类团的研究旨在归纳用户体验和评价，聚焦用户需求和感受，最终提高产品和服务的质量和用户满意度。

第一象限总结

人机智能交互与用户体验质量主题类团位于第一象限，表明它们的向心度和密度值都相对较高，即这两类团与其他类团关联紧密，且内部联系也十分紧密。这表明人机交互和体验质量等研究是用户体验领域的研究热点，并且具有较高的成熟度，不易衰退。现阶段，人机智能交互和用户体验质量研究呈现多学科交叉融合的态势，但这也导致了内部评价指标不统一。这两类研究涉及多个学科，如计算机科学、心理学、设计等，不同的应用场景和用户群体的需求也会导致评价指标的变化[55]。为解决该领域中的多重标准问题，有学者提出了跨文化用户界面设计(IUID)的方法用以解决该领域当中多重标准的问题[56]。

3.4.2. 第三象限：用户体验设计、用户内在体验与用户动机主题类团

1) 用户体验设计主题类团的研究内容

用户体验设计主题类团包含6个关键词，主要涉及用户设计和用户评价等方面。例如，Sukamto等人提出了一种三阶段的UCD方法(理解阶段、设计阶段和评估阶段)以增强门户网站的用户体验[57]。Park和Han以智能手机为例，利用价值抽样方法(VSM)评估用户体验中的用户价值[58]。用户体验设计类团研究旨在分析用户体验的方法和设计活动，了解用户对产品或服务的使用体验，从而设计出用户喜欢并愿意继续使用的产品或服务。

2) 用户内在体验主题类团的研究内容

用户内在体验主题类团包含6个关键词，主要涉及体验和情感等方面。例如，Cao等人以饮料无人零售终端为例，通过基于产品情感理论的设计，有效提升了用户的感知价值和情感满意度[59]。Matin等研究采用演绎方法，社交媒体的参与度都对客户的信任度和购买意图产生积极影响[60]。用户内在体验主题类团的研究深入讨论了影响用户体验的因素，重点在于体验，旨在提供改善用户体验的方法和策略。

3) 用户动机主题类团的研究内容

用户动机主题类团包含3个关键词，主要涉及动机和沉浸等方面。例如，Omar等人通过两款教育类型的工具对比，发现可用性和用户体验与学习动机之间存在很强的正相关性[61]。Chang证明了用户体验(用户满意的体验、有用的体验、设计满意的体验)对用户沉浸感有显著的正向影响[62]。用户沉浸体验主题类团的研究解析用户参与，旨在了解影响用户体验和行为的因素和过程。

4) 第三象限总结

用户体验设计、用户内在体验和用户动机主题类团位于第三象限，表明这三类主题的向心度和密度较低，类团与外部联系少，独立性强，且内部结构松散。这反映出当前对体验设计和用户情感体验等领域的研究热度不高，研究人员较少且研究不够成熟，没有形成系统的体系，但具有极大的发展空间。

3.4.3. 第四象限：虚拟现实交互主题类团

虚拟现实交互主题类团包含7个关键词，主要涉及虚拟现实和机器学习等方面。例如，Goncalves等人通过大量文献调研发现，高真实性的沉浸式虚拟体验对用户体验有积极影响[63]。Lopes等人研究了一种多角度的以人为本的机器学习工具，并探讨了用户使用该工具时的体验[64]。虚拟现实交互研究扩展了用户体验在VR和计算机领域的应用。

虚拟现实交互主题类团位于第四象限，表明该主题类团具有较高的向心度和较低的密度。这意味着该领域内部结构紧密，但在用户体验研究中的成熟度较低，与其他领域的联系不足。然而，无论是VR还是机器学习，都是当前新兴的研究主题，处于用户体验领域的核心位置，具有较大的研究潜力。

4. 研究总结与展望

4.1. 客观性–主观性的转变

从工业设计的发展历史来看，早期工业设计重视功能与效率，强调物的客观性而忽视人的主观性[65]。亨利·德雷夫斯对人体工程学的推动和发展使设计开始关注个人体验，强调设计需要符合人体的基本要求[66]。日本感性工学的出现使设计逐渐不再以功能为主要目的，而是开始关注精神层面的需求，将人的主观性与客观性结合[67]。诺曼提出的“用户体验”观念更是将设计的主观性提升到新的高度，他将其界定为人们的主观心理体验，并分为本能层、行为层和反思层三个层次[68]。辛向阳通过解读体验本质，提出了“体验作为设计对象”和“从用户体验到体验设计”范式转变的学术观点，加深了对用户体验主观性的体现[69]。

见图1关键词共线图谱中色块区域以及关键词出现频次可以看出，目前用户体验领域的处于用户体验可用性调查、满意度以及信息化、技术发展等主观和客观相结合的态势，但主观方向的研究占据主流地位，这与设计的历史发展脉络不谋而合，即呈现出一种由客观性向主观性转变的态势。

4.2. 定性–定性与定量相结合的转变

见图2年发文量可以发现用户体验领域发文量近些年呈现急剧上涨态势，这也代表目前该领域研究在学术界和社会具备较高热度，且随着众多新兴科技的应用，用户体验的发展空间将会得到不断地拓展。

传统的用户体验研究主要以定性研究为主，面临着用户体验的不确定性与其他相关概念(如可用性、易用性、满意度等)边界的模糊也成为了用户体验中的一大挑战[70] [71]。大多数学术研究人员倾向于从定性角度研究用户体验，而企业设计师和实践团队则希望采用定量化、标准化的工具和方法，让用户体验能够被精确度量[72]。这两种研究视角在实际过程中融合不充分，导致用户体验理论研究与实践研究之间存在巨大鸿沟。

结合图2以及图3时区演化图谱可以看出，用户体验领域的研究过程可以分为早期、发展期和成熟期三个阶段。通过对图3当中的关键词共现频次的研究可知，随着技术进步和用户期望的变化，信息数据、互联网、虚拟现实等技术不断的融入用户体验领域当中，随着人工智能技术的加入以及快速发展，互联网大数据结合人工智能应用于用户体验研究将逐渐成为主流[73]。这意味着用户体验研究将趋向于定量与定性相结合，更加精细的用户分析使得个性化和情境化的用户体验设计成为可能[74]。

4.3. 注重用户–注重体验的发展

工业化生产改变了人和人为事物的关系。技术的发展和专业分工的加剧，使工具变成了越来越复杂的机器，制造者和使用者也逐渐分离，人为事物与人的关系开始走向对立。人的生活在一定程度上沦为流水线上的标准化流程。然而，随着各种使能技术的迭代更新，人机关系一直在快速演变，从原先的人机共存逐渐发展为人机交互、人机合作，最后到人机协作[75]。技术一直在发展，但需要与人维持平衡，使其回归本来的角色——即为人的生活服务。因此，从技术发展的角度来看，要为人们的生活提供长期、紧密和深入的附加价值，就必须强调通过设计塑造一个“以人为中心”的用户体验的必要性[76]。

见图5战略坐标图可以看出，目前人机智能交互、用户体验质量和虚拟现实交互等技术层面的研究较为活跃，而对用户内在体验和用户动机等体验层面的研究存在明显缺口。通过研究提升用户体验设计的个性化和主观性有其必要性，但在多学科交叉的复杂研究环境中，需要加大对体验层面的研究力度。

4.4. 研究展望

本文通过大量文献共引分析，对国外用户体验研究的研究方向进行了评价。从发展趋势来看，未来用户体验领域的发展将呈现多学科交叉的态势，多集中于设计学、计算机科学、心理学等学科的跨领域构建[77]。并且随着人工智能、大数据等技术的驱动，其研究方法也将不断创新，不仅能够更好与其他领域交叉融合，且其用户体验研究质量更高，更加的客观全面，能够提取更细粒度的用户体验，而使整个用户体验领域也会进一步呈现出研究细分，热点分化的趋势。在研究方法越来越客观的同时，该领域的研究内容却会不断地主观化，其重点在于人的主观感受与个人体验，将形成更加个性化的发展趋势。