基于Kano模型的政府数据开放平台>用户体验要素分类研究

朱红灿 胡 新 李顺利

(湘潭大学公共管理学院，湖南 湘潭 411105)

2009年美国奥巴马政府宣布实施《透明和开放的政府》、《开放政府令》(《电子化政府执行策略》)等法案并上线美国数据开放平台Data.gov掀起了政府开放数据的浪潮，世界各国纷纷跟紧脚步加快推进自己国家的政府数据开放进程，建设国家级政府数据开放平台，如Data.gov.uk(英国政府数据开放平台)，Data.gov.au(澳大利亚政府数据开放平台)。为缩小我国与其他国家政府开放数据的差距并切实有效地实现政府数据开放，我国陆续出台了《促进大数据发展行动纲要》、《国务院关于印发促进大数据发展行动纲要的通知》、《政务信息系统整合共享实施方案》等一系列纲要、意见以及方案。并从2012年上半年到2017年上半年陆续上线了10多个符合开放政府数据基本特征的地级以上政府数据开放平台[1]。政府数据开放平台是政府开放数据的一种形式，是推动政府开放数据发展不可或缺的有效手段，应《国务院关于印发促进大数据发展行动纲要的通知》的要求，我国要在2018年年底前完成国家政府数据统一开放平台的建设[2]。为了建设一个尽可能符合大众需求、注重用户获取体验满意程度的政府数据开放平台，对政府数据开放平台体验要素进行分类并识别出关键要素，针对性地依据用户体验优化政府数据开放平台显得尤为重要。

1 文献回顾

1.1 政府数据开放平台

国外学者对政府数据开放平台的模型框架、价值与评估等方面进行了有益的探讨。Sieber R E等[3]基于政府与公众之间的关系变化，提出了4种可能的未来应用开放数据模型。Wang H等[4]提出了一个整合技术—组织—环境框架的研究模型，并且发现了政府机构在认知效益、组织准备度、外部压力和开放政府数据采纳方面的重要积极关系。Jetzek T等[5]提出一个系统分析开放政府数据经济和社会影响的战略框架。Alexopoulos C等[6]提出了一种基于价值模型估计来确定开放政府数据价值生成机制的方法，描述了政府数据开放平台开放政府数据的价值生成机制，并验证了系统变量与价值生成之间的关系。Solar M等[7]提出了一个模型来诊断公共机构在技术、公众、组织、法律法规和外部用户方面追求开放数据原则和实践的成熟度和能力。Kassen M[8]从法律基础设施、政治和经济环境等方面评估芝加哥的开放数据项目。

国内方面，杨瑞仙等[9]将我国7个代表性地方政府数据开放平台与美国政府数据开放平台对比分析，发现国内平台数据量少、实用性和规范性差、缺乏完善与系统的数据描述，对此提出若干对策。曾粤亮[10]总结了英国政府数据开放平台交通数据与开放的经验及不足，为我国政府开放交通数据提供启发。岳丽欣等[11]构建了政府数据开放平台评价体系对已有平台进行评价，明确目前平台建设的缺点，为国内平台建设提供参考。黄如花等[12]从总体情况、资源建设、数据组织与检索、数据服务4个方面对我国13个地方性政府数据开放平台建设现状进行分析并在此基础上提出改进建议。谭必勇等[13]从宏观结构角度对我国10个代表性开放平台数据质量现状进行研究，就如何提升数据质量给出建议。

1.2 用户体验

概括来讲，用户体验(User Experience，UE)是指人和产品交互时产生的不同的体验，包括用户所感觉到的需求被满足的程度、用户赋予产品的意义，以及在此过程中产生的感觉与情感[14]。随着新技术的层出不穷，李君君等[15]认为，政府网站用户体验是指用户在访问平台网站的过程中，对网站界面、功能、操作方便性、交互性等方面建立起来的纯主观的心理感受，是用户本能、心理以及行为的综合体现，是交互过程中用户内在状态、系统特征与特定情景相互作用的产物[15]。

学者们从不同的角度探讨了用户体验的构成。如Vyas D[16]等学者提出的用户体验APEC模型包括审美、实用、情感和认知4要素。Morville P[17]等提出的用户体验蜂窝模型，由有用性、可用性、满意度、易寻性、可信度和可获取6个要素构成。王晓艳等[18]根据信息系统帮助用户达成目标的有效程度，将用户体验划分为功能体验、技术体验和美学体验3个层次。崔竞烽等[19]学者将图书馆微信公众平台的用户体验划分为感官接受度、内容吸引度、任务完成度、心理愉悦度及使用受益度5个维度。蒋立兵等[20]学者提出了微课体验用户体验模型，以实现微课的应用价值为核心，包含功能体验、效能体验、交互体验及美学体验4个层次和可用性、合意性、引导性、可靠性、泛在性及交互性6个要素。

上述模型显示了技术系统中用户体验的构成要素，并在与Web服务平台相关的用户体验研究如对信息系统、微信平台、微课等研究方面得到了拓展与应用。然而，国内外政府数据开放平台相关研究侧重于平台的实践与建设，与政府数据开放平台用户体验相关的研究并不多见。随着中国政府数据开放平台的不断深化，使用用户的不断攀升，同时用户体验直接影响到用户对政府数据开放平台的接受程度和满意程度，因而对政府数据开放平台用户体验的研究是必要的。因此，本文针对现有研究的不足，将Kano模型的分析方法引入政府数据开放平台用户体验要素体系的构建中，引入Kano模型以期从用户体验的角度出发帮助政府了解用户需求，识别用户体验的重要要素，对政府数据开放平台的改进工作提供指导。基于Kano模型的思想，并不是直接测量，而是基于用户满意度的角度对影响要素进行分类，向政府数据开放平台的使用者分析问卷，统计来自多方面的评价，对政府数据开放平台用户体验的基本要素、关键要素和可改进要素进行有效甄别和划分。

2 政府数据开放平台用户体验要素的确定

借鉴用户体验的概念，政府数据开放平台用户体验是指用户在利用数据开放平台下载和使用政府免费向公众开放的政府数据过程中，对平台界面、功能、操作方便性、交互性等方面建立起来的纯主观的心理感受，是用户本能、心理以及行为的综合体现，是交互过程中用户内在状态、系统特征与特定情景相互作用的产物。

政府数据开放平台除具有其他Web服务平台的共同特点外，亦存在其自身的独特功能和特点，因而，本文将依据政府数据开放用户体验的概念和胡昌平等[18]提出的用户体验模型，依据帮助用户达成目标的有效程度，将政府数据开放平台用户体验划分为美学体验、功能体验、效能体验及交互体验4个层次。

美学体验描述了政府数据开放平台“能否使使用者身心愉悦地达成目标”。包含能让用户更好更快地寻找到所需数据的要素，比如，赏心悦目的分类图标和良好的界面布局都能使得用户身心愉悦，数据分类导航就可以让用户一目了然哪类数据是自己所需的。

功能体验描述了政府数据开放平台“能否让用户实现下载所需数据的目标”。包含能让用户下载到所需数据的要素，比如，庞大的数据量和实时更新的数据才能满足广大用户不同时间的多方位数据下载需求。

效能体验描述了“通过政府数据开放平台下载的数据能否帮助用户实现目标”。包含下载数据后有助于用户实现目标的要素，比如，下载的数据能够自由利用是用户实现目标的基础。

交互体验描述了政府数据开放平台“能否提供符合其认知规律的交互方式，帮助用户实现目标”。包含用户与政府数据开放平台或其他用户间的相互作用的要素，比如，具有评价功能和能够提建议都是我们熟知的网络常规交互方式。

依据这4个体验层次，结合郑磊等[21]等学者对开放政府数据平台进行评估的指标体系，最终筛选出政府数据开放平台用户体验要素，具体如表1所示。

表1 政府数据开放平台用户体验要素

3 基于Kano模型的政府数据开放平台用户体验要素的划分

3.1 Kano模型与政府数据开放平台用户体验要素的联系

日本东京理工大学质量管理领域的Noriaki Kano教授和他的同事在行为科学家赫兹伯格的双因素理论的启发下，于20世纪70年代第一次将满意与不满意标准引入到质量管理领域，采用二维模式来认知质量，提出了著名的Kano模型。Kano理论的实质是按照用户体验对构成产品质量评价的各要素进行划分，把满足合格产品的基本要素和吸引顾客更加满意的要素进行区分。这与笔者对政府数据开放平台用户体验要素的划分不谋而合。Kano模型依托不同类型的质量特性与满意度之间的关系(见图1)将产品或服务因素划分为以下5种类型:魅力因子、一维因子、必备因子、无差异因子、反向因子[22]。根据Kano理论的二维质量模式的基本原理，结合政府数据开放平台的用户体验要素，作如下分析：

图1 Kano模型

3.1.1 魅力因子

也叫吸引因子，该因子是一种“惊喜”或“惊奇”的特性，政府数据开放平台在这类因子上表现越充分，用户体验满意度越高，不充分或未改进也不会引起不满。

3.1.2 一维因子

也叫期望因子，该因子与政府数据开放平台用户体验满意程度成正比例的关系，其程度越高用户体验越好，平台在这类因子上超出用户期望越多，用户越满意，反之亦然，改进此类因子是提升平台用户体验满意程度的有效方式。

3.1.3 必备因子

也叫基本因子，是用户对政府数据开放平台的基本要求，如果这些要求没有得到满足，用户将会非常不满意。相反，如果这些要求得到了满足，用户也不会因此产生更高的满意度。改进此类因子，对满意度的提升没有显著效果，却能有效减轻用户不满。

3.1.4 无差异因子

也叫无关因子，指政府数据开放平台用户体验中既不好也不坏的方面，它们不会导致用户满意或不满意。

3.1.5 反向因子

也叫逆向因子，指引起政府数据开放平台用户强烈不满的因子，改进此类因子，可以大幅降低不满意。

由以上依据Kano理论的因子分析可知，并不是所有要素的程度都越高越好，有些要素是无关或者起反作用的，必备因子是用户对政府数据开放平台的基本要求，仅仅满足基本要求并不能使政府数据开放平台用户体验满意程度更高，一维因子和魅力因子的改进才是提升平台政府数据开放平台用户体验满意程度的有效方式。

3.2 政府数据开放平台用户体验要素的Kano划分

在政府数据开放平台用户体验要素中引入Kano理论来进行分类，能很好地按照用户感受区分各要素。为使研究结果更具有科学性，本文将通过实际调研和统计分析，用具体数据做依托，结合Kano传统分类和Better-Worse分类方法，对政府数据开放平台用户体验要素进行分类，再通过灵敏度排序需改进要素并筛选政府数据开放平台用户体验的关键因素。

3.2.1 数据收集与方法遴选

1)问卷设计

卡诺问卷的设计思想是从正反两方面提问，以便了解用户对某一要素改变前后的感受。以表1的政府数据开放平台用户体验的要素为依据，对这其中的某一要素进行正反两面的提问，问题区分为“我喜欢这样”、“理应如此”、“我无所谓”、“我能忍受”、“我讨厌这样”5项，针对每份问卷，每一要素的配对正反向问题可得到5×5种可能的回答组合。所有可能出现的回答组合所属分类如表2所示。“A”代表“魅力因子”，“O”代表“一维因子”，“M”代表“必备因子”，“Q”代表“可疑因子”，“R”代表“反向因子”，“I”代表“无差异因子”。

表2 Kano分析的典型质量分类

2)问卷调查与数据收集

由于问卷题项较多，共计45个正反配对问题项，且要求问卷填写者必须使用过政府数据开放平台。为保证问卷质量，我们采用QQ、微信、微博等方式有偿征集了500位问卷填写者，询问此500人对政府数据开放平台的了解情况，其中有86人被确认为没有使用过政府数据开放平台或使用过但了解程度不够，然后通过QQ、微信和电子邮件3种方式给剩余的414人发放问卷，回收401份，筛选后共得到386份有效问卷。有效问卷正反向问题的Cronbach α系数分别为0.937和0.920，均大于0.9，内部一致性良好；KMO值分别为0.734和0.805，累计方差贡献率分别为63.756%和67.443%，结构效度良好。因此，问卷可用于Kano模型分析。

3)Kano问卷分类方法遴选

回收所有有效问卷后，需要对各要素做最终分类处理。传统的Kano分类是将问卷答案整理后进行频数统计，频数最高的类别则是该要素最终的分类，示例如表3所示。

但是这样分类的缺点是：当各类频数极为接近甚至相等时，将无法进行明晰的类别划定。Better-Worse分类方法弥补了传统分类的缺陷，通过计算所有要素的Better-Worse系数，构建所有要素系数对应的散点图，并将散点图划分为4个象限，如图2所示。

表3 Kano分析的传统分类示例

图2 Better-Worse系数散点图

落在第一象限的要素Better值和Worse值都在0.5水平以上，属于一维因子；在第二象限中，Better值高于0.5水平，Worse值在0.5水平以下，落入此象限的要素称之为魅力因子；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值则在0.5水平以上，落入这两个象限的因素分别称之为无差异因子和必备因子。Better值表示提供某要素或该要素充足时，用户体验的满意度会提升，且值越大，满意度上升的越快；Worse值表示不提供某项要素或该要素缺乏时，用户体验的满意度就会降低，且值越大，满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分类方法无法对问题因子和反向因子进行有效识别。因此，本文结合传统分类方法和Better-Worse分类方法，通过传统分类识别可疑因子和反向因子，对剔除可疑因子和反向因子后的剩余要素通过Better-Worse分类法进行分类。此外，可疑因子是指有疑问的结果,用户的回答一般不会进入这个类别，除非这个问题的问法不合理，或者是用户没有很好地理解问题，亦或是用户在填写问题答案时出现错误，当出现这种情况的时候就需要检查该问项是否合理。

3.2.2 政府数据开放平台用户体验要素的Kano分类

首先，采用传统分类方法对问卷答案中各类要素的频数进行统计，可以根据占比大小，识别可疑因子和反向因子，结果如表4所示。

表4 政府数据开放平台用户体验要素频数统计

由表4可知，“获取数据是否需要注册”(16)和“注册复杂程度”(17)的反向因子频数分别为214和366，均大幅度高于该要素其它类的频数。因此，“获取数据是否需要注册”和“注册复杂程度”属于反向因子。

剔除反向因子后，再采用Better-Worse分类法计算政府数据开放平台用户体验的各要素的Better-Worse值，结果如表5所示，Better-Worse系数散点图如图3所示。由表4和表5可知，在45个要素中，7个属于魅力因子，26个属于一维因子，6个属于必备因子，4个属于无差异因子，2个属于反向因子。新用户操作指南、数据动态提醒告知、提供数据集统计功能、提供数据集预览功能、提供数据集可视化功能、提供地理空间工具、数据请求公开与投票7个因素属于魅力因子，这7个要素具备程度高则能大大提升用户满意；图文式分类图标、移动端界面适配、展现数据更新与下载动态、数据分类导航、提供按需排序功能、具有数据应用展示、提供开发者提交APP的功能、数据集评价功能、数据请求功能、建议反馈功能、是否设立社交媒体、持续增长、动态更新、开放授权、免费获取、非歧视性、自由利用、自由传播与分享、可机读格式、开放格式、API接口、元数据提供、元数据覆盖率、主题、部门、关键词26个要素属于一维因子，这26个要素表现越好用户越满意；提供站内数据搜索功能、易被搜索引擎发现、提供数据集订阅或收藏功能、单个数据集有唯一静态URL、数据数量、历史存档6个要素属于必备因子，这些要素缺失会引起用户强烈不满；标明平台数据总量、列明来源单位的数据总量、提供网站使用统计、数据应用的数量4个要素属于无差异因子，不会影响用户体验；注册和注册复杂度2个要素属于反向因子，它们的存在反而降低用户满意。

表5 政府数据开放平台用户体验要素Better-Worse分类

3.2.3 政府数据开放平台用户体验的改进要素及关键要素筛选

1)改进要素筛选

虽然通过传统分类和Better-Worse系数分类对政府数据开放平台用户体验的要素进行了分类，确定了每个要素是属于魅力因子、一维因子、必备因子、反向因子和无差异因子中的哪一类，并可以根据Kano模型的图形走势判断每一类对用户体验是正向影响还是负向影响，但却无法进一步判断哪些要素是需要改进的，也无法判断各要素的改进对用户体验的影响程度是怎样的。因此，本文参照赵平[24]筛选改进要素的方法，将各要素以Better值为横坐标、Worse值为纵坐标纳入政府数据开放平台用户体验改进因素敏感性比较矩阵中，以灵敏度“R”表示要素需改进的程度，定义灵敏度“R”为右侧的点到要素选择线的距离大小，要素选择线上的灵敏度为0，最大灵敏度为0.707。要素选择线，即以左下原点为圆点，以0.707(圆点到矩阵中心点的距离)为半径的1/4圆弧，将不同的改进要素进行分割，在要素选择线右侧的要素是可以实施改进的要素，并且离圆点越远的要素越需要重点改进，而在左侧的要素可暂时不予以考虑。图3中位于要素选择线右侧的44号(建议反馈功能)等36个要素是政府数据开放平台用户体验的改进要素，其灵敏度“R”大于0，改进要素具体灵敏度顺序表，如表6所示，其中绝大部分一维因子、必备因子和魅力因子都出现在改进要表中，对用户体验的影响比较强，有必要采取相应的改进策略对其改进。

2)关键要素筛选

为筛选政府数据开放平台用户体验的关键要素，本文提出关键要素选择线的概念，即以1.061为半径(圆点到矩阵右上顶点距离的3/4，即灵敏度R=0.707/2≈0.354)的1/4圆弧，将改进要素进行分割，关键要素选择线右侧的点的灵敏度在中等水平以上，是改进要素中的关键要素，要素选择线与关键要素选择线之间的点的灵敏度在中等水平以下，其改进优先程度低于关键要素。具体分割如图3所示。改进要素表中灵敏度排在前7位的是政府数据开放平台用户体验的关键要素，分别是建议反馈、数据请求、数据集评价、按需排序、数据更新与下载动态、数据分类导航和开放格式，其灵敏度均大于0.354，处于关键要素选择线右侧。其中开放格式要素属于效能体验，建议反馈、数据请求和数据集评价3个要素属于交互体验，提供按需排序、展现数据更新与下载动态和数据分类导航3个要素属于美学体验。

另外，无差异因子没有出现在改进要素表中，全部处于要素选择线左侧，对用户体验的影响力偏弱，在改进能力有限的情况下可以予以放弃。

图3 政府数据开放平台用户体验Better-Worse系数散点图及改进要素灵敏度比较矩阵

综上所述，将上文中Kano类型调研的分析结果加以总结，具体内容如表7所示。

表6 改进要素灵敏度排序

表7 政府数据开放平台用户体验要素的Kano类型分布

4 结 语

1)政府数据开放平台用户体验的关键要素分别是：建议反馈功能、数据请求功能、数据集评价功能、提供按需排序功能、展现数据更新与下载动态、数据分类导航和开放格式7个要素，是需重点关注的改进要素，均属于一维因子，在一维因子上表现超出用户期望越多，用户越满意，改进这些要素能有效改善政府数据开放平台用户体验。

建议反馈、数据请求和数据集评价这3个交互体验要素敏感度分列前3，是用户体验关键因素中的重中之重。我国政府数据开放平台处于建设初期，尚有很多需要弥补的缺陷，互动交流则能加速平台缺陷的弥补。建议反馈功能给用户在使用平台过程中及使用过后发表自己看法意见提供了场所，让用户有地方发言，让平台有意见可采纳，而不是一昧地闭着耳朵搞建设，切切实实地将政府数据开放落到实处，满足大众需求。数据请求功能则在用户找不到自己想要的数据的时候派上用场，倘若不提供此功能，用户千方百计搜索数据而不得寄希望于政府数据开放平台的时候，也定是失望而归，而提供此功能则能在一定程度上缓解该现象，让用户不至于觉得政府数据开放平台没作用、不作为。数据集评价功能能让用户意见不断累积，给后续使用平台的用户提供参考，减缓用户选择数据集时的疑虑。

提供按需排序功能、展现数据更新与下载动态、数据分类导航这3个美学体验要素也是重要的关键要素。平台提供按需排序和数据分类导航功能，能大幅度缩短用户找寻所需数据时操作平台功能的时间，让用户觉得平台是易操控的，界面设计是人性化的。展现数据更新与下载动态功能，可以缩短用户选择数据的时间，使用户不在不需要的数据上逗留。数据分类导航功能则能引导用户寻找所需数据，提升用户寻找数据的效率。

开放格式这个效能体验要素同样是重要的关键要素。数据开放格式直接关系到用户下载的数据能否直接使用，如不能直接使用还需要转换格式，开放格式多样则能免除这个困扰。

2)政府数据开放平台用户体验的改进要素中的魅力因子的15、13、43、14、10项(见表6)是灵敏度排在前5的要素，这些用户体验要素对用户有很大的吸引力，平台只要少量实现这些要素，是吸引用户、培养用户忠诚的重要武器。改进要素中的一维因子的1、33、38、28、37、32、3、31、23、30项(见表6)是灵敏度排在前10(除去7个关键要素)的要素，平台应注重提高这类体验要素的服务水平，这些要素的改善能较大地提高平台的利用率和满意度。改进要素中的必备因子的8、21、27、22、18项(见表6)，平台改进这类体验要素的服务水平，能有效减轻用户的不满意程度。

3)政府数据开放平台用户体验的反向因子注册和注册过于复杂会降低政府数据开放平台用户体验满意程度，反向因子的出现意味着这些要素对用户的体验产生了负向影响，不利于用户满意度的提高，根据Kano模型理论，剔除或简化“反向因子”特征将能减缓用户的不满意。当获取数据需要注册时，获取时间就会相应的延长，而注册过程越复杂，对用户耐心的挑战就越大。为了减缓用户的不满意，尽可能地优化用户体验，可以去除注册模块，不能去除的情况应尽量简化注册流程。

4)政府数据开放平台用户体验中的标明平台数据总量、列明来源单位的数据总量、提供网站使用统计和数据应用的数量是无差异因子，对政府数据开放平台用户体验满意程度影响不显著，在改善和优化政府数据开放平台建设时可据此合理配置资源。

综上所述，政府数据开放平台的建设可根据36个改进要素的重要性排序有的放矢地进行合理改善及优化，尽可能地满足广大用户的多方面多层次要求。根据Kano模型，政府数据开放平台用户体验要素与满意度之间不是简单的正反比关系，把重点放在关键要素上，则能事半功倍的提升用户体验满意程度。