在进行可用性测试的时候，为了保证测试的有效性，必须考虑诸多因素。主要的因素有：

　　● 如何选择测试参与者

　　● 需要多少参与者

　　● 研究比较多组数据还是单组数据

　　● 是否需要调整测试任务顺序

　　其中，如何选择测试参与者是保证测试有效性的首要条件。

　　在做可用性测试的时候，经常会有这一类的思考：如何保证被测人员的代表性?在实际操作中，一般我们会从下面4方面来做，

　　首先，我们会找那些使用过被测试产品的参与者。举例来说，我们需要测试魔兽金币购买流程，我们第一个筛选条件是要求有过魔兽金币购买经历。出于补充或者对比的需要，我们也会选择一些潜在的用户，如没有交易过，但是使用过相关产品，像魔兽资深玩家的参与者来参与测试，这个我们后面会提到

　　其次，我们会选和用户群体特征相近的人。根据统计的报告，从事游戏交易的用户群体特征为：年龄：18-32岁，学历：高中-大学，性别：男性绝大多数。因此，我们会选择20岁左右，大专学历，男性游戏玩家来参与测试。以符合用户群体特征

　　第三，考虑到目标用户群体的多样性，我们有必要对参与测试人员进行分类，我们按分类抽取测试对象，以降低测试对象的局限性。如何抽取我们下面会讨论。一般分类的标准有：(以购买为例)

　　● 专业化(游戏熟练程度)

　　● 使用频率(最近购买次数)

　　● 行为(购买方式)

　　● 个体属性(年龄、性别、学历)

　　等等。

　　其中，和我们测试密切相关的分类标准有：专业化和使用频率。

　　因此，我们在筛选的时候会选择一定数量的其他分类用户，如：按照游戏熟练程度：刚接触游戏，2年左右游戏经历和4年以上游戏经历用户;或者按照使用频率：没有购买过，以前购买过几次和经常购买的用户。来降低测试对象局限性。

　　第四，定量的可用性测试是为了把结果推广到更大的群体(全体用户)，为了达到这个目标，我们还需要一个抽样的策略，以消除个体差异，提高代表性。常用的抽样方法有：

　　● 随机抽样：从所有参与者中随机找一个

　　● 分层抽样：将整体进行分类(同第三点)然后按照分类在各亚群体中有代表性的抽取。如：未接触过游戏的10%，刚接触游戏的30%，2年左右游戏经历的30%，4年左右游戏经历的30%.这个最具有代表性。

　　● 系统抽样：根据预习定义的标准选择测试者，这个一般用于同类数量比较大的情况，如：有100个参与者，但是条件限制只能测试10个，这样我们根据10选1的标准选择被测试者

　　● 方便抽样：这个在人数少的时候最常用，我们设定一个简单的条件，符合条件的，都可以参与测试，有点“来者皆有缘”的意味。但是这个方法要注意测试结果的偏差情况

　　考虑到上述四点以后，我们可以说的被测人员的代表性是有保证的。欢迎有不同意见的TX拍砖或者补充。

　　另外，在选择参与者的时候，请注意和需求提出方及时沟通，和需求提出方在被测对象选择方法和选择范围上达成一致。并把选择策略写入测试报告，以便在对测试报告解读时提供支持。