技能介绍

解决什么问题

当你已经画好了 Figma 原型或上线了站点，下一步常是验证「做出来的东西用起来是否顺畅」：用户能不能在导航里找到入口、首次点击落点对不对、信息架构是否符合心智模型。UXtweak 把这类非引导式可用性测试与 IA 研究收进一个工具里，但它的产出边界很容易误读——任务成功率高不等于有人会付费，导航找得到不等于需求成立。这个技能要解决的是「在合适的环节用合适的研究方法，并把工具的硬限制提前讲清楚」。

技能如何工作

按需路由，而不是一上来套模板：

识别研究类型：卡片排序用于摸清用户如何归类内容，树测试用于判断导航的可发现性，首次点击与五秒测试分别对应点击落点与第一印象，原型／网站测试产出带成功率与耗时的任务式指标。
识别招募来源：自有 130 国用户面板、站内招募组件、自有用户库三者成本差异悬殊，推荐面板前先确认预算。
区分验证与可用性：如果讨论还停留在「要不要做」，会被转到真实行为验证路线，而不是继续堆可用性模块。
确认数据出口：导出走 CSV/PDF 手动导出，或 Figma、Dovetail、Notion 等原生集成。

边界与注意点

没有 API、webhook、Zapier 或 MCP：任何「结果自动进 CRM／数仓」的设想都只能是人工导出，不要按 REST 管道设计架构。
免费档很紧：约 15 份回复／月，单工具有上限（卡片排序约 10 份、树测试约 3 份），1 个进行中的研究，结果保留 14 天，且不含会话录制、用户面板与视频导出。
面板有最低消费：约 $200 量级，小样本需求用自有用户招募更划算。
可用性不等于需求：go/no-go 的依据应来自冒烟测试或预售等真实行为验证。
广度换来复杂度：全功能界面偏密，建议从一个研究类型起步。