招什么样用户？
常用的用户分类：
- 活跃，非活跃，新手（全新）
- 本产品，流失，竞品
（以下是针对可用性测试而言）
维度1：是否用过本产品？
1、本产品（待思考）
2、同类产品（这种用户会学习和适应所测试的产品会稍快，他们延续其他产品的操作行为来使用和评价测试的对象；对于他们提出来的可用性意见如何采纳？）
3、都没使用过 （这种新手因为不熟悉这类产品的操作，所以可能会“发现”更多的可用性问题）
其他维度：性别？年龄？职业？还是….？
《采铜学心录》的作者认为，大家习惯性地从性别、年龄、职业、学历等人口统计学的维度来进行划分和筛选用户（例如招募的比例是男vs女1：1，学生vs工作1:1），通常是没有必要的。大家之所以这么做，估计也是习惯了社会学调查、市场调查的做法。
那具体要不要这么划分呢？
先问自己：我们为什么想要这样划分？是预期不同性别、年龄、职业、学历之间的人，在使用测试产品时存在差异，以便我们发现的可用性问题能代表广大人民群众的使用习惯和想法，是吗？如果是的话，为什么这几个属性会导致了这种差异呢？原因可能会是：年纪大的人不熟悉手机、电脑操作，学习能力差一点，那我们为什么不直接用“使用手机的时间”、“操作手机的熟练程度”来直接划分用户，而采用年龄这个间接属性来划分呢？（不过话说回来，年龄、职业这些属性很容易获取，而类似操作手机的熟练程度这类属性，如果没有现成的量表，还得自己设计几个问题来测量才行，其信效度又可能被质疑）
《设计心理学》的作者Donald Norman 之前写过一篇文章说，以人为中心的设计（Human-Centered Design）的理念是如此的深入人心，以至于可能大家在理解的时候会出现一个偏差，于是他提出以活动为中心的设计（Activity-Centered Design）。对于可用性测试而言，我们注重的是用户在完成给定的任务时，他们与界面之间的交互行为，以及这些行为背后所反映的认知模式、体验、态度、需求等。
插曲：
同人于野兄写过一篇文章《从Web 2.0到推荐引擎2.0》，里面介绍了2种推荐的机制：一种是像Pandora那样，通过分析歌曲本身的特点，推荐曲风相同的歌曲；另外一种是像Hunch那样，它直接分析人的喜好。（个人觉得，分析歌曲相对容易，容易推荐到你喜欢的曲风相似的歌，但一个人可能会喜欢多种风格的歌曲；直接分析人的话，相对复杂）
怎么发现“其他维度”呢？
《采铜学心录》的作者给了一些供大家参考：
- 使用动机、用户的使用经验和能力水平、用户的个性特征（如根据大五人格理论进行评估）
- 用户的生活方式和价值观（如通过VALS量表来评估）
- 用户对新的技术产品的态度（可根据罗杰斯的创新扩散模型将用户分为创新者、早期采用者、早期采用人群、后期采用人群和迟缓者等类型）等。
- 用户所在的组织和地区的文化特征（可基于霍夫斯坦德的文化模型进行评估）
定了维度之后，接着就是确定用户的比例
- 以前大家学过的抽样方法在这时候派上用场了。
- 可能一个偷懒的做法是：已工作和学生、男和女的比例都是1:1。由于样本的代表性是高度影响到稍后测试或访谈的质量（尤其是小样本抽样），那么什么叫有代表性呢？其实就是你抽取的样本基本能反映总体样本的各类用户，所以可能得做一下文献研究，看看总体样本在你已经确定的那几个维度上的分布和比例。
——————
如果是焦点访谈等用于了解用户需求的话，可以参看《采铜学心录》以下的建议：
用户研究（尤其是定性研究）中甄选用户的一般原则应是：寻找那些（在目标产品、相同领域产品或共通领域产品）有丰富体验的用户。不过这里还要澄清三种情况：
推荐阅读：