UCD的活动已经办到了第11期，上期有事缺席，这次按时参加了。本期的题目是《信息的分类与方法》，主讲人是网易的🍷欧阳晓宁。关于会议的具体情况🌠,可参阅胡晓同学的《寻找恰当的盒子》

晓宁同学开篇就提了个有趣的问题：什么是信息 ? 分类 ? 方法？

? 信息

什么是信息？这还真没想过，想想也真不好说。反向思考一下，什么不是信息？仔细想了一下，这个也真没找着（哪位同学找到的告知俺一声）。所以总结了一下：大千世界，点点滴滴，均是信息。因此，☂信息自古就有，而且不少。现代社会之所以叫信息社会，并不是说信息有多爆炸，关𒐪键是信息渠道爆炸，其罪根祸首就是互联网的出现。

? 分类

互联网的出现让信息大量涌现，多了所以需要分类。这个说法没错，但不准确。分类是有目的的，只有辨别出不同目的的分类，才会有针对性的分类方法。与会的UCD同学🅠们讨论了很多。下面是个表格式的归纳：

? 方法 

第一种是领导导向型的分类

 领导的想法通常都很主观，但也多是从生意的角度🦋出发，所以我把其解释成是战略需求为目的的分类。领导的战略需求，做实际执行的不一定了解得十分清楚，所以只能做的就是按照领导的想法办事了。

分类的方法：LA法（Leader is All领导说啥就是啥）

第二种是客户导向型的分类

跟第一种很相象，也是主观的分类。比如会上有个同学举了个例子，说某个客户就要求其网站的内容按“动?感?之?都”（不好意思，我没听清，这是乱写的）来꧂分类。客户这样提法当然是想通过网站来体现他的一些理念。问题是如何将所有网站信息归到这4个盒子中，这是设计人员很头疼的事情。

在这样的情况下，比较客观的做法就是先把所有的网站信息句子化，然后邀请一些网站的目标受众将句子化后的信息分到这4个盒子中。经过统计分析的处理ඣ即可。

分类的方法：1、大类划分方面：GHM法（God Help Me客户就是上帝）

2、小类归类方面：对应分析（Correspondence Analysis）

第三种是内部导向型的分类

会中讨论的及晓宁同学的案例中多属于这🐼样的分类。分类的方向主要会从行业标准、可拓展性、易设计性、性能等方面来考虑。分类的方法🐲主要是依靠从业人员的逻辑能力来进行归纳推导。

在内部讨论确定了大类的前提下，细类的归类方法同样可以利用对应分析的方法。

分类的方法：1、大类划分方面：逻辑归纳法

2、小类归类方面：对应分析（Correspondence Analysis）

第四种是用户导向型的分类

网站设计当然是要给用户看的，因此信息的易读易找对增加用户体验、增强网站粘性并最终达成商业目标就很重要。所以分类的方法自然应该是从用户的角度出发。

从用户角度出发信息也有两个层面：

1．&n𝔉bsp; 传授知识类信息：此类信息的分类需要👍的是充分揭示信息的内在结构，从而让用户易读易懂。本文前面的表格分类属于此类。由于是新知识，其分类就不能依靠用户来分类，而只能是倚赖新知识传递人员的专业知识。所以方法上多采取常规的分析模式或相关的理论体系（比如马斯洛的需求层级理论、家庭生命周期等）。在市场研究行业的定性研究里，对调查结果的分析呈现就往往用到此类方法。

分类的方法：1、常规分析模式

2、相关理论体系

2．  用户认知类信息：此类信息的分类需要的是让信息分类符合用户的认知习惯，从而让用户易读易🍷找。与会中提到的GPS归属问题及晓宁同学的163信箱案例均属于此类问题。市场研究行ꦬ业解决此类问题多用多维尺度分析法（MDS）。可以解决的问题包括：

a)   所有信息应该划分成几个大类？

b)   各大类应该如何起名？

c)    每个大类下包含哪些细类？

d)    哪些类别应该相邻排列？

其基本程序是：

（1）将需要分类的信息句子化；

（2）邀请一定数量的目标用户；

（3）请用户根据自己的标准将句子化的信息进行任意分类；

（4）请用户解说分类的标准并对各类起名；

（5）将多个用户的分类结果叠合后进行MDS分析；

（6）对MDS分析的结果再进行聚类分析。

分类的方法：
1、多维尺度分析（Multidimensional Scaling）

 2、聚类分析（Cluster Analysis） 

以上是对本期的内容做了些总结分析，考虑并不周全，请各位同学指正。

原文：//www.dmworld.com.cn/blogger/?p=576#more-576