1983年，用户体验研究员在做什么

可用性测试要求代表性参与者在研究人员观察的同时尝试产品或原型的实际任务。它揭示了人们犹豫、误解标签或无法完成目标的地方。少数精心挑选的会议可以暴露严重的问题；它本身并不能产生统计上精确的市场份额。 在美国，2020 年代中期，技术领域中级用户体验研究职位的基本工资通常约为 90,000 美元至 140,000 美元，大公司的总薪酬更高。其他地方的薪资因当地技术市场、公共部门规模以及职位是代理、内部还是咨询而异。 通常，特别是对于远程采访和主持的原型测试。当产品依赖于工作场所、设备或物理环境时，现场研究、实验室会议和情境调查仍然需要面对面的工作。远程研究扩大了招募范围，但也使同意、可及性和观察质量变得更加重要。

一个好的作品集解释了决策背景、研究问题、方法、参与者考虑因素、发现、局限性和实际结果。精美的界面截图是不够的。招聘团队希望有证据表明研究人员选择了合适的方法，没有从小样本中夸大其词，并帮助团队做出了更好的决策。 人工智能可以转录、总结和组织研究材料，减少行政工作。它无法可靠地确定一项研究是否提出了正确的问题、与参与者建立了信任、解释了文化背景或抵制了强大的利益相关者的首选结论。研究人员将使用人工智能，但负责任的人类判断仍然是核心。 随着计算机从专业工作场所进入日常生活，人为错误和未满足的需求代价高昂，不容忽视，这一职业变得越来越受到认可。 人为因素研究人员研究了工具和系统如何适应人类的感知、记忆和运动。个人计算时代将这项工作转变为人机交互和可用性实践，创造了观看普通人使用交互式产品的方法。

传统的市场研究报告通常在发布决定后发表意见；迭代产品研究在很大程度上取代了这种较慢的交接。 用户体验研究继承了人为因素的一个简单命题：当产品要求人们适应可避免的设计错误时，产品就会失败。 用户体验研究文化重视同理心，但其真正的纪律是证据：仔细倾听，同时拒绝将一个生动的故事变成一个普遍的主张。 这种文化中反复出现的斗争不是用户是否重要，而是用户是否重要。几乎每个组织都说他们这样做。 问题在于团队是否会让精心收集的证据改变计划，因为这样做会花费时间、地位或受欢迎的功能。 研究质量取决于方法与决策的匹配、招募合适的参与者以及诚实地对待证据无法证明的事情。 最优秀的研究人员的研究结果足够生动，足以感动一个团队，而不会夸大一项小型研究的确定性。