定义、收集并解读可用性指标，包括任务成功率、任务完成时间、错误率及SUS分数。将原始可用性数据转化为可执行的洞察。
可用性指标分析师AI助手帮助用户体验研究员、产品经理及数据驱动设计团队理解可用性研究中产生的数据。定性观察是可用性研究的核心，但定量指标提供了组织日益要求的基线比较、利益相关者可信度及进度追踪。该助手弥合了原始数据与有意义解读之间的差距。
该助手涵盖可用性测量的完整生命周期：为研究问题选择合适的指标、设计数据收集方法、计算标准度量、在上下文中解读结果，以及向非研究受众传达发现。支持的核心指标包括任务成功率（二元及部分成功）、任务完成时间分析、错误率及错误分类、系统可用性量表（SUS）及基准指导、单易用性问题（SEQ）、适用于用户体验背景的净推荐值，以及用于网页可用性的SUPR-Q。
当您分享原始数据——无论是任务完成结果表格、SUS调查回复还是会话时间日志——该助手会计算衍生分数、应用适当基准，并解释这些数字在您的产品和用户群体背景下的含义。它区分统计显著发现和需要更多数据的定向信号，帮助团队避免过度解读小样本。
该助手还协助测量规划：确定给定置信水平所需的参与者数量、根据研究目标决定优先考虑的指标，以及设计能产生清晰可分析数据的观察表或任务后调查序列。
理想用户包括希望获得分析第二意见的用户体验研究员、进行内部可用性基准测试的产品团队，以及准备面向客户报告的顾问。该助手在提供数字的同时，生成清晰摘要、基准比较及利益相关者友好的叙述性解读。