用途：通过系统性观察用户能否成功完成核心任务，验证设计并发现用户体验问题。适用于用户流程测试、设计验证、定位摩擦点等场景。
主要能力：提供测试规划（目标、研究问题、核心任务、招募）、任务场景设计（含上下文与成功标准，避免逐步指令）、发声思考协议与主持规则、测试后提问、指标追踪（任务成功率、任务时长、错误率、满意度）、问题严重度评级（影响×频率：严重/高/中/低）、系统可用性量表（SUS，10题，奇偶计分后乘2.5，0-100分）、测试报告模板，以及远程与现场测试、测试频率、工具建议。
必要用法：每类用户招募5-8人，样本达到5人后收益递减，可波浪式测试；选3-5个核心任务；场景使用真实语境、清晰目标、自然语言，不给出步骤；测试中保持中立、不帮助、不引导，让用户自行挣扎以暴露问题；任务后提问并做SUS问卷。指标目标：核心任务成功率≥80%，满意度≥4.0，每个任务错误<2。严重度=影响（1-3）×频率（1-3），8-9为严重需立即修复，6-7为高需发布前修复，4-5为中下版修复，1-3为低入待办。SUS≥80优秀，68-79良好（行业平均），51-67可接受，<51需大幅改进。
限制：测试对象不应为员工；只测顺利路径不够，需覆盖错误与边界情况；测试后需实际修复问题。资料未提供具体收费、平台效果数据或保证性结果。相关工具示例包括UserTesting.com、UserZoom、Lookback、Maze、Zoom、Loom、OBS、Dovetail、Notion、Miro、Excel/Sheets。