用户体验度量体系BI,体验度量

用户体验度量体系BI

用户体验度量体系BI-科普篇

写在前面

18年我们UED团队提出设计中台概念，并为中台的建立做了3年中长期规划。设计中台主要围绕提升设计效率、设计质量、设计体验为目标，去搭建一系列设计研究。涉及隐私这里不放图，请见谅！

2019年，用户体验组和企业品牌组两个专项小组成立。其中用户体验组包含了用户体验度量体系BI的建设和用户反馈数据平台VOC的建设。用户体验度量体系BI是这里要讲的主角。

建立初衷

建立BI体系的初衷，主要是希望全面提升公司产品的用户体验，让产品的用户体验量化，可度量、可跟踪和可提升。同时能培养设计师以及产品各成员在产品研发过程中的数据使用意识。

关于用户体验度量

什么是用户体验度量？首先我们来看看何为度量？度量是一种测量或评价特定现象或事物的方法，让评测对象可观察、可量化，可变成一个数字或能够以某种方式予以计算的方法。

那么运用到可用性研究领域，可用性度量的定义是它是一套可靠的测量体系，能够使被测量事物（内容与人及其行为或态度有关）能代表用户体验的某些方面，并以数字表示出来，并且可以持续观察、跟踪、和优化。即衡量和提升产品用户体验的质量。相信大家不少人应该听过谷歌的HEART模型和蚂蚁金服的PTECH模型，这两模型在业界较有影响力。

为什么做用户体验度量

那么我们为什么要做用户体验度量呢？一方面（刚才初衷里提到过）它是一种途径或方法，帮助获得很多信息以便做出产品决策，可以帮助全面、有针对性、可量化成效的优化产品的用户体验。另一方面，它可以了解关于用户使用产品的问题，对用户行为形成更好的理解以及获得新的产品见解，给决策者提供重要商业决策依据。

业界典型模型

业界模型主要有谷歌的HEART模型、PLUSE模型，增长黑客AARRR模型、CX Index模型和蚂蚁金服的PTECH模型等。其中较知名和有影响力的是谷歌的HEART模型和增长黑客AARRR模型。下面稍微了解谷歌的HEART模型和蚂蚁金服的PTECH模型。

HEART模型

谷歌的HEART模型，发表于论文《Measuring the User Experience on a LargeScale：User-Centered Metrics for WebApplications》，即《大规模测量用户体验：以用户为中心的网页应用度量体系》。虽然其研究的对象为网页应用，但HEART模型的扩展性、系统性和易于落地性，故也适用于大部分To C产品，也可以扩展到传统行业的客户体验研究中，只是在HEART的大框架下，不同的行业其细化指标有可能不同。

PTECH模型

蚂蚁金服的PTECH，在谷歌HEART模型的灵感基础上，以体验科技助力业务增长为愿景，产出了适用于企业级产品的PTECH模型。该模型历经2次发布，PTECH模型由1.0版的TECH框架，加入了系统性能维度，并可直接计算产品体验分。发布于2019年SEE CONF蚂蚁金服体验科技大会。

TECH模型

用户体验度量体系建设-搭建篇

目标

上文提到我们做用户体验度量的初衷是希望全面提升公司产品的用户体验，让产品的用户体验量化，可度量、可跟踪和可提升。同时能培养设计师以及产品研发各成员的数据使用意识。

其实还有另一层目标，那便是提升设计质量，将价值显性化、量化，赋能业务，提升设计影响力和业务价值。众所周知，互联网产品的研发环境，设计师的话语权普遍较弱，boss们也认为设计师的价值有限，能做到设计驱动业务的案例屈指可数。虽然业务驱动的道路阻且长，但积跬步以致千里，这是团队的愿景和野心吧。

业务目标：

数据化：通过用户体验度量模型、用户声音VOC等专业研究和落地应用，初步建立公司所在行业的用户体验指标体系，为该行业产品体验提供定性和定量指导。

标准化：将用户体验度量模型落地于公司核心业务线，积累成功应用案例，然后以点击面，达成大范围的成熟应用。

度量体系计划：

1、输出用户体验度量模型1.0发布&宣讲

2、业务典型场景梳理

3、核心业务线落地应用

4、用户体验度量模型2.0

度量模型1.0产出

用户体验度量模型1.0，研究思路：

1、明确度量体系目标：主要明确度量模型的使命和目标、使用对象、适用于哪些产品环节等；

2、桌面调研：全方位收集资料与分析。了解体验度量的来源、定义、原理；发展历史、知名业界模型、知名应用案例等。重点分析度量模型原理、知名业界模型和应用案例。

目标：01、认识什么是体验度量模型 02、看看人家是怎么做、怎么用的，为什么这么做这么用？

3、脑暴：召集各事业部、各业务线设计师脑暴、众创。主要收集业务特性、产品形态、产品阶段、目标用户特征、公司现状等信息。

目标：提取全量业务、产品、用户、研发现状等信息。

4、目标导向，确认度量维度和度量指标：基于第3步收集的信息，确认度量维度和指标，以及维度和指标优先级等

目标：确认度量维度和各维度下的度量指标。

5、模型发布和宣讲：宣讲时除了对度量模型做整体的介绍外，同时产出的还有落地项目征集方案公布。包括适用项目的条件、项目管理机制、报名所需提交的项目资料模版等。

目标：模型推广，以及为下一步模型落地到项目做准备。

写在最后

度量模型体系建设注意事项：

1、模型的系统性、扩展性、普适性和易于落地性

系统性：影响产品/服务体验的因素是多维的，所以度量模型的使用对象应该是产品/服务各环节的角色，包括产品、运营、项目经理、设计师、研发、测试、服务提供者等。各角色统一一套体验度量标准，共同来提升产品/服务体验。所以在选择度量维度时尽可能系统的考虑。

扩展性：

业务、产品形态、目标用户等都可能变化和拓展的，所以我们的度量体验模型也需要具备一定的拓展性。

普适性：

在我们发布模型时，有同学提到我们的业务特性是这样这样，产品形态主要是这样这样，那为什么度量指标里会有某某指标，我觉得不实用或者压根不会用到啊。关于这个问题要涉及到我们建立度量体系的目标，它是要运用到公司所有产品线，所以才会有刚才上面思路中的第二步脑暴过程，收集全量业务信息。而不能仅站在自己的业务范围或者当下的业务范围去考量。

易于落地：

易于落地，主要从指标数据的获取成本上考虑。

用户体验度量体系建设-落地篇

这篇文章主要讲的是在用户体验度量模型完成后，度量模型在即将运用或试点前的准备工作。准备工作主要包含：

1、培训&招募

2、项目管理机制

3、业务培训

4、项目可行性评估&筛选

5、数据查漏补缺

6、推动绊脚石&策略

每个公司互联网程度、研发环节各角色专业能力、研发环境、组织架构等不一样，用户体验度量模型推广运用和试点机制也不一样。这篇文章提到的试点准备工作可根据各自情况选择应用。

培训&招募

上文写到，用户体验度量模型1.0发布，那发布之后紧接着要做的是项目落地试点。而试点的第一步便是面向UED团队内和业务线产品等人员的培训，以及试点项目的招募。

培训

培训目标：向产品决策关键人员，传递用户体验度量模型的价值&使用方法，使用户体验度量模型的产品方法标准化到各产品线。发挥它最大价值，赋能产品的用户价值和市场竞争力。

培训对象：UED成员、各业务线产品人员&运营人员（不同角色分场次培训）。

培训方式：PPT宣讲方式；workshop方式。

培训内容：

1、度量模型价值；

2、度量模型适用对象、适用项目、使用方法；

3、度量模型使用互动/练习；

ps: 具体使用方法，计划后面出一篇运用篇重点讲解，敬请期待！

招募项目

培训之后，紧跟着可以面向培训对象发布项目招募计划。项目招募时需要明确几点：

1、适用项目

适用项目见“项目可行性评估&筛选”部分

2、需要提交的项目资料

项目资料如：项目背景、项目商业假设、业务目标、目标用户及特征、用户目标、设计目标、产品现有数据情况等信息

项目管理机制

对试点项目进行管理、跟踪和记录，便于项目的进度跟踪、问题的及时发现和后续试点成果分析等。主要包含：

1、项目总览表

包含如业务线、项目名称、项目背景、业务目标、设计目标、对接设计师、BI成员负责人、项目上线时间等等，可按需添加需要跟踪的信息。

2、项目跟踪表

展示具体项目的信息、进展情况等。包含如项目的项目负责人、背景、项目商业假设、业务目标、设计目标、度量维度、度量指标，指标公式、涉及数据埋点、项目起止时间等。

3、项目典型案例

度量4维度各挑选1-2个，成效较佳的项目作为典型案例。

业务培训

征集项目结束后，约上相应产品负责人，对组员进行业务培训。业务培训内容包含：

1、产品定位

2、产品目标用户群体（用户画像信息）

3、产品年度绩效&业务目标

4、产品具体功能模块

5、产品现状、用户数据现状

6、产品中长期规划等

为什么是以上的培训内容呢？这些都是后续度量模型运作的基础。产品定位、产品年度绩效&业务目标、具体功能模块、产品现状等是度量维度选择和度量指标定义的依据；其余的信息数据分析后的问题锁定和设计优化提供指导和依据。

项目可行性评估&筛选

试点项目需要用户体验度量体系建设小组成员一对多的进行协助辅助和跟踪，精力和质量层面考量，对招募回来的项目需要进行筛选。筛选的依据，不同企业也可能不尽相同，这里我列2个较常见的供大家参考。

1、公司核心业务线/产品

核心业务线，2点考量。第一、核心业务线，相对业务目标明确、或者已有存量用户基础、或者相对来说研发资源较充裕。第二、推广策略，通过试点项目打造成功案例，为后期标准化应用作基础。

01. 目标导向：

业务目标是度量模型的基础。目标明确，后续的度量维度选择、度量指标定义才有意义。才能发挥度量体系的真正价值，赋能业务目标/体验目标的不断精进。无目标或者目标不清晰，如何衡量目标的达成度，如何针对性的优化产品/服务以更好的服务目标用户？

02. 用户&数据基础：

有存量用户的产品，也就拥有用户行为数据、商务数据、用户反馈数据、用户满意度数据等数据基础，完成度量维度选择和指标定义后，即可直接提取数据进行分析，为产品优化和体验优化提供方向和依据。没有用户或者数据基础的产品相对来说试点成本更高，需要依据业务目标和设计目标等大量的梳理埋点需求和补充埋点等数据基础层搭建的工作。

用户&数据基础作为筛选维度之一，并不代表用户体验度量体系就不适用该类产品，而是在试点阶段，讲究质效的前提下，相对来说不是试点项目的首选。

03. 开发周期&资源：

开发周期较稳定且研发资源相对充裕的项目。度量体系的玩转，需要明确项目/产品的业务目标，基于目标的度量维度和指标的定义、基础数据层的搭建和迭代、数据分析、需要结合定性调研方式辅助锁定问题、需要根据问题发现作出相应的产品决策或者设计优化、同时需要开发同学将产品方案落地等重要环节，需要相对稳定的开发周期和相对充裕研发资源。而以上线为目的、或者项目排期非常紧张的产品/项目就可能就不是首选。

04. 推广策略：

强推公司核心业务线/产品，打造成功案例-明星项目，后面再标准化推广至全业务线。

2、重视产品体验的产品线

试点项目/产品最好注重产品的用户体验，有不断提升和精进产品的价值观，能够给予设计师发挥的空间。而以上线为目的、或者项目排期非常紧张的产品/项目就可能就不是首选。

3、设计师可触达业务线/产品

度量体系建设的初衷之一是提升产品的用户体验，设计价值显性化、量化。所以业务线/产品必须有设计师参与，设计师可通过度量体系的运用，良性持续优化产品体验。所以设计师可触达也作为筛选的维度之一。

数据查漏补缺

基础数据层包含用户行为数据、商务数据、用户反馈数据、用户满意度数据等。而影响数据发挥最大价值的基础因素是数据完整和准确。这里要做的主要是：

1、基于业务特性初步筛选度量维度&度量指标，依据指标对产品当前的数据埋点做全局的梳理，查漏补缺。有遗漏的需要督促对应产品及时提交埋点需求，解决数据基础层的问题，他们是度量指标的数据源。

如注册功能，用户行为层面考量它有有明确的起、止行为，业务维度考量，希望新用户注册人数越多越好。所以初步判断注册功能的度量维度选择“任务完成”和“参与度”。任务完成涉及整个操作流程的任务完成率、跳出率等，参与度涉及注册转化、停留时长等。以此再往下拆分比如任务完成率计算方式，需要哪些埋点数据支撑，按照这个逻辑来梳理数据埋点需求，进行查漏补缺。

2、了解产品其余数据获取渠道。如商务数据，是否有固定渠道或者平台可以提取？是否有运营/产品同学定期产出数据报告？用户反馈数据，是否有固定渠道或者平台可查阅提取？反馈数据能获取到的是原始数据？还是经过分类整理后的？是否有固定人员进行定期产出报告？满意度数据，是否有天使用户群、产品共建群、定期调研了解用户的满意度数据等机制等。

落地阻点&策略

最后，需要强调一点的是度量模型的推广落地不会太顺利，会遇到各种不同因素的阻力。应对阻力的解决方案根据不同公司的研发环境、组织架构等不同也不同。这里例几种可能导致落地受阻的情况以供大家未雨绸缪：

阻力1 : 产品、运营等同学对度量模型价值认识不清

阻力2: 产品同学对数据表现、用户表现敏感度不够

阻力3: 产品同学目标不匹配

产品、运营等人员有自己的小算盘和核心要做的事，主动便意味着我要附加很多其他工作量，不会主动做。

阻力4: 落地业务线产品情况

01、 产品相对稳定，且业务不再发展，仅需日常维护；

02、无数据基础，或数据基础不完善，需要耗费精力在数据基础层建设，提交的埋点需求，执行端不配合。

针对以上问题，策略层面提供几点思路。

1、抓关键头部人物，先拿到头部人物的尚方宝剑，再由上至下执行；

2、聚焦打造成功案例，以点击面；

3、结合成功案例，加强度量模型价值&不同角色运用培训力度；

原文：https://www.jianshu.com/p/d669756b8a13