用户体验本质上是一种主观感知，具有明显的不确定性和模糊性，随着产品生命周期的演变，用户在产品认知和使用方面的需求也会发生相应的的变化。技术的革新发展与产品的复杂逻辑驱使人们对用户体验更加关注。
用户体验度量揭示的是用户体验，即人使用产品或系统时的个人体验。用户体验最主要的三个特征是有用户的参与，同时用户与产品、系统或者有界面的任何物品进行交互，以及用户的体验是用户所关注的问题，并且是可观察的或可预测的。用户体验度量可揭示用户和物体之间的交互，即可揭示出有效性（能否完成某个任务）、效率（完成任务时所需要付出的努力程度）或满意度（操作任务时，用户体验满意的程度）。用户体验度量是建立在一套可靠的测量体系之上，并且使用同一类的测量手段对事物进行测量，可以将其结果进行比较从而得出相应的结论。
一、常见的用户体验模型
如何评估产品的设计价值是设计师都要面临的问题，也是数据指标量化趋势，沉淀出适用于业务线的用户体验度量模型是体验量化的重点。在体系构建之前，需了解现有的体验度量理论以及落地方法，在此基础之上构建属于业务的设计质量评估模型。目前较为成熟的体验度量模型有国际标杆模型Google HEART以及GSM模型、符合国际标准的ISO-9126软件质量模型，以及网页时代的经典PULSE模型。
（一）国外相关模型
1、PULSE 模型：PULSE 模型是传统的网站衡量指标，通过商业指标和技术指标，衡量网站的整体表现，具体有以下五个维度。但该模型相对弊端，PULSE 模型从技术、用户忠诚度、商业收益来测量产品的整体表现，无法直接通过模型去观测到用户体验是怎么样的。
- 页面浏览量（Page View）：产品指标，衡量页面被用户访问的次数，以及逐级页面的点击转化情况。
- 运行时间（Uptime）：技术指标，衡量网站持续稳定的运行时间。
- 延迟（Latency）：技术指标，衡量用户打开页面的速度。
- 七日用户活跃（Seven days active user） ：产品指标，反映网站的实际运营情况，用于估计产品的用户规模。
- 收益（Earning ）：商业指标，电商类更关注 GMV 等指标，视频业务关注广告，VIP 售卖等。
2、HEART 模型：由 Google 于 2010 年发表，是以用户为中心的度量模型，出发点是做以用户为中心的，能够用于大范围的用户体验度量方法，具体有以下五个维度。HEART 模型是一个构建完善的用户体验度量模型，涵盖了用户主客观数据以及可用性指标。如果想要构建一套自己的度量模型，需要先从 HEART 模型入手，理解用户体验度量的维度和指标，再看哪些适合自己业务特性。
- 愉悦度（Happiness ）：用户主观体验觉得产品对其有帮助，使用产品易操作或者功能点感到愉悦。
- 参与度（Engagement）：用户对产品内容感兴趣并愿意经常使用。
- 接受度（Adoption）：用户看到新产品或新功能愿意进行使用。
- 留存率（Rentention）：在一段时间内用户愿意回来继续使用产品或者功能。
- 任务完成度（Task Success）：用户能够高效，准确地完成任务。
3、GSM模型：为了将度量标准应用于实践，Google 的 UX 团队提出了 GSM 模型，具体有以下三个维度：目标（Goal）、信号（Signal）、 指标（Metric）。GSM 模型和 HEART 模型相结合，构建出了完整的用户体验评估模型。
（二）国际标准
ISO-9126 软件质量模型是评价软件质量的国际标准。标准从产品、技术、设计 3 个方面，6 个维度来评价软件质量。在设计方面，主要涉及的维度有可移植性中的“适应性”和“易安装性”，以及易用性中的易理解、易学、易操作性。其中，易用性的概念涵盖了用户体验中常规易用性的维度，可以理解为“可用性”的概念拆分。
在了解一些常见的用户体验模型之后可以看出，通用模型本身对于自身业务情况不是完全适用且不具有针对性，对外也不具有足够的说服力。因此，为了更好的通过测量了解是否达到了某些特定的设计目标，沉淀出符合所在产品业务的设计模型才是重点且具有有效性。
二、构建具有业务特性的设计度量模型
不同行业领域及其业务线的特性，使得设计模型构建的指标维度与侧重点也会有所不同，设计维度的选择需从自己业务的核心场景和目标来推导。通常可以将构建用户体验度量模型分为五个步骤：拆指标、采数据、做诊断、再优化、续监测。
1、拆指标
首先要明确一个产品的用户体验需要由哪几个指标维度构成，在分析了国际已有的设计模型后可以得出，我们通常将指标维度归为三大类，即系统表现、用户行为、用户感受。体验度量具有很强的业务性，需要根据不同的业务类型、业务阶段、业务规模、资源情况等抽离出适用于本产品的指标维度。
2、采数据
有了度量指标后，我们需要通过不同渠道去收集相关数据，渠道方式有多种，比如：用户访谈（更多得到的是用户主观使用感受-定性数据）、调研问卷（如测量用户对于产品的满意度或易用性评分-定量数据）、数据埋点（通过后台数据得到用户的行为数据-定量数据）等。
以作者所在产品业务线沉淀的用户体验地图举例，通过用户访谈明确业务的使用场景路径，形成目标用户的关键操作链路，从而判断哪些维度能够影响到业务指标和用户关键路径上的指标，将这些指标选择出来作为核心维度。因此在构建具体度量模型之前，需要对产品用户体验场景有深入的理解。
3、做诊断
收集了大量数据信息之后，需要设定不同指标维度的权重，并通过一定规则计算得出各指标的最终得分。如衡量产品易用性，研究者需要了解用户和他们使用产品的易操作性、易学性、易见性，沉淀出具体的易用性度量量表，并将指标维度进行规则打分。
4、再优化
通过指标计算得分，产品已有了较为宏观的研究方向，此时需要经过业务需求中的多次试验以及用户调研反馈收集，重点分析数据表现背后的原因，另外也需要对筛选出的维度指标以及评分情况做再验证，判断是否符合用户的实际情况，经过多次验证后，沉淀出符合业务场景的模型变量值。
5、续监测
引入更多用户行为数据指标获得更全面的数据信息，同时加入监测工具，对产品重塑后的关键指标进行持续追踪，周期性的监测指标改善情况，使得业务设计度量模型更具有科学性并且能够进行全程化闭环管理。
三、总结
用户体验度量模型所能提供的信息要远远优质于简单地观察所能提供的信息。度量使设计和评价过程更为结构化，对发现的结果能给予更加深入的洞察和理解，同时给决策者也提供了重要的信息，有助于揭示一些很难或者甚至不可能看出来的问题，帮助设计者获得新的洞察并更好地理解用户行为。如果缺少用户体验度量所提供的信息，决策者可能就要根据不正确的假设、直觉或预感做出重要的产品决策，这种情况下做出的一些决策往往不是最好的决策，所以深入业务场景沉淀出符合实际需要并贴近用户的设计度量模型是重点。
若有收获，就点个赞吧
0 人点赞
