筆者在學(xué)習(xí)Tom Tullis、Bill Albert的《用戶體驗(yàn)度量》后，開(kāi)始思考：針對(duì)B端產(chǎn)品，如何在線上環(huán)境中，通過(guò)對(duì)用戶數(shù)據(jù)的采集、分析，完成對(duì)產(chǎn)品的用戶體驗(yàn)量化？

本文給出三個(gè)案例進(jìn)行嘗試，從簡(jiǎn)單到復(fù)雜闡述三種量化的維度。

為什么要量化用戶體驗(yàn)

針對(duì)企業(yè)內(nèi)部使用的B端產(chǎn)品，在日常做設(shè)計(jì)的過(guò)程中，體驗(yàn)設(shè)計(jì)師常常是憑借經(jīng)驗(yàn)來(lái)完成對(duì)產(chǎn)品的體驗(yàn)優(yōu)化。“經(jīng)驗(yàn)”一般有兩種來(lái)源：

1. 參考競(jìng)品的設(shè)計(jì)
2. 參考自己已做過(guò)的類似產(chǎn)品

很明顯，這兩種設(shè)計(jì)經(jīng)驗(yàn)有一個(gè)很大的缺陷，就是很容易“拍腦袋”定方案——產(chǎn)品經(jīng)理拍、設(shè)計(jì)師拍，更多的時(shí)候是領(lǐng)導(dǎo)拍。

“拍腦袋”，有時(shí)真的是天才般的靈感火花，但大概率是盲目瞎拍。因此，如何避免出現(xiàn)這種“瞎拍”，是體驗(yàn)設(shè)計(jì)師應(yīng)該考慮一下的問(wèn)題?！坝脩趔w驗(yàn)量化”就是一個(gè)很好的手段：

“通過(guò)對(duì)用戶體驗(yàn)相關(guān)的數(shù)據(jù)進(jìn)行采集、分析，使用量化的數(shù)據(jù)證明設(shè)計(jì)的‘合適’與‘不合適’，合適的保留、不合適的繼續(xù)優(yōu)化，為產(chǎn)品的迭代建設(shè)保駕護(hù)航”

一維量化：?jiǎn)蝹€(gè)指標(biāo)直接比較

案例一：“任務(wù)”

針對(duì)B端效率類的工具型產(chǎn)品，其不以用戶留存時(shí)間為目標(biāo)，反而如果能降低用戶完成任務(wù)的耗時(shí)，則說(shuō)明該任務(wù)鏈路的用戶體驗(yàn)優(yōu)化是成功的。

因此，線上可以采集一個(gè)指標(biāo)的數(shù)據(jù)：任務(wù)時(shí)長(zhǎng)，即用戶從啟動(dòng)任務(wù)到任務(wù)完成所用的時(shí)長(zhǎng)。或者，直接采集用戶從進(jìn)入該B端效率類的工具型產(chǎn)品到最終離開(kāi)的時(shí)長(zhǎng)。通過(guò)比較優(yōu)化前后的時(shí)長(zhǎng)，以達(dá)到用戶體驗(yàn)量化的目的。

但是該類型產(chǎn)品所采集的數(shù)據(jù)存在一種缺陷——樣本量少。

原因在于這種產(chǎn)品在公司內(nèi)部的用戶群體很小，例如一些基礎(chǔ)類的云產(chǎn)品，用戶量可能在兩位數(shù)。因此，采集的數(shù)據(jù)其分布狀態(tài)離散、無(wú)法直接通過(guò)分布狀態(tài)判定。

那么如何在有限的樣本量情況下，區(qū)分其優(yōu)化前后的用戶體驗(yàn)數(shù)據(jù)呢？

我們可以進(jìn)行數(shù)據(jù)分析：平均數(shù)，置信區(qū)間，t檢驗(yàn)。

第一步，比較平均數(shù)，并給出置信區(qū)間。

第二步，判斷置信區(qū)間是否存在重疊，如果“無(wú)重疊”或“重疊較小”，則基本認(rèn)定差異顯著，也就可以直接通過(guò)優(yōu)化前后差值及其置信區(qū)間來(lái)量化用戶體驗(yàn)，參考第五步。

第三步，如果置信區(qū)間“重疊較大”，則無(wú)法確認(rèn)存在差異，需進(jìn)行t檢驗(yàn)，如果t檢驗(yàn)的概率值較大（>0.05）則說(shuō)明差異性不顯著，表示優(yōu)化前后的用戶體驗(yàn)變化不明顯：優(yōu)化方案“不合適”。

第四步，如果t檢驗(yàn)的概率值很?。?lt;<0.05）說(shuō)明差異性顯著，表示優(yōu)化前后的用戶體驗(yàn)變化明顯，也就可以直接通過(guò)優(yōu)化前后的差值及其置信區(qū)間來(lái)量化用戶體驗(yàn)。

第五步，給出結(jié)論：該“任務(wù)”經(jīng)過(guò)用戶體驗(yàn)優(yōu)化，成功降低了單次“任務(wù)”耗時(shí)。在95%的置信區(qū)間內(nèi)平均降低了T3，其中置信區(qū)間為（T3-α3，T3+α3）。

二維量化：多個(gè)指標(biāo)進(jìn)行比較

案例二：“表單”

針對(duì)B端產(chǎn)品的某個(gè)“表單”頁(yè)面，在用戶填寫(xiě)過(guò)程中采集兩個(gè)指標(biāo)的數(shù)據(jù)：

1. 耗時(shí)：用戶從打開(kāi)表單填寫(xiě)頁(yè)面到成功提交所用的時(shí)長(zhǎng)
2. 報(bào)錯(cuò)次數(shù)：用戶在填寫(xiě)過(guò)程中觸發(fā)報(bào)錯(cuò)提示的總次數(shù)

當(dāng)體驗(yàn)設(shè)計(jì)師優(yōu)化該表單填寫(xiě)頁(yè)面并發(fā)布上線后，比較前后版本的耗時(shí)和報(bào)錯(cuò)次數(shù)，并將其映射至二維圖，理想態(tài)應(yīng)該是整體數(shù)據(jù)向左下移動(dòng)，優(yōu)化前耗時(shí)長(zhǎng)、報(bào)錯(cuò)次數(shù)多，優(yōu)化后耗時(shí)短、報(bào)錯(cuò)次數(shù)少。

發(fā)散點(diǎn)1：如果表單有多個(gè)頁(yè)面，可分別從整體和單個(gè)頁(yè)面去進(jìn)行量化分析，以發(fā)現(xiàn)鏈路的哪個(gè)環(huán)節(jié)仍然存在問(wèn)題。

發(fā)散點(diǎn)2：針對(duì)報(bào)錯(cuò)的內(nèi)容，將其進(jìn)行等級(jí)區(qū)分，可更細(xì)致量化分析，甚至可用低等級(jí)異常置換高等級(jí)異常，以提升整體體驗(yàn)。

如上，當(dāng)只需分析兩項(xiàng)指標(biāo)的時(shí)候，可以直接將數(shù)據(jù)映射在二維圖上進(jìn)行比較。但如果有3個(gè)及以上的指標(biāo)，如何進(jìn)行量化？

可以通過(guò)給指標(biāo)進(jìn)行“加權(quán)”，計(jì)算出一個(gè)綜合分值，通過(guò)比較綜合分值就可以間接量化其用戶體驗(yàn)。

假設(shè)有三項(xiàng)指標(biāo)：p、q、r

第一步：推導(dǎo)各項(xiàng)指標(biāo)的分值函數(shù)（分?jǐn)?shù)越高表示體驗(yàn)越好）。

建議：如果指標(biāo)的數(shù)據(jù)和得分是正相關(guān)，可以使用對(duì)數(shù)函數(shù)(y=ln x)；如果是負(fù)相關(guān)，則可以使用冪函數(shù)(y=1/x)。通過(guò)定義“滿分、及格”兩個(gè)坐標(biāo)（如果需要更細(xì)膩，甚至可以定義多個(gè)坐標(biāo)，例如優(yōu)良中差等等），即可推導(dǎo)出各項(xiàng)指標(biāo)的函數(shù)式（a、b均為系數(shù)）。

第二步：針對(duì)單個(gè)樣本，將各指標(biāo)的數(shù)據(jù)換算成分值。把各項(xiàng)指標(biāo)的采集數(shù)據(jù)當(dāng)作自變量，可計(jì)算得出對(duì)應(yīng)的因變量，即得分：P、Q、R。

第三步：分配各項(xiàng)指標(biāo)的權(quán)重：β、γ、δ，其中β+γ+δ=1。

第四步：計(jì)算每個(gè)樣本的綜合分值。其綜合分值等于每項(xiàng)指標(biāo)的得分與權(quán)重的乘積之和，為：

S=P*β+Q*γ+R*δ

第五步：數(shù)據(jù)分析。針對(duì)所有用戶的綜合分值S，參考使用案例一中的“平均數(shù)、置信區(qū)間、t檢驗(yàn)”進(jìn)行分析，比較優(yōu)化前后的數(shù)據(jù)。

第六步：給出結(jié)論。該“表單”經(jīng)過(guò)用戶體驗(yàn)優(yōu)化，成功提高了用戶體驗(yàn)分值。在95%的置信區(qū)間內(nèi)平均提高了S3，其中置信區(qū)間為（S3-α3，S3+α3）。

多維量化：多類指標(biāo)進(jìn)行比較

案例三：“產(chǎn)品”

針對(duì)B端產(chǎn)品，在量化其整體的用戶體驗(yàn)時(shí)，會(huì)采集多種類型的指標(biāo)，包括不限于：績(jī)效、可用性、滿意度、生理數(shù)據(jù)等等。如何使用多類型指標(biāo)進(jìn)行用戶體驗(yàn)量化？

假設(shè)采集了以下3類共9種指標(biāo)的數(shù)據(jù)：

• 績(jī)效，p1、p2、p3
• 可用性，u1、u2、u3
• 滿意度，h1、h2、h3

有兩種方法可以對(duì)其進(jìn)行處理：

方法1：疊加使用“二維量化”。針對(duì)“績(jī)效”的指標(biāo)p1、p2、p3，參考案例二中的處理方法予以加權(quán)，就可以得出一個(gè)“績(jī)效”的分值P，同理可分別得出“可用性”的分值U和“滿意度”的分值H；針對(duì)這三項(xiàng)分值P、U、H，繼續(xù)參考案例二中的處理方法，可以得出一個(gè)綜合分值S，即該產(chǎn)品的用戶體驗(yàn)分值；

方法2：先“降維”，然后使用“二維量化”。將9種指標(biāo)視為產(chǎn)品的9個(gè)維度，首先通過(guò)使用降維方法，得到9個(gè)互相獨(dú)立、具有正交特征的新指標(biāo)（綜合指標(biāo)）。然后選出靠前的n個(gè)（n<=9）綜合指標(biāo)，參考案例二中的處理方法予以加權(quán)，就可以得出一個(gè)綜合分值S，即該產(chǎn)品的用戶體驗(yàn)分值。

以上兩種方法均可，但第2種可能會(huì)更精準(zhǔn)、更直觀。

原因在于，雖然指標(biāo)都是獨(dú)立采集、甚至分屬于不同的類型，但部分指標(biāo)之間可能存在一定的正相關(guān)或負(fù)相關(guān)。例如，績(jī)效指標(biāo)“成功率”和可用性指標(biāo)“幫助的實(shí)時(shí)性”可能會(huì)存在正相關(guān)：幫助的實(shí)時(shí)性越高，成功率可能會(huì)越高。

如果使用方法1進(jìn)行處理，由于給各指標(biāo)加權(quán)需要人為識(shí)別、決定，具有相關(guān)性的指標(biāo)之間其權(quán)重難以保持一致。多次人為加權(quán)，不僅計(jì)算的復(fù)雜程度高、穩(wěn)定性也很低。

如果使用方法2中的降維：

1. 對(duì)具有相關(guān)性的指標(biāo)進(jìn)行合并、減少冗余信息造成的誤差
2. 去除噪聲和不重要的特征，降維得到的綜合指標(biāo)之間獨(dú)立性強(qiáng)、識(shí)別度高。

需要注意的是，降維肯定會(huì)損失一些信息，這可能會(huì)讓最終結(jié)果不能100%體現(xiàn)原數(shù)據(jù)，但是通過(guò)把多維數(shù)據(jù)降至2、3維，就可以對(duì)其進(jìn)行數(shù)據(jù)可視化，便于直觀地發(fā)現(xiàn)分布形態(tài)。針對(duì)合并后的綜合指標(biāo)，人為識(shí)別、加權(quán)更精準(zhǔn)。

降維方法有很多種，此處使用主成分分析法（PrincipalComponents Analysis，PCA）進(jìn)行降維，其主要是通過(guò)對(duì)協(xié)方差矩陣進(jìn)行特征分解，以得出數(shù)據(jù)的主成分（即特征向量）與它們的權(quán)值（即特征值），步驟如下：

第一步：選取10個(gè)樣本（優(yōu)化前后各5個(gè)），參考案例二種的分值函數(shù)分別計(jì)算9個(gè)維度的分值：p1、p2、p3、u1、u2、u3、h1、h2、h3。

第二步：使用PCA對(duì)樣本的數(shù)據(jù)進(jìn)行處理，針對(duì)處理結(jié)果按照還原程度由高到低列出主成分（新的綜合指標(biāo)M1、M2、M3…M9），根據(jù)需求確定合適的還原程度，如果需要90%，則新的綜合指標(biāo)為M1、M2。

第三步：查看M1、M2內(nèi)原9個(gè)維度的關(guān)聯(lián)度，據(jù)此可理解M1、M2兩個(gè)綜合指標(biāo)的含義，M1主要代表p1、u2、h1，M2主要代表p2、u3、h2。

第四步：數(shù)據(jù)可視化。針對(duì)10個(gè)樣本，利用各樣本在M1、M2兩個(gè)新的綜合指標(biāo)內(nèi)的分值（坐標(biāo)），映射至二維圖。

第五步：給出結(jié)論。通過(guò)觀察10個(gè)樣本的分布狀態(tài)，可以清晰看出經(jīng)過(guò)優(yōu)化，產(chǎn)品的用戶體驗(yàn)分值是否明顯提高。另，如果需要得出一個(gè)綜合分值S，則可以根據(jù)M1、M2的含義分別予以加權(quán)，參考案例二中的處理方法即可得出。

總結(jié)

由于B端產(chǎn)品的用戶群體較小、強(qiáng)功能、弱設(shè)計(jì)等等原因，一般在產(chǎn)品的整個(gè)生命周期里面都很少使用量化的數(shù)據(jù)來(lái)指導(dǎo)產(chǎn)品建設(shè)和體驗(yàn)設(shè)計(jì)。在本文中，通過(guò)三個(gè)案例介紹了三種量化方案：

• 第一個(gè)“任務(wù)”案例中，是量化單個(gè)指標(biāo)，定義為“一維量化”
• 第二個(gè)“表單”案例中，是量化多個(gè)指標(biāo)，定義為“二維量化”
• 第三個(gè)“產(chǎn)品”案例中，是量化多類指標(biāo)（降維），定義為“多維量化”

不同類型、不同建設(shè)階段的B端產(chǎn)品，可以選擇合適的用戶體驗(yàn)量化方案。尋求量化點(diǎn)并采集有效數(shù)據(jù)，是用戶體驗(yàn)設(shè)計(jì)師可以多多思考的。

作者：胡欣欣，公眾號(hào)：吹拉彈唱大師（ID：cltcds）

本文由@吹拉彈唱大師 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash, 基于CC0協(xié)議