如何度量和改善用户体验.docx

《如何度量和改善用户体验.docx》由会员分享，可在线阅读，更多相关《如何度量和改善用户体验.docx（10页珍藏版）》请在第一文库网上搜索。

1、如何度量和改善用户体验弓I言21 .如何选取合适的指标21. 1按照主观和客观分32. 2Google 的 HEART 框架33. 阿里的PTECH框架44. 4基于马斯洛需求模型的框架42 .怎么评价度量值63 .度量工具介绍73. IGoogle Analytics （谷歌分析） 73. 2Segment+Amplitude83.3其他工具94.实践经验9引言“我感觉这样用户体验会好一些。”“那可不一定，万一用户就喜欢这样呢？ ”“你觉得费这么大的力气提升了少数人的一点点体验，划算吗？ ”“你怎么就知道是少数人了！你不做怎么知道就只有少数人会用呢？ ”需求评审会上一场剑拔弩张的关于用户体验

2、的讨论正在进行中。坦白说，用户体验的确是一门玄学，有很多不确定性，就像iPod造出来之前，可能只有乔布斯觉得这玩意儿会火。但在很多场合下，尤其是to B产品中，其理性设计会给用户体验带来非常多的确定性。即我们把产品设计当做一次次实验测试，用合适的指标去度量、反馈，就会越来越接近那“丝滑般”的用户体验。今天就和大家聊一聊用户体验的度量。首先会和大家讲讲用户体验度量指标，如何选取合适的指标，比如什么时候应该用DAU,什么时候应该用使用时长，这些指标背后有没有一个框架（套路）可以参考。其次会讲讲如何评价某个指标的值，比如我告诉你，某APP的DAU是10000,但其实10000这个数字本身没有任何意义

3、，只有放在时空对比，即横向与竞友或者是全量市场对比，纵向和该APP的历史数据对比，才有意义。那么如何比较，也是有一套科学的方法。然后会讲讲业界一些体验度量工具。最后聊一下我亲身经历的一次“不成功”案例，聊一下理论之外的实践教训，和大家共勉。1.如何选取合适的指标测量指标千千万，有多少个目标，就会有多少个指标。在用户体验领域,大概有以下几个框架来选择指标。1）按照主观和客观分：把指标划分为“行为性指标”和“态度型指2） Google 的 HEART 框架。3）阿里在HEART框架基础上衍生出来的PTECH框架。4）最后也和大家分享一下我自己思考的基于马斯洛需求模型的框架。按照主观和客观分我们可以

4、把指标划分为“行为性指标”和“态度型指标”。行为性指标：即用户怎么使用产品的。比如点击次数，点击率，任务成功率（用户是否能完成他想做的事情），完成任务所花时长，任务过程中所遇到的报错次数，完成任务所需点击次数等。态度型指标：即用户的主观评价。最常见的是三大主观指标：用户推荐指数，用户满意度指数，用户易用性指数等。1.2 Google 的 HEART 框架度维度指标举例Happiness（幸福度）用户的主观感受，认为非常享受产品使用的过程。满意度易用度推荐度Engagement（参与度）用户每次使用产品时,欲罢不能，会不断探索更多的东西.用户平均使用时长用户交互次数（点赞、转发等）Adoptio

5、n（获客度）有多少新用户会使用该产品。每天新增客户数Retention（留存度）用户在指定的时间周期内会再次登录使用该产品活跃用户数留存率续费率续购率Task Success（任务成功度）用户能够顺利完成任务任务成功率彳甥报错峰（反向指标）1.3 阿里的PTECH框架Performance性能体Iftsuccess户属行婚者强 KffirTR作型爆0度案陵糕定之“.工。是味，+% 邛口少4 ftic虺.诋本过率屈望务富，”、lanty清晰度Happiness湘B度功期h #网；。的K就演舞用户时产鼻不闰方面的左生塌龛度,*能笫自至兖成航8工区 S.比如视觉美电 容维支持等.关一SB T1关任务

6、0长指15 丫2关修任务/化桁散 E1尚访问用尸15 E2网用户平均5向”次 臼闾用户留有指? H1总体澧融催 P1员UM时长 P2B!可用同K P3圈务谪末晌应对闸定的析 C1设计现短得分 C2刖户主题漕*11谓分 C3线助系统完善度评分 SRtlltlfiR手收用户行为埋点用户行为11点应用住鎏as投用户行为理宗用户行为埋点闷号,0卡片分类 问卷调翻 用户仿读 反惯文本也系分析1.4 基于马斯洛需求模型的框架最后，基于我个人的经验和思考，我们也可以根据产品处于“马斯洛需求层次”的哪个层次来选择指标。众所周知，马斯洛需求将用户心理需求由低到高分为五个层次：1）生理需求；2）安全需求；3）归属

7、和爱的需求；4）被人尊重的需求；5）自我实现的需求。以我们最熟悉的产品微信为例，可以把其中的不同功能归属在不同的层次，当然不同功能可能会从低级需求转化到高级需求，在这里，为了简化分析过程，我们假设下表提到的功能都是未经迭代的最初设计版本。需求层级需求层级描述产品举例用户使用习惯对应的指标举例需求(physiologicalneeds )刚需,没他不行微信消用完即走，要求快捷.用户完成时长（越短越好）-用户完成容易度漏斗转化率安全需求(Safetyneeds )能给人带来稳定、安全、能免除恐惧和焦虑等.微信付双用完即走，期待稳定、安全性要求高.-页面加载时长-页面报错比率漏斗转化率归属和爱的需求

8、(belongingness andlove need )要求与其他人建立感情的联系.能归属于某个集体微值群聊、红包没有明确目的也会使用，使用中存在很多不确定性.-用户参与次数-用户卷与频次用户参与时长用户留存率-用户单次停留时长被人尊重的需求（Esteem needs）希望受到别人的尊重从创作者角度来看的微信朋友圈可能不会经常使用，但是使用了之后希望得到别人响应.-互动次数（如点慢、转发）互动比率自我实现的需求(self-actualization need )实现自己的能力或者潜能，并使之完善化从创作者角度来看的微信公众号、视频号出于自我成长的目的来使用，更;主更自我感受.用户满意度-用户

9、推荐度在这个框架中，我们在选择指标时，切忌同一时间段用多个指标衡量，追求“木桶理论”，而是要基于一个“笃定”的目标用“舍九取一”的做法在一个需求层次内选择一个最核心的需求去驱动，然后围绕这个核心来拆解影响核心指标的要素，不断迭代反馈，直到目标达成，进化到下一个目标，再开始新一轮的“进化”。我把马斯洛需求从低到高的进化过程画了一个图，来说明这个“进化”过程。有了以上的思维框架支持，我们可以按照实际需求选取合适的指标。那么指标选好了，指标的值也拿到了，比如某个页面的平均浏览时长是60秒，这个60秒代表什么，如何评价这个值是好还是坏？我们有一系列的方法。2 .怎么评价度量值总的来说，任何一个单一的值

10、都是没有意义的，唯有把这个值置于对比之中，才有价值，常见的对比场景有：在时间维度的纵向对比：例如今天和昨天的数据对比。时间维度的对比评估就是我们经常提起的同比、环比、趋势图等模型。在空间维度的横向对比：例如抖音和微信视频号的平均每天使用时长,或者是A/B测试中A、B样本的对比。关于A/B测试中，如何对比A、B样本的差异性，这里不再赘述。当我们知道如何选择用户体验度量指标和评判方法后，就可以灵活运用各种工具来开始你的体验提升战略了。接下来我们简单介绍几种工具。3 .度量工具介绍这里拿出笔者比较熟悉的几个工具，按照数据源获取、获取后怎么分析数据、分析后怎么展现三个维度来分享，供大家参考。3. lG

11、oogle Analytics （谷歌分析）Google Analytics （谷歌分析）是Google提供的网站分析工具,其原理是通过前端加载Google Analytics的js脚本,通过浏览器把C端客户的行为数据上报，之后在Google Analytics中进行数据可视化展现。数据获取方面：它是无埋点分析工具，即无需在前端对用户的每次行为进行埋点上报，几乎可以记录用户的所有行为。获取后怎么分析数据：首先它几乎涵盖了上述的所有指标，且付费用户还可以自定义指标。在分析模型方面，几乎提供了常见的所有模型。分析后怎么展现：谷歌分析的数据可视化是从广告效果分析演化而来，遵循【流量从哪里来一流量是谁

12、（有些什么特征）一流量来了之后转化如何一流量又去向了哪里】的模型展现给用户（如下图所示）。不过，GA也提供个性化报表让用户自由分析，但流量模型分析仍然是它的最大优势。.1 4、收心 AH Web S：te Data Gwk: A-HoneX - ”2 示要A.r骂红ii为15$000COfMfUOf! MlleSftSStCM0%37-vin n2I JlUl. uJl名 anajest hashiqt-3 IxxirKcRatcp 61 力 $ g 72Q Q5 25nd etc：*； 1Y table力bgfwy，cr-xnlevrtww 02“S.QFg2App iragv，N AtWi

13、buitoWT*QQ *（T。7WitWhen do yrnx使用注意事项: GA是一款非常强大，但免费版对流量有一定限制，即在一段时间内埋点上报到一定数量就会停止上报，所以对于大流量（日活十万级）的应用，可能就谨慎选择。 无埋点的上报的方法也可能会有非常多的指标展现给用户，对于初入门的用户学习曲线比较长。笔者最开始使用的时候，也是抓不住重点，这里瞅瞅，那里看看，感觉很酷，但是胡乱分析一通后，感觉对体验的提升没有太多参考价值。 GA的报告对不同的应用没有区别对待，导致GA的报告并不够简洁。3.2Segment+AmplitudeSegment和Amplitude并不是同一家公司，之所以放在一起

14、是因为笔者主要把Segment作为埋点采集工具，把Amplitude当做分析、可视化工具。二者都是开放平台，Amplitude可以通过接口方式读取Segment的埋点信息。二者加起来大家可以类比国内的神策数据。这个组合可以说是笔者目前见到的最好的分析工具，没有之一。数据获取方面：主要由Segment完成，埋点上报方法是事件上报，即前端可以指定哪些行为进行埋点上报，这种方式会使后面的分析更加简洁,重点突出。获取后怎么分析数据：分析模型由Amplitude完成，包含客户分群、漏斗分析、留存分析、参与度分析、用户全生命价值分析、用户全生命周期分析、用户session,用户组成、用户粘度分析、路径分析、路径用户分析、指南针预测分析（从用户行为中找到产品的aha时刻）、用户画像、归因分析、实验结果分析十五种分析模型。这也正是Amplitude的精髓之处,不过笔者也不是所有的模型都研究过，感兴趣的同学可以在其官网的博客文章中学习，博客内容非常深入，只是因为是英文，理解起来稍有