衡量用户体验已经不是一个新话题。最近也关注了一些这方面国内外的话题，整理和自己思考了一些，来写写这方面的感受。

前言

从某种意义上说，定性反馈是 UX 设计师最常用的武器。今天从诸多交互出版物或文章中看到，Metrics-Driven Design 概念的发展和越来越受重视的趋势。但两者取一都是片面的，倾向任何一者都会出现问题，追求定性总是在小样本下。定量分析总是忽视用户的反馈，为以数据就可以说明问题。充其量只是达到局部高点。一位 UX 设计师称之为 tunnel vision。

像 Booking 网站给出了『洞察数据，情感驱动』作为他们的设计准则。这里总是听上去像是在讲交互视觉范畴，而用户体验是不是指交互视觉呢。我觉得体验度量是不是就是度量交互视觉呢。后面来讲。

用户体验

产品用户体验不仅是指交互视觉，我的理解用户体验反应用户与产品从认知，使用到传播整个情感的连接和反馈。能力上包括了产品设计与功能实现，用户交互界面，以及系统承载能力。

上图是 CUBI Mobel：CUBI UX - User Experience Model。完整地说明了用户体验从内容、商业目标、交互、用户目标四个方面组合。

以初创产品为例，以流量增长为主要目的，这时用户交互与系统能力并不一定是重点。对于上面这张图而言，背后隐含着动态的权重，这个权重来自于产品的发展阶段目标。

以成熟产品为例，流量增长的红利已经减弱或消失，这时精细化运营就非常重要，这时用户交互能力和系统能力就与产品目标一样重要。这时的权重就有所改变。

体验度量

现代数据分析建立的背景是海量，全量数据。然而产品根据受众的不同，有 To C，To B，To D，在 To C 中不同产品的消费者群体又有细分，但总体来说面向消费者的产品一定需要流量。现代 To C 分析思路是在上述也讲到，是从流量分析 -> 细分人群的消费者洞察 -> 经营链路的全域分析过程，已经有非常多的商业分析思路在这几年沉淀，如 AARRR。在体验度量研究上，有 Google 的 HEART 模型。

但 To B 或 To D，使用的人群和频率远比 To C 低。从一开始就是从专业领域沉淀和积累的过程而成就，往往依靠产品经理的经验与行业习惯就满足了，我们经常看到对这类产品我们不会以『美观』来强调，而以『清晰』来强调。反馈这样产品的体验，定性分析起到决定性的作用。可以说，好的设计工作由定量与定性的信息一起来解答问题。

比如，我们通过对设计一组反馈问题来统计用户对产品的满意度，其中 Bayes' Probability 在小样本中可以起到很好的作用，又回归到定量分析中。

再比如，对 To B 或 To D 研究用抽样用户行为作单体分析也是一种行之有效的方法。推荐一定志愿者，在特定的数据采集中，持续跟踪志愿者的行为，细化收集几个关键指标：如平均完成一次关键路径的时长、关键路径完成效率等数据来研究产品可用性等作为体验 KPI 来衡量。

此外，AB 测试在这种场景下，也会是一种较为常用的方法，通过研究关键路径的转化来看更优方案，并能够智能化的切换不同分层样本，得到更精准的分析结果。

综上，不同定位的产品，面向的市场和人员所定义的度量方法更是不同的。

我试着列了几类

1. 产品阶段性目标和最终目标。营收提高，优化结构，工程效率提高，质量提高，能力覆盖。这里不同领域所导向的指标是不同的。

2. 工程研发过程及能力。投入产出比，系统成本，系统稳定性，创新性？。

3. 用户可用性。满意度，过程效率，过程质量。

总结

产品数据分析对我们来说很多关注点主要在数据上，有明确行动指引或明确的智能化方案。而用户体验分析是一个更广泛的概念，从刚开始说的这张图开始，它包括了商业，也包含产品其它方面。

我们做互联网产品，往往以商业目标为导向。但一个产品发展长远，是立体来看的，必然包含了技术的创新，交互视觉的创新。技术能力对于用户目标，交互与内容的帮助是非常大的，我们对于技术的期待并不只在性能上，稳定性上。也应该在 专业，沉浸，丰富 这样的关键词上来衡量可预见的未来。

这是一个很大的话题，我只是管中窥豹，希望有更多人跳出思维圈，利用数据，不局限于数据。

参考文章

https://uxdesign.cc/bayes-theorem-and-what-it-means-for-design-f718ece8655f

https://uxdesign.cc/measuring-and-quantifying-user-experience-8f555f07363d