你好，我是炒炒
在我之前与其他部门的一次协作中，我公司的CTO问了我很多问题：
我是个典型理工男，不太懂你们这个体验专业，但我习惯用数据来判断。我经常听你们说产品体验好，为什么好呢？可以打几分？这种体验好可以用数据衡量吗？最好的是什么样的？可以打100分吗？我投入多少个体验人员是最划算的？如何评估这个投入产出多少价值？
之所以我印象这么深刻，是因为我第一次被CTO提了这么多的问题。其实，他问的这些问题总结来说，就是在问一件事，是否可以用量化的数据来评估产品的体验好坏。
世界的万事万物都是可以被度量和评估的，我们的用户体验领域自然也不例外。
我们在学习“08 | 怎样搞定一场可用性测试？”的时候曾讲过，我们可以通过用户的可用性测试，使用相对量化的数据来帮助我们发现产品的问题，对产品进行迭代和优化。
这种可用性测试的方法是从产品视角，关注用户使用产品能否成功完成某些任务。
而用户体验度量是从用户视角，衡量用户使用产品或系统时的个人体验。它是一个更宏观的概念，强调的是用户与产品之间的整体交互，以及交互中形成的想法、感受和感知。
那么这种抽象的东西，真的可以度量吗？如何度量呢？
我先给你举两个小例子。
当你用盒马下单后，系统会让你给骑手进行评分。评分体系包含速度、态度、时效等这样的指标，这个其实就是对体验的一个打分收集。打分的人多了，就会生成一个服务评分。平台通过服务评分，就可以知道这个骑手服务哪里好、哪里不好，如何进行结构性优化或者激励。
这个就是体验的量化拆解在日常行为中的一个应用。所以，体验是可以评分的、可以度量的。
大厂一般会有一个组织，专门负责给公司的所有产品进行产品体验的打分，用以帮助该产品进行体验优化。我们一般会从可用性、易用性、满意度三个方面去打分，我称之为打分模型。
一般来说，可用性看的是产品的基础功能是否过关，如果不过关的话，很有可能会影响到用户对产品的第一体验；而易用性更多地代表一个产品好，好到什么程度，差的话，又差成什么样子。
而满意度偏向于用户个人主观的一个感受，代表的是一种整体上给用户带来的感觉。这三个维度共同决定了一个产品给用户带来的体验的好坏。
那么，具体该如何利用打分模型去度量体验呢？主要分为五个步骤。
之前我有说过，我最近两年一直在做B端产品，所以C端的那种大范围随机发调研问卷或者走廊测试这样的搞法，对B端来说，性价比不是很高。B端系统大、复杂度高、模块多、岗位角色多 ，所以一般会先定范围。
就拿我们之前的企业网银这款产品来说，这个企业网银集合了五大业务中心的业务，相关功能模块有400个左右，涉及到的页面有3000多个。如果我们要对整个企业网银进行整体打分，那这个工作量太大了，而且还要协同不同的业务中心，整体推进起来的速度也会非常缓慢。
所以，我们根据不同的业务属性划分成了不同的范围，比如说转账、资金池、票据管理、跨境中心、理财等。
这里你可以回忆一下我们的“04 | 为什么你的竞品分析看起来像拼接抄袭？”中讲到的，我们选竞品的方法。基于现有的目的，我们一般选直接竞品就可以了。比如说，我们要评估的是财资系统，我们会直接挑选行业里做的最好的财资系统，来进行模块的详细对比。
结合我们在上面提到的打分模型，我们可以把可用性、易用性和满意度对应我们的产品，做一个拆分。比如说，可用性分为是否满足用户需求、流畅性怎样、文案描述是否准确等等。
接下来，对于每个细项指标的评分，你可以采用五级量表的10分制评分。你可以根据自己的操作体验，给每一个细项进行评分。比如说，评分对应规则如下：非常不同意（1、2分）、不同意（3、4分）、一般同意（5、6分）、比较同意（7、8分）、非常同意（9、10分）。
比如说，如果你要转账，结果使出了吃奶的力气，转账都完成不了，那这个明显是“非常不同意”，1分都觉得多了，对吗？所以，就拿“满足用户需求”这个指标来衡量的话：
举个例子，假设你现在需要在app上进行转账，结果使出了吃奶的力气，转账都完成不了，那这个操作体验在“满足用户需求”这个指标上，明显是“非常不同意”，1分都觉得多了，对吗？
我总结了一个表格，给你列举了一下我在最近的一个项目中用到的产品体验分评估指标。这个表格针对的是一个金融类的B端产品，应该会给你一些更具象的参考。
当然，在工作中，你需要根据你所服务产品的实际情况不同进行指标的增减。
你可以根据自己的产品情况，设计自己的体验打分表。
接下来，我们一般的做法，就是根据标准分模块，按照业务流程去走查打分。
为了保证最终打分的合理性，我们会在打分前给各位打分人做一次宣讲，把打分规则详细地讲一遍，如果有疑问的地方让大家现场讨论，这样可以使各位打分人对规则的理解更趋于一致。
对齐打分规则后，打分人对本次需要打分的模块进行依次打分，且彼此之间互不影响。比如，本次划定的打分范围是模块A、模块B、模块C三个模块，则每个打分人需要依次完成对这三个模块的打分。
这里要求走查的人员对业务要很熟悉，也就是需要基于懂业务的体验走查。不然发现的问题都是很浅层次的视觉问题。倘若发现的都是这样的问题，对于一个业务系统来说，就是形式大于逻辑了，收获不到对体验提升有决定影响力的、特别有价值的信息。
举个例子，我们最近做某财资平台的体验打分，发现所有的打分都是视觉表现层的一些扣分项，例如像素没对齐，弹框样式不统一这样的不疼不痒的问题，这对产品的体验优化起不了决定性的帮助，同时也显得体验问题都集中在视觉层面，应该由视觉设计师对体验问题负责。
溯源原因，就是因为走查打分的人员里没有加入业务人员，大家不懂业务流程，所以只能按照产品说明书点击，很难走进产品真实的使用场景里面去，很难发现产品真实的体验问题。
最后一步，就是输出体验分值和建议
通过以上流程的打分，我们就能看到每个评分指标的得分，那么怎么计算一个最终的体验分呢？
我们的计算逻辑是这样的：先把每个评分指标的分数相加，再除以评分指标个数，就能得到单个用户对该模块的体验分；然后把每个用户对该模块的评分相加，再除以参与评分的用户数，就得到了该模块的体验分。
计算出来了体验分，你可能会有一个疑惑，在我们列举的打分指标中，为什么易用性的权重这么大，占了8个指标，满意度却只有1个指标？
这也是我正要提醒你的，我列举的这个表是针对我们自己的B端产品使用的评分表的局部，我们在体验评估中更偏重产品的易用性，所以会把易用性的指标权重设置的大一点。
在实际工作中，你可以结合产品的实际情况去调节可用性、易用性、满意度三个维度的权重，这样得出的体验分才更符合产品的需要。
当然，除了看总体的体验分，我们还可以对比看单一维度的体验分，比如可用性或易用性的体验分。数就是这么些数据，我们可以根据我们的需要灵活运用。
当每个模块的体验分计算出来后，我们又该怎样去对比分析呢？
通常情况下，我们会参考两个标准进行对比：行业标准和自我标准。
先来看行业标准，对于很多B端的产品来讲，可能你在市场上找不到比较通用的行业标准。那怎么办呢？你还记得在第二步中讲到的选竞品吗？假设我们选了两个竞品，那么参与评分的用户，同时会对竞品进行评分，这样，我们也用同样的逻辑计算出竞品的体验分。
再计算两个竞品的平均分，我们就可以简单粗暴地把两个竞品的平均分定义为行业标准。这样，我们就可以跟行业标准对比。倘若低于行业标准，那说明我们做的太烂了，需要深度优化产品的体验。
再来看一下自我标准。互联网产品追求的是每一次都有进步，而不是完美。这就要求我们的团队要不断地对产品进行迭代优化。所以，这个体验度量的工作不是一次性的，也是迭代的。
那么，我们可以跟上个季度比，看看我们的分值有升高吗？没有升高的话也需要反思，是哪个模块的哪个要素分值特别低，我们就可以有针对性地进行优化。
通过体验分值来辅助产品进行优化决策，这样的决策才更有方向性和目标性。
通过度量，我们可以量化地知道，产品的体验好不好，好在哪儿？不好在哪儿？跟行业相比，我们是处于领先地位还是追赶者地位？用户体验度量的最终目标不在于度量本身，度量只是一种途径或方法，可以帮助你获取更多信息，以便做出更好的决策。
用户体验度量可以回答很多对组织来说至关重要的问题，以及其他方法回答不了的问题。比如：
有了体验度量，我们可以确定很多抽象的问题，比如说，一个简单的改变可以带来多少具体的价值、从哪个方向降低完成客户服务任务所需要的时间、增加每天处理的多少交易量，可以使未完成的客户订单量减少多少、如何提升客户满意度和增加交易等等。
当我们的评估从总体上给企业带来收入上的增加时，体验度量就有了价值。
今天我们讲到了产品体验的评估问题，讨论了是否可以利用量化的手段给体验评分。
首先，我们确定了，产品体验是可以评估和度量的。我们在对产品进行用户体验度量的时候，可以从可用性、易用性、满意度三个大的维度去评估，建立我们的打分模型。
第一步，先划定好范围。我们的打分对象可以是针对一个完整的产品，也可以是产品中的某个相对独立的功能模块；第二步，按照我们之前所学，选择好我们的直接竞品；
第三步，结合产品属性和评分目标，进一步细化打分指标，每个细项指标的打分规则可以采用五级量表10分制的模式；第四步，打分的时候，要保证评分人的独立评分，并且要确保打分的人熟悉业务场景，尤其是针对B端的产品，在熟悉业务场景的基础上，进行打分会更有客观业务价值；
最后，在对体验分的结果进行分析对比的时候，我们可以根据需要，从行业标准和自我标准两个层面来对比分析。体验度量的价值并不是打分，而是通过评出的体验分让产品的关联方对产品的体验有更客观的认知，同时帮助产品更有效地完成迭代优化，带来业务上的增长。
希望通过本节课的讲解，帮助你在工作中更客观地评估产品的用户体验。
请结合课程中讲的详细评分维度，给你现在服务的产品或者重点功能进行一个评分吧。
记得在留言区和我讨论、交流你的想法，每一次思考都会成为你进步的基石。
如果你喜欢今天的内容，也欢迎你把这一讲分享给你的朋友。
感谢你的阅读，我们下一讲再见。
评论