大数据量化用户体验.docxVIP

PAGE 1 PAGE 1 大数据量化用户体验  好的量化用户体验的模型应当符合三个标准：一是具有系统性，即该方法评估用户体验具有系统化全方位的评估。  好的量化用户体验的模型应当符合三个标准：一是具有系统性，即该方法评估用户体验具有系统化全方位的评估；二是具有扩展性，扩展性指行业的扩展性，即不仅仅可以用于互联网行业，而且可以用于传统行业；三是易于落地执行，既在实际的统计和分析中该模型易于执行，也利于问题的发觉。本人认为在研究量化用户体验的模型以Google的HEART模型较为符合以上三点，值得我们研究和参考。因此本文将基于这个模型为基础来扩展和细化，以及应用的介绍。  　　  Google的HEART模型是发表于ACM会议的学术论文，ACM论文的具有特别高的权威性。ACM是AssociationforComputingMachinery国际计算机学会的简称。ACM是全世界计算机领域影响力最大的专业学术组织，每年在全世界(但主要在美国)举办世界性讲座及会谈，以供各会员共享他们的研究成果。Google发表于ACM的HEART模型来自于论文《MeasuringtheUserExperienceonaLargeScale：User-CenteredMetricsforWebApplications》，即《大规模测量用户体验：以用户为中心的网页应用度量体系》。虽然其研究的对象为网页应用，但我们认为HEART模型由于其框架的扩展型和系统性，我们认为该模型也适用于移动互联网应用，也可以扩展到传统行业的客户体验研究中，只是在HEART的大框架下，不同的行业其细化指标有可能不同。  　　  HEART模型包括五个维度，即Happiness(愉悦度)、Engagement(参与度)、Adoption(接受度)、Retention(留存度)、Tasksuccess(任务完成度)。这五项仅仅是大数据用于用户体验监控指标体系的范畴，不同的产品或服务可据此定义详细的指标，用以监控用户或者客户的体验。这五个维度的量化衡量中，愉悦度的量化衡量较为复杂，既需要基于小样本量的用户体验研究方法，更需要基于大数据的用户行为监控方法；而其他四个维度指标均大部分都可以通过基于大数据的用户行为监控方法实现。本文以互联网产品为例，阐述HEART模型的应用。  　　  一、愉悦度(Happiness)  　　  愉悦度是用户体验中最重要的用户感受，“用的很爽”“很好看，很好用”“感觉很流畅”“很不错，我会推荐给身边的好友”等等都是产品或者服务的愉悦度好的表现。愉悦度可以从四方面衡量，包括有用性(需求满意甚至超越)、易用性、视觉感受、向别人推荐的意愿。详细指标如下：  　　  (1)有用性  　　  有用性指的是产品满意用户需求的程度。许多产品经理做产品，往往很关注产品原型设计、交互设计和视觉设计，但不会花许多时间在研究用户需求上。360公司的创始人周鸿祎先生常常提到，有的产品不了解刚需，解决的不是痛点，产品经常面临的最大的问题是用户根本不需要这个东西，这种产品解决的需求其实都是“伪需求”。  　　  研究“有用性”有两类方法：(1)定性研究方法：一对一用户访谈、焦点小组、可用性测试和现场调查/观看；(2)定量研究方法方法：问卷调查、眼动仪、产品数据分析、ABTest和基于自然语言处理的数据挖掘。其中，定量研究方法中的产品数据分析、ABTest和基于自然语言处理的数据挖掘属于通过技术手段来实现测量效果，属于大数据范畴。有用性的研究核心是挖掘客户的真正需求，对不同需求进行优先级分类，这方面特别重要，详细如何量化，我们在下一篇文章阐述。  　　  (2)易用性。  　　  易用性指的是产品对用户来说意味着易于学习和使用、减轻记忆负担、使用的满足程度等。产品易用性好，很可能是因为产品功能少，界面简洁；也可能是用户认知成本低等因素。同样的产品，功能，界面和环境都相同，对于不同的用户而言，易用性也是不同的，因为用户的认知能力，学问背景，使用经验等都不同。易用性包括三方面：第一方面，(Easytodiscover)，即单单凭观看，用户就应知道；第二方面，易学(Easytolearn)，第一次使用，很简单学习上手；第三方面，易用(Easytouse)，使用起来很简单，很简洁。  　　  易用性是非功能性需求，加上易用性不像功能那样有明确的界限。所以，易用性有许多的主观成份或无法直接测量，而必需通过间接测量或观看方式。此外，易用性是针对不同人的，开发和测试人员无法精确知道该软件产品是否对别人同样易用。