数极客首页

Google衡量用户体验的指标体系

今时今日,越来越多的产品和效劳
被部署在网络上,怎样
大范围
中止

用户体验的权衡
成为一个庞大

的机遇和应战
,怎样设置以用户为中心的指标来权衡
网络应用中关键目的
的转化过程,或者推进
产品决策成为一个我们想探求
的问题。在这篇文章中,Google 给我们带来了他们目前正在运用
的,以用户为中心度量的HEART指标体系,以及把产品目的
与创建

指标体系相互

关联的过程。本文也包含了应用HEART指标,同时从数据驱动以及从用户为中心的角度动身
,辅佐

产品团队决策的实例。该指标体系及其运用
过程曾经
被Google内部各产品团队普遍
认同,我们置信
其他组织也能够

在运用
它的过程中受益。

Google权衡用户体验的指标体系

作者关键词(Author Keywords)

指标,网站剖析

,网络应用,日志剖析

学术分类关键词(ACM Classification Keywords)

H.5.2 [信息呈现]:评价
用户交互界面的办法

普通
关键词

实验,人为要素
,丈量

 

引言

WEB技术的进步使得越来越多的效劳
基于WEB去创建

,用户能够

在“云端”完成很多的工作,包括那些以前需求
在本地运转
的程序,如文字处置
、照片编辑等。关于
用户体验专家来说,需求
应用
效劳
器访问日志来跟踪产品的运用
状况

。依托
外部的工具,比如

a/b测试工具来中止

版本的迭代。但是怎样
以用户体验为中心的准绳

中止

比较

?怎样
选择
试用的指标?中间存在哪些机遇呢?

在CHI社区,不论

中止

小范围
的测试或中止

大范围
的调查,都曾经
有了一个丈量
用户态度(例如称心

度)的办法

。但在行为数据方面,树立
的丈量
大多范围
很小,运用
问卷或计时的方式
中止

测试,例如效果(任务完成度、出错率)和效率(任务时间)。

CHI报告中未触及
的一块重要内容是基于大范围
用户行为的数据剖析

指标。往常

网站剖析

的潮流也曾经
从原来单纯的剖析

页面点击,演化
为剖析

关键绩效指标。但是主要还是以商务为中心中止

剖析

的,而不是以用户体验为中心。一些网站剖析

工具提供的指标大多太过笼统或只适用于电子商务网站,并不针对一切
网站。

Google创建

了一个新的剖析

用户态度和行为的用户体验指标体系。我们应用
百万用户数的基础

以及依据

自身

阅历

打造该体系,使其能顺应
大公司不同类型多种产品(面向用户/业务中心)的需求。我们发现该体系已能满足Google自身

产品及流程的需求,我们也置信
其他公司的团队也能够

运用
这一体系。同时我们也希冀
在大范围
用户行为数据挖掘

方面,有更多的研讨
成果呈现

相关研讨

近年来已然有很多工具来辅佐

网站应用和效劳
跟踪剖析

:免费或收费的剖析

工具(Google Analytics/Omniture);应用
现代散布

式系统(简化数据处置
/Apache Hadoop)或者特化的程序文

(Parallel Analysis)对大量日志数据中止

用户剖析

;依据

用户行为对访客群体中止

细分的网络数据挖掘

技术(Web User Traffic Composition);很多供给

商均提供的用户调查与易用性测试(UserZoom)以及可控的A/B测试等。

除开实施

与运用
过程的要素
,怎样
有效率的运用
这些工具依然

存在很大应战
。规范

的网站剖析

指标关于
特定的某些产品目的
或者研讨
课题显得太过普通
化。在压榨
性的巨量数据面前,怎样
分别

出有效的数据,怎样
指导商业行为与决策是很艰难

的。很多专家倡议

关注少数关键性业务指标或者用户指标,应用
他们监测商业活动,但我们在理论
中发现说起来容易做起来难,产品团队不会通知
你,也一定
能明晰
的定义目的
是什么,因而

让选择监测指标十分

艰难

。(好吧,我想到了Google Wave——ysy.me)

很显然这些指标不能单独拿来用,它们应当配合其他信息来源运用
,比如

配合可用性报告和实地调查
来辅佐

决策。同样的,它们关于
线上的产品也十分

有用,关于
早期用户探求

的作用是无可替代的。因而

,我们想要探求

出一个整合大范围
用户行为和趋向数据的体系,用于补充公司现有的用户体验研讨
办法

1、传统的网站权衡
指标PULSE

  • Page view/页面阅读
  • Uptime/响应时间
  • Latency/延迟
  • Seven days active user/7天生动

    用户数

  • Earning/收益

PULSE是基于商业和技术的产品评价
系统,被很多组织和公司普遍
应用于跟踪产品的整体表现。

这些指标十分

重要,并且和用户体验息息相关,比如

一个产品假定

经常访问无响应或者延迟很高是无法吸收
用户的。一个电子商务网站的下单流程假定

步骤过多就很难赚到钱。一个用户体验佳的产品在PV和用户量上应当是会不时
增长的。

但是这些指标要么太表面

化,要么只是间接和用户体验相关,很难用来评价
改动
交互界面关于
用户的影响。并且他们也经常产生负面的相互

影响——比如

一个特定功用
页面的PV上升可能是由于这个功用
真的很棒,或是界面让用户迷惑,而想经过
不时
的点击尝试分开
。改动
所带来短期的价值提升,但糟糕的用户体验长期来说会构成

用户的流失。

在一段特定时期内的用户指标数,例如七天生动

用户数(Seven days active user)常常被用做用户体验指标。该指标度量了整个用户群,但没有反映用户关于
产品的深化
水平

,比如

七天之内来访的频数,同样它也没有辨别

新老用户群体。在最糟糕的状况

下,100%的生动

用户都是新访客,但生动

用户总数仍在不时
增加,这关于
产品来说显然是失败的。

2、以用户为中心的指标体系HEART

基于PULSE中存在的缺乏
,分别

用户体验质量以及让数据更有理论

意义的需求,我们提出了一个作为补充的度量体系:HEART。

  • Happiness/愉悦度
  • Engagement/参与度
  • Adoption/接受

  • Retention/留存率
  • Task success/任务完成度

这五项仅仅是指标体系的范畴,不同的产品可据此定义细致

的指标,用以监控完成目的
的过程。

愉悦感分别

用户的称心

度来度量,任务完成度分别

任务完成的效果和效率来度量。参与度、接受

度、留存率是全新的范畴,普通
经过
普遍
的行为数据来制定。通常并不适合

在一个指标设定中用到一切
维度,但能够

参考该体系来决议
是包括或扫除
某个维度。比如

用户是要将运用
你的产品作为工作的一部分

,在这种企业环境下参与度就没有什么意义了。在这个案例中能够

思索
选择愉悦感或者任务完成度。

愉悦感
愉悦感是设计用户体验中的客观
感受问题,像称心

度、视觉感受、向他人

举荐

的意愿、易用性感知。能够

经过
好好设计问卷长时间监控相同的指标来看设计修正
后带来的变化。

例如,我们有个性化首页的效劳
(iGoogle)。团队应用
产品内置的检测伎俩

,跟踪了一周内一系列的指标来研讨
改版和新功用
的影响。在一次大改版之后,起初用户称心

度指标是大幅降落
的(应用
七点雷达图),但是随着时间推移,这个指标逐步

恢复,这标明
大幅降落
只是由于
刚改版时的不顺应
。慢慢

习气
这次改动
之后,用户理论

上是很喜欢的。有了这一信息,团队就能够

更有自自信心

的坚持
这次改版的设计。

参与度
参与度是用户在一个产品中的参与深度,在这个维度上,通常用来作为一段时期内访问的频度、强度或互动深度的综合。比如

单用户每周的访问次数,或者用户每天上传的照片数,这比总量要好——由于
总量的增长可能是由更多的用户的产生,而不是更多的运用
产生的。

例如,Gmail团队更想研讨
用户的参与度而非PULSE指标体系中的七天生动

用户数(只是上周运用
该产品用户的简单计数之和)。我们有理由去置信
,深度用户会经常检查他们的邮箱,由于
他们曾经
构成
习气
。我们选择的指标是一周内访问五天或者更多的百分比,这一指标同样也能够

用来预测用户长期的留存度。

接受

度和留存率
接受

度和留存率指标经过
特定时期内大量用户的统计(比如

,7天的生动

用户数)提供强大的洞察,来定位新用户和老用户的差别

问题。接受

度监控特定时期内有多少新用户开端
运用
产品(比如

,最近7天内新创建

的账号),而留存率则监控特定时期内有多少用户在下稍后一个时期内依然

存在(比如

,某一周的7天生动

用户在3个月后依然

在7天生动

用户中)。

在此“运用
”和“周期”的两个概念都应当因事制宜,有时分
“运用
”就意味着访问网站,有时分
则是抵达
了某个特定的页面或者完成某种互动,例如创建

账户。留存率和参与度相似

,它能够

被定义不同周期长度,有的产品或许
只需求
察看

周数据,有的则需求
月数据或者季度数据。

例如,在08年证券市场暴跌的那段时间,谷歌金融在阅读
量和七日活动用户指标上都有一次井喷,但无法肯定
数据的剧增是来自关怀

金融危机的新用户或是恐慌性不停查看他们的投资信息的老用户。在不知道

是谁增加了这些访问量之前,决议
能否
要改版网站以及怎样
中止

修正
十分

艰难

的。我们应用
接受

度和留存率这两个指标来辨别

用户群体,同时还关注了新用户继续运用
该效劳
的百分比。这类信息被我们团队应用
于解读事情
驱动的数据动摇
以及发现潜在的机遇

任务完成率
任务完成率维度包括一些传统的用户体验行为指标,比如

效率(如完成任务的时间),效果(比如

任务完成的百分比)以及错误率。

例如,谷歌地图曾经有过两种不同的搜索框,一种是用户能够

分开输入“目的”和“地点”的双重搜索框,另一种是单个搜索框处置
一切
的类别。有人觉得单个搜索框就能够

胜任一切,同时又坚持
了效率,在之后的A/B测试中,团队测试了仅提供单个搜索框的版本。他们比较

了两个不同版本的错误率,察觉

用户在单个搜索框版本中能够

愈加
有效的达成他们的搜索目的。最终,这个结果让团队十分

有把握的在一切
地图上移除了双搜索框功用

3、目的
——信号——指标

不论

定义的用户中心的指标是怎样的,假定

不能和目的
明白
的相关,以及能够

跟踪抵达

目的
的过程,那么都是白搭。Google提供了一个简单的流程来完成指标的设定,第一
明白
产品或者功用
目的
,然后定义转化的信号,最终树立
适用的指标

目的

第一步是定义产品或功用
的目的
是什么,特别是在用户体验方面。用户需求
完成什么任务?重新设计是试图抵达

什么?运用
HEART体系来明白
相关的目的
(比如

,是吸收
新用户更重要,还是鼓舞
现有用户更积极参与重要?)一些有用的提示:

  • 不同的团队成员可能关于
    项目的目的
    有不同的意见。这是搜集
    不同的想法并且争取达成共识(并且认同选择的指标)的良机
  • 特定项目功用
    的胜利

    可能与产品的整体目的
    不同

  • 在这个阶段无需太担忧
    找不到相关的信号或指标

信号
接下来,想想用户的行为或态度怎样
表现
胜利

或失败。什么行动会表示目的
曾经
抵达

?什么感受或见地
能够

联络
到胜利

或失败?在这个阶段你应该思索

你的这些信号的数据源可能是什么?比如

,基于日志的行为信号,这些相关的行为目前有记载
或者能够

被记载
吗?能够

搜集
态度的信号——能招认

期投放问卷吗?日志问卷是我们最常运用
的两个信号源,当然也有其它的选项(比如

,运用
一个面板或判别
让用户评分)。一些有用的提示:

  • 选择敏感度高以及和目的
    特别相关的信号——只因用户体验的好坏而改动
    ,而非其他不相干的要素
  • 有时失败比胜利

    更容易定义(比如

    ,放弃任务、撤销,迂回

指标
最终
,想想这些信号能否
能够

转换为特定的指标,能否
能够

被便当
的持续跟踪。一些有用的提示:

  • 原始统计数据会随同

    你的用户基数增长而增长,需求
    转化为常态;比例、百分率或者每个用户的平均

    值更有用一些

  • 在确保精度上有很多应战
    ,基于web日志的指标,如从自动生成的数据中过滤流量(如爬虫、渣滓
    信息),并且确保一切
    重要的用户行为都被日志记载
    (默许
    状况

    下可能不会,特别
    是在基于AJAX或基于Flash的应用中)

  • 假定

    需求
    拿你的项目或产品和其他的中止

    对比

    ,你可能需求
    在规范

    指标外,额外增加监控指标来进一步更精确

    得监测产品。

4、总结

Google曾经
破费

数年时间来处置

普遍
应用的用户体验的权衡
指标体系。HEART体系和目的
-信号-指标的过程,曾经
在Google超越
20个产品和项目中中止

了应用。不论

是数据驱动的还是用户中心的产品中,HAERT体系和目的
-信号-指标过程都能辅佐

产品团队来做出决议

Translation: Steve

Special thanks to: Biaodianfu

Google原文链接《Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications》

部分

内容参考自 天涯博弈

来源:http://www.ysy.me/2011/07/06/google-metrics-framework/

给大家举荐

我国新一代大数据用户行为剖析

与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合剖析

用户行为数据和业务数据,能够

自动监测网站、APP、小程序等多种渠道推行
效果剖析

,是增长黑客们必备的互联网数据剖析

软件。数极客支持实时多维剖析

、漏斗剖析

、留存剖析

、途径
剖析

等十大数据剖析

办法

以及APP数据剖析

网站统计网站剖析

小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据剖析

模型,是用户行为剖析

范畴
首款应用定量剖析

与定性剖析

办法

数据剖析

产品

发表评论

评论已关闭。

相关文章