作者|TWInsights随着企业组织逐渐壮大，服务种类越来越丰富，用户群体也越来越多样化。此时，对用户体验进行有效的评估和管理成为企业的迫切需求。核心问题解决了。共同挑战在与多家大公司合作的经历中，我们发现传统公司在体验感知和管理上往往存在以下挑战：1.主观评价占主导地位，缺乏统一的理解和客观认知用户眼中的用户体验。很多人是一种主观感受，只能理解，无法用语言表达。当大型企业需要对其服务和产品进行有效管理时，我们发现大家对体验、目标和策略并没有清晰统一的认识。更不用说有效的跟踪和管理了。2、传统研究方法无法有效利用现有行为数据赋能体验和业务。通常这类企业都会有体验管理团队，负责在产品研发过程中协助业务线进行传统的用户访谈和可用性测试，并且会有意识地收集产品中的埋点数据。这种传统的样本数据分析方法存在样本量有限和时滞等缺点。同时，对于系统上产生的丰富的用户行为数据或交易数据缺乏有效的行为分析，无法通过及时的梳理和洞察输出有价值的线索，赋能体验或业务优化。3、无法持续形成“问题定义、优化改进、效果评估”的闭环在很多公司，体验问题的定义和优化都是随机的：可能是专家在走查过程中发现的问题，或者可能有几个用户反映了同样的问题问题，也可能是某位领导遇到了问题，下令必须修改。这种体验优化的结果往往是未知的。如果用户停止抱怨，领导满意地点头，是否达到了目标？随着时间的推移，这层面纱让体验管理变得更加神秘。现有方法的不足面对以上问题和挑战，我们也看到市面上很多咨询公司和SaaS平台产品都涉足其中，力求通过对用户体验的衡量，让体验管理方式更加直观高效。用户旅程的核心节点。但是，基于多年的经验衡量和管理经验，我们也发现现有的方法和产品或多或少存在以下问题：1.迎合管理者的角度，忽视了高管的需求为了让管理者更好的把握和评价产品或服务体验需要更多的结果数据作为支撑。例如，要求用户在使用某种产品或服务后对体验进行评价，如“您对这项服务满意吗？5分代表非常满意，1分代表非常不满意”。所有这些数据的评估是一个结果指标。管理者确实可以通过这个结果更好的定位出问题发生的环节，但是对于执行者来说，他们只能知道执行的结果，却无法理解其中的原因，更谈不上如何去做。提升。2.没有目标和策略，只谈衡量和结果。我们还发现，由于很多平台产品具有很强的快速获取和分析数据的能力，可以快速定义体验指标和收集数据结果。对于不同的产品和服务，指标和分析方法都是趋同的。但是，对于产品或服务的体验，其生命周期、阶段目标以及基于该阶段目标的体验策略是第一位的。只有基于明确的产品目标和明确的体验策略，才能构建有意义的指标体系和有效的结果。比如A银行和B银行，他们的目标是增加存款额度，但是A银行服务于本地商业用户，其策略是提供有竞争力的存款产品，而B银行则在争夺小微的新客户企业。集团，希望通过引入新的客户群来增加存款额度。A银行应更加关注产品引流、购买、转化过程中的用户体验和指标效果。对于B银行，需要关注新客户群体的引入、开户以及初步的服务体验和指标结果。3、体验测量的指标结果纯属主观反馈，缺乏与客观指标结果的深度结合。同时，我们也看到一些方法将体验测量的指标侧重于用户的纯粹主观反馈，如满意度的评价，但这些反馈客观性存在样本代表性偏差或缺乏有效解释。虽然他们也意识到这个结果的局限性，但是他们提倡XData（经验数据）和OData（操作数据）的结合。但是，如何进行有效的组合，目前市面上还没有看到系统的方法介绍。数据驱动的体验衡量方法——四大关键问题基于以上挑战，我们构建了数据驱动的体验衡量方法框架，希望能帮助企业形成一套“以业务目标为导向，以用户数据为支撑，以体验提升为核心”为核心的“目标”闭环管理系统。该系统主要回答4个关键问题：1、什么是好的体验？好的体验不仅是用户满意度，更是基于用户满意度对业务目标的有效支持.因此，我们应该根据业务目标来定义体验指标，从北极星指标层层拆解到具体的关键指标。2、体验的结果如何？这个阶段我们会收集和评估体验指标。因为指标包括主观数据和客观数据，也包括线上数据和线下数据，评价方法和手段也非常多样，包括但不限于行为数据、交易数据、在线主观量表、绩效数据等。3.背后的原因是什么？有了指标，有了指标的结果，数据驱动的体验衡量才刚刚开始。更重要的是，我们需要通过系统的、多维度的分析和洞察，找到产品或服务体验不佳的潜在线索和原因，建立有效的假设和验证，真正帮助优化和改善体验，这就是为什么我们的系统可以更好地平衡管理者和高管的观点。4.如何提高优化？当我们洞察到可能的线索和原因时，我们可以更好地结合传统的用户研究和体验设计方法，做更准确的验证、挖掘和分析，设计出可能的优化方案，这也是企业中的传统设计。教师对工作非常熟悉和擅长。但我们仍然需要在改进计划实际启动之前对其进行有效评估。例如，在原型设计阶段，使用完整的可用性测试来收集关键任务结果和对解决方案的主观反馈；或者在上线前，通过ABTesting尽早评估优化方案对体验指标的变化和影响，降低上线后对体验产生负面影响的风险。基于以上四个步骤，数据驱动的体验衡量方法形成了一个以业务目标为导向，以用户数据为支撑，以提升体验为目标的闭环系统。虽然这种数据驱动的体验衡量体系并不能保证每个公司都能设计出体验完美的产品，但毕竟用户洞察和体验方案设计还是需要优秀设计师的能力和经验。但是，对于业务复杂度高、体验要求高的公司或产品，我们可以通过这个方法体系来对齐大家的目标和对体验的认知，对体验进行全面、客观、持续的结果跟踪，更高效地洞察线索和原因。从而提高体验管理的效率，降低体验优化的难度。数据驱动的体验测量演进路线构建完整的体验测量和管理体系需要很长的时间和大量的投入。实现阶段性的价值呈现，可以参考以下路线：第一阶段：轻量级体验衡量体系初期可以利用业界通用的指标库，结合产品目标和用户需求，建立轻量级衡量体系。在此期间，我们建议开始线下评估，因为指标的定义、评估流程的优化、组织内部的协作等，还需要经历一个周期的迭代（3-6个月）。Phase2：数据驱动的体验衡量体系该阶段可以引入数据嵌入指标作为用户体验的主要指标，提高数据结果的客观性、及时性和综合性。同时，我们可以结合主观体验指标和用户VOC（Voiceofcustomer）反馈，寻找体验结果的线索和原因。现阶段可通过在线可视化工具获取并直观呈现在线埋点数据。Phase3：数据驱动的用户体验洞察最后，我们希望通过构建更深入和多元的分析方法，形成对数据驱动的用户体验的洞察。用户行为数据和交易数据可以反映用户习惯、偏好和使用场景，构建用户画像，分析用户需求趋势。在技??术层面，通过连接不同系统更丰富的数据，构建用户体验测量和管理的在线平台。从而形成从单一主观数据到客观埋点数据，从样本用户研究到全面用户覆盖，从周期性用户数据规模采集到持续数据指标反馈，从聚焦痛点闭环反馈到体验结果根源的一条线新需求、新场景的挖掘与洞察演进路线。这样，作为数据驱动的体验测量的背景和方法介绍，希望大家能够对这种方法的目标、优势和思路建立一个整体的认知和初步的认识。接下来，我们将通过更多文章详细介绍数据驱动体验衡量的具体方法，敬请期待。原文链接：数据驱动体验衡量的挑战与思考——ThoughtworksInsights
