编辑导语：任何事物都能找到衡量它的方法，在日常工作中，设计师常常会遇到这样的困惑：如何衡量这次产出的结果，用户体验该如何用数据指标表达出来？本文分析如何用数据衡量用户体验，以此正确衡量自己的工作成果。
任何事物和现象都是可衡量的。通常我们认为不可衡量，只是没有找到合适的办法。
“如果一个工作岗位没有目标， 那么这个岗位的工作价值必然被忽视。 ”—— Peter F.Drucker 《管理实践》
在我们的日常工作中，用户体验设计师也经常被挑战。常见的问题：
怎么证明这次的功能优化比原线上的好？
这次的优化对于大盘数据有多大影响？
你做的这次体验优化对公司有多大的贡献？会带来多少经济价值？
……
“体验”看似是用户的一种主观感受，其概念比较抽象，从这个情况来看是很难被度量的。
但做为体验设计师要明确一点：我们需要在项目中来凸显设计的价值，这就需要一套科学的、成体系的、可量化用户的体验完整的度量方法。
数据指标是对“价值”这种抽象概念的数据化表达，它能为所有参与角色形成一个具体的关注焦点，建立一个统一的坐标体系和判断标准，直观地反映方案效果与目标价值之间的差距，成为后续迭代优化的思考源头。
数据指标的设定要遵循“VSM”的推导思路。所谓的VSM是指从Value到Signal再到Metric，具体含义为，一旦设计目标中的设计价值得以实现（其实也就是设计目标得以实现），就一定会有相应的现象发生或信号出现 （Signal），而有了现象或信号，根据上面的理念，我们就应该能够找到可以表述和衡量它们的数据指标（Metric），并以此反映设计价值的变化。
举例：假如我们要设计一张能提升睡眠质量的床
【Goal】定义业务目标，聚集设计目标 – 通过设计一张床来提升用户的睡眠质量；
【Signal】设定关键设计目标（信号）- 更容易入睡，入睡前翻转少，向其他人推荐；
【Metric】确定可衡量的数据指标 – 从开始睡觉到真正入睡的时间、入睡前翻转次数、在所有购买者中有多少比例的人是通过他人推荐而来的。
从设计目标到到数据指标的GSM模型
从举例中我们不难发现，如何能体现我们设计的床是有价值的？必然是通过可衡量的数据指标来体现价值，而不再是主观感受。
HEART模型：是Google在“PULSE”评估系统基础上，结合用户体验质量以及让数据更有实际意义的需求，提出的一个用户体验度量框架，它包含五个，分别是：愉悦度（Happiness）、参与度（Engagement）、接受度（Adoption）、留存率（Retention）、任务完成度（Task success）。
在HEART模型的基础上，结合了日常工作，我们可以通过以下个大的维度对用户体验进行衡量。
指用户在使用产品时的主观感受，可以通过净推荐值、用户的满意度、忠诚度、产品使用的愉悦度来衡量。
净推荐值（NPS）：是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。意在了解用户对该品牌或产品主动推荐的意愿。
-分，分表示非常愿意，分表示非常不愿意，根据用户的推荐意愿，将用户分为三类：推荐者、被动者、贬损者。
推荐者（-分）：即铁杆粉丝，他们不仅自己反复光顾，还督促朋友也这样做。
被动者（-分）：即满意但不热心的顾客，可被竞争对手轻易拉拢。
贬损者（-分）：即不满意的顾客，出于某种原因被困在一段糟糕的关系中。
推荐者与贬损者是对企业实际的产品口碑有影响的用户，这两部分用户在用户总数中所占百分比之差，即净推荐值（Net Promoter Score，NPS）
计算公式：NPS=（推荐者数/总样本数）x% -（贬损者数/总样本数）x%
满意度（CSAT）：是指完成操作后，用户产生的主观感受和满意度，主要用户体验数据 指标有（但不局限于）操作容易度、布局合理性、界面美观度、表达内容易读性等各个方面的主观评价。
客户满意度指数（CSAT）是一个用来衡量客户对业务、购买或互动满意程度的指标，可以通过一个简单的问题来获得，例如“您对自己的体验有多满意？”。
CSAT要求用户评价对特定事件/体验的满意度，一般使用五点量表，包括：非常满意分、满意分、一般分、不满意分、非常不满意分。
通过计算选择分和分的用户所占比例得出CSAT值：
计算公式：CSAT=（满意客户数/总样本数）x% （满意客户数指分和分用户总数）
忠诚度：是指完成一次使用后，用户会不会再次使用些产品。主要用户体验数据指标有（但不局限于）天/天留存率、不同平台的使用重合率等。
也可以用客户保持率（CRR）即企业继续保持与老客户交易关系的比例来反应用户的忠诚度。
计算公式：CRR =((E-N)/S))X %
S：该时间段开始时的客户
E：该时间段结束时的客户
N：该时间段获得的新客户
产品使用的愉悦度：是指用户需求被满足的程度：被满足=愉悦=留下，不满足=不爽=流失
被满足产生愉悦而留下的用户，可以用上述的忠诚度来体现。不满足产生不爽情绪而流失的用户，则需要计算用户的流失率。
计算方式：用户流失率=（流失的用户数/用户总数）×%
是指用户在完成产品目标时的对应操作行为，以及完成目标过程中的操作效率，主要用户体验数据指标有（但不局限于）首次点击时间、操作完成时间、操作完成点击数、操作完成率、操作失败率、操作出错率、停留时间、页面PV/UV等。
在这里还要阐述一个费力度（CES）的概念：让用户评价使用某产品/服务来解决问题的困难程度，该指标衡量消费者通过企业的产品来满足需求而要付出的努力程度，强化了“便利”的重要性。
测量CES只需一个简单问题：“您需要费多大劲才能解决问题？”，可以采用分制。
=强烈不同意、=不同意、=有点不同意、=中立、=有点同意、=同意、=强烈同意。
是指用户在操作过程中硬件系统进行对应处理时所表现出来的性能指标。可以通过产品的加载速度、页面的清晰度/流畅度、多端口信息的同步性、崩溃率…等方向进行衡量。
按照用户体验衡量的维度，基本可以有效的衡量我们所做用户体验的价值，并获得相应的数据。那么有了这些数据，又如何更有效的服务于用户体验的提升呢？
主要和同类或近似的对象进行对比，分析当前对象的数据表现。在横向对比中，要注意对比对象与数据指标的可对比性。
是指对比同一对象不同时期的数据，分析当前对象的数据表现。主要有三种日期对比形式:
基比：与某一固定时期水平比较，表明在较长时期内总的发展趋势。
环比：与上一周期整体水平比较，表明逐期的发展趋势，主要有周环比、月环比。
同比：与上周/上月/上年同一时期的水平比较，表明同比周期内的发展趋势，主要有周同比、月同比、年同比。
是指将同一对象的用户进行细分，分析不同细分人群的数据表现。
根据用户的需求进行设计，不同用户有着不同需求和操作行为，因此不同的用户群有着不同的数据表现，从不同用户群的数据差异可以了解到不同用户的需求和操作行为。
可以从身份属性、行为属性细分用户。常见的身份属性有性别、年龄、省份、行业、是否会员等；常见的行为属性有新/老用户、是否有交易、回访频率、用户来源、会员等级等。
结语：善于用数据衡量用户体验，可以更好的指导我们日常的设计工作，体现设计的价值，更可以在设计前发现问题。通过数据的横向对比、纵向对比、人群对比，从数据角度了解用户诉求，发现产品存在的问题，为产品设计优化提供启发和突破口。
